计算机工程

作者：汤文琳, 谢凯, 文畅, 贺建飚

单位：1. 长江大学 电子信息学院, 湖北 荆州 434023;2. 长江大学 电工电子国家级实验教学示范中心, 湖北 荆州 434023;3. 长江大学 西部研究院, 新疆 克拉玛依 834000;4. 长江大学 计算机科学学院, 湖北 荆州 434023;5. 中南大学 计算机学院, 长沙 410083

关键词：三维可视化,深度学习,深度聚类,希尔伯特R树,时序轨迹预测,视锥体裁剪

基金：新疆维吾尔自治区自然科学基金项目（2020D01A131）；湖北省教育厅项目（B2019039）。

地震数据的三维可视化能够直观反映地质的相关结构信息，为地质勘探等研究提供数据支持。针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题，提出一种快速三维可视化算法。使用变分自编码器和深度聚类学习数据的空间特征表示，通过迭代优化目标函数提高聚类性能，以解决因空间数据分布不均造成的节点重叠问题。建立高效的索引结构，提高数据实时读取的效率，通过时序卷积网络预测下一个视点位置，提前将潜在数据载入内存，避免因海量数据集中加载导致画面卡顿、跳跃。使用基于双层视锥体的视点动态划分调度模型，剔除不必要的绘制节点及减轻系统负荷，从而提高数据渲染速度和流畅度。实验结果表明，该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14%~66.37%，预测视点的正确率相比拉格朗日插值算法提高了12.08%~22.70%，实时帧率在较大规模的子集上也能够相对稳定平滑，在保证图像质量的前提下整体系统的渲染性能达到预期效果。

来源：2022年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第11期