基于三维模型的船舶培训方法、装置、存储介质及系统

    公开(公告)号:CN113808259B

    公开(公告)日:2024-08-13

    申请号:CN202111121637.2

    申请日:2021-09-24

    Abstract: 本发明提供一种基于三维模型的船舶培训方法,包括以下步骤:接收增强现实终端的位姿信息和第一操作信息;所述第一操作信息基于预设的虚拟场景模型中的第一提示信息操作实体操作件确定;基于所述位置信息和所述第一操作信息,确定第二提示信息,并将所述第二提示信息发送给所述增强现实终端,以使所述增强现实终端的佩戴者根据所述增强现实终端显示的所述第二提示信息对所述实体操作件进行操作。本发明的基于三维模型的船舶培训方法、装置、存储介质及系统兼具增强现实终端的沉浸感和实体操作的真实触感,且操作结果能够实时反馈;同时不需要大量的实物操作件,既提高培训效率又降低搭建培训场景的成本。

    一种VR与AR结合的船舶元宇宙专家指导方法

    公开(公告)号:CN117215404A

    公开(公告)日:2023-12-12

    申请号:CN202311085617.3

    申请日:2023-08-25

    Abstract: 本发明提供一种VR与AR结合的船舶元宇宙专家指导方法,该指导方法针对实际船舶AR远程指导中现场操作人员需长时间驻留现场,对于船舶产品结构复杂且现场环境恶劣多变的情况下不利于人员安全和操作便利的问题,允许其将问题记录下后自由移动,并可处置其它问题,提升了时间容错率和人员安全性;另外,针对传统AR指导模式专家端仅能通过平板画面观察现场问题的局限性,创新性的让专家进入三维模型的设计空间中,更加直观、沉浸的感受现场问题,并可依靠VR多人协同特性组织多人虚拟评审,提升了远程指导的效率及准确性。

    基于增强现实的船舶预舾装理料方法及装置

    公开(公告)号:CN113808284A

    公开(公告)日:2021-12-17

    申请号:CN202111123453.X

    申请日:2021-09-24

    Abstract: 本发明提供一种基于增强现实的船舶预舾装理料方法,包括以下步骤:获取待舾装理料的零件信息和船舶单元划分区域信息;将所述零件信息发送给所述增强现实终端;基于所述零件信息,所述增强现实终端高亮显示零件所在所述船舶单元三维模型的区域;基于所述零件所在所述船舶单元三维模型的区域,确定所述零件在所述船舶中对应的安装托盘。本发明的基于增强现实的船舶预舾装理料方法、装置、存储介质及系统,能够在舾装件尚未到料时即可先行开展现场安装区域的托盘划分工作;并应用增强现实终端和船舶的三维模型的结合,直观清晰地看到各零件所属区域,进而快速进行托盘理料工作,避免托盘理料混乱的问题,有效提升理料效率。

    基于实船环境标定的MR船员培训内容编辑方法、系统

    公开(公告)号:CN116719408A

    公开(公告)日:2023-09-08

    申请号:CN202310615628.1

    申请日:2023-05-29

    Abstract: 本发明提供一种基于实船环境标定的MR船员培训内容编辑方法、系统,操作件安装位置与理论模型存在偏差,允许对操作件模型位姿单独调整,对调整后位姿进行锚点绑定,虚实准确叠加,提高培训的有效性;操作件无对应模型,允许导入备用操作件模型构建备用模型库并调取对应模型,实现所有操作件均能与对应的MR模型准确叠加;实现在MR终端进行编辑的能力,提高培训内容编辑自由度,提高培训内容编辑效率。MR模型与培训内容UI的强关联,通过UI与实物环境及虚拟模型的干涉检查后将UI自动放置在对应模型周围,保证UI显示位置的准确性,清晰地呈现了培训内容与要素,便于学员观看理解,提高培训的可理解性。

    神经网络训练方法、船舶航行环境识别方法、装置及介质

    公开(公告)号:CN118506242A

    公开(公告)日:2024-08-16

    申请号:CN202410685519.1

    申请日:2024-05-30

    Abstract: 本发明提供一种神经网络训练方法和船舶航行环境识别方法,神经网络训练方法包括:获取各类别的水上物体图片;获取预设图生视频模型和视频生成指令库,基于预设图生视频模型和视频生成指令库,对各水上物体图片均执行图生视频操作,以分别获得各生成视频;分别对各生成视频执行视频帧截取操作,获得包含各类别的所述水上物体的视频帧,作为对应类别的新的水上物体图片,基于新的水上物体图片构建训练样本集;基于训练样本集,训练神经网络,获得当前训练好的神经网络,提高了训练样本集的构建效率,加速了神经网络的训练过程;船舶航行环境识别方法使用的神经网络采用上述神经网络训练方法训练,提高了对船舶航行环境识别的准确性。

Patent Agency Ranking