一种数字孪生模型轻量化方法及系统技术方案

本申请提出一种数字孪生模型轻量化方法及系统。所述方法基于采用常规轻量化技术进行初步轻量化处理后的数字孪生模型所包括的面片组合构建模型输入，之后根据经过训练的面片合并模型基于所述模型输入判断是否需要将面片组合内的两个面片进行合并，然后将需要进行合并的面片进行合并，由于所述面片合并模型预先经过训练，可以将合并后对原本渲染效果影响不大的面片进行合并，从而进一步减少面片数量达到不影响渲染效果且进一步轻量化数字孪生模型的效果，提升模型渲染速度，也保证了数字孪生模型的渲染效果，满足客户需求。满足客户需求。满足客户需求。

【技术实现步骤摘要】
一种数字孪生模型轻量化方法及系统


[0001]本申请涉及计算机技术，具体涉及一种数字孪生模型轻量化方法及系统。

技术介绍

[0002]数字孪生模型技术已逐渐成为设计、建设、管理和维护的新途径和办法，目前已在建模领域开始了全面应用。除了设计部门，围绕设计成果的后续相关建设和运维管理，也已开始大力推广数字孪生模型技术的相关应用。然而，数字孪生模型体量巨大，对硬件设备的性能要求比较高。这就需要对数字孪生模型进行轻量化处理。
[0003]目前，对数字孪生模型轻量化的方法比较多，例如Instancing，Compression，LOD和Parameterization等。这些方法可以对数字孪生模型进行轻量化处理，以提升渲染速度。但是用户对渲染速度和渲染效果要求均越来越高，常规的轻量化方式已经满足不了渲染的要求。

技术实现思路

[0004]有鉴于此，本申请公开一种数字孪生模型轻量化方法。所述方法可以包括：获取经过初步轻量化处理之后的数字孪生模型，所述模型包括若干个由模型顶点构成的面片，若干所述面片构成第一面片集合；重复执行以下A、B、C、D四个步骤，直至遍历完所述第一面片集合中的面片；A，从所述第一面片集合中选取第一面片，并确定所述第一面片集合中与所述第一面片相邻的第二面片，所述相邻是指所述第一面片与所述第二面片具备相同的边；B，基于所述第一面片包括的顶点坐标，所述第二面片包括的顶点坐标，以及所述第一面片所在的第一平面与所述第二面片所在的第二平面的夹角生成模型输入；C，基于所述模型输入，根据预先训练的面片合并模型得到分类结果，所述分类结果指示是否对所述第一面片与所述第二面片进行合并操作，所述面片合并模型包括基于若干标注了是否进行合并的标注信息的面片组合样本进行训练得到的神经网络模型；其中，在合并之后影响数字孪生模型渲染效果的程度低于阈值的情形下被标注为进行合并，在合并之后影响数字孪生模型渲染效果的程度达到所述阈值的情形下被标注为不进行合并；D，在所述分类结果指示对所述第一面片与所述第二面片进行合并操作的情形下，合并所述第一面片与所述第二面片得到合并面片，并将所述合并面片存储至第二面片集合，在所述第一面片集合中删除所述第一面片与所述第二面片，跳转至所述A的步骤，以及，在所述分类结果指示所述第一面片与所述第二面片不进行合并操作的情形下，将所述第一面片存储至所述第二面片集合，在所述第一面片集合中删除所述第一面片，跳转至所述A的步骤；基于所述第二面片集合中的面片生成进一步轻量化处理后的数字孪生模型。
[0005]在一些实施例中，所述确定所述第一面片集合中与所述第一面片相邻的第二面片，包括：将所述第一面片集合包括的除所述第一面片以外的其它面片中，包含所述第一面片包括的三个顶点中的任意两个顶点的其它面片，确定为所述第二面片。
[0006]在一些实施例中，所述基于所述第一面片包括的顶点坐标，所述第二面片包括的
顶点坐标，以及所述第一面片所在的第一平面与所述第二面片所在的第二平面的夹角生成模型输入，包括：获取所述第一面片包括的三个顶点的顶点坐标，并根据获取的顶点坐标确定所述第一面片所在第一平面的第一法向量；获取所述第二面片包括的三个顶点的顶点坐标，并根据获取的顶点坐标确定所述第二面片所在第二平面的第二法向量；根据所述第一法向量与所述第二法向量，确定所述第一平面与所述第二平面之间的夹角；根据预设的模型输入生成策略，基于所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角，生成模型输入。
[0007]在一些实施例中，所述面片合并模型为基于文本处理模型构建的分类模型；所述根据预设的模型输入生成策略，基于所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角，生成模型输入，包括：将所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角分别作为单词，按照预设的顺序，生成文本序列；所述基于所述模型输入，根据预先训练的面片合并模型得到分类结果，包括：利用自注意力机制，对所述文本序列进行处理得到文本特征；所述文本特征为对判断是否合并所述第一面片与所述第二面片有益的特征；基于所述文本特征进行分类，得到所述分类结果。
[0008]在一些实施例中，所述利用自注意力机制，对所述文本序列进行处理得到文本特征，包括：将所述文本序列中的每一个单词分别作为目标单词，基于自注意力机制，确定所述目标单词与其它单词之间的注意力权重；所述注意力权重用于指示所述其它单词与所述目标单词之间的关联关系和关联程度；基于所述注意力权重以及所述其它单词的点乘操作，得到所述目标单词对应的单词特征；根据所述文本序列中的每一个单词分别对应的单词特征，得到所述文本特征。
[0009]在一些实施例中，所述文本处理模型包括bert模型。
[0010]在一些实施例中，所述面片由三个模型顶点构成；所述方法还包括：获取若干面片组合，所述面片组合包括相邻的两个面片，两个面片中相同的两个顶点构成两个面片的相邻边；针对每一面片组合进行标注，得到针对每一面片组合内两个面片是否进行合并的标注信息，以得到若干面片组合样本；针对每一面片组合，针对所述面片组合内的至少一个面片，在该面片的目标中线上等距取点，将每次取得的点与该面片的另外两个顶点构成新面片，将所述面片组合的标注信息确定为所述新面片与所述面片组合内另一面片组成的新面片组合的标注信息，以扩充面片组合样本；所述目标中线是指该面片中处于相邻边以外的顶点和所述相邻边的中点组成的线段；基于扩充后的面片组合样本，对所述面片合并模型进行有监督训练。
[0011]在一些实施例中，所述基于扩充后的面片组合样本，对所述面片合并模型进行有监督训练，包括：基于面片组合样本中的面片组合构建输入样本；将所述输入样本输入所述面片合并模型，得到针对所述面片组合内两个面片是否进行合并的预测信息；基于所述预测结果与面片组合样本包括的标注信息，以及预设的损失函数，得到损失信息；基于所述损失信息，调整所述面片合并模型的模型参数。
[0012]本申请还提出一种数字孪生模型轻量化系统，所述系统包括：获取单元，用于获取经过细节层次技术LOD初步轻量化处理之后的数字孪生模型，所述模型包括若干个由模型顶点构成的面片，若干所述面片构成第一面片集合；合并单元，用于重复执行以下A、B、C、D
四个步骤，直至遍历完所述第一面片集合中的面片；A，从所述第一面片集合中选取第一面片，并确定所述第一面片集合中与所述第一面片相邻的第二面片，所述相邻是指所述第一面片与所述第二面片具备相同的边；B，基于所述第一面片包括的顶点坐标，所述第二面片包括的顶点坐标，以及所述第一面片所在的第一平面与所述第二面片所在的第二平面的夹角生成模型输入；C，基于所述模型输入，根据预先训练的面片合并模型得到分类结果，所述分类结果指示是否对所述第一面片与所述第二面片进行合并操作，所述面片合并模型包括基于若干标注了是否进行合并的标注信息的面片组合样本进行训练得到的神经网络模型；D，在所述分类结果指示对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字孪生模型轻量化方法，其特征在于，所述方法包括：获取经过初步轻量化处理之后的数字孪生模型，所述模型包括若干个由模型顶点构成的面片，若干所述面片构成第一面片集合；重复执行以下A、B、C、D四个步骤，直至遍历完所述第一面片集合中的面片；A，从所述第一面片集合中选取第一面片，并确定所述第一面片集合中与所述第一面片相邻的第二面片，所述相邻是指所述第一面片与所述第二面片具备相同的边；B，基于所述第一面片包括的顶点坐标，所述第二面片包括的顶点坐标，以及所述第一面片所在的第一平面与所述第二面片所在的第二平面的夹角生成模型输入；C，基于所述模型输入，根据预先训练的面片合并模型得到分类结果，所述分类结果指示是否对所述第一面片与所述第二面片进行合并操作，所述面片合并模型包括基于若干标注了是否进行合并的标注信息的面片组合样本进行训练得到的神经网络模型；其中，在合并之后影响数字孪生模型渲染效果的程度低于阈值的情形下被标注为进行合并，在合并之后影响数字孪生模型渲染效果的程度达到所述阈值的情形下被标注为不进行合并；D，在所述分类结果指示对所述第一面片与所述第二面片进行合并操作的情形下，合并所述第一面片与所述第二面片得到合并面片，并将所述合并面片存储至第二面片集合，在所述第一面片集合中删除所述第一面片与所述第二面片，跳转至所述A的步骤，以及，在所述分类结果指示所述第一面片与所述第二面片不进行合并操作的情形下，将所述第一面片存储至所述第二面片集合，在所述第一面片集合中删除所述第一面片，跳转至所述A的步骤；基于所述第二面片集合中的面片生成进一步轻量化处理后的数字孪生模型。2.根据权利要求1所述的方法，其特征在于，所述确定所述第一面片集合中与所述第一面片相邻的第二面片，包括：将所述第一面片集合包括的除所述第一面片以外的其它面片中，包含所述第一面片包括的三个顶点中的任意两个顶点的其它面片，确定为所述第二面片。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一面片包括的顶点坐标，所述第二面片包括的顶点坐标，以及所述第一面片所在的第一平面与所述第二面片所在的第二平面的夹角生成模型输入，包括：获取所述第一面片包括的三个顶点的顶点坐标，并根据获取的顶点坐标确定所述第一面片所在第一平面的第一法向量；获取所述第二面片包括的三个顶点的顶点坐标，并根据获取的顶点坐标确定所述第二面片所在第二平面的第二法向量；根据所述第一法向量与所述第二法向量，确定所述第一平面与所述第二平面之间的夹角；根据预设的模型输入生成策略，基于所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角，生成模型输入。4.根据权利要求3所述的方法，其特征在于，所述面片合并模型为基于文本处理模型构建的分类模型；所述根据预设的模型输入生成策略，基于所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角，生成模型输入，包括：
将所述第一面片包括的三个顶点的顶点坐标，所述第二面片包括的三个顶点的顶点坐标，所述夹角分别作为单词，按照预设的顺序，生成文本序列；所述基于所述模型输入，根据预先训练的面片合并模型得到分类结果，包括：利用自注意力机制，对所述文本序列进行处理得到文本特征；所述文本特征为对判断是否合并所述第一面片与所述第二面片有益的特征；基于所述文本特征进行分类，得到所述分类结果。5.根据权利要求4所述的方法，其特征在于，所述利用自注意力机制，对所述文本序列进行处理得到文本特征，包括：将所述文本序列中的每一个单词分别作为目标单词，基于自注意力机制，确定所述目标单词与其它单词之间的注意力权重；所述注意力权重用于指示所述其它单词与所述目标单词之间的关联关系和关联程度；基于所述注意力权重以及所述其它单词的点乘操作，得到所...

【专利技术属性】
技术研发人员：杜晓东，王立斌，赵建利，张正文，李怀东，沈华林，邹云涛，
申请(专利权)人：北京天成易合科技有限公司，
类型：发明
国别省市：