虛擬視景下數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知

李弘揚(yáng)， 劉 洋， 張利龍

（海軍工程大學(xué)， 武漢 430033）

0 引 言

隨著軍隊(duì)院校智慧教室和智慧課堂的廣泛應(yīng)用，對智慧教室的硬件投入強(qiáng)度也不斷增大，結(jié)合VR 的虛擬現(xiàn)實(shí)仿真技術(shù)，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(gòu)和三維重建，應(yīng)用在教學(xué)平臺中，實(shí)現(xiàn)數(shù)字化軍校教學(xué)管理。 在采用虛擬現(xiàn)實(shí)技術(shù)建立數(shù)字化軍校教學(xué)場景的可視化分析模型中，數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知的基礎(chǔ)，通過構(gòu)建數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知模型，結(jié)合數(shù)據(jù)圖像分析和云平臺技術(shù)，實(shí)現(xiàn)對數(shù)字化軍校教學(xué)場景的運(yùn)維控制［1］。 研究虛擬視景下數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知技術(shù)，在促進(jìn)院校的虛擬課堂教學(xué)環(huán)境搭建中具有重要意義。

對虛擬視景下數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知是建立在視覺信息特征重組基礎(chǔ)上，通過對數(shù)字化軍校教學(xué)場景分布設(shè)計(jì)，進(jìn)行數(shù)字化軍校教學(xué)場景的優(yōu)化鋪設(shè)控制，提高數(shù)字化軍校教學(xué)場景鋪設(shè)和運(yùn)維管理的可靠性［2-3］，文獻(xiàn)［4］中提出結(jié)合Vega Prime 進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)設(shè)計(jì)方法，采用3DStudio MAX 軟件進(jìn)行數(shù)字化軍校教學(xué)場景分布融合設(shè)計(jì)，結(jié)合不規(guī)則點(diǎn)的三維空間重構(gòu)，實(shí)現(xiàn)對軍校教學(xué)運(yùn)維管理數(shù)據(jù)的強(qiáng)化感知學(xué)習(xí)。文獻(xiàn)［5］中結(jié)合3D 信息重構(gòu)和VR 仿真技術(shù)，進(jìn)行數(shù)字化軍校教學(xué)場景融合處理，但傳統(tǒng)方法進(jìn)行全息數(shù)據(jù)感知的辨識度不高，三維視覺重構(gòu)性能不好。對此，本文提出基于云端一體化數(shù)據(jù)融合和三維虛擬視景重構(gòu)的數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知模型。首先，構(gòu)建三維視覺信息采樣模型，結(jié)合三維虛擬場景的層次化結(jié)構(gòu)分析，進(jìn)行數(shù)字化軍校教學(xué)場景特征重組，然后通過數(shù)字化軍校教學(xué)場景三維可視化重構(gòu)和視景仿真過程中的誤差補(bǔ)償控制，提高數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知能力。 最后，進(jìn)行仿真測試，展示了本文方法在提高數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知和視景重構(gòu)能力方面的優(yōu)越性能。

1 數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知結(jié)構(gòu)構(gòu)建

為了實(shí)現(xiàn)對數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)的優(yōu)化設(shè)計(jì)，需要構(gòu)建虛擬視景下數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知，首先構(gòu)建數(shù)字化軍校教學(xué)場景三維可視化數(shù)據(jù)庫，采用LightWave3D 可視化分析軟件構(gòu)建數(shù)字化軍校教學(xué)場景的分布模型［6］，在嵌入式的B/S 總線控制模型下，進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化的圖像采樣和信息融合，結(jié)合三維虛擬場景的層次化結(jié)構(gòu)分析，進(jìn)行數(shù)字化軍校教學(xué)場景的邏輯篩選、分離面裁剪等處理，建立數(shù)字化軍校教學(xué)場景三維可視化的源圖像，使用Vega Prime 編輯器進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化程序加載，總體結(jié)構(gòu)如圖1 所示。

圖1 數(shù)字化軍校教學(xué)場景三維可視化感知結(jié)構(gòu)模型Fig. 1 3D visual perception structure model of teaching scene in digital military academy

根據(jù)圖1 的總體結(jié)構(gòu)模型分析，采用總線傳輸控制和嵌入式的調(diào)度技術(shù)，進(jìn)行高數(shù)字化軍校教學(xué)場景可視化特征信息重組，在嵌入式ARM 系統(tǒng)中建立數(shù)字化軍校教學(xué)場景可視化傳輸總線，在自適應(yīng)傳輸控制協(xié)議下建立數(shù)字化軍校教學(xué)場景可視化平臺的內(nèi)核結(jié)構(gòu)［7］，采用物聯(lián)網(wǎng)直接通過網(wǎng)絡(luò)接口與網(wǎng)絡(luò)相連，在數(shù)字化軍校教學(xué)場景的擴(kuò)展模型中，通過iSCSI 技術(shù)實(shí)現(xiàn)視景重建和信息加載。 在數(shù)字化軍校教學(xué)場景的三維虛擬現(xiàn)實(shí)可視化視景仿真中，可以充分利用紋理映射技術(shù)，采用Unity3D 的可視化重構(gòu)，進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)的主機(jī)引導(dǎo)控制，數(shù)字化軍校教學(xué)場景三維可視化體系模型如圖2 所示。

圖2 數(shù)字化軍校教學(xué)場景三維可視化體系模型Fig. 2 3D visualization system model of teaching scene in digital military academy

2 視覺特征采樣模型及場景特征重組

2.1 數(shù)字化軍校教學(xué)場景視覺特征采樣模型

根據(jù)數(shù)字化軍校教學(xué)場景三維可視化視景重構(gòu)的選型方案，構(gòu)建數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)的靜態(tài)視覺感知模型［8］，軍校教學(xué)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(shù)字化軍校教學(xué)場景全息圖像的像素灰度值，Bm（x，y） 表示從前一幀計(jì)算的相同屬性值的數(shù)據(jù)點(diǎn)的集合，得到教學(xué)場景子帶掃描的增強(qiáng)圖模型參數(shù)輸出為：

其中，m是當(dāng)前幀采集的數(shù)字化軍校教學(xué)場景的輪廓，F(xiàn)i（x，y） 為動態(tài)幀序列的梯度序列。 當(dāng)m逐漸變大時，根據(jù)斷層序列圖像上的外部真實(shí)像素，采用信息素增強(qiáng)技術(shù)，得到增強(qiáng)處理后的視覺樣本序列為：

其中，λ為數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)的實(shí)體視覺均衡度；Lg(φ) 為教學(xué)場景重建的光照強(qiáng)度；v(I) 為模糊匹配系數(shù)；Ag(φ) 為三維教學(xué)場景融合的特征分布信息。 基于圖像梯度權(quán)系數(shù)分析方法，得到紋理渲染數(shù)據(jù)庫的模型化特征參數(shù)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(shù)字化軍校教學(xué)場景視覺特征采樣模型，特征圖模型參數(shù)識別和空間結(jié)構(gòu)重組，進(jìn)行視覺場景特征重構(gòu)［9］。

2.2 視覺場景特征重組

結(jié)合三維虛擬場景的層次化結(jié)構(gòu)分析，進(jìn)行數(shù)字化軍校教學(xué)場景特征重組，通過Insert Materials tool 生成數(shù)字化軍校教學(xué)場景的等高線模型重建［10］，得到重構(gòu)模型參數(shù)為：

其中，w（z，v） 能夠用來描述數(shù)字化軍校教學(xué)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(shù)；ζ是特征點(diǎn)的坐標(biāo)；H為稀疏性特征重建函數(shù)。 根據(jù)上述分析，采用虛擬現(xiàn)實(shí)VR技術(shù)進(jìn)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(shù)字化軍校教學(xué)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(diǎn)；為輪廓點(diǎn)在Y方向位置信息偏移信息；為各個角度的圖片進(jìn)行三維模型恢復(fù)的偏移信息。

對教學(xué)場景進(jìn)行全方位掃描從而生成點(diǎn)云信息，得到目標(biāo)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(shù)；Tj是對應(yīng)的灰度矩陣。 由此建立數(shù)字化軍校教學(xué)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(shí)現(xiàn)對數(shù)字化軍校全息強(qiáng)化的數(shù)據(jù)特征篩選和清洗，基于場景渲染和幀誤差補(bǔ)償技術(shù)進(jìn)行信息感知融合。

3 虛擬視景的全息強(qiáng)化信息感知

在上述構(gòu)建的數(shù)字化軍校全息視景重建模型的基礎(chǔ)上，進(jìn)行軍校全息強(qiáng)化數(shù)據(jù)感知，基于三角形網(wǎng)格的表面模型分割，得到全息強(qiáng)化數(shù)據(jù)感知的特征點(diǎn)空間位置關(guān)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(tài)強(qiáng)化分配參數(shù)；為多視圖立體任務(wù)感知的逆變特征量；y為Sigmoid 激活子網(wǎng)信息；v為虛擬視景的空間位移轉(zhuǎn)換系數(shù)；a為聯(lián)合自相關(guān)分配系數(shù)。 用Q1 和Q2 表示成型點(diǎn)，點(diǎn)Q是視景重建的空間分配點(diǎn)線相交的位置。

綜上分析，基于實(shí)例本身特征圖模型參數(shù)分析，得到船舶動態(tài)重構(gòu)的輸出穩(wěn)態(tài)特征值與Y軸平行。三維重建的空間分配成像點(diǎn)Q1 和Q2 在對應(yīng)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(bǔ)償技術(shù)，進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化重構(gòu)和視景仿真過程中的誤差補(bǔ)償控制，提高數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知能力［12］。

4 仿真測試

為了驗(yàn)證本文方法在實(shí)現(xiàn)對數(shù)字化軍校教學(xué)的VR 視覺場景重建和全息強(qiáng)化數(shù)據(jù)感知的性能，在三維ICAD 系統(tǒng)中構(gòu)建數(shù)字化軍校教學(xué)場景的實(shí)體模型，通過Matlab 仿真進(jìn)行全息數(shù)據(jù)感知的仿真分析，采用Creator Terrain Studio（CTS）實(shí)現(xiàn)對軍校教學(xué)場景的虛擬視景仿真平臺搭建，教學(xué)場景三維視景重建的參數(shù)分布見表1。

表1 教學(xué)場景三維視景重建的參數(shù)分布Tab. 1 Parameter distribution of three - dimensional visual reconstruction of teaching scene

根據(jù)表1 的參數(shù)分布，設(shè)定全息數(shù)據(jù)采樣的樣本大小為3 000，測試集為200，訓(xùn)練樣本集為100，給出在某虛擬教學(xué)場景下三維重建灰度圖如圖3 所示。

圖3 虛擬教學(xué)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(jìn)行虛擬視景下數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知，得到數(shù)據(jù)感知結(jié)果如圖4 所示。

圖4 RGB 三通道全息數(shù)據(jù)感知結(jié)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(shí)現(xiàn)對三通道的數(shù)據(jù)信息感知和特征采樣，在此基礎(chǔ)上，實(shí)現(xiàn)對數(shù)字化軍校全息教學(xué)的三維虛擬視景重構(gòu)，重構(gòu)結(jié)果如圖5 所示。 分析圖5 得知，該方法進(jìn)行數(shù)字化軍校全息信息感知，提高了三維視景重構(gòu)能力，視景重建的視覺逼真度較高。

圖5 數(shù)字化軍校全息教學(xué)的三維虛擬視景重構(gòu)Fig. 5 3D virtual scene reconstruction of holographic teaching in digital military academy

測試不同方法進(jìn)行全息數(shù)據(jù)感知的精度，得到對比結(jié)果如圖6 所示。 分析圖6 得知，本文方法對數(shù)據(jù)感知的精度較高，抗干擾能力較強(qiáng)。

5 結(jié)束語

通過構(gòu)建數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知模型，結(jié)合數(shù)據(jù)圖像分析和云平臺技術(shù)，實(shí)現(xiàn)對數(shù)字化軍校教學(xué)場景的運(yùn)維控制。 本文提出基于云端一體化數(shù)據(jù)融合和三維虛擬視景重構(gòu)的數(shù)字化軍校全息強(qiáng)化數(shù)據(jù)感知模型。 結(jié)合三維虛擬場景的層次化結(jié)構(gòu)分析，進(jìn)行數(shù)字化軍校教學(xué)場景特征重組，采用Unity3D 的可視化重構(gòu)，進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化系統(tǒng)的主機(jī)引導(dǎo)控制，對教學(xué)場景進(jìn)行全方位掃描從而生成點(diǎn)云信息，進(jìn)行數(shù)字化軍校教學(xué)場景三維可視化重構(gòu)。 分析得知，本文方法對軍校管理數(shù)據(jù)的全息強(qiáng)化數(shù)據(jù)感知的精度較高，三維重構(gòu)能力較好。