设计 任务书 文档 开题 答辩 说明书 格式 模板 外文 翻译 范文 资料 作品 文献 课程 实习 指导 调研 下载 网络教育 计算机 网站 网页 小程序 商城 购物 订餐 电影 安卓 Android Html Html5 SSM SSH Python 爬虫 大数据 管理系统 图书 校园网 考试 选题 网络安全 推荐系统 机械 模具 夹具 自动化 数控 车床 汽车 故障 诊断 电机 建模 机械手 去壳机 千斤顶 变速器 减速器 图纸 电气 变电站 电子 Stm32 单片机 物联网 监控 密码锁 Plc 组态 控制 智能 Matlab 土木 建筑 结构 框架 教学楼 住宅楼 造价 施工 办公楼 给水 排水 桥梁 刚构桥 水利 重力坝 水库 采矿 环境 化工 固废 工厂 视觉传达 室内设计 产品设计 电子商务 物流 盈利 案例 分析 评估 报告 营销 报销 会计
 首 页 机械毕业设计 电子电气毕业设计 计算机毕业设计 土木工程毕业设计 视觉传达毕业设计 理工论文 文科论文 毕设资料 帮助中心 设计流程 
垫片
您现在所在的位置:首页 >>计算机毕业设计 >> 文章内容
                 
垫片
   我们提供全套毕业设计和毕业论文服务,联系微信号:biyezuopin QQ:2922748026   
三维地形场景智能生成方法研究 毕业设计论文
文章来源:www.biyezuopin.vip   发布者:毕业作品网站  

摘要

虚拟地形作为三维场景中重要组成部分,在 CG 影视、军事模拟、开放世界游戏、虚拟现实以及三维仿真等领域中被广泛应用。地形建模任务中创作者往往难以高效的复现出真实地形的复杂性与多样性。如何高效通过用户控制创作出具有真实性的虚拟地形一直是计算机图形学领域中的一大挑战。随着深度学习的飞速发展,已经在风格迁移、人脸识别等诸多领域展现出传统算法难以企及的效果。如何基于深度学习技术快速有效地生成用户可控并且具有高度真实感的地形,成为新的研究方向。

在 GAN 模型的各种分支中,条件生成对抗网络提供了对生成结果的约束,增加了对生成图像的控制。pix2pix 是在 CGAN 基础上提出的一种通用的图像转换网络,本文在 pix2pix 网络基础了做出细微调整,设计了适合虚拟地形生成的网络, 实现了由地形特征(山脊线、山谷线等)图生成多风格具有真实感的虚拟地形。该地形生成网络只需根据用户提供的山脊线、山谷线和正负地形等地形特征的描述, 就可以自动生成符合特征约束的虚拟地形。本文的主要工作和贡献如下:

(1)构建了样本数量较大且包含四种风格(平原、丘陵、高原、山地)地形与地形特征组合数据集。

(2)基于 pix2pix 网络架构,设计了适合虚拟地形生成任务的地形生成模型。

(3)设计了具体实验,比较了不同地形特征组合对虚拟地形生成的影响,以及相同地形特征约束下不同类型地形生成效果差异,

(4)将本文中的虚拟地形生成方法进行了实际的应用分析。结果表明本文虚拟地形生成方法不仅能够帮助创作者快速搭建大型地形场景,还能够通过对地形特征图的修改实现局部地形的快速修改。

关键词:地形生成;生成对抗网络;数字高程模型


Abstract

As an important part of 3D scene, virtual terrain is widely used in CG films, military simulation, open world games, virtual reality and simulation. In the task of terrain modeling, it is often difficult for creators to efficiently reproduce the complexity and diversity of real terrain. How to efficiently create realistic virtual terrain through little user control has always been a major challenge in the field of computer graphics. With the rapid development of deep learning, it has shown the effect that traditional algorithms are difficult to achieve in many fields, such as style transfer, face recognition and so on. How to generate user controllable and highly realistic terrain quickly and effectively based on deep learning technology has become a new research direction.

In various branches of GAN model, the conditional Generative Adversarial Network provides constraints on the generation results and increases the control of the generated image. Pix2pix is a Generative Adversarial Network based on CGAN. This paper makes minor adjustments on the basis of pix2pix network, designs a network suitable for virtual terrain generation, and realizes the generation of multi style and realistic virtual terrain from terrain feature (ridge line, valley line, etc.). The terrain generation network can automatically generate virtual terrain conforming to feature constraints only according to the description of terrain features such as ridge line, valley line and positive and negative terrain provided by users. The main work and contributions of this paper are as follows:

(1) The combined data set of terrain and terrain features with a large number of samples and four styles (plain, hill, plateau and mountain) is constructed.

(2) Based on pix2pix network architecture, a terrain generation model suitable for virtual terrain generation task is designed.

(3) Specific experiments are designed to compare the effects of different terrain feature combinations on virtual terrain generation, as well as the differences of different types of terrain generation effects under the same terrain feature constraints,

(4) The virtual terrain generation method in this paper is analyzed in practical application. The results show that the virtual terrain generation method in this paper can not only help the creator to quickly build large-scale terrain scenes, but also realize the rapid modification of local terrain through the modification of terrain feature map.

Keywords: Terrain generation; GAN; DEM



1.1 选题背景和意义 1

1.2 研究现状 2

1.2.1 程序化地形生成方法 2

1.2.2 仿真模拟地形生成方法 3

1.2.3 交互编辑地形生成方法 3

1.2.4 基于深度学习的地形生成方法 3

1.3 研究内容概述 4

1.4 论文章节安排 5

第二章 相关技术基础概述 .................................... 6

2.1 地形表示方法 6

2.2 地形特征要素 6

2.3 深度学习 7

2.2.1 卷积神经网络 7

2.2.2 生成对抗网络 8

第三章 地形生成模型 ....................................... 12

3.1 地形生成模型网络结构 12

3.1.1 模型概述 12

3.1.2 生成器 12

3.1.3 判别器 14

3.1.5 损失函数 15

3.2 训练方法 15

第四章 数据获取与处理 ..................................... 17

4.1 研究区域概况 17

4.2 数据获取与处理 18

4.2.1 数据收集 18

4.2.2 数据预处理 18

4.2.3 地形特征提取 19

4.3 本章小结 22

第五章 实验过程与结果分析 ................................. 23

5.1 实验环境 23

5.1.1 软件及硬件配置 23

5.1.2 深度学习框架 23

5.2 实验设计与步骤 24

5.3 训练过程 24

5.4 实验结果对比分析 28

5.4.1 地形生成实验结果与分析 28

5.4.2 实验结果评判准则 30

5.5 地形渲染与应用分析 32

5.5.1 多类型地形渲染 32

5.5.2 局部地形修改 35

第六章 总结与展望 ......................................... 38

6.1 总结 38

6.2 展望 38


参考文献 .................................................. 40

致谢 ...................................................... 44











  全套毕业设计论文现成成品资料请咨询微信号:biyezuopin QQ:2922748026     返回首页 如转载请注明来源于www.biyezuopin.vip  

                 

打印本页 | 关闭窗口
本类最新文章
基于Python的在线自主考试系 基于腾讯云的个人知识库管理系统 基于Android的酒店预定系统
基于matlab变频器控制交流电 基于微信小程序的家校联动平台管理 基于时频分析与自适应滤波技术的多
| 关于我们 | 友情链接 | 毕业设计招聘 |

Email:biyeshejiba@163.com 微信号:biyezuopin QQ:2922748026  
本站毕业设计毕业论文资料均属原创者所有,仅供学习交流之用,请勿转载并做其他非法用途.如有侵犯您的版权有损您的利益,请联系我们会立即改正或删除有关内容!