一種基于gpu加速的海中場景建模與實時交互繪制方法
【專利摘要】本發(fā)明公開了一種基于GPU加速的海中場景建模與實時交互繪制方法。其步驟為：(1)對海中場景聲納數(shù)據(jù)進(jìn)行預(yù)處理：水體地層分離、目標(biāo)檢測、去噪增強(qiáng)；(2)利用GPU加速實現(xiàn)了可交互的基于光線投射方法的海中場景三維體數(shù)據(jù)可視化建模；(3)基于GPU加速實現(xiàn)了海中目標(biāo)聲納數(shù)據(jù)表面提取和實時繪制。本發(fā)明解決了以往可視化算法不適用海中場景聲納數(shù)據(jù)快速建模和交互可視化分析的問題。減少了主觀因素影響，使得數(shù)據(jù)的初始可視化結(jié)果更加準(zhǔn)確。本發(fā)明使用曲面細(xì)分方法對marchingcube算法的目標(biāo)表面提取結(jié)果進(jìn)行優(yōu)化處理，得到平滑的渲染結(jié)果。最終，實現(xiàn)了海中場景建模與實時交互繪制。
【專利說明】—種基于GPU加速的海中場景建模與實時交互繪制方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及三維數(shù)據(jù)場可視化與三維幾何表面獲取與繪制領(lǐng)域，尤其涉及一種基于GPU加速的海中場景建模與實時交互繪制方法。
【背景技術(shù)】
[0002]海中聲納數(shù)據(jù)可視化技術(shù)主要是利用海中聲納數(shù)據(jù)作為信息源，采用一定的數(shù)據(jù)處理和三維建模方法，建立水下聲納數(shù)據(jù)的三維可視化及交互分析系統(tǒng)。當(dāng)今海洋資源的開發(fā)與利用是新世紀(jì)經(jīng)濟(jì)增長的熱點，對海洋的探測手段也在不斷豐富。近些年來，對于海面場景的建模與繪制工作取得了不少進(jìn)展，在場景的真實感模擬上也取得了相當(dāng)大的成功，相對應(yīng)的流體模擬方法，也已經(jīng)取得了廣泛的應(yīng)用。然而與之相對的是:海中(海表面之下)場景的繪制與建模工作進(jìn)展偏少，其原因之一是由于計算量的龐大，原因之二是因為聲納數(shù)據(jù)來源的不精確性。本技術(shù)針對海中場景聲納數(shù)據(jù)進(jìn)行了預(yù)處理與優(yōu)化，減少了數(shù)據(jù)中的噪聲并提高的數(shù)據(jù)的精確性，采用了形態(tài)學(xué)上的圖像分割技術(shù)來對海底的水體和土地部分進(jìn)行分別處理以提高識別精度。使用了 GPU加速技術(shù)使得繪制與目標(biāo)特征交互分析達(dá)到了實時。
[0003]下面先介紹已有的三維數(shù)據(jù)場繪制方法:
[0004]I)光線投射(RayCasting)算法
[0005]RayCasting算法是以圖象空間未最終渲染結(jié)果的載體，從載體空間的每一個像素出發(fā)，逆視點方向發(fā)射射線穿越三維數(shù)據(jù)長。沿射線進(jìn)行等距采樣，并根據(jù)數(shù)據(jù)場中的數(shù)據(jù)，求出該采樣點的光學(xué)性質(zhì)。將每條射線上的所有采樣點的光學(xué)性質(zhì)依據(jù)光學(xué)模型進(jìn)行疊加，計算得到出發(fā)點的像素顏色空間屬性，從而得到可視載體的紋理分布。該算法需要遍歷三維數(shù)據(jù)場，視點改變時采樣點需重新計算，導(dǎo)致了龐大的計算量。
[0006]2)拋雪球法
[0007]這種算法與的RayCasting算法所不同的是，它遍歷三維數(shù)據(jù)長的每一個體素進(jìn)行計算。它利用一個函數(shù)來代表每一個體素投射到可視空間的影響強(qiáng)度，我們一般稱之為Footprint。計算每一個體素投射的影響范圍，從而計算出對圖像的總體貢獻(xiàn),疊加以生成最后的圖像。這種算法就好像每個體素像屏幕上扔雪球，打擊在屏幕上殘留一定的痕跡，因而得名。這樣的計算方法，雖然讓我們僅僅考慮與顯示有關(guān)的體素，從而大大減少了數(shù)據(jù)量，但視點的變換導(dǎo)致所有疊加重新計算，依然無法實時顯示。
[0008]常用的算法還有很多:錯切變換法、三維紋理映射法等。但傳統(tǒng)的光線投射(RayCasting)算法有三大缺點:一是傳遞函數(shù)(transfer function)需要靠人工干預(yù)來進(jìn)行調(diào)節(jié)，想要得到一個比較好的結(jié)果，往往需要花費較長的時間；二是傳統(tǒng)的RayCasting算法往往是在CPU端實現(xiàn)的，可交互性比較差；三是傳統(tǒng)的的算法對整個體數(shù)據(jù)使用一個tranfer function,而對于像聲納這類需要分類處理的數(shù)據(jù)則無法處理。
[0009]同樣,傳統(tǒng)的Marching Cube方法也不適用于聲納數(shù)據(jù),傳統(tǒng)的marching cube方法在提取表面時閾值比較單一，而對于類似聲納這類數(shù)據(jù)，往往目標(biāo)取值處于一個范圍內(nèi)，傳統(tǒng)的方法無法處理；另外如果需要獲得一個比較平滑的結(jié)果，傳統(tǒng)的方法往往需要將增加立方體的分辨率，而這將大大增加處理的數(shù)據(jù)量。
[0010]除此之外，聲納三維數(shù)據(jù)場由于受到環(huán)境的影響較大。受混響、散焦、噪聲等因素影響，一般數(shù)據(jù)場的直接可視化無法得到足夠準(zhǔn)確的可視化圖像?？偨Y(jié)來看聲納數(shù)據(jù)主要包括以下特征:
[0011]1.數(shù)據(jù)場中的邊緣輪廓十分模糊，且呈現(xiàn)出較為嚴(yán)重的缺失或變形情況；
[0012]2.受到聲波信號波長較長、頻率較低的影響，結(jié)果缺少高頻細(xì)節(jié)信息，導(dǎo)致很多的邊緣識別算法無法實現(xiàn)；
[0013]3.聲納信號噪聲分布較廣，雖然表現(xiàn)形式單一，主要是高頻脈沖信號，但由于波動幅度相對較大，對結(jié)果圖像的影響依然很大。
[0014]4.聲納數(shù)據(jù)場中的目標(biāo)信號對聲波的反應(yīng)強(qiáng)度相對單一，因此灰度級相對較少。但噪聲數(shù)據(jù)由于產(chǎn)生原因多樣，所以在多灰度級中都有出現(xiàn)。
[0015]5.聲納信號在水體與地層當(dāng)中的傳播有所不同，會產(chǎn)生不同的信號屬性，
[0016]綜上所述，聲納三維數(shù)據(jù)場的可視化難以使用現(xiàn)有方法進(jìn)行繪制與重建。
[0017]由于此類聲納數(shù)據(jù)的特點，傳統(tǒng)的三維數(shù)據(jù)可視化算法的直接應(yīng)用得到效果受到嚴(yán)重影響。并且，傳統(tǒng)的去噪算法(如中值濾波、雙邊濾波、直方圖均衡化等)都不適用于聲納數(shù)據(jù)。而基于小波的處理方法、基于模糊理論的處理算法、神經(jīng)網(wǎng)絡(luò)算法等也難以應(yīng)付過大的數(shù)據(jù)量。
[0018]基于以上的原因，以往的方法難以獲得完善的實時聲納數(shù)據(jù)可視化。
[0019]
【發(fā)明內(nèi)容】

[0020]本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種基于GPU加速的海中場景建模與實時交互繪制方法。
[0021]基于GPU加速的海中場景建模與實時交互繪制方法包括如下步驟:
[0022]I)海中場景聲納數(shù)據(jù)針對聲納數(shù)據(jù)特點采用形態(tài)學(xué)方法和濾波對原始數(shù)據(jù)進(jìn)行預(yù)處理，分為基于二值化的水體地層分離、基于梯度的目標(biāo)檢測和基于梯度統(tǒng)計與濾波的去噪增強(qiáng)；
[0023]2)利用GPU加速光線跟蹤算法，基于數(shù)據(jù)的統(tǒng)計數(shù)據(jù)生成傳遞函數(shù)，并加入實時交互功能，實現(xiàn)可交互的海中場景三維體數(shù)據(jù)可視化建模；
[0024]3)使用基于范圍檢測的marchingCube方法和GPU加速方法,實現(xiàn)海中目標(biāo)聲納數(shù)據(jù)表面提取和實時繪制。
[0025]步驟I)所述的水體地層分離為:
[0026]2.1)通過LOG變換改善數(shù)據(jù)范圍，拓寬有效聲納數(shù)據(jù)范圍；
[0027]2.2)采用高斯濾波快速去噪減弱水體中噪音的影響，并保留了水體地層分界線的原有性質(zhì)；
[0028]2.3)通過灰度域上的形態(tài)學(xué)操作中的開運算去除目標(biāo)與噪聲物體，僅保留水體與地層數(shù)據(jù)；
[0029]2.4)基于水體與地層對聲納信號反應(yīng)的不同，采用自動化閾值分割水體地層，閾值計算公式為:
【權(quán)利要求】
1.一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于包括如下步驟: 1)海中場景聲納數(shù)據(jù)針對聲納數(shù)據(jù)特點采用形態(tài)學(xué)方法和濾波對原始數(shù)據(jù)進(jìn)行預(yù)處理，分為基于二值化的水體地層分離、基于梯度的目標(biāo)檢測和基于梯度統(tǒng)計與濾波的去噪增強(qiáng)； 2)利用GPU加速光線跟蹤算法，基于數(shù)據(jù)的統(tǒng)計數(shù)據(jù)生成傳遞函數(shù)，并加入實時交互功能，實現(xiàn)可交互的海中場景三維體數(shù)據(jù)可視化建模； 3)使用基于范圍檢測的marchingCube方法和GPU加速方法,實現(xiàn)海中目標(biāo)聲納數(shù)據(jù)表面提取和實時繪制。
2.根據(jù)權(quán)利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于步驟I)所述的水體地層分離為: 2.1)通過LOG變換改善數(shù)據(jù)范圍，拓寬有效聲納數(shù)據(jù)范圍； 2.2)采用高斯濾波快速去噪減弱水體中噪音的影響，并保留了水體地層分界線的原有性質(zhì)； 2.3)通過灰度域上的形態(tài)學(xué)操作中的開運算去除目標(biāo)與噪聲物體，僅保留水體與地層數(shù)據(jù)； 2.4)基于水體與地層對聲納信號反應(yīng)的不同，采用自動化閾值分割水體地層，閾值計算公式為:
3.根據(jù)權(quán)利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于步驟I)所述的目標(biāo)檢測和去噪增強(qiáng)為:.3.1)計算三維數(shù)據(jù)場的梯度數(shù)據(jù)場； .3.2)統(tǒng)計梯度直方圖數(shù)據(jù)場，發(fā)現(xiàn)數(shù)據(jù)場具有雙峰特性或多峰特性； .3.3)基于梯度直方圖進(jìn)行門限分割出強(qiáng)度最大的波峰，即得到目標(biāo)物體； .3.4)對其他波峰數(shù)據(jù)進(jìn)行高斯濾波模糊處理，即得到去噪效果。
4.根據(jù)權(quán)利要求1或3所述的一種基于GPU加速的海中場景建模與實時交互繪制方法，其特征在于所述的步驟2)為:使用GPU優(yōu)化以下步驟: . 4.1)基于梯度數(shù)據(jù)場和去噪后的聲納數(shù)據(jù)場計算加權(quán)求和得到新數(shù)據(jù)場
Ctrans=volumedata+gradientdata 其中c—代表源數(shù)據(jù)場，Cgradimtdata代表梯度數(shù)據(jù)場，α與β為加權(quán)系數(shù)，Ctans代表合成結(jié)果； .4.2)基于新數(shù)據(jù)場的梯度域統(tǒng)計計算得到可交互更改的傳遞函數(shù)； .4.3)以視點為起點，向RayCasting載體立方體表面投射射線，進(jìn)行等距采樣并進(jìn)行顏色疊加混合；
C0 = α scs+(l-a s)cd 其中a s代表體素透明度，由傳遞函數(shù)提供。Cs為體素強(qiáng)度，Cd代表已疊加強(qiáng)度值，C。代表新得到的強(qiáng)度值，直到采樣強(qiáng)度值的不透明度超過1，或采樣深度超過數(shù)據(jù)場停止計算。
5.根據(jù)權(quán)利要求1所述的一種基于GPU加速的海中場景建模與實時交互繪制方法,其特征在于步驟3)所述的基于范圍檢測的marchingCube方法和GPU加速方法為: .5.1)將立方體的八個點進(jìn)行編碼將立方體所有的模式進(jìn)行編碼索引，進(jìn)而將所有的模式放在模式紋理texture_Pattern中進(jìn)行GPU端的處理與查詢； . 5.2)利用GPU的并行處理能力以及立方體之間相互獨立的特性，對數(shù)據(jù)場的所有立方體進(jìn)行分類，分類檢索公式為:
【文檔編號】G06T5/00GK103714574SQ201310703038
【公開日】2014年4月9日 申請日期:2013年12月19日 優(yōu)先權(quán)日:2013年12月19日
【發(fā)明者】王章野, 王豐金, 廖惟博 申請人:浙江大學(xué)