熊山 郭建龍 祁彥威 李曉瑩 吳澄凱

摘 要：為了提高主變應(yīng)急培訓能力，提出基于多人協(xié)同虛擬現(xiàn)實的主變應(yīng)急培訓視景仿真模型。以火災(zāi)應(yīng)急演練為研究對象，構(gòu)建主變應(yīng)急培訓的虛擬視景圖像重構(gòu)模型，并對虛擬視景環(huán)境參數(shù)進行結(jié)算，根據(jù)參數(shù)結(jié)果的計算，進行主變應(yīng)急培訓過程中的虛擬現(xiàn)實仿真，實現(xiàn)主變應(yīng)急培訓的虛擬現(xiàn)實VR仿真模型的優(yōu)化設(shè)計。測試結(jié)果表明，采用該方法進行主變應(yīng)急培訓的虛擬視景仿真的協(xié)同性較好，圖像融合性能較高，視景重構(gòu)能力較強。

關(guān)鍵詞：多人協(xié)同;虛擬現(xiàn)實;主變應(yīng)急培訓;視景仿真

中圖分類號：TP399 ? ? ?文獻標識碼：A

Abstract：In order to improve the emergency training ability of the main transformer， a visual simulation model for main transformer emergency training based on multi-person collaborative virtual reality is proposed. Taking the fire emergency drill as the research object， the virtual vision image reconstruction model of the main transformer emergency training is constructed， and the virtual vision environment parameters are settled， and the virtual reality simulation in the main transformer emergency training process is carried out according to the calculation of the parameter results， and the virtual reality VR simulation model of the main transformer emergency training is optimized. The test results show that the virtual vision simulation of the main transformer emergency training has better synergy， high image fusion performance and strong visual reconstruction capability.

Key words：multi-person cooperation; virtual reality; main transformer emergency training; visual simulation

多人協(xié)同虛擬現(xiàn)實技術(shù)是利用圖像處理技術(shù)進行虛擬視景重建，通過虛擬仿真方法，構(gòu)建靈境系統(tǒng)模型，并應(yīng)用在各種火災(zāi)演練和培訓系統(tǒng)中，降低演練的成本開銷的同時，提高了培訓演練的效率。研究基于虛擬現(xiàn)實的主變應(yīng)急培訓系統(tǒng)模型，在優(yōu)化應(yīng)急演練培訓中具有重要意義[1]。

傳統(tǒng)方法中，采用3DStudio MAX和Multigen Creator進行火災(zāi)主變應(yīng)急演練培訓虛擬視景模型設(shè)計[2-3]，采用紋理映射技術(shù)進行火災(zāi)主變應(yīng)急演練培訓虛擬視景重建，取得了較好的視景重構(gòu)效能，但上述方法進行主變應(yīng)急培訓的自適應(yīng)性較差，人機交互能力弱。

針對上述問題，提出了基于多人協(xié)同虛擬現(xiàn)實的主變應(yīng)急培訓視景仿真模型。以火災(zāi)應(yīng)急演練為研究對象，構(gòu)建主變應(yīng)急培訓的虛擬視景圖像重構(gòu)模型，實現(xiàn)主變應(yīng)急培訓的虛擬現(xiàn)實VR仿真模型的優(yōu)化設(shè)計。最后進行仿真實驗分析，展示了本文方法在提高主變應(yīng)急培訓的虛擬現(xiàn)實模擬和視景仿真能力方面的優(yōu)越性能。

1 主變應(yīng)急培訓的虛擬視景模型和參數(shù)設(shè)置

1.1 主變應(yīng)急培訓的虛擬視景模型

構(gòu)建基于虛擬現(xiàn)實技術(shù)的分布式主變應(yīng)急培訓模型，采用MAYA、SoftImage、LightWave3D等三維仿真軟件進行虛擬現(xiàn)實應(yīng)急培訓模型的實體模型設(shè)計[4]，結(jié)合本體存儲系統(tǒng)，進行主變應(yīng)急培訓的三維視景仿真和特征重構(gòu)，以AMCC為主控芯片，進行主變應(yīng)急培訓系統(tǒng)的總體設(shè)計構(gòu)架，構(gòu)建SPI接口，進行主變應(yīng)急培訓的虛擬現(xiàn)實仿真模型的外圍設(shè)備控制，在SD模式下進行總線控制[5]，得到虛擬現(xiàn)實仿真模型的模塊化設(shè)計，得到主變應(yīng)急培訓的虛擬現(xiàn)實系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

3 仿真實驗與結(jié)果分析

為了測試本方法在實現(xiàn)主變應(yīng)急培訓視景仿真中的應(yīng)用性能，進行實驗測試分析。開發(fā)環(huán)境CPU為Inter Pentium 4 3000 MHz，內(nèi)存1.5 G，主變應(yīng)急培訓圖像的視覺圖像采樣樣本集為800，三維視覺分塊區(qū)域大小為256×256×224，模糊特征匹配系數(shù)為1.26，主變應(yīng)急培訓的虛擬視景圖像成像的特征分辨率為300×500，參數(shù)寫入過程如圖2所示，界面如圖3所示。

得到實現(xiàn)過程如圖2所示。

采用多人協(xié)同控制方法進行主變應(yīng)急培訓過程中的虛擬現(xiàn)實仿真，進行火災(zāi)應(yīng)急演練虛擬視景三維模擬圖像的跟蹤渲染，得到主變應(yīng)急培訓的視景仿真輸出如圖4所示。

由圖4得到本文系統(tǒng)輸出的仿真視景環(huán)境，其中，圖4（a）是通過多人協(xié)作進行的應(yīng)急模擬訓練，在該仿真輸出結(jié)果中進行本文系統(tǒng)的性能測試。

3.1 不同系統(tǒng)仿真環(huán)境圖像網(wǎng)格分塊精度

分別對3DStudio MAX、Multigen Creator系統(tǒng)以及本文系統(tǒng)進行測試，檢測測試不同系統(tǒng)仿真環(huán)境圖像網(wǎng)格分塊精度，得到對比結(jié)果見表1。

分析表1得知，本系統(tǒng)的網(wǎng)格分塊精度較高，具備較好的主變應(yīng)急培訓視景仿真的分辨力，這是由于本系統(tǒng)利用應(yīng)急培訓視景的子區(qū)域獲取有用特征，結(jié)合灰度像素分解方法，通過有用特征進行匹配塊的區(qū)域分布分析，最終實現(xiàn)高精度的環(huán)境圖像網(wǎng)格分塊。

3.2 不同系統(tǒng)像素匹配程度

測試像素匹配程度，以救火場景的火苗為測試對象，通過不同系統(tǒng)構(gòu)建的火災(zāi)火苗圖像進行對比，通過直面觀察，分析火苗清晰度及細節(jié)部分，判斷不同系統(tǒng)像素匹配程度，對比結(jié)果如圖5所示。

分析圖5中結(jié)果表明，采用該方法進行主變應(yīng)急培訓的虛擬視景仿真的清晰度較高，這是由于本文系統(tǒng)采用圖像特征融合方法，利用有效特征實現(xiàn)虛擬視景的構(gòu)建，因此本文方法的視景重構(gòu)能力較強，具有很好的輸出性能。

4 結(jié) 論

采用圖像信息處理技術(shù)進行三維實體模型設(shè)計，在虛擬視景仿真環(huán)境中建立主變應(yīng)急培訓系統(tǒng)，提出了基于多人協(xié)同虛擬現(xiàn)實的主變應(yīng)急培訓視景仿真模型。建立主變應(yīng)急培訓視景圖像的有限元分析模型，采用多人協(xié)同控制方法進行主變應(yīng)急培訓過程中的虛擬現(xiàn)實仿真，進行火災(zāi)應(yīng)急演練虛擬視景三維模擬圖像的跟蹤渲染，實現(xiàn)主變應(yīng)急培訓的虛擬現(xiàn)實VR仿真模型的優(yōu)化設(shè)計。分析得知，采用本文方法進行主變應(yīng)急培訓的虛擬視景仿真的協(xié)同性較好三維模擬圖像的跟蹤渲染能力較強，具有很好的視景重構(gòu)能力。

參考文獻

[1]向文， 張靈， 陳云華， 等. 結(jié)合結(jié)構(gòu)自相似性和卷積網(wǎng)絡(luò)的單幅圖像超分辨率[J]. 計算機應(yīng)用， 2018， 38（3）： 854-858.

[2]YOU X， XUE W， LEI J， et al.Single image super-resolution with non-local balanced low-rank matrix restoration[C]//ICPR 2016：Proceedings of the 201623rd International Conference on Pattern Recognition. Washington， DC：IEEE Computer Society， 2016：1255-1260.

[3]袁姮，王志宏，姜文濤.基于復合梯度向量的指紋匹配算法[J].電子學報，2017，45（4）：912-921.

[4]趙金波，肖照，白本督，等. 基于L*a*b*顏色空間的高動態(tài)范圍成像算法[J]. 計算機工程， 2018， 44（12）： 247-250，257.

[5]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.

[6]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.

[7]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].電子與信息學報，2015，37（2）： 494-498.

[8]余淮，楊文. 一種無人機航拍影像快速特征提取與匹配算法[J]. 電子與信息學報， 2016， 38（3）： 509-516.

[9]吳炳基. 基于B/S架構(gòu)的變電站三維視景系統(tǒng)研究[J]. 自動化與儀器儀表，2018，6：22-24.

[10]許秀軍，王立權(quán)，房曉明，等.海上起重作業(yè)交互式視景仿真與數(shù)值模擬[J].哈爾濱工業(yè)大學學報，2018，50（1）：160-168.

[12]張代勝，蔣鵬，陳榮武，等.ATS系統(tǒng)與三維視景仿真系統(tǒng)的結(jié)合技術(shù)研究[J].大連交通大學學報，2017，38（3）：106-111.

[13]王守尊，陳虎，郭聰. 基于Unity 3D的艦載機虛擬訓練系統(tǒng)設(shè)計[J].海軍工程大學學報，2016，28（4）：92-96.

[14]胡淑圓，笪躍武，陸納新，等. 淺談供水應(yīng)急演練方案的編制[J].凈水技術(shù)，2019（S1）.

[15]李亞，趙彥平. 5措施提升應(yīng)急演練效果[J].現(xiàn)代職業(yè)安全，2018（2）：68-70.

[16]李純. 應(yīng)急演練的難點與解決方案[J].勞動保護，2018（11）.

[17]侯寶權(quán). 承德市舉行2017年軍地聯(lián)合防汛應(yīng)急演練[J]. 河北水利，2017（5）.

[18]路堯. 地震應(yīng)急演練設(shè)計與評估[J].山西建筑，2017（31）.

[19]郭觀長. 企業(yè)應(yīng)急演練常見問題與改進[J].現(xiàn)代職業(yè)安全，2017（10）：20-22.

[20]劉嬌，劉宇霞，李艷玲. 我國中小學校應(yīng)急演練現(xiàn)狀、問題及對策分析[J].內(nèi)蒙古統(tǒng)計，2017（5）：53-56.

[21]李群，代德軍. 突發(fā)事件應(yīng)急演練評估方法、技術(shù)及系統(tǒng)研究[J].中國安全生產(chǎn)科學技術(shù)，2016，12（7）：49-54.

[22]陳國華，鄒夢婷. 突查式應(yīng)急演練規(guī)范化模式研究與實踐探索[J].中國安全科學學報，2016，26（9）：157-162.

[23]顧彬彬.關(guān)鍵在“意識”[J].現(xiàn)代職業(yè)安全，2016（9）.

[24]李杰剛，安寶坤，曹大命，等. 西藏自治區(qū)強基富民協(xié)同管理系統(tǒng)的設(shè)計[J].電子世界，2014（16）：178-179.

[25]王曉耕. 淺議事業(yè)單位人力資源協(xié)同管理[J].學理論，2011（24）.

[26]楊健. 京津冀社會保障協(xié)作：制約因素與策略選擇[J].天津行政學院學報，2016（2）.