一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法技术

本发明专利技术公开了一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，所述多层级资源加载优化方法包括下述步骤，S1.确认中心子关卡；S2.以视觉中心对应的关卡为最高层级，进行动态多层级划分；S3.渲染精细度分级，中心子关卡进行最高质量的渲染，其他子关卡挂载于内存之中，进行最低程度网格体的在加载，以及低质量渲染；S4.消除子关卡间的边缘裂缝；S5.数字孪生体呈现。本发明专利技术根据数字孪生体模型在显示环境视角中所处的位置和重要度，来决定批次物体的渲染的资源分配，降低视界边缘物体集合的渲染细节与精细度，从而获得高效率的渲染计算，并能解决该超大规模的数字孪生模型加载时的卡顿、丢帧，甚至是服务器崩溃问题。甚至是服务器崩溃问题。甚至是服务器崩溃问题。

【技术实现步骤摘要】
一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法


[0001]本专利技术属于资源加载优化
，具体涉及一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法。

技术介绍

[0002]云渲染服务在加载和渲染超大规模(10G)的数字孪生模型时，会占用大量的服务器资源(cpu、内存、gpu、显存)，这种资源占据有可能会导致卡顿、丢帧，甚至是服务器崩溃。同时，数字孪生场景在屏幕呈现过程中，除了视觉中心的模型区域，其他区域的呈现意义主要为起辅助作用，而现有模型往往不分层级，全部在内存、显存中在同一时间进行同步加载，浪费了大量的资源。
[0003]数字孪生：数字孪生就是计算机、网络通信等数字技术，创造一个数字版的现实世界的“克隆体”，也被称为“数字孪生体”，它被创建在信息化平台上，是虚拟的。数字孪生充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中反映出对应物理世界的实体装备的全生命周期。
[0004]结构化模型：特指大型基础设施中，具有多个子系统，而每个子系统内部模型构件通过一定的结构化逻辑化方式进行排布与组合，最终呈现在用户面前的模型可以通过结构树层级结构的的方式进行调阅。

技术实现思路

[0005]针对上述
技术介绍
所提出的问题，本专利技术的目的是：旨在提供一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，所述多层级资源加载优化方法包括下述步骤，
[0008]S1.通过模型容量分配、以及视角中心的动态视角数据，确认中心子关卡；
[0009]S2.以视觉中心对应的关卡为最高层级，进行动态多层级划分；
[0010]S3.渲染精细度分级，进行渲染，中心子关卡进行最高质量的渲染，其他子关卡以挂载于内存之中，进行最低程度网格体的在加载，以及低质量渲染；
[0011]S4.消除子关卡间的边缘裂缝；
[0012]S5.数字孪生体呈现。
[0013]进一步限定，所述模型容量分配的具体步骤如下，将构件化的数字孪生场景按照模型数据以2G容量为关卡模型上限进行自动划分，切割成一系列规模较小的子关卡场景，大于2G的模型网格将被分配于下一个子关卡。
[0014]进一步限定，所述中心子关卡确认通过如下步骤实现，以屏幕视觉呈现中心，做不可见射线，在场景按照模型容量分配规则划分为若干关卡组团后，并根据视角中心移动，以
视觉中心对应的子关卡为最高层级，作为中心子关卡。
[0015]进一步限定，所述动态多层级划分的的具体步骤如下，以视觉中心对应的子关卡为最高层级，视觉中心旁侧的周边关卡为低层极，视觉中心转移时，视觉中心对应的子关卡即快速切换，确立为最高层级。
[0016]进一步限定，当内存不足以加载新的子关卡进行渲染时，服务将按照lru(最近最少使用)的策略将处于视界边缘或者之外长时间不活跃的已加载的子关卡从内存中卸载，保证有足够的资源挂载新的子关卡。
[0017]进一步限定，所述周边关卡会关联即时的中心子关卡，并进行数据权重的记录，以便数字孪生加载中，视觉中心的来回切换时，快速调整周边关卡加载模式，基于已记录的阈值进行替换，使得视觉中心的多个版本，快速为视觉近处生成模型的高质量版本，为视觉远处生成模型的低质量版本。
[0018]进一步限定，在任意给定时间，所述子关卡的渲染精细化程度，还与子关卡与摄影机的距离、屏幕高度的百分比参数变量相关。
[0019]进一步限定，所述边缘裂缝的消除步骤如下，以单个子关卡为处理单元，顺序对子关卡的四条边和四个角进行计算，通过线性插值方法使处在不同层级的邻近子关卡的节点高程值与处理子关卡的高程值保持一致，实现子关卡间的裂缝消除。
[0020]本专利技术的有益效果：
[0021]1.本专利技术的一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，根据数字孪生体模型在显示环境视角中所处的位置和重要度，来决定批次物体的渲染的资源分配，降低视界边缘物体集合的渲染细节与精细度，从而获得高效率的渲染计算，并能解决该超大规模的数字孪生模型加载时的卡顿、丢帧，甚至是服务器崩溃问题。
附图说明
[0022]本专利技术可以通过附图给出的非限定性实施例进一步说明；
[0023]图1为本专利技术一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法实施例的结构示意图；
[0024]图2为本专利技术一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法实施例中各子关卡和渲染质量的关系示意图；
具体实施方式
[0025]为了使本领域的技术人员可以更好地理解本专利技术，下面结合附图和实施例对本专利技术技术方案进一步说明。
[0026]本案实施中，结合图1
‑
2，本专利技术的一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，包括下述步骤，
[0027]S1.通过模型容量分配、以及视角中心的动态视角数据，确认中心子关卡，其中，模型容量分配主要是将构件化的数字孪生场景按照模型数据以2G容量为关卡模型上限进行自动划分，切割成一系列规模较小的子关卡场景，大于2G的模型网格将被分配于下一个子关卡；中心子关卡确认则是以屏幕视觉呈现中心，做不可见射线，在场景按照模型容量分配规则划分为若干关卡组团后，并根据视角中心移动，以视觉中心对应的子关卡为最高层级，
作为中心子关卡；
[0028]S2.以视觉中心对应的关卡为最高层级，进行动态多层级划分，其中，动态多层级划分是以视觉中心对应的子关卡为最高层级，视觉中心旁侧的周边关卡为低层极，视觉中心转移时，视觉中心对应的子关卡即快速切换，确立为最高层级；
[0029]S3.渲染精细度分级，进行渲染，中心子关卡进行最高质量的渲染，其他子关卡以挂载于内存之中，进行最低程度网格体的在加载，以及低质量渲染，在渲染过程中，当内存不足以加载新的子关卡进行渲染时，服务将按照lru(最近最少使用)的策略将处于视界边缘或者之外长时间不活跃的已加载的子关卡从内存中卸载，保证有足够的资源挂载新的子关卡；此外，周边关卡会关联即时的中心子关卡，并进行数据权重的记录，以便数字孪生加载中，视觉中心的来回切换时，快速调整周边关卡加载模式，基于已记录的阈值进行替换，使得视觉中心的多个版本，快速为视觉近处生成模型的高质量版本，为视觉远处生成模型的低质量版本，最后，在任意给定时间，子关卡的渲染精细化程度，还与子关卡与摄影机的距离、屏幕高度的百分比参数变量相关；
[0030]S4.消除子关卡间的边缘裂缝，其中，边缘裂缝的消除以单个子关卡为处理单元，顺序对子关卡的四条边和四个角进行计算，通过线性插值方法使处在不同层级的邻近子关卡的节点高程值与处理子关卡的高程值保持一致，实现子关卡间的裂缝消除；
[0031]S5.数字孪生体呈现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，其特征在于：所述多层级资源加载优化方法包括下述步骤，S1.通过模型容量分配、以及视角中心的动态视角数据，确认中心子关卡；S2.以视觉中心对应的关卡为最高层级，进行动态多层级划分；S3.渲染精细度分级，进行渲染，中心子关卡进行最高质量的渲染，其他子关卡以挂载于内存之中，进行最低程度网格体的在加载，以及低质量渲染；S4.消除子关卡间的边缘裂缝；S5.数字孪生体呈现。2.根据权利要求1所述的一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，其特征在于：所述模型容量分配的具体步骤如下，将构件化的数字孪生场景按照模型数据以2G容量为关卡模型上限进行自动划分，切割成一系列规模较小的子关卡场景，大于2G的模型网格将被分配于下一个子关卡。3.根据权利要求2所述的一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，其特征在于：所述中心子关卡确认通过如下步骤实现，以屏幕视觉呈现中心，做不可见射线，在场景按照模型容量分配规则划分为若干关卡组团后，并根据视角中心移动，以视觉中心对应的子关卡为最高层级，作为中心子关卡。4.根据权利要求3所述的一种用于超大规模数字孪生结构化模型的多层级资源加载优化方法，其特征在于：所述动态多层级划分的的具体步骤如下，以视觉中心对应的子关卡为最高层级，视觉中心旁侧的周边关卡为低...

【专利技术属性】
技术研发人员：凌晖，伍亮，岑权军，林子杨，冯东炳，郭文杰，林海铭，
申请(专利权)人：元能星泰天津数字科技有限公司，
类型：发明
国别省市：