空间数字模型实时展示方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种空间数字模型实时展示方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.数字孪生是以数字化方式创建物理实体的虚拟实体，借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段，是建立在建筑信息模型（building information modeling，bim）的基础上结合地理信息系统（geographic information system，gis）和物联网技术（internet of things，iot）的一种新型数字化模型展示技术。数字孪生逐渐应用于各个行业，尤其是在工程建设领域中应用的较多。例如，在边坡监测工程中，边坡的位移监测信息能通过数字孪生平台呈现动态化的信息展示，方便用户直观的观测和评估边坡的安全状态。
3.然而，目前基于物联网的边坡监测技术主要采用传感监测设备，得到监测点的动态数据，然后根据动态数据的增量及变化速率进行分析，对边坡稳定性状态进行预测。但监测点（即动态数据的收集点）的布设往往较为稀疏，直接由监测点所产生的动态数据提取空间数据的相关特征参数，这样的操作方式受稀疏监测点的约束，所得空间相关性特征参数准确性差，导致难以得到准确的动态位移数据插值结果。同时每一次对动态数据进行空间相关性特征参数的提取所需的工作量较大，所需的计算时间较长，使得数字模型展示的实时效率及准确率较差。


技术实现要素：

4.本发明提供一种空间数字模型实时展示方法、装置、电子设备及可读存储介质，其主要目的在于提高空间数字模型展示的实时性，建立三维数字孪生模型，实现三维可视化仿真推演展示。
5.为实现上述目的，本发明提供的一种空间数字模型实时展示方法，包括：获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据；获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据；对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
6.可选地，所述基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据，包括：计算所述预设方向的空间坐标的交叉验证指标及拟合指标；
基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数。
7.可选地，所述基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数，包括：初始化原始回归阶数，确定所述原始回归阶数下的交叉验证指标及拟合指标；若所述原始回归阶数的拟合指标小于等于预设的拟合阈值，则对原始回归阶数进行升阶处理，确定升阶后的回归阶数下的交叉验证指标及拟合指标是否满足预设的回归条件，若不满足，则继续升阶直至升阶后的回归阶数下的交叉验证指标及拟合指标满足预设的回归条件，得到标准回归阶数；利用所述标准回归阶数构建多项式回归方程，并利用最小二乘法计算所述多项式回归方程的回归系数；若所述原始回归阶数的拟合指标大于所述预设的拟合阈值，则对原始回归阶数进行降阶处理，并返回所述确定所述原始回归阶数下的交叉验证指标及拟合指标的步骤。
8.可选地，所述利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，包括：利用马特恩协方差方法计算所述空间坐标的空间自相关方程；基于极大似然估计法确定所述空间自相关方程的空间自相关参数，将所述空间自相关参数作为特征数据。
9.可选地，所述空间自相关方程如下所示：其中，为空间数字高程模型中任意两个坐标的空间距离，表示空间自相关方程，为一个范围从0到无限大的平滑参数，为范围参数，为伽玛方程，为阶的第二类贝塞尔公式。
10.可选地，所述基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据，包括：基于所述监测范围的实时动态位移数据与未监测到的空间坐标构建水平协方差矩阵；利用所述水平协方差矩阵及所述特征数据计算插值加权系数，并基于所述插值加权系数及回归克里金插值法计算所述空间数字高程模型中未监测到的空间坐标的位移插值数据。
11.可选地，所述对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，包括：基于所述空间数字高程模型、所述位移插值数据及所述实时动态位移数据生成顶点坐标集合；对所述顶点坐标集合进行图源装配，得到图元集合；
对所述图元集合中的图元进行光栅化处理，得到片元集合，对所述片元集合中的片元进行几何转化，得到所述数字三维模型。
12.为了解决上述问题，本发明还提供一种空间数字模型实时展示装置，所述装置包括：空间趋势计算模块，用于获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；空间特征表示模块，用于利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据；空间插值模块，用于获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据；模型展示模块，用于对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
13.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：存储器，存储至少一个计算机程序；及处理器，执行所述存储器中存储的计算机程序以实现上述所述的空间数字模型实时展示方法。
14.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的空间数字模型实时展示方法。
15.本实施例通过计算空间数字高程模型中预设方向的空间坐标的趋势数据，利用趋势数据对空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，由于空间数字高程模型中包含大量的空间坐标数据，因此得到的特征数据的准确性较高，提高了空间动态展示的准确性。同时，基于特征数据对监测范围的实时动态位移数据进行空间插值，能够得到较为准确的位移插值数据，在实时动态的数据展示中，无须重复计算空间相关性特征数据，节约了运算时间，最后对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，提高了空间数字模型展示的实时性。因此本发明提出的空间数字模型实时展示方法、装置、电子设备及计算机可读存储介质，可以提高空间数字模型展示的实时性，建立三维数字孪生模型，实现三维可视化仿真推演展示。
附图说明
16.图1为本发明一实施例提供的空间数字模型实时展示方法的流程示意图；图2为本发明一实施例提供的空间数字模型实时展示装置的功能模块图；图3为本发明一实施例提供的实现所述空间数字模型实时展示方法的电子设备的结构示意图。
17.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
18.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
19.本技术实施例提供一种空间数字模型实时展示方法。所述空间数字模型实时展示方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述空间数字模型实时展示方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
20.参照图1所示，为本发明一实施例提供的空间数字模型实时展示方法的流程示意图。在本实施例中，所述空间数字模型实时展示方法包括：s1、获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据。
21.本发明实施例中，所述空间数字高程模型是指dem（digital elevation mode)模型，是对地形地貌的一种数字化表达，一般以栅格或者网格的形式进行数据储存，记录大地的三维坐标，即二维平面的（x, y）坐标和其对应的高程z。本发明的空间数字高程模型可通过现有的数字高程模型数据库、人工测绘、无人机测绘、摄影测绘及激光雷达技术（lidar）等技术手段获取。
22.详细地，所述基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据，包括：计算所述预设方向的空间坐标的交叉验证指标及拟合指标；基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数。
23.本发明实施例中，所述空间坐标的趋势数据可由多项式回归的方式得到，其回归阶数的确定，需要遵循准确回归和避免过拟合两个原则，分别使用交叉验证指标及拟合指标进行判定。
24.本发明一可选实施例中，对观测的空间数据（即预设方向的空间坐标）采用沃尔德统计量及统计f分布并相减得到拟合指标，通过下述公式计算交叉验证指标：其中，为空间坐标的残值向量，等于各空间坐标的位移观测量减去其对应的趋势结构值，为观测的空间坐标的总量。
25.详细地，所述基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数，包括：初始化原始回归阶数，确定所述原始回归阶数下的交叉验证指标及拟合指标；若所述原始回归阶数的拟合指标小于等于预设的拟合阈值，则对原始回归阶数进
行升阶处理，确定升阶后的回归阶数下的交叉验证指标及拟合指标是否满足预设的回归条件，若不满足，则继续升阶直至升阶后的回归阶数下的交叉验证指标及拟合指标满足预设的回归条件，得到标准回归阶数；利用所述标准回归阶数构建多项式回归方程，并利用最小二乘法计算所述多项式回归方程的回归系数；若所述原始回归阶数的拟合指标大于所述预设的拟合阈值，则对原始回归阶数进行降阶处理，并返回所述确定所述原始回归阶数下的交叉验证指标及拟合指标的步骤。
26.本发明一可选实施例中，首先确定一个较小的原始回归阶数，其中，为自然数，判定基于阶数的情况下的和值，若则进行降阶处理，否则将阶数升为，比较升阶后的值，如果值升高且其达到预设值，则继续升阶直到或者pf 》 0.05为止，确定标准回归阶数后并可知回归方程的多项式形式。
27.进一步地，本发明中的公式计算均以方向空间坐标为例，所述利用最小二乘法计算所述多项式回归方程的回归系数，包括：利用下述公式计算所述回归系数：其中，为趋势数据的矩阵，包含了趋势结构和坐标信息，为空间坐标的协方差矩阵，表示方向的空间坐标。
28.本发明实施例中，所述趋势数据主要包括三个方向x，y和z的趋势结构信息，例如，确定x方向的趋势结构，其结构方程为x = f(y, z)；确定y方向的趋势结构，其结构方程为y = f(x, z)；确定z方向的趋势结构，其结构方程为z = f(x, y)。同时，在确定x，y两个方向的趋势结构时，应对x, y 以对象边坡中间为基准，左右各求解一组趋势结构，则对应的趋势结构实为5组，即z，y-，y+，x-，x+，在确定趋势数据时，重复点的坐标取坐标的最小值。
29.s2、利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据。
30.本发明实施例中，空间数据的空间相关性特征可通过空间自相关函数和空间自相关参数进行特征表示。
31.详细地，所述利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，包括：利用马特恩协方差方法计算所述空间坐标的空间自相关方程；基于极大似然估计法确定所述空间自相关方程的空间自相关参数，将所述空间自相关参数作为特征数据。
32.本发明一可选实施例中，马特恩协方差方法是使用mat
é
rn方程来表征数据特征。
33.本发明一可选实施例中，所述空间自相关方程如下所示：
其中，为空间数字高程模型中任意两个坐标的空间距离，表示空间自相关方程，为一个范围从0到无限大的平滑参数，为范围参数，为伽玛方程，为阶的第二类贝塞尔公式。
34.本发明一可选实施例中，所述基于极大似然估计法确定所述空间自相关方程的空间自相关参数，包括：利用下述公式计算所述空间自相关方程的空间自相关参数：其中，，，为趋势数据的矩阵，为空间坐标的协方差矩阵，，为单位矩阵，表示方向的空间坐标，为空间自相关方程中空间自相关参数组成的参数向量，为中的元素数量，为观测的空间坐标的总量。
35.本发明实施例中，通过计算参数向量，可以使用空间自相关参数表征空间特征，对应于5个方向的趋势结构，空间相关性特征参数也分为z，y-，y+，x-，x+五个方向进行提取，得到的空间自相关参数也为5组。
36.s3、获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据。
37.本发明实施例中，所述实时动态位移数据是指利用监测设备监测到的边坡动态位移数据，例如，利用物联网传感器获取的边坡水平位移、沉降位移、倾斜角、振动及地下水位等边坡位移数据。由于实时动态位移数据是通过监测设备监测到的空间的位移数据，而在空间数字高程模型中还包含未监测的空间坐标，通过回归克里金插值法考虑了被监测点的位置与未被监测点位置的相互之间的关系，更能客观的反映空间实时位移的分布规律。
38.具体地，所述基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据，包括：基于所述监测范围的实时动态位移数据与未监测到的空间坐标构建水平协方差矩阵；利用所述水平协方差矩阵及所述特征数据计算插值加权系数，并基于所述插值加权系数及回归克里金插值法计算所述空间数字高程模型中未监测到的空间坐标的位移插值数据。
39.本发明一可选实施例中，所述水平协方差矩阵如下所示：其中，表示n个监测点的水平坐标和个未监测点的水平坐标组成的水平协
方差矩阵，为固定参数，、表示在x，y轴上的任意两点的间隔，表示空间自相关方程。
40.本发明一可选实施例中，利用下述公式计算插值加权系数：其中，为所述特征数据，为全为1的向量，为所述插值加权系数，为拉格朗日乘子，表示水平协方差矩阵的第列。
41.本发明一可选实施例中，所述基于所述插值加权系数及回归克里金插值法计算所述空间数字高程模型中未监测到的空间坐标的位移插值数据，包括：利用下述公式计算未监测到的空间坐标的位移插值数据：其中，表示z方向第j个未监测点的预测的位移插值数据，表示监测到的空间坐标的位移值，为位移值的趋势数据。
42.本发明通过提取边坡体数字高程模型的坐标值，通过所得坐标值得到边坡高程数据的空间相关性特征参数，并将所得的空间相关性特征参数结合监测点动态位移数据，运用到边坡位移动态数据的插值中去，最后可以得到边坡体全范围的位移数据，在实时动态的数据展示中，无须重复计算空间相关性特征参数，节约了运算时间，促进了实时动态数据展示的效率。
43.s4、对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
44.本发明实施例中，可以使用webgl技术对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，并基于vue视图组件进行页面化展示。
45.详细地，所述对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，包括：基于所述空间数字高程模型、所述位移插值数据及所述实时动态位移数据生成顶点坐标集合；对所述顶点坐标集合进行图源装配，得到图元集合；对所述图元集合中的图元进行光栅化处理，得到片元集合，对所述片元集合中的片元进行几何转化，得到所述数字三维模型。
46.本发明另一可选实施例中，预设的前端视图组件可以为vue组件，封装基本过程如下：1、使用vue.exteng（）创建一个组件 ；2、使用vue.component（）组件注册 ；3、如果子组件需要数据，在props接受定义；4、子组件修改好数据后，通过emit（）方法给父组件传递数据。
47.本发明一可选实施例中，通过三维软件或者框架导出顶点坐标集合，并通过顶点
着色器（由opengl es编写，由java以字符串的形式定义并传递顶点坐标）将顶点坐标转换生成一个个图元（即三角形），从而将三维世界坐标转换成屏幕坐标，在图元生成完毕之后，给模型“上色”，通过片元着色器来改变模型的质地（颜色、漫反射贴图等）、灯光等。同时采用细节层次模型（levels of detail，简称lod）进行几何转化得到所述数字三维模型。
48.本发明通过webgl技术实时对更新空间数据进行渲染，并通过前端视图组件进行实时展示，可以提高数字模型展示的实时性。
49.本实施例通过计算空间数字高程模型中预设方向的空间坐标的趋势数据，利用趋势数据对空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，由于空间数字高程模型中包含大量的空间坐标数据，因此得到的特征数据的准确性较高，提高了空间动态展示的准确性。同时，基于特征数据对监测范围的实时动态位移数据进行空间插值，能够得到较为准确的位移插值数据，在实时动态的数据展示中，无须重复计算空间相关性特征数据，节约了运算时间，最后对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，提高了空间数字模型展示的实时性。因此本发明提出的空间数字模型实时展示方法，可以提高空间数字模型展示的实时性，建立三维数字孪生模型，实现三维可视化仿真推演展示。
50.如图2所示，是本发明一实施例提供的空间数字模型实时展示装置的功能模块图。
51.本发明所述空间数字模型实时展示装置100可以安装于电子设备中。根据实现的功能，所述空间数字模型实时展示装置100可以包括空间趋势计算模块101、空间特征表示模块102、空间插值模块103及模型展示模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
52.在本实施例中，关于各模块/单元的功能如下：所述空间趋势计算模块101，用于获取空间数字高程模型及所述空间数字高程模型中监测范围的实时动态位移数据，基于所述空间数字高程模型的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；所述空间趋势计算模块101，用于获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；所述空间特征表示模块102，用于利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据；所述空间插值模块103，用于获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据；所述模型展示模块104，用于对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
53.详细地，所述空间数字模型实时展示装置100各模块的具体实施方式如下：步骤一、获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据。
54.本发明实施例中，所述空间数字高程模型是指dem（digital elevation mode)模型，是对地形地貌的一种数字化表达，一般以栅格或者网格的形式进行数据储存，记录大地
的三维坐标，即二维平面的（x, y）坐标和其对应的高程z。本发明的空间数字高程模型可通过现有的数字高程模型数据库、人工测绘、无人机测绘、摄影测绘及激光雷达技术（lidar）等技术手段获取。
55.详细地，所述基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据，包括：计算所述预设方向的空间坐标的交叉验证指标及拟合指标；基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数。
56.本发明实施例中，所述空间坐标的趋势数据可由多项式回归的方式得到，其回归阶数的确定，需要遵循准确回归和避免过拟合两个原则，分别使用交叉验证指标及拟合指标进行判定。
57.本发明一可选实施例中，对观测的空间数据（即预设方向的空间坐标）采用沃尔德统计量及统计f分布并相减得到拟合指标，通过下述公式计算交叉验证指标：其中，为空间坐标的残值向量，等于各空间坐标的位移观测量减去其对应的趋势结构值，为观测的空间坐标的总量。
58.详细地，所述基于所述交叉验证指标及所述拟合指标对所述预设方向的空间坐标进行多项式回归处理，直至回归阶数满足预设的回归条件时，通过最小二乘法得到包含所述趋势数据的回归系数，包括：初始化原始回归阶数，确定所述原始回归阶数下的交叉验证指标及拟合指标；若所述原始回归阶数的拟合指标小于等于预设的拟合阈值，则对原始回归阶数进行升阶处理，确定升阶后的回归阶数下的交叉验证指标及拟合指标是否满足预设的回归条件，若不满足，则继续升阶直至升阶后的回归阶数下的交叉验证指标及拟合指标满足预设的回归条件，得到标准回归阶数；利用所述标准回归阶数构建多项式回归方程，并利用最小二乘法计算所述多项式回归方程的回归系数；若所述原始回归阶数的拟合指标大于所述预设的拟合阈值，则对原始回归阶数进行降阶处理，并返回所述确定所述原始回归阶数下的交叉验证指标及拟合指标的步骤。
59.本发明一可选实施例中，首先确定一个较小的原始回归阶数，其中，为自然数，判定基于阶数的情况下的和值，若则进行降阶处理，否则将阶数升为，比较升阶后的值，如果值升高且其达到预设值，则继续升阶直到或者pf 》 0.05为止，确定标准回归阶数后并可知回归方程的多项式形式。
60.进一步地，本发明中的公式计算均以方向空间坐标为例，所述利用最小二乘法计
算所述多项式回归方程的回归系数，包括：利用下述公式计算所述回归系数：其中，为趋势数据的矩阵，包含了趋势结构和坐标信息，为空间坐标的协方差矩阵，表示方向的空间坐标。
61.本发明实施例中，所述趋势数据主要包括三个方向x，y和z的趋势结构信息，例如，确定x方向的趋势结构，其结构方程为x = f(y, z)；确定y方向的趋势结构，其结构方程为y = f(x, z)；确定z方向的趋势结构，其结构方程为z = f(x, y)。同时，在确定x，y两个方向的趋势结构时，应对x, y 以对象边坡中间为基准，左右各求解一组趋势结构，则对应的趋势结构实为5组，即z，y-，y+，x-，x+，在确定趋势数据时，重复点的坐标取坐标的最小值。
62.步骤二、利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据。
63.本发明实施例中，空间数据的空间相关性特征可通过空间自相关函数和空间自相关参数进行特征表示。
64.详细地，所述利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，包括：利用马特恩协方差方法计算所述空间坐标的空间自相关方程；基于极大似然估计法确定所述空间自相关方程的空间自相关参数，将所述空间自相关参数作为特征数据。
65.本发明一可选实施例中，马特恩协方差方法是使用mat
é
rn方程来表征数据特征。
66.本发明一可选实施例中，所述空间自相关方程如下所示：其中，为空间数字高程模型中任意两个坐标的空间距离，表示空间自相关方程，为一个范围从0到无限大的平滑参数，为范围参数，为伽玛方程，为阶的第二类贝塞尔公式。
67.本发明一可选实施例中，所述基于极大似然估计法确定所述空间自相关方程的空间自相关参数，包括：利用下述公式计算所述空间自相关方程的空间自相关参数：其中，，，为趋势数据的矩阵，为空间坐标的协方差矩阵，，为单位矩阵，表示方向的空间坐标，为空间自相关方程中空间自相关参数组成的参数向量，为中的元素数量，为观测的空间坐标的总量。
68.本发明实施例中，通过计算参数向量，可以使用空间自相关参数表征空间特征，对应于5个方向的趋势结构，空间相关性特征参数也分为z，y-，y+，x-，x+五个方向进行提取，得到的空间自相关参数也为5组。
69.步骤三、获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据。
70.本发明实施例中，所述实时动态位移数据是指利用监测设备监测到的边坡动态位移数据，例如，利用物联网传感器获取的边坡水平位移、沉降位移、倾斜角、振动及地下水位等边坡位移数据。由于实时动态位移数据是通过监测设备监测到的空间的位移数据，而在空间数字高程模型中还包含未监测的空间坐标，通过回归克里金插值法考虑了被监测点的位置与未被监测点位置的相互之间的关系，更能客观的反映空间实时位移的分布规律。
71.具体地，所述基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据，包括：基于所述监测范围的实时动态位移数据与未监测到的空间坐标构建水平协方差矩阵；利用所述水平协方差矩阵及所述特征数据计算插值加权系数，并基于所述插值加权系数及回归克里金插值法计算所述空间数字高程模型中未监测到的空间坐标的位移插值数据。
72.本发明一可选实施例中，所述水平协方差矩阵如下所示：其中，表示n个监测点的水平坐标和个未监测点的水平坐标组成的水平协方差矩阵，为固定参数，、表示在x，y轴上的任意两点的间隔，表示空间自相关方程。
73.本发明一可选实施例中，利用下述公式计算插值加权系数：其中，为所述特征数据，为全为1的向量，为所述插值加权系数，为拉格朗日乘子，表示水平协方差矩阵的第列。
74.本发明一可选实施例中，所述基于所述插值加权系数及回归克里金插值法计算所述空间数字高程模型中未监测到的空间坐标的位移插值数据，包括：利用下述公式计算未监测到的空间坐标的位移插值数据：
其中，表示z方向第j个未监测点的预测的位移插值数据，表示监测到的空间坐标的位移值，为位移值的趋势数据。
75.本发明通过提取边坡体数字高程模型的坐标值，通过所得坐标值得到边坡高程数据的空间相关性特征参数，并将所得的空间相关性特征参数结合监测点动态位移数据，运用到边坡位移动态数据的插值中去，最后可以得到边坡体全范围的位移数据，在实时动态的数据展示中，无须重复计算空间相关性特征参数，节约了运算时间，促进了实时动态数据展示的效率。
76.步骤四、对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
77.本发明实施例中，可以使用webgl技术对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，并基于vue视图组件进行页面化展示。
78.详细地，所述对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，包括：基于所述空间数字高程模型、所述位移插值数据及所述实时动态位移数据生成顶点坐标集合；对所述顶点坐标集合进行图源装配，得到图元集合；对所述图元集合中的图元进行光栅化处理，得到片元集合，对所述片元集合中的片元进行几何转化，得到所述数字三维模型。
79.本发明另一可选实施例中，预设的前端视图组件可以为vue组件，封装基本过程如下：1、使用vue.exteng（）创建一个组件 ；2、使用vue.component（）组件注册 ；3、如果子组件需要数据，在props接受定义；4、子组件修改好数据后，通过emit（）方法给父组件传递数据。
80.本发明一可选实施例中，通过三维软件或者框架导出顶点坐标集合，并通过顶点着色器（由opengl es编写，由java以字符串的形式定义并传递顶点坐标）将顶点坐标转换生成一个个图元（即三角形），从而将三维世界坐标转换成屏幕坐标，在图元生成完毕之后，给模型“上色”，通过片元着色器来改变模型的质地（颜色、漫反射贴图等）、灯光等。同时采用细节层次模型（levels of detail，简称lod）进行几何转化得到所述数字三维模型。
81.本发明通过webgl技术实时对更新空间数据进行渲染，并通过前端视图组件进行实时展示，可以提高数字模型展示的实时性。
82.本实施例通过计算空间数字高程模型中预设方向的空间坐标的趋势数据，利用趋势数据对空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据，由于空间数字高程模型中包含大量的空间坐标数据，因此得到的特征数据的准确性较高，提高了空间动态展示的准确性。同时，基于特征数据对监测范围的实时动态位移数据进行空间插值，能够得到较为准确的位移插值数据，在实时动态的数据展示中，无须重复计算空间相关性特征数据，节约了运算时间，最后对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，提高了空间数字模型展示的实时性。因此本发
明提出的空间数字模型实时展示装置，可以提高空间数字模型展示的实时性，建立三维数字孪生模型，实现三维可视化仿真推演展示。
83.如图3所示，是本发明一实施例提供的实现所述空间数字模型实时展示方法的电子设备的结构示意图。
84.所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如空间数字模型实时展示程序。
85.其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：sd或dx存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（smart media card， smc）、安全数字（secure digital， sd）卡、闪存卡（flash card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如空间数字模型实时展示程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
86.所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（central processing unit，cpu）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（control unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如空间数字模型实时展示程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
87.所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如wi-fi接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（display）、输入单元（比如键盘（keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled（organic light-emitting diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
88.所述总线13可以是外设部件互连标准（peripheral component interconnect，简称pci）总线或扩展工业标准结构（extended industry standard architecture，简称eisa）总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
89.图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
90.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），
优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
91.进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如wi-fi接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。
92.可选地，该电子设备还可以包括用户接口，用户接口可以是显示器（display）、输入单元（比如键盘（keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled（organic light-emitting diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
93.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
94.所述电子设备中的所述存储器11存储的空间数字模型实时展示程序是多个指令的组合，在所述处理器10中运行时，可以实现：获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据；获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据进行空间插值，得到位移插值数据；对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
95.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
96.进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）。
97.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：获取空间数字高程模型，基于所述空间数字高程模型中的空间坐标数据计算所述空间数字高程模型中预设方向的空间坐标的趋势数据；利用所述趋势数据对所述空间数字高程模型中预设方向的空间坐标进行空间相关性特征表示，得到特征数据；获取监测范围的实时动态位移数据，基于所述特征数据对所述实时动态位移数据
进行空间插值，得到位移插值数据；对所述位移插值数据及所述实时动态位移数据进行图形处理及渲染，得到数字三维模型，利用预设的前端视图组件对所述数字三维模型进行实时可视化展示。
98.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
99.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
100.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
101.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
102.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
103.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
104.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
105.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
106.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。