Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 太行国家实验室李春野获国家专利权

太行国家实验室李春野获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉太行国家实验室申请的专利一种CAD大模型快速转换方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121543227B

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610071240.3,技术领域涉及:G06F30/17;该发明授权一种CAD大模型快速转换方法是由李春野;卫刚;王力捷;黄超;韩葳;罗一夫;朱瑞设计研发完成,并于2026-01-20向国家知识产权局提交的专利申请。

一种CAD大模型快速转换方法在说明书摘要公布了:本发明涉及计算机辅助CAD设计技术领域,公开了一种CAD大模型快速转换方法,通过将CAD三维模型拆分为拓扑连续的三角微单元,对其进行压缩编码并构建三级索引体系;再生成多级LOD链,结合屏幕空间误差约束与曲率敏感实现动态平滑过渡;随后将三角微单元顶点投影到UV空间生成并拼接虚拟展开图为巨型图集;最后整合离散缓冲区形成单一巨型缓冲并压缩优化,借助索引重映射定位数据,实现复杂叶盘装配体模型的高保真转换处理,支持从原始设计文件到数字孪生虚拟场景的无缝衔接,为压气机叶盘裂纹模拟、动态漫游及全生命周期虚实融合研究提供几何无变形、参数全保留的三维模型基础。

本发明授权一种CAD大模型快速转换方法在权利要求书中公布了:1.一种CAD大模型快速转换方法,其特征在于,包括: 步骤一、将CAD三维模型拆分为多个独立的渲染单元,对每个所述渲染单元进行三角网格化分割,并通过图论几何分割算法将每个所述渲染单元拆分为多个拓扑连续的三角微单元; 步骤二、根据每个三角微单元的数据,对每个所述三角微单元进行压缩编码处理,构建三级索引体系;所述三角微单元的数据包括几何属性数据以及加载对应所述三角微单元时产生的顶点缓冲区、索引缓冲区数据,所述几何属性数据包括三角微单元的包围球半径、中心、法线锥,所述三级索引体系包括由CPU维护的全局资源表、GPU常驻的BVH实例索引和压缩格式的单元数据索引; 步骤三、对每个所述三角微单元进行逐单元执行简化,生成多级的LOD链,获取相邻LOD层级的顶点位置偏移向量,并基于屏幕空间误差约束和曲率敏感基于顶点位置插值实现所有所述三角微单元动态平滑过渡;其中,表示渲染时实际使用的顶点位置,表示LOD级别n的顶点位置,表示LOD级别n+1的顶点位置;α表示过渡插值因子,取值范围[0,1]; 对每个所述三角微单元进行逐单元执行简化,生成多级的LOD链的方法包括: 对每个单元独立执行二次误差度量简化,直至达到目标的三角形数,计算基准三角形密度、平均曲率和最大顶点间距三个基准参数;根据三角面片数量和曲率值动态确定LOD基础级数,并基于指数衰减模型逐级计算简化目标三角形数量;根据顶点处局部曲率对各级目标三角形数采用进行曲率感知权重调整,其中为曲率权重因子,取值为5.0,为边曲率估计,;为边两个端点的法向量,、为边两个端点的位置坐标,表示根据二次误差度量计算得到的原始边折叠代价,表示经过曲率感知权重调整后的最终边折叠代价;通过校验不同层级间顶点位置偏差与法向一致性,最终生成6至7级简化模型; 所述二次误差度量简化函数包括: 顶点误差函数,其中是平面的二次误差矩阵;为顶点三维坐标向量;为顶点到平面的距离; 边折叠代价,通过求解得到最优;为折叠边的误差值;为折叠边的误差值;表示被折叠的边;是折叠后新顶点的位置向量,表示的偏微分条件,表示与顶点v相关联的所有三角面片所在的平面集合; 步骤四、将每个三角微单元的顶点投影到UV空间,生成虚拟展开图,将所有三角微单元的虚拟展开图按照UV布局拼接为巨型图集; 步骤五、整合所有离散的所述三角微单元顶点缓冲区、索引缓冲区,形成单一巨型缓冲并进行压缩优化,通过三级索引体系进行索引重映射定位三角微单元的数据,将CAD大模型转换为虚拟场景。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人太行国家实验室,其通讯地址为:610213 四川省成都市天府新区东山大道二段607号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。