基于OpenGL成像機理的飛行器姿態(tài)模擬

趙澄東　高昂

摘 要： 針對當(dāng)前塊匹配方法進(jìn)行飛行器姿態(tài)視景模擬的擬合度不高的問題，提出一種基于OpenGL成像機理的飛行器姿態(tài)模擬方法，進(jìn)行飛行器姿態(tài)的3D模型建模和紋理映射處理，采用模板匹配技術(shù)進(jìn)行飛行器姿態(tài)模型的狀態(tài)信息特征分析和渲染，實現(xiàn)飛行器姿態(tài)的實體模型三維重構(gòu)。在OpenGL環(huán)境中進(jìn)行實體建模，仿真結(jié)果表明，采用該方法進(jìn)行飛行器姿態(tài)模擬的擬合精度高，圖像渲染的輸出信噪比高于傳統(tǒng)方法，具有較好的視景仿真效果。

關(guān)鍵詞： 視景仿真； OpenGL成像； 飛行器姿態(tài)模擬； 模板匹配技術(shù)

中圖分類號： TN967?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）07?0024?04

Aircraft attitude simulation based on OpenGL imaging mechanism

ZHAO Chengdong， GAO Ang

（Zhengzhou Chenggong University of Finance and Economics， Gongyi 451200， China）

Abstract： Since the current block matching method has low fitting degree of the aircraft attitude visual simulation， an aircraft attitude simulation method based on OpenGL imaging mechanism is proposed. The 3D model was modeled and the texture was mapped for the aircraft attitude. The template matching technology is used to analyze and render the state information characteristics of the aircraft attitude model to reconstruct the 3D solid model of aircraft attitude. The solid was modeled in the OpenGL environment. The simulation results show that the method has high fitting accuracy of the aircraft attitude simulation and good visual simulation effect， and its output signal?to?noise ratio of the image rendering is higher than that of the traditional methods.

Keywords： visual simulation； OpenGL imaging； aircraft attitude simulation； template matching technology

0 引 言

隨著數(shù)字圖像處理技術(shù)和三維視景仿真技術(shù)的發(fā)展，采用虛擬現(xiàn)實環(huán)境下的視景仿真進(jìn)行物體模擬，實現(xiàn)物體的三維視覺重構(gòu)，視景仿真技術(shù)把真實的物體環(huán)境營造在三維立體的虛擬環(huán)境中，觀察人員沉浸在逼真、虛擬的動態(tài)交互場景中[1]，使得整個真實的場景轉(zhuǎn)化為一個由聲音、圖像、文字、數(shù)據(jù)等數(shù)字化信息組成的虛擬場景下，從而構(gòu)成巨大的虛擬現(xiàn)實空間，使得被仿真物更具真實感，增強圖形顯示的效果[2?3]。研究物體的虛擬視景仿真技術(shù)，將在虛擬戰(zhàn)場構(gòu)建、游戲開發(fā)、武器性能測試等領(lǐng)域具有較高的應(yīng)用價值[4]。

本文提出基于OpenGL成像機理的飛行器姿態(tài)模擬方法，結(jié)果表明，該方法的飛行器姿態(tài)模擬的擬合精度高，圖像渲染的輸出信噪比高于傳統(tǒng)方法，具有較好的視景仿真效果。

1 飛行器姿態(tài)3D模型

為了實現(xiàn)對飛行器姿態(tài)的視景仿真和三維模擬，首先需要構(gòu)建飛行器姿態(tài)OpenGL成像的3D模型，采用OpenGL圖形庫的模板特征變換功能[5]進(jìn)行飛行器姿態(tài)成像的平移、旋轉(zhuǎn)、縮放、鏡像四種變換[6?7]，使用OpenFlight的建模環(huán)境提供GPU進(jìn)行飛行器姿態(tài)的視景成像的圖形渲染，采用靜態(tài)視點跟蹤方法進(jìn)行飛行器姿態(tài)模擬和視景切換，飛行器姿態(tài)3D模型構(gòu)建的流程如圖1所示。

假設(shè)飛行器姿態(tài)成像圖像數(shù)據(jù)庫中的所有場景特征可以表述為[zk，ak，]飛行器姿態(tài)模擬的渲染圖形目標(biāo)[Tm，n]大小為[M×N，]虛擬場景中的位置和方向信息表示為[k=1，2，…，n，zk∈ws，][ak∈1，2，…，R，]讀取輸入設(shè)備的控制信息，得到飛行器姿態(tài)3D信息分量[?=][sup?（θ）]，在限定模型邊界范圍內(nèi)得到3D建模的場景圖[C（a，b，R）]有上下邊界，[F]和[Ca，b，R]表示兩個區(qū)域的解析信息，在飛行姿態(tài)模擬的OpenFlight數(shù)據(jù)結(jié)構(gòu)中，層次結(jié)構(gòu)中每個節(jié)點的渲染紋理信息特征為：

[F=p（x，y）=p（x，y）v（x）v（y）12] （1）

其中：

[p（x，y）=k（x，y）v（x），v（x）=Σyk（x，y）] （2）

假設(shè)實時三維場景的邏輯篩選分量陣[Jx，y，σ]表示飛行姿態(tài)的信息采集矩陣：

[Jx，y，σ=?P?x?P?y=10Lxx，y，σ01Lyx，y，σ] （3）

飛行器成像區(qū)域的一階基礎(chǔ)矩陣[Hx，y，σ]通過飛行器的輪廓和幾何形狀數(shù)據(jù)點構(gòu)建，得到飛行器的3D建模關(guān)聯(lián)角點篩選表達(dá)式為：

[F=p（x，y）=p（x，y）v（x）v（y）12] （4）

在自適應(yīng)跟蹤渲染過程中，對飛行器的成像特征進(jìn)行區(qū)域分割可以表示為：

[Hx，y，σ=JJT=1+L2xx，y，σLxx，y，σLyx，y，σLxx，y，σLyx，y，σ1+L2yx，y，σ] （5）

在網(wǎng)格模型的中心位置進(jìn)行飛行器姿態(tài)模擬的場景融合，通過對OpenGL成像的自然分層，實現(xiàn)飛行器姿態(tài)3D模型構(gòu)建。

2 紋理映射處理

在OpenGL圖形庫中對飛行器姿態(tài)模擬成像進(jìn)行紋理映射處理，可以十分逼真地表達(dá)飛行器姿態(tài)特征和飛行器的物理表面細(xì)節(jié)，采用網(wǎng)格法設(shè)計飛行器姿態(tài)成像的紋理映射特征模板[8]，由飛行器姿態(tài)成像場景拓?fù)浣Y(jié)構(gòu)分解的網(wǎng)格單元和物理子區(qū)域，得到不同分辨率下的紋理映射網(wǎng)孔結(jié)構(gòu)如圖2所示。

根據(jù)圖2給出的飛行器姿態(tài)成像場景拓?fù)浣Y(jié)構(gòu)，基于LOD（Level of Detail）技術(shù)[9?10]，進(jìn)行動態(tài)視點和靜態(tài)視點的三維復(fù)雜模型渲染，得到飛行器的運動特征方程：

[RβX=Ii（x，y）E∈URcE，X≤β] （6）

[RβYZ=P（x，y）ivE∈URcE，X≤1-β] （7）

假設(shè)[Iix，y]是根據(jù)觀察點位置的變化而選擇的飛行姿態(tài)信息量；[Px，yiv]表示在像素點[x，y]的飛行器出現(xiàn)概率。

當(dāng)觀察點距離飛行器很近時，圖像將在屏幕上占據(jù)較多的像素點，得到自適應(yīng)跟蹤的動態(tài)視點方程為：

[DN=（D1，D2，…，DN）] （8）

式（8）表示飛行器在姿態(tài)調(diào)整下的像素級視差D的N個元素，那么C和D的互相關(guān)信息特征量表示為：

[ICN；DNsN=mx，y+i=1Nj=1NICi；DjCi-1，Dj-1，sN+ρdfti，j，kφx0Ci；Djφx0] （9）

式中：自適應(yīng)跟蹤渲染過程的相關(guān)性系數(shù)為[mx，y]，它表示光線濾波的整數(shù)級視差；[?，?φx0]表示以[x0]點為特征像素點的紋理特征內(nèi)積；[?φx0]表示以[x0]點為中心的渲染場景融合范數(shù)。

根據(jù)上述分析，得到飛行器姿態(tài)模擬視景仿真的紋理映射結(jié)果如圖3所示。

3 飛行器姿態(tài)模擬實現(xiàn)

3.1 狀態(tài)信息特征分析和渲染

在進(jìn)行飛行器姿態(tài)3D模型建模及成像預(yù)處理的基礎(chǔ)上，本文提出一種基于OpenGL成像機理的飛行器姿態(tài)模擬方法，采用模板匹配技術(shù)進(jìn)行飛行器姿態(tài)模型的狀態(tài)信息特征分析和渲染，以及飛行器姿態(tài)的實體模型三維重構(gòu)。給出飛行器姿態(tài)模擬的幾何結(jié)構(gòu)模型如圖4所示。

利用OpenGL紋理映射得到飛行器飛行姿態(tài)模擬的成像相位加權(quán)[ua（t）]在時域上平移[bm，]為：

[GD=1PSi=1PSd2i12] （10）

式中：PS表示飛行器姿態(tài)模擬成像在[（x，y）]處的灰度值；[d]表示虛擬場景中的觀察者視線運動尺度空間。

在OpenGL顯示終端得到飛行器姿態(tài)模擬的特征分布范圍為：

[SP=1PS-1i=1PS（d-di）2] （11）

在Lynx Prime面板中進(jìn)行三維成像，在最高分辨率為32×32的條件下，得到飛行姿態(tài)角調(diào)整的動態(tài)修改參數(shù)為：

[Q1=U?SPE∈URcE，X≤β] （12）

[Q2=U?GDE∈URcE，X≤1-β] （13）

通過對圖像自然分層，進(jìn)行狀態(tài)信息特征分析和渲染，保留原始圖像的基本信息，模擬出飛行器姿態(tài)變化的效果。

3.2 飛行器姿態(tài)模擬的視景建模實現(xiàn)

在Lynx Prime面板中需要定義一個飛行器姿態(tài)模擬的分布場，創(chuàng)建MarineWaveGeneratorFFT和MarineOceanObserverCentered兩個類實例，ArineWaveGeneratorFFT面板中設(shè)置控制參數(shù)附加的姿態(tài)變化特效，通過以下主要的程序代碼可以動態(tài)修改各參數(shù)：

vpEnvSnow* etAttenuation_Aircraft attitude adjustment = new vpEnvSnow（）；

pEnvSnow_ setAttenuation ?>Adaptive tracking rendering （Game scene topologyGame scene topology ）； //視景仿真區(qū)域

pEnvSnow_etSurfaceWindSpeed?> setTranslate（0，0，1）；（ "snow.rgba"）； //飛行器姿態(tài)幾何參數(shù)

Picture frame _myRINFN?>set spacecraft attitude 3D modeling （4000）； //OpenGL顏色模式

pEnvSnow_ visual simulation terminal?>set management and displa Size（10）； //3D模型的顯示

在復(fù)雜模型的動態(tài)顯示中，通過OpenGL環(huán)境中的網(wǎng)孔面（Mesh Facet）分解技術(shù)構(gòu)成網(wǎng)格（Grid）結(jié)構(gòu)體的8×8網(wǎng)孔，在Lynx Prime面板中進(jìn)行飛行姿態(tài)模擬的動態(tài)效果顯示，在M個分布場網(wǎng)格中進(jìn)行視景仿真的渲染，得到紋理、周期、橫滾、轉(zhuǎn)向、風(fēng)速等飛行姿態(tài)參數(shù)，通過以下主要的程序代碼可以動態(tài)修改各參數(shù)：

vpMarineWaveGitnssFFT *pMaiehhujsj = new

pMarine –>setMesh frequency estimation（64，64）；

//由2×3個網(wǎng)格單元（cell）組成的渲染網(wǎng)格個數(shù)

根據(jù)系統(tǒng)所需視野范圍的大小和網(wǎng)格大小確定網(wǎng)格渲染個數(shù)。這樣當(dāng)表面網(wǎng)格在水平方向上的維度是一個常數(shù)時，而其他地區(qū)以線網(wǎng)格的形式存在時，可顯著提高系統(tǒng)的運行速度，得到網(wǎng)格分辨率較高情況下的飛行姿態(tài)模擬的距離范圍與分辨率的關(guān)系表述為：

pMarine->setollision detection（100.000000f，100.000000f）；

//設(shè)置網(wǎng)格的分辨率

網(wǎng)格越密集逼真性越好，網(wǎng)格過于密集會影響系統(tǒng)的運行速度，通過OpenGL技術(shù)進(jìn)行動態(tài)成像，取[X]方向為100.000 000 f，[Y]方向為100.000 000 f，得到飛行姿態(tài)模擬的信息特征分析和渲染過程為：

pMarine->setecho frequency estimation （4）；

//設(shè)置飛行姿態(tài)模擬的類型

pMarine->setSurfaceWindSpeed（19.000 000 f）；

//設(shè)置風(fēng)速，根據(jù)飛行空間中的流體力學(xué)模型大致設(shè)置為19.000 000 f

pMarine->setDominantWaveupdate data display.（45.434 22 f）； //設(shè)置圖像自然分層

pPlane->setarticle effects Wave Height（1.543 00 f）；

//設(shè)置波高為1.543 00 f

通過上述分析，實現(xiàn)飛行器姿態(tài)模擬的視景建模設(shè)計。

4 仿真實驗結(jié)果與分析

在OpenGL仿真軟件基礎(chǔ)上，在Windows平臺上實現(xiàn)，使系統(tǒng)的客戶端和視景仿真端進(jìn)行實時的數(shù)據(jù)交互。采用模塊化的設(shè)計使飛行器姿態(tài)模擬具備了實時性，利用Visual C++7.0，Vega Prime，Multigen Creator，Matcom和OpenGL等多種工具和軟件聯(lián)合開發(fā)飛行器姿態(tài)模擬的視景仿真系統(tǒng)，視景仿真軟件運行所需有關(guān)OpenGL的DLL庫：opengl32.dll，glu32.dll，要通過大量的飛行器姿態(tài)模擬的圖像質(zhì)量來反映調(diào)試的結(jié)果，對各實體模型的位置和姿態(tài)進(jìn)行初始化，然后采用本文方法進(jìn)行飛行器姿態(tài)模擬，得到飛行器姿態(tài)模擬的俯視通道和橫滾通道仿真結(jié)果如圖5所示。從圖5可知，采用本文方法進(jìn)行飛行器的姿態(tài)模擬，能較好地擬合飛行器的姿態(tài)特征，對飛行器姿態(tài)的擬合精度較高，圖像視景仿真的視覺效果較好。

為了定量刻畫性能，以對飛行器姿態(tài)模擬中的圖像渲染輸出信噪比為測試指標(biāo)，結(jié)合本文方法和傳統(tǒng)方法，得到的對比結(jié)果如圖6所示。分析結(jié)果得知，本文方法進(jìn)行視景仿真的輸出信噪比較高，說明視景仿真的逼真度較好，展示了其優(yōu)越性。

5 結(jié) 語

本文研究了飛行器姿態(tài)的三維模擬和視景仿真問題，提出一種基于OpenGL成像機理的飛行器姿態(tài)模擬方法，首先進(jìn)行飛行器姿態(tài)的3D模型建模和紋理映射處理，采用模板匹配技術(shù)進(jìn)行飛行器姿態(tài)模型的狀態(tài)信息特征分析和渲染，實現(xiàn)飛行器姿態(tài)的實體模型三維重構(gòu)。利用Visual C++7.0，Vega Prime，Multigen Creator，Matcom和OpenGL等仿真工具進(jìn)行系統(tǒng)設(shè)計，在OpenGL環(huán)境中進(jìn)行實體建模，研究表明，采用本文方法進(jìn)行飛行器姿態(tài)模擬的擬合精度較高，圖像渲染的輸出信噪比高于傳統(tǒng)方法，說明本文方法有較好的視景仿真效果，逼真度較高，性能優(yōu)越。

注：本文通訊作者為高昂。

參考文獻(xiàn)

[1] 趙威.基于魚雷自導(dǎo)的艦船尾流回波模型建立方法[J].艦船電子工程，2013，33（4）：81?83.

[2] 葛立志.基于全彈道控制分析的水下航行器攻擊模型視景仿真[J].艦船電子工程，2015，35（3）：137?141.

[3] 胡光波，周勇.基于Vega Prime的艦船尾流視景仿真研究[J].艦船電子工程，2010，30（6）：91?94.

[4] 劉國柱.Virtools嵌入式服務(wù)器與虛擬現(xiàn)實協(xié)同設(shè)計平臺[J].科技通報，2012，28（2）：13?16.

[5] 羅澤峰，單廣超.基于網(wǎng)絡(luò)和虛擬多媒體技術(shù)的海戰(zhàn)平臺視景仿真實現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2015，5（3）：91?92.

[6] KHALILI A， SAMI A. SysDetect： a systematic approach to cri?tical state determination for industrial intrusion detection systems using Apriori algorithm [J]. Journal of process control， 2015， 32： 154?160.

[7] 藺素珍，朱小紅，王棟娟，等.基于嵌入式多尺度變換的多波段圖像融合[J].計算機研究與發(fā)展，2015，52（4）：952?959.

[8] MAHBOUBI H. Distributed deployment algorithms for efficient coverage in a network of mobile sensors with nonidentical sen?sing capabilities [J]. IEEE transactions on vehicular technology， 2014， 63（8）： 3998?4016.

[9] 方智文，曹治國，朱磊.基于梯度角度的直方圖局部特征描述子的圖像匹配算法[J].計算機應(yīng)用，2015，35（4）：1079?1083.

[10] 陳添丁，金煒煒，陳英旦，等.輪廓線優(yōu)化的多通道三維水墨渲染模型[J].電子與信息學(xué)報，2015，37（2）：494?498.