一种物理数据驱动的真实感流体重仿真方法与流程

本发明涉及视频流体重仿真的真实感技术，从视频流体的样例帧物理驱动数据出发，提取样例帧粒子的密度细节，并在流体重仿真中，将提取的粒子的密度细节增强到LBM推演过程密度中，进而获得具有丰富细节的重仿真结果。
背景技术：
：真实感流体重仿真目前已经广泛地被应用于军事仿真等领域.近年来,视频流体重仿真技术的研究备受关注,其目的是充分利用视频流体中的驱动数据,获取真实感的实时仿真效果.由于视频流体中蕴含丰富的细节信息，提取这些信息，并将它们增强到仿真的过程中，从而在重仿真过程中获取真实感细节，这样可以克服低维空间中仿真的缺少真实感细节的问题。目前真实感仿真技术的研究虽然取得了一些成果，但是如何利用视频流体取得真实感的仿真结果仍然是研究中亟待解决的关键问题。技术实现要素：本发明的目的是在视频流体反向工程中，提出一种基于物理运动数据驱动的真实感重仿真方法。本发明的目的是这样实现的：一种物理数据驱动的真实感流体重仿真方法，其特征在于，利用视频的前两样例帧,记为F1和F2，实现真实感流体重仿，利用流体视频的样例帧，计算得到流体运动的物理驱动数据,实现真实感流体重仿真，具体包括以下步骤：步骤1：预处理计算F1中流体粒子的高度Hi,进一步计算F1中任意一个粒子的速度vi及密度ρi.其中i是非负整数,且0≤i<N，N是流体场景的粒子个数；(a)将流体场景粒子分块,并构建粒子块集合,具体地：将F1中的所有粒子分块处理,并按照每块中粒子的运动方向,确定为不同类别；先进行粒子块的划分，将F1中的所有粒子按照指定大小b×b分成正方形的块,如果图像的分辨率为X×Y，那么，水平分割块数垂直分割块数表示向下取整；假设B是这WM个粒子块中的任意一块；B中所有粒子2D速度的均值为并且u和v是的两个分量，那么,利用(1)式来确定B的类别T：T=1u>0,v>02u<0,v>03u<0,v<04u>0,v<0---(1)]]>按照粒子块的类别,将流体场景的所有粒子块分成四个粒子集合Sj(1≤j≤4),具体地：如果粒子块的类别为j，将该粒子块置入Sj(1≤j≤4)；(b)对每个集合内部的粒子块排序,具体地：对于任意的粒子集Sj(1≤j≤4),根据每块内部所有粒子密度和ρk,将粒子集Sj内所有粒子块,按照ρk从大到小排序,将排序后的粒子块集,称为标准密度块有序集Gj(1≤j≤4)；其中k是非负整数，0≤k≤L-1，L表示Sj中粒子块的个数；步骤2：按照以下步骤一共进行NR次仿真推演：(a)当前次是第I次仿真，设I＝1；如果满足I≤NR，继续进行以下步骤，否则，跳转到步骤3；(b)利用速度vi(0≤i<N)，初始化LBM模型，使仿真开始推演，然后按照以下步骤对推演后的密度进行增强；在推演过程中，获取第I次推演中流体场景粒子的密度pl(0≤l<N)，pl为推演密度，其中I是自然数(1≤I≤NR)，N是流体场景的粒子个数；(c)建立推演密度块有序集合根据pl(0≤l<N)，按照步骤1的(a)和(b)建立推演密度块有序集合Dj(1≤j≤4),其中每个集合的粒子块是按照块内LBM推演的粒子密度和的大小排序；(d)密度的增强假设标准密度块有序集Gj(1≤j≤4)中密度块数为C；推演密度块有序集Dj(1≤j≤4)中密度块为J；对于给定阈值λ(0<0<1)，在第I次推演中，推演密度块有序集合Dj(1≤j≤4)的前λc个密度块进行增强处理；具体地：对Dj中的推演密度块bi(0<i≤λc)中的密度pt进行增强；其中t是粒子在bi中的序号；首先，为了bi从标准密度块有序集Gj中选取标准密度块Bs，序号Bs计算为：Bs＝Cbi/J(2)然后，对于推演密度块bi中粒子的密度at增强为：at＝PtZb/XB(3)其中Pt为标准密度块Bs中序号为t的粒子的密度；Zb为推演密度块有序集合Dj中所有密度的和，XB为标准密度块有序集Gj所有粒子密度的和；(e)转步骤2，进行下一次推演；步骤3：重仿真结束。本发明利用视频流体，能在流体重仿真中实时得到真实感的细节，能够实现真实感视频流体重仿真，克服现有重仿真研究中缺少细节的问题，进一步实例证明了本发明的实验效果，实现具有丰富细节的视频流体重仿真，适用于包括平流及海浪等多种流体类型。附图说明图1为本发明实施例物理数据驱动的真实感流体重仿真结果图；图2为本发明实施例物理数据驱动在重仿真边界测试中取得的真实感流体重仿真结果图；图3为本发明实施例物理数据驱动的真实感流体重仿真结果与现有方法的结果对比图。具体实施方式实施例下面结合附图对于发明进一步说明。本实施例采用DynTex动态纹理库中的流体视频(例如54ab110等流体视频)实施流体场景真实感重仿真。在PC机上Windows7操作系统下进行实施，其硬件配置是2.66GHzIntelCore(TM)2DuoCPU、4GBRAM。一种物理数据驱动的真实感流体重仿真方法，其特征在于，利用视频的前两样例帧,记为F1和F2，实现真实感流体重仿，利用流体视频的样例帧，计算得到流体运动的物理驱动数据,实现真实感流体重仿真，具体包括以下步骤：步骤1：预处理计算F1中流体粒子的高度Hi,进一步计算F1中任意一个粒子的速度vi及密度ρi.其中i是非负整数,且0≤i<N，N是流体场景的粒子个数；(a)将流体场景粒子分块,并构建粒子块集合,具体地：将F1中的所有粒子分块处理,并按照每块中粒子的运动方向,确定为不同类别；先进行粒子块的划分，将F1中的所有粒子按照指定大小b×b分成正方形的块,如果图像的分辨率为X×Y，那么，水平分割块数垂直分割块数表示向下取整；假设B是这WM个粒子块中的任意一块；B中所有粒子2D速度的均值为并且u和v是的两个分量，那么,利用(1)式来确定B的类别T：T=1u>0,v>02u<0,v>03u<0,v<04u>0,v<0---(1)]]>按照粒子块的类别,将流体场景的所有粒子块分成四个粒子集合Sj(1≤j≤4),具体地：如果粒子块的类别为j，将该粒子块置入Sj(1≤j≤4)；(b)对每个集合内部的粒子块排序,具体地：对于任意的粒子集Sj(1≤j≤4),根据每块内部所有粒子密度和ρk,将粒子集Sj内所有粒子块,按照ρk从大到小排序,将排序后的粒子块集,称为标准密度块有序集Gj(1≤j≤4)；其中k是非负整数，0≤k≤L-1，L表示Sj中粒子块的个数；步骤2：按照以下步骤一共进行NR次仿真推演：(a)当前次是第I次仿真，设I＝1；如果满足I≤NR，继续进行以下步骤，否则，跳转到步骤3；(b)利用速度vi(0≤i<N)，初始化LBM模型，使仿真开始推演，然后按照以下步骤对推演后的密度进行增强；在推演过程中，获取第I次推演中流体场景粒子的密度pl(0≤l<N)，pl为推演密度，其中I是自然数(1≤I≤NR)，N是流体场景的粒子个数；(c)建立推演密度块有序集合根据pl(0≤l<N)，按照步骤1的(a)和(b)建立推演密度块有序集合Dj(1≤j≤4),其中每个集合的粒子块是按照块内LBM推演的粒子密度和的大小排序；(d)密度的增强假设标准密度块有序集Gj(1≤j≤4)中密度块数为C；推演密度块有序集Dj(1≤j≤4)中密度块为J；对于给定阈值λ(0<0<1)，在第I次推演中，推演密度块有序集合Dj(1≤j≤4)的前λc个密度块进行增强处理；具体地：对Dj中的推演密度块bi(0<i≤λc)中的密度pt进行增强；其中t是粒子在bi中的序号；首先，为了bi从标准密度块有序集Gj中选取标准密度块Bs，序号Bs计算为：Bs＝Cbi/J(2)然后，对于推演密度块bi中粒子的密度at增强为：at＝PtZb/XB(3)其中Pt为标准密度块Bs中序号为t的粒子的密度；Zb为推演密度块有序集合Dj中所有密度的和，XB为标准密度块有序集Gj所有粒子密度的和；(e)转步骤2，进行下一次推演；步骤3：重仿真结束。本发明利用视频流体，能在流体重仿真中实时得到真实感的细节，能够实现真实感视频流体重仿真,克服现有重仿真研究中缺少细节的问题,进一步实例证明了本发明的实验效果，实现具有丰富细节的视频流体重仿真,适用于包括平流及海浪等多种流体类型。图1是利用本发明进行重仿真，得到的结果。从图中的重仿真结果可以明显看出，利用本发明进行重仿真时可以得到具有真实感细节的时序结果即物理数据驱动的真实感流体重仿真序列结果图。图2是本发明实施例物理数据驱动的真实感流体重仿真结果图，在重仿真边界测试中得到的结果图，从图中的结果可以看出，真实感流体重仿真细节明显突出。图3为本发明实施例物理数据驱动的真实感流体重仿真结果对比图。在该测试结果中，右侧一列是本发明实施例真实感流体重仿真结果，左侧是利用现有方法实现的重仿真结果，从对比的结果可以看出，本发明的物理数据驱动的真实感流体重仿真方法有效，重仿真细节更明显。当前第1页1 2 3