一种基于双GPU的BIM模型渲染方法及渲染系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114241161A(43)申请公布日2022.03.25(21)申请号202111583827.6(22)申请日2021.12.22(71)申请人中设数字技术股份有限公司地址430056湖北省武汉市汉南区武汉经济技术开发区华人汇和科技园（华中智谷）项目一期工程第E4栋10层1号房(72)发明人文盼李伯宇(74)专利代理机构北京中理通专利代理事务所(普通合伙)11633代理人郭金鑫(51)Int.Cl.G06T17/20(2006.01)G06N3/04(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于双GPU的BIM模型渲染方法及渲染系统(57)摘要本发明提供了一种基于双GPU的BIM模型渲染方法及渲染系统，涉及建筑信息建模技术领域。该方法包括：加载BIM模型；选择第一显示核心渲染当前帧，选择第二显示核心作为预备，第二显示核心对基于历史记录得出的相机动作的图形进行预先渲染，渲染后的图形存储于缓冲区；利用循环神经网络预测下一帧图形对应的相机动作，当判断实际操作的相机动作与预测的下一帧相机动作一致时，提取存储于缓冲区内由第二显示核心渲染后的图形进行显示。本发明利用循环神经网络对下一帧动作进行预判，当预判成功后，提取缓存图形由第二显示核心进行显示，无需再获取相机动作后再进行渲染处理，能够提升旋转、平移、缩放等操作的流畅度，并且提升整个渲染的分辨率。CN114241161ACN114241161A权利要求书1/2页1.一种基于双GPU的BIM模型渲染方法，其特征在于，包括以下步骤：加载BIM模型；选择第一显示核心渲染当前帧图形，选择第二显示核心作为预备，其中，所述第二显示核心用于对基于历史记录得出的相机动作所对应的图形进行预先渲染，渲染后的图形存储于缓冲区；利用循环神经网络预测下一帧图形对应的相机动作；当判断用户实际操作的相机动作与预测的下一帧相机动作一致时，提取存储于缓冲区内由所述第二显示核心渲染后的图形进行显示。2.根据权利要求1所述的基于双GPU的BIM模型渲染方法，其特征在于，所述加载BIM模型的步骤包括：基于相机与模型的相对位置是否满足预设范围，当满足预设范围时，对当前模型进行渲染。3.根据权利要求2所述的基于双GPU的BIM模型渲染方法，其特征在于，所述加载BIM模型的步骤还包括：对于判断进行渲染的模型进行视锥剔除，保留相机可视部分。4.根据权利要求1所述的基于双GPU的BIM模型渲染方法，其特征在于，由历史记录得出的相机动作的步骤包括：将相机参数变化枚举出所述相机动作，对多个所述相机动作进行编码；对相机与模型的距离进行归一化处理，并将处理后的所述相机动作输入至所述循环神经网络。5.根据权利要求4所述的基于双GPU的BIM模型渲染方法，其特征在于，多个所述相机动作包括上移、下移、左移、右移、放大、缩小、向左旋转、向右旋转、向上旋转和向下旋转。6.根据权利要求4所述的基于双GPU的BIM模型渲染方法，其特征在于，在对多个所述动作进行编码过程中，编码采用One‑Hot编码。7.根据权利要求4所述的基于双GPU的BIM模型渲染方法，所述归一化处理的步骤包括：设当前相机与模型的距离为D，允许的相机与模型的距离的最大值DMax和DMin；归一化处理后的相机距离8.根据权利要求1‑7任一项所述的基于双GPU的BIM模型渲染方法，其特征在于，还包括对循环神经网络进行训练步骤，包括：当预测的动作和实际的动作发生偏差时，将偏差作为训练样本输入至所述循环神经网络；将所述训练样本中历史记录得出相机动作所对应的图形存储至缓冲区。9.根据权利要求8所述的基于双GPU的BIM模型渲染方法，其特征在于，将偏差作为训练样本输入至所述循环神经网络步骤包括：将所述训练样本反复输入至所述循环神经网络，直至训练误差满足设定阈值时，结束训练并保存所述循环神经网络。10.一种基于双GPU的BIM模型渲染系统，其特征在于，包括：加载单元，用于加载BIM模型；2CN114241161A权利要求书2/2页渲染选择单元，选择第一显示核心渲染当前帧图形，选择第二显示核心作为预备；提取单元，用于提取存储于所述第二显示核心由历史记录得出的相机动作所对应的渲染后的图形；循环神经网络单元，用于预测下一帧图形对应的相机动作；显示单元，当用户实际操作的相机动作与预测的下一帧相机动作一致时，所述显示单元显示存储于所述缓冲存储单元内的由所述第二显示核心渲染后的图形。3CN114241161A说明书1/6页一种基于双GPU的BIM模型渲染方法及渲染系统技术领域[0001]本发明涉及建筑信息建模技术领域，具体而言，涉及一种基于双GPU的BIM模型渲染方法及渲染系统。背景技术[0002]建筑信息