基于速度场数据的海洋流场沉浸式可视化方法
1.本发明涉及海洋可视化技术领域，具体而言，涉及基于速度场的海洋流场沉浸式可视化方法、装置、设备及可读存储介质。
背景技术：
2.随着海洋探测手段的不断进步，人类获取海洋数据的能力不断提高，积累的海洋数据量也越来越庞大。由于海洋特殊的地理环境，使得人们很难直接全面地观察到海洋各个层面现象及其内部特征。针对二维三维流场数据可视化，目前缺少针对海洋流场体数据的分析方法，难以全面的反映海洋流场的特征。由于海洋流场数据量大并且随时间而变化，不能满足高效渲染、实时观测等要求，存在可视化效率低下等问题。
技术实现要素：
3.本发明的目的在于提供一种基于速度场数据的海洋流场沉浸式可视化方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
4.第一方面，本技术提供了一种基于速度场数据的海洋流场沉浸式可视化方法，包括：获取目标海洋流场中至少一个采样点的速度场数据；将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据；通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签；基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。
5.第二方面，本技术还提供了一种基于速度场数据的海洋流场沉浸式可视化装置，包括：获取单元，用于获取目标海洋流场中至少一个采样点的速度场数据；数据转化单元，用于将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据；标签分类单元，用于通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签；可视化单元，用于基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。
6.第三方面，本技术还提供了一种基于速度场数据的海洋流场沉浸式可视化设备，包括：
7.存储器，用于存储计算机程序；
8.处理器，用于执行所述计算机程序时实现所述基于速度场数据的海洋流场沉浸式可视化方法的步骤。
9.第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于速度场数据的海洋流场沉浸式可视化方法的步骤。
10.本发明的有益效果为：
11.本发明通过龙格库塔积分将速度场的标量数据转化为时序坐标数据，并利用多特
征涡旋识别模型，确定时序坐标数据的分类标签，基于分类标签在虚拟现实环境中对时序坐标数据进行渲染，实现海洋流场的可视化。用户可以通过虚拟现实设备沉浸式感知海洋流场的流动方向和态势，同时实现对不同特征的涡旋进行细致观察，以内部的视角观察涡旋的结构特征，进一步有利于海洋科研人员通过涡旋的流动方向和内部构造分析海洋的区域特征。
12.本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
13.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
14.图1为本发明实施例中所述的基于速度场数据的海洋流场沉浸式可视化方法流程示意图；
15.图2为本发明实施例中所述的基于速度场数据的海洋流场沉浸式可视化装置结构示意图；
16.图3为本发明实施例中所述的多特征涡旋识别模型的结构图；
17.图4为本发明实施例中所述的采样点连接示意图；
18.图5为本发明实施例中所述的海洋流场的可视化的效果示意图；
19.图6为本发明实施例中所述的用户通过虚拟现实设备观测海洋流场的效果示意图；
20.图7为本发明实施例中所述的基于速度场数据的海洋流场沉浸式可视化设备结构示意图。
21.图中标记：1、获取单元；2、数据转换单元；3、标签分类单元；4、可视化单元；21、第一确定单元；22、计算单元；31、特征提取单元；32、第二确定单元；33、第三确定单元；321、方向获取单元；322、第四确定单元；323、第五确定单元；800、基于速度场数据的海洋流场沉浸式可视化设备；801、处理器；802、存储器；803、多媒体组件；804、i/o接口；805、通信组件。
具体实施方式
22.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一
个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
24.实施例1：
25.本实施例提供了一种基于速度场数据的海洋流场沉浸式可视化方法。
26.参见图1，图中示出了本方法包括步骤s100、步骤s200、步骤s300和步骤s400。
27.s100，获取目标海洋流场中至少一个采样点的速度场数据。
28.在本实施例中，可以通过均匀网格采样的方法，获取目标海洋流场中至少一个采样点的速度场数据。需要说明的是，目标海洋流场是指待采样的海洋区域。
29.在本实施例中，采样点的数量可以通过算法进行控制。在目标海洋流场的区域内，采样点的数量越多，采样密度越大，从而生成的流线密度越大。
30.在本实施例中，速度场数据(xi,yi,zi)为采样点的标量数据，其中，xi、yi、zi分别代表采样点处不同方向上的速度分量，xi表示速度场数据中水平方向上的分量；yi表示速度场数据中垂直方向上的分量；zi表示速度场数据中深度上的分量。
31.s200，将所述速度场数据中的水平方向分量和垂直方向分量(xi,yi)的数据转化为时序坐标数据。
32.在本实施例中，可以通过龙格库塔积分算法和/或中值积分等方式，将速度场数据中的水平方向分量的数据转化为时序坐标数据(x
tn
，y
tn
)。通过算法计算速度场数据(xi,yi,zi)的方向导数，获取带有时间属性的采样点的时序坐标数据，基于时间顺序将相应的采样点连接成线。需要说明的是，时序坐标数据体现了流线从开始到结束的空间走向和形态特征。关于数据转化的更多内容可以参见步骤s210-s220及其详细描述。
33.s300，通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签。
34.在本实施例中，多特征涡旋识别模型可以基于相邻的三个或多个采样点的时序坐标数据构成的向量进行判断，利用机器学习识别出上述采样点所对应的流线的涡旋类型。
35.需要说明的是，涡旋可以分为标准涡旋和非标准涡旋。其中，标准涡旋在几何特征上表现为连续向量的外积符号具有一致性，非标准涡旋则在一定时间内具有非一致性，但总体上仍保持一致。在本实施例中，多特征涡旋识别模型可以在输出时将标准涡旋通过激活函数进行二次判断，分为暖涡、冷涡和一般流线。
36.在本实施例中，将分好的特征作为相应时序坐标数据的分类标签。关于步骤s300的更多内容，可以参见步骤s310-s330及其详细描述，此处不再赘述。
37.s400，基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。
38.在本实施例中，可以将带有分类标签的时序坐标数据加载到虚拟现实设备中进行渲染。特别的，在本实施例中，可以通过多线程并行加载的方式进行渲染，加快数据渲染时间。
39.如图5所示，完成渲染后，可以实现目标海洋流场的可视化效果。在本实施例中，可以通过虚拟现实设备构造沉浸式空间，显示目标海洋流场的模拟仿真场景。需要说明的是，虚拟现实设备可以包括三位视觉显示设备，包括vr眼镜、头戴式立体显示器、投影设备等；以及交互设备，包括htcvive手柄、3d输入设备、动作捕捉设备等。
40.在本实施例中，用户可以通过交互设备进行操作，选取不同特征类型的涡旋进行观察，通过涡旋的密集度、流动方向和内部构造来分析目标海洋流场的区域特征。如图6所示，用户通过虚拟现实设备观测海洋流场的效果示意图。
41.具体而言，在本技术中，步骤s200包括步骤s210和s220。
42.步骤s210，将速度场数据中深度分量相同的采样点确定为一条流线。
43.如图4所示，在本实施例中，目标海洋流场中任意一个采样点的速度场数据为(xi,yi,zi)，其中zi表示深度方向的速度分量，zi相同的采样点确定为同一水平方向上的采样点，再将采样点连接成线确定为流线。需要说明的是，通过流线表示海洋里的洋流运动。
44.步骤s220，将所述流线上的采样点的速度场数据中的水平方向分量的数据输入龙格库塔积分计算式，获取基于时间顺序的时序坐标数据。
45.需要说明的是，龙格库塔积分计算式如公式(1)所示：
[0046][0047]
其中，k1是时间段开始时的斜率；k2是时间段中点的斜率，通过欧拉法采用斜率k1来决定y在点tn+h/2的值；k3也是时间段中点的斜率，但是这次采用斜率k2决定y值；k4为时间段终点的斜率，其y值通过k3决定；xi和yi分别表示速度场数据中水平方向上的两个速度分量。
[0048]
在本实施例中，通过龙格库塔积分计算式可以获得基于时间顺序的时序坐标数据(x
t0
，y
t0
)、(x
t1
，y
t1
)
…
(x
tn
，y
tn
)。
[0049]
在本实施例中，通过龙格库塔计算式进行计算可以使得计算结果精度更高，效果更稳定，在计算过程中还可以改变步长，减少计算的复杂度。
[0050]
具体而言，在本技术中，步骤s300包括步骤s310、步骤s320和步骤s330。
[0051]
s310、将所述流线对应的采样点的时序坐标数据输入多特征涡旋识别模型，提取所述流线的特征。
[0052]
如图3所示，在本实施例中，多特征涡旋识别模型可以包括输入层、特征识别层和输出层。具体的，可以将时序坐标数据输入输入层，每条流线上所对应的采样点被分为一组，经过特征识别层分析同一条流线上相邻采样点构成的向量之间方向，利用深度神经网络的多特征感知算法识别对应流线的类型。关于判断涡旋类型的具体内容可以参见步骤s311-s313，此处不在赘述。
[0053]
s320，基于所述特征确定所述流线对应的涡旋类型。
[0054]
s330，基于所述涡旋类型，确定所述流线对应的采样点的时序坐标数据的分类标签。
[0055]
具体而言，在本技术中，步骤s310包括步骤s311、步骤s312和步骤s313。
[0056]
s311，获取所述流线相邻采样点构成向量上的方向特征。
[0057]
在本实施例中，可以获取同一条流线上每三个采样点构成的两个向量，通过分析向量之间的方向关系获取该流线对应的方向特征。
[0058]
s312，基于所述方向特征确定所述流线几何特征和时间特征。
[0059]
在本实施例中，通过判断流线采样点之间的向量方向特征表现出的外积符号和/或时间的规律性，确定该流线的几何特征和时间特征。
[0060]
s313，基于所属几何特征和所述时间特征确定所述流线对应的涡旋类型。
[0061]
需要说明的是，本实施例中通过涡旋表示流线的运动类型。在本实施例中，将流线的几何特征表现为连续向量的外积符号一致性的流线涡旋类型判断为标准涡旋，并确定该流线为一般流线的涡旋类型；将流线的时间特征上表现出在一定时间内的非一致性的流线涡旋类型判断为非标准涡旋。
[0062]
在本实施例中，多特征涡旋识别模型的输出层包括激活函数，可以通过计算标准涡旋的外积的平均值，进一步判断非标准流线的涡旋类型。例如，当涡旋的外积平均值为正时，则判断流线的涡旋为暖涡；当涡旋的外积为负时，则判断流线的涡旋为冷涡。最后，通过多特征涡旋识别模型输出带分类标签的时序坐标数据。
[0063]
在本实施例中，多特征涡旋识别模型可以通过初始多特征涡旋识别模型训练获得。多特征涡旋识别模型的训练过程可以包括：获取测试海洋流场中采样点的测试数据集；其中，测试数据集包括分类标签和历史时许坐标数据；输入初始多特征涡旋识别模型，利用深度神经网络的多特征感知算法进行训练，在满足条件的情况下，确定多特征涡旋识别模型。
[0064]
实施例2：
[0065]
如图2所示，本实施例提供了一种基于速度场数据的海洋流场沉浸式可视化装置，所述装置包括：
[0066]
获取单元1，用于获取目标海洋流场中至少一个采样点的速度场数据。
[0067]
数据转化单元2，用于将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据。
[0068]
标签分类单元3，用于通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签。
[0069]
可视化单元4，用于基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。
[0070]
在一些具体的实施例中，数据转化单元2包括：
[0071]
第一确定单元21，用于将速度场数据中高度分量相同的采样点确定为一条流线。
[0072]
计算单元22，用于将所述速度场数据中的水平方向分量的数据输入龙格库塔积分计算式，获取基于时间顺序的时序坐标数据。
[0073]
在一些具体的实施例中，标签分类单元3包括：
[0074]
特征提取单元31，用于将所述流线对应的采样点的时序坐标数据输入多特征涡旋识别模型，提取所述流线的特征。
[0075]
第二确定单元32，用于基于所述特征确定所述流线对应的涡旋类型。
[0076]
第三确定单元33，用于基于所述涡旋类型，确定所述流线对应的采样点的时序坐标数据的分类标签。
[0077]
在一些具体的实施例中，特征提取单元31包括：
[0078]
方向获取单元311，用于获取所述流线相邻采样点构成向量上的方向特征。
[0079]
第四确定单元312，用于基于所述方向特征确定所述流线几何特征和时间特征。
[0080]
第五确定单元313，用于基于所属几何特征和所述时间特征确定所述流线对应的涡旋类型。
[0081]
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0082]
实施例3：
[0083]
相应于上面的方法实施例，本实施例中还提供了一种基于速度场数据的海洋流场沉浸式可视化设备，下文描述的一种基于速度场数据的海洋流场沉浸式可视化设备与上文描述的一种基于速度场数据的海洋流场沉浸式可视化方法可相互对应参照。
[0084]
图7是根据示例性实施例示出的一种基于速度场数据的海洋流场沉浸式可视化设备800的框图。如图7所示，该基于速度场数据的海洋流场沉浸式可视化设备800可以包括：处理器801，存储器802。该基于速度场数据的海洋流场沉浸式可视化设备800还可以包括多媒体组件803，i/o接口804，以及通信组件805中的一者或多者。
[0085]
其中，处理器801用于控制该基于速度场数据的海洋流场沉浸式可视化设备800的整体操作，以完成上述的基于速度场数据的海洋流场沉浸式可视化方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该基于速度场数据的海洋流场沉浸式可视化设备800的操作，这些数据例如可以包括用于在该基于速度场数据的海洋流场沉浸式可视化设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该基于速度场数据的海洋流场沉浸式可视化设备800与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near fieldcommunication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：wi-fi模块，蓝牙模块，nfc模块。
[0086]
在一示例性实施例中，基于速度场数据的海洋流场沉浸式可视化设备800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digitalsignal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，
简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于速度场数据的海洋流场沉浸式可视化方法。
[0087]
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的基于速度场数据的海洋流场沉浸式可视化方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由基于速度场数据的海洋流场沉浸式可视化设备800的处理器801执行以完成上述的基于速度场数据的海洋流场沉浸式可视化方法。
[0088]
实施例4：
[0089]
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种基于速度场数据的海洋流场沉浸式可视化方法可相互对应参照。
[0090]
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的基于速度场数据的海洋流场沉浸式可视化方法的步骤。
[0091]
该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
[0092]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0093]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
技术特征：
1.一种基于速度场数据的海洋流场沉浸式可视化方法，其特征在于，包括：获取目标海洋流场中至少一个采样点的速度场数据；将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据；通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签；基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。2.根据权利要求1所述的基于速度场数据的海洋流场沉浸式可视化方法，其特征在于,所述将所述速度场数据中的水平方向分量的数据转化为时序坐标数据，包括：将速度场数据中深度分量相同的采样点确定为一条流线；将所述流线上的采样点的速度场数据中的水平方向分量的数据输入龙格库塔积分计算式，获取基于时间顺序的时序坐标数据。3.根据权利要求2所述的基于速度场数据的海洋流场沉浸式可视化方法，其特征在于，所述通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签，包括：将所述流线对应的采样点的时序坐标数据输入多特征涡旋识别模型，提取所述流线的特征；基于所述特征确定所述流线对应的涡旋类型；基于所述涡旋类型，确定所述流线对应的采样点的时序坐标数据的分类标签。4.根据权利要求3所述的方法，其特征在于,所述基于所述特征确定所述流线对应的涡旋类型包括：获取所述流线相邻采样点构成向量上的方向特征；基于所述方向特征确定所述流线几何特征和时间特征；基于所属几何特征和所述时间特征确定所述流线对应的涡旋类型。5.一种基于速度场数据的海洋流场沉浸式可视化装置，其特征在于，包括：获取单元，用于获取目标海洋流场中至少一个采样点的速度场数据；数据转化单元，用于将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据；标签分类单元，用于通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签；可视化单元，用于基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。6.根据权利要求5所述的基于速度场数据的海洋流场沉浸式可视化装置，其特征在于，所述数据转化单元包括：第一确定单元，用于将速度场数据中高度分量相同的采样点确定为一条流线；计算单元，用于将所述流线上的采样点的速度场数据中的水平方向分量的数据输入龙格库塔积分计算式，获取基于时间顺序的时序坐标数据。7.根据权利要求6所述的基于速度场数据的海洋流场沉浸式可视化装置，其特征在于，所述标签分类单元包括：
特征提取单元，用于将所述流线对应的采样点的时序坐标数据输入多特征涡旋识别模型，提取所述流线的特征；第二确定单元，用于基于所述特征确定所述流线对应的涡旋类型；第三确定单元，用于基于所述涡旋类型，确定所述流线对应的采样点的时序坐标数据的分类标签。8.根据权利要求7所述的基于速度场数据的海洋流场沉浸式可视化装置，其特征在于，所述特征提取单元包括：方向获取单元，用于获取所述流线相邻采样点构成向量上的方向特征；第四确定单元，用于基于所述方向特征确定所述流线几何特征和时间特征；第五确定单元，用于基于所属几何特征和所述时间特征确定所述流线对应的涡旋类型。9.一种基于速度场数据的海洋流场沉浸式可视化设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述基于速度场数据的海洋流场沉浸式可视化方法的步骤。10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于速度场数据的海洋流场沉浸式可视化方法的步骤。
技术总结
本发明提供了一种基于速度场数据的海洋流场沉浸式可视化方法、装置、设备及可读存储介质，涉及海洋可视化技术领域，包括获取目标海洋流场中至少一个采样点的速度场数据；将所述速度场数据中的水平方向分量和垂直方向分量的数据转化为时序坐标数据；通过多特征涡旋识别模型，基于所述时序坐标数据进行特征分析，获取所述时序坐标数据的分类标签；基于所述分类标签在虚拟现实环境中对所述时序坐标数据进行渲染，实现所述目标海洋流场的可视化。化。化。
