-
公开(公告)号:CN118607414B
公开(公告)日:2025-03-18
申请号:CN202410923284.5
申请日:2024-07-10
Applicant: 北京科技大学
IPC: G06F30/28 , G06F30/27 , G06F30/25 , G06T17/00 , G06F113/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于视觉先验与物理约束的流体力学求解方法和系统,涉及计算机图形学流体模拟技术领域,包括:基于图注意力网络模型对单目流体图片进行重建,得到三维流体点云粒子;基于点云处理的方法对三维流体点云粒子进行滤波与表面光滑处理,得到处理之后的流体点云粒子;计算流体点云粒子中每个粒子的位置信息,并基于位置信息重建处理之后的流体点云粒子的速度场信息;以位置信息、速度场信息和预设粘度信息作为输入,输入到带有物理约束的动力学求解器中,得到处理之后的流体点云粒子的流体运动轨迹预测结果。本发明过程稳定、可以实现复杂流体形状在任意固体边界上的三维流体流动效果仿真。
-
公开(公告)号:CN118966065B
公开(公告)日:2025-03-07
申请号:CN202411044380.9
申请日:2024-07-31
Applicant: 北京科技大学顺德创新学院
IPC: G06F30/28 , G06F30/25 , G06F30/10 , G06F113/08
Abstract: 本发明公开了一种面向多相流体的非牛顿流体仿真模拟方法及系统,属于计算机图形学流体模拟领域,包括:对骨结构进行建模,包括骨外形建模以及骨内部的多孔材质建模;基于光滑粒子流体动力学,对不可压缩流体进行建模;基于聚合物构象张量方法,对牛顿流体、剪切变稀流体以及剪切增稠流体进行统一建模,计算流体的流变属性;基于混合模型,构建多相流体模拟框架以支持两相的混合调制及多相流体动力学;导出仿真数据并根据流体粒子重构流体表面,使用多相流体渲染技术渲染RGB图片并制作流体动画。本发明过程稳定,可视化效果逼真,可以辅助进行骨水泥手术的医疗教学或帮助医生低成本的评估手术方案的可行性。
-
公开(公告)号:CN118966065A
公开(公告)日:2024-11-15
申请号:CN202411044380.9
申请日:2024-07-31
Applicant: 北京科技大学顺德创新学院
IPC: G06F30/28 , G06F30/25 , G06F30/10 , G06F113/08
Abstract: 本发明公开了一种面向多相流体的非牛顿流体仿真模拟方法及系统,属于计算机图形学流体模拟领域,包括:对骨结构进行建模,包括骨外形建模以及骨内部的多孔材质建模;基于光滑粒子流体动力学,对不可压缩流体进行建模;基于聚合物构象张量方法,对牛顿流体、剪切变稀流体以及剪切增稠流体进行统一建模,计算流体的流变属性;基于混合模型,构建多相流体模拟框架以支持两相的混合调制及多相流体动力学;导出仿真数据并根据流体粒子重构流体表面,使用多相流体渲染技术渲染RGB图片并制作流体动画。本发明过程稳定,可视化效果逼真,可以辅助进行骨水泥手术的医疗教学或帮助医生低成本的评估手术方案的可行性。
-
公开(公告)号:CN118607414A
公开(公告)日:2024-09-06
申请号:CN202410923284.5
申请日:2024-07-10
Applicant: 北京科技大学
IPC: G06F30/28 , G06F30/27 , G06F30/25 , G06T17/00 , G06F113/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于视觉先验与物理约束的流体力学求解方法和系统,涉及计算机图形学流体模拟技术领域,包括:基于图注意力网络模型对单目流体图片进行重建,得到三维流体点云粒子;基于点云处理的方法对三维流体点云粒子进行滤波与表面光滑处理,得到处理之后的流体点云粒子;计算流体点云粒子中每个粒子的位置信息,并基于位置信息重建处理之后的流体点云粒子的速度场信息;以位置信息、速度场信息和预设粘度信息作为输入,输入到带有物理约束的动力学求解器中,得到处理之后的流体点云粒子的流体运动轨迹预测结果。本发明过程稳定、可以实现复杂流体形状在任意固体边界上的三维流体流动效果仿真。
-
公开(公告)号:CN114972405A
公开(公告)日:2022-08-30
申请号:CN202210485822.8
申请日:2022-05-06
Applicant: 北京科技大学顺德研究生院
IPC: G06T7/194
Abstract: 本发明公开了一种面向图像分割的损失函数加权方法及装置,所述方法包括:构建具有前景和背景标注的适用于图像分割任务的图像数据集;根据图像中前景和背景所占的像素比例计算类别损失项;根据图像中前景和背景的形态计算形态损失项;根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项;将类别损失项、形态损失项和目标距离损失项加权累加,得到权重图;将权重图与交叉熵损失函数结合,确定图像分割模型的预测结果的损失值;在训练过程中,采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征,从而提高图像分割任务中对于关键前景目标位置的定位准确率。
-
-
-
-