李弘揚, 劉 洋, 張利龍
(海軍工程大學, 武漢 430033)
隨著軍隊院校智慧教室和智慧課堂的廣泛應用,對智慧教室的硬件投入強度也不斷增大,結合VR 的虛擬現實仿真技術,建立智慧教室的場景交換虛擬視景仿真模型,通過虛擬化的視覺重構和三維重建,應用在教學平臺中,實現數字化軍校教學管理。 在采用虛擬現實技術建立數字化軍校教學場景的可視化分析模型中,數字化軍校全息強化數據感知的基礎,通過構建數字化軍校全息強化數據感知模型,結合數據圖像分析和云平臺技術,實現對數字化軍校教學場景的運維控制[1]。 研究虛擬視景下數字化軍校全息強化數據感知技術,在促進院校的虛擬課堂教學環境搭建中具有重要意義。
對虛擬視景下數字化軍校全息強化數據感知是建立在視覺信息特征重組基礎上,通過對數字化軍校教學場景分布設計,進行數字化軍校教學場景的優化鋪設控制,提高數字化軍校教學場景鋪設和運維管理的可靠性[2-3],文獻[4]中提出結合Vega Prime 進行數字化軍校教學場景三維可視化系統設計方法,采用3DStudio MAX 軟件進行數字化軍校教學場景分布融合設計,結合不規則點的三維空間重構,實現對軍校教學運維管理數據的強化感知學習。文獻[5]中結合3D 信息重構和VR 仿真技術,進行數字化軍校教學場景融合處理,但傳統方法進行全息數據感知的辨識度不高,三維視覺重構性能不好。對此,本文提出基于云端一體化數據融合和三維虛擬視景重構的數字化軍校全息強化數據感知模型。首先,構建三維視覺信息采樣模型,結合三維虛擬場景的層次化結構分析,進行數字化軍校教學場景特征重組,然后通過數字化軍校教學場景三維可視化重構和視景仿真過程中的誤差補償控制,提高數字化軍校全息強化數據感知能力。 最后,進行仿真測試,展示了本文方法在提高數字化軍校全息強化數據感知和視景重構能力方面的優越性能。
為了實現對數字化軍校教學場景三維可視化系統的優化設計,需要構建虛擬視景下數字化軍校全息強化數據感知,首先構建數字化軍校教學場景三維可視化數據庫,采用LightWave3D 可視化分析軟件構建數字化軍校教學場景的分布模型[6],在嵌入式的B/S 總線控制模型下,進行數字化軍校教學場景三維可視化的圖像采樣和信息融合,結合三維虛擬場景的層次化結構分析,進行數字化軍校教學場景的邏輯篩選、分離面裁剪等處理,建立數字化軍校教學場景三維可視化的源圖像,使用Vega Prime 編輯器進行數字化軍校教學場景三維可視化程序加載,總體結構如圖1 所示。

圖1 數字化軍校教學場景三維可視化感知結構模型Fig. 1 3D visual perception structure model of teaching scene in digital military academy
根據圖1 的總體結構模型分析,采用總線傳輸控制和嵌入式的調度技術,進行高數字化軍校教學場景可視化特征信息重組,在嵌入式ARM 系統中建立數字化軍校教學場景可視化傳輸總線,在自適應傳輸控制協議下建立數字化軍校教學場景可視化平臺的內核結構[7],采用物聯網直接通過網絡接口與網絡相連,在數字化軍校教學場景的擴展模型中,通過iSCSI 技術實現視景重建和信息加載。 在數字化軍校教學場景的三維虛擬現實可視化視景仿真中,可以充分利用紋理映射技術,采用Unity3D 的可視化重構,進行數字化軍校教學場景三維可視化系統的主機引導控制,數字化軍校教學場景三維可視化體系模型如圖2 所示。

圖2 數字化軍校教學場景三維可視化體系模型Fig. 2 3D visualization system model of teaching scene in digital military academy
根據數字化軍校教學場景三維可視化視景重構的選型方案,構建數字化軍校教學場景三維可視化系統的靜態視覺感知模型[8],軍校教學場景三維全息感知的像素特征分布集用Fm(x,y) 表示,得到第m幀(x,y) 處數字化軍校教學場景全息圖像的像素灰度值,Bm(x,y) 表示從前一幀計算的相同屬性值的數據點的集合,得到教學場景子帶掃描的增強圖模型參數輸出為:
其中,m是當前幀采集的數字化軍校教學場景的輪廓,Fi(x,y) 為動態幀序列的梯度序列。 當m逐漸變大時,根據斷層序列圖像上的外部真實像素,采用信息素增強技術,得到增強處理后的視覺樣本序列為:
其中,λ為數字化軍校教學場景三維可視化系統的實體視覺均衡度;Lg(φ) 為教學場景重建的光照強度;v(I) 為模糊匹配系數;Ag(φ) 為三維教學場景融合的特征分布信息。 基于圖像梯度權系數分析方法,得到紋理渲染數據庫的模型化特征參數用λ,ν表示,且λ >0, 各層圖像輪廓線之間相互收斂,由此建立了數字化軍校教學場景視覺特征采樣模型,特征圖模型參數識別和空間結構重組,進行視覺場景特征重構[9]。
結合三維虛擬場景的層次化結構分析,進行數字化軍校教學場景特征重組,通過Insert Materials tool 生成數字化軍校教學場景的等高線模型重建[10],得到重構模型參數為:
其中,w(z,v) 能夠用來描述數字化軍校教學場景三維可視化重組的邊緣的廓;r(z,v) 為單層二維圖像空間變換函數;ζ是特征點的坐標;H為稀疏性特征重建函數。 根據上述分析,采用虛擬現實VR技術進行視景重組[11],得到視景重組的特征分布公式如下所述:
在上述公式中,Rt是數字化軍校教學場景三維輪廓提取之后的圖像邊緣分布矩陣;Rh是多余像素點;為輪廓點在Y方向位置信息偏移信息;為各個角度的圖片進行三維模型恢復的偏移信息。
對教學場景進行全方位掃描從而生成點云信息,得到目標位置信息,其公式如下所述:
在上述公式中,hj能夠用來描述三維模型的密集變化率;g(y,z,a) 為沿視線反向投影圖的拼接特征函數;Tj是對應的灰度矩陣。 由此建立數字化軍校教學的VR 視覺場景特征重組模型,在線程分配和用戶自主交互的三維圖模型中實現對數字化軍校全息強化的數據特征篩選和清洗,基于場景渲染和幀誤差補償技術進行信息感知融合。
在上述構建的數字化軍校全息視景重建模型的基礎上,進行軍校全息強化數據感知,基于三角形網格的表面模型分割,得到全息強化數據感知的特征點空間位置關系:
其中,為多視圖立體特征分辨率;m為全息信息感知的動態強化分配參數;為多視圖立體任務感知的逆變特征量;y為Sigmoid 激活子網信息;v為虛擬視景的空間位移轉換系數;a為聯合自相關分配系數。 用Q1 和Q2 表示成型點,點Q是視景重建的空間分配點線相交的位置。
綜上分析,基于實例本身特征圖模型參數分析,得到船舶動態重構的輸出穩態特征值與Y軸平行。三維重建的空間分配成像點Q1 和Q2 在對應的圖像重建的空間位置分別是(v1,w1) 和(v2,w2),c采用場景渲染和幀誤差補償技術,進行數字化軍校教學場景三維可視化重構和視景仿真過程中的誤差補償控制,提高數字化軍校全息強化數據感知能力[12]。
為了驗證本文方法在實現對數字化軍校教學的VR 視覺場景重建和全息強化數據感知的性能,在三維ICAD 系統中構建數字化軍校教學場景的實體模型,通過Matlab 仿真進行全息數據感知的仿真分析,采用Creator Terrain Studio(CTS)實現對軍校教學場景的虛擬視景仿真平臺搭建,教學場景三維視景重建的參數分布見表1。

表1 教學場景三維視景重建的參數分布Tab. 1 Parameter distribution of three - dimensional visual reconstruction of teaching scene
根據表1 的參數分布,設定全息數據采樣的樣本大小為3 000,測試集為200,訓練樣本集為100,給出在某虛擬教學場景下三維重建灰度圖如圖3 所示。

圖3 虛擬教學場景三維重建灰度圖Fig. 3 Three-dimensional reconstruction gray map of virtual teaching scene
以圖3 的灰度圖為測試對象,采用本文方法進行虛擬視景下數字化軍校全息強化數據感知,得到數據感知結果如圖4 所示。

圖4 RGB 三通道全息數據感知結果Fig. 4 Perception results of RGB three-channel holographic data
分析圖4 得知,本文方法能有效實現對三通道的數據信息感知和特征采樣,在此基礎上,實現對數字化軍校全息教學的三維虛擬視景重構,重構結果如圖5 所示。 分析圖5 得知,該方法進行數字化軍校全息信息感知,提高了三維視景重構能力,視景重建的視覺逼真度較高。

圖5 數字化軍校全息教學的三維虛擬視景重構Fig. 5 3D virtual scene reconstruction of holographic teaching in digital military academy
測試不同方法進行全息數據感知的精度,得到對比結果如圖6 所示。 分析圖6 得知,本文方法對數據感知的精度較高,抗干擾能力較強。
通過構建數字化軍校全息強化數據感知模型,結合數據圖像分析和云平臺技術,實現對數字化軍校教學場景的運維控制。 本文提出基于云端一體化數據融合和三維虛擬視景重構的數字化軍校全息強化數據感知模型。 結合三維虛擬場景的層次化結構分析,進行數字化軍校教學場景特征重組,采用Unity3D 的可視化重構,進行數字化軍校教學場景三維可視化系統的主機引導控制,對教學場景進行全方位掃描從而生成點云信息,進行數字化軍校教學場景三維可視化重構。 分析得知,本文方法對軍校管理數據的全息強化數據感知的精度較高,三維重構能力較好。