一、视景仿真中大地形显示的一种视相关分层处理方法（论文文献综述）
张明义,王刘军[1]（2022）在《基于Terra Vista的无人机模拟训练大地形仿真场景创建方法》文中提出针对无人机模拟训练中的视景创建问题,设计基于TerraVista的大地形仿真场景设计和实现方法。利用TerraVista视景仿真平台,阐述运用细节层次模型的场景设计实现过程和运用实例。测试结果表明:该方法可快速创建大范围地形地貌场景,满足无人机模拟训练的使用要求。
戈文一[2]（2021）在《面向D级飞行模拟机视景系统的高真实感三维地形构建关键技术研究》文中研究指明近年来,民航航空运输业迅速发展的同时给航空安全带来巨大挑战。作为飞行员适航训练的核心装备,D级飞行模拟机对提高飞行安全性具有重要且不可替代的作用。地形采样数据能够真实获取全球范围的地表信息,这与飞行仿真训练特点高度契合,因此D级飞行模拟机视景系统通常以真实地形采样数据构建的三维地形为核心,营造逼真的飞行场景为飞行员提供必要的视觉信息。三维地形的真实感和实时性决定了飞行训练的质量,进而影响飞行安全。本文在满足D级飞行模拟机关于三维地形鉴定标准的基础上,研究地形采样数据中DEM和遥感影像的预处理方法,并以优化后的采样数据为数据源,研究三维地形的调度渲染方法实现高真实感三维地形构建。本文主要贡献如下:（1）本文充分分析了现有三维地形构建及地形采样数据预处理过程中存在的问题,提出了一种面向D级飞行模拟机的地形采样数据自动化预处理框架,涉及基础数据管理、DEM预处理、遥感影像预处理、采样数据质量评价以及三维地形构建等模块。受限于篇幅与研究精力,本文从应用出发针对三维地形构建过程中的必要步骤进行深入研究,主要包括遥感影像去雾、遥感影像超分辨率、DEM预处理以及三维地形调度渲染等关键技术,从而为构建高真实感三维地形打下初步基础。（2）针对使用雾霾影像构建的三维地形存在颜色失真、能见度差等问题,本文提出了一种基于编-解码器结构的遥感影像去雾模型,充分利用遥感影像的空间上下文信息,有效结合影像数据像素到像素、区域到区域之间的浅层与深层映射关系实现影像去雾。设计优化了模型的特征提取结构,通过引入多尺度卷积提取影像的多空间分辨率特征,通过引入特征注意力适应遥感影像的复杂纹理结构实现多分辨率和多地形地貌条件下的影像去雾,最后通过引入组归一化、FRe LU激活函数以及多任务损失进一步提高模型去雾质量。真实实验数据结果表明:本文方法在不同分辨率和多地形场景下的遥感影像去雾处理中都获得了优异的性能,具有较高的去雾质量,能够较好地满足D级飞行模拟机对地形采样数据的要求。（3）针对影像分辨率不足导致三维地形精度低、关键地物信息辨识度差等问题,本文提出了一种基于生成对抗网络的遥感影像超分辨率模型,并构建了专门面向飞行模拟机视景仿真的遥感影像超分辨率Airport80数据集用于模型训练。通过引入生成对抗机制,训练生成器重建超分辨率影像,鉴别器专注于真实高分辨率影像与生成影像之间的真伪判断,以生成更真实的高分辨率影像。改进了生成器网络结构,提出一种基于特征注意力的低频地形特征提取方法以提高模型的跨地域泛化能力,通过引入可变形卷积重构遥感影像的高频地物细节以增强关键地物信息。基于Airport80数据集的真实遥感影像数据实验表明,本文方法能够有效提高影像分辨率,较好地满足飞行模拟训练对构建高精度三维地形的要求。（4）根据D级飞行模拟机中三维地形构建流程,研究DEM预处理和三维地形调度渲染方法,验证了经过预处理优化后地形采样数据的实际应用价值。首先,提出一种DEM快速配准校正方法实现了DEM数据和机载导航数据库的准确匹配。其次,设计了一种基于Infini Band的同步地形调度渲染结构,并通过研究海量数据组织管理方法、地形纹理渲染方法以及坐标精度控制方法,实现了高性能渲染引擎下的高真实感全球三维地形构建。通过在真实B737-300型D级飞行模拟机的应用验证说明,本文方法明显提高了地形采样数据的清晰度、精度及准确性,优化后的地形采样数据可有效提升三维地形的真实感,且实时性能够满足D级飞行模拟机的要求。同时,本文提出的地形采样数据预处理框架对飞行视景仿真领域的三维地形构建具有较强的借鉴意义。
张钧轶[3]（2020）在《基于智能算法的巡飞弹协同攻击策略研究》文中研究表明随着未来战争的信息化、智能化趋势以及新概念弹药的发展,以巡飞弹为代表的先进弹药已成为世界各国的研究重点,智能算法、虚拟现实、无人飞行器等技术的融入为弹药设计提供了新思路和新方法。针对巡飞弹在获取战场态势及目标信息后的协同攻击策略,本文对目标威胁与巡飞弹作战效能的评估、协同攻击目标的分配以及攻击航迹的规划问题开展重点研究,最后基于VR-Forces完成对作战过程及攻击航迹的虚拟视景仿真验证。主要内容如下:首先,依据研究目的对战场态势作出想定设计,构建了不同类型、型号和不同性能的巡飞弹及目标模型,基于VR-Forces地形数据库提供的高程数据,划分平坦地形及复杂地形并完成地形建模,构建起战场基本模型。其次,综合作战单元性能、弹-目位置关系、弹-目数目关系等战场态势信息,提出了一种基于熵值法和AHP算法的巡飞弹作战效能分析方法,进行了目标威胁系数计算和巡飞弹效能评估。进而结合指派问题原理,构建了在不同战场态势下目标分配的代价函数模型。采用离散二进制粒子群算法,以综合作战效能为优化目标,经算法搜索得到战场模型中的最优目标分配方案。针对明确了攻击目标的巡飞弹,基于蚁群算法,通过对蚂蚁的搜索方式、启发函数、适应函数等的研究,完成了算法设计,进行了平坦及复杂地形下的攻击航迹规划。分析了该问题模型下不同算法参数对算法性能的影响。最后,本文基于VR-Forces作战虚拟仿真平台,仿真演示了整个攻击过程,验证了巡飞弹在实际地形下攻击航迹的可行性。综合以上研究成果,可为巡飞弹协同攻击决策提供参考。
林鑫[4]（2020）在《三维地形的简化与实时渲染技术研究》文中研究指明在众多的三维虚拟环境中,三维地形是最主要的构成要素之一。因为地形具有覆盖面积广和数据量大的固有特点,如何在诸如地理信息系统、军事仿真系统、大型三维游戏等应用场景中实时渲染三维地形一直是图形学中的一个重要问题。近些年来随着“数字地球”和VR等应用技术的不断升温,如何对三维地形进行简化并实时渲染成为了图形学的研究热点之一。基于该背景,本文以实现全球范围三维地形实时漫游渲染为目标,对大规模地形简化与实时渲染相关技术进行了研究。大规模地形渲染中主要存在两大难题,其一是显卡是个资源有限的系统,无法对海量的地形数据进行实时处理,其二是当地形规模大到一定程度时,内存无法将数据全部加载处理。针对这两个难题,论文对现有主流的基于四叉树的动态多分辨率LOD地形绘制算法以及基于分层分块策略的out-ofcore技术进行了深入研究,并进行了针对性的改进与优化,提出了一套完整的针对全球三维地形的简化与实时渲染技术方案,实现了对全球地形的高效实时渲染。总结起来,论文完成的主要研究工作与贡献如下:1.对全球SRTM地形高程数据中所存在的问题进行了分析,采用去空洞处理、边缘连接处理以及三次样条插值缩放处理,使地形数据达到了符合四叉树LOD算法进行地形渲染的要求。2.对out-of-core技术中常见的分层分块策略进行了研究,提出了一种对全球地形多层划分的方案,避免了传统金字塔模型导致的过多外存数据冗余。同时采用基于视点相关裁剪的增量数据调度方案,以及基于LRU策略的双缓存算法,最终实现了对全球地形数据的内外存高效调度。3.对比分析了常见LOD算法,对基于四叉树的动态多分辨率LOD地形绘制算法进行了研究,通过建立更为简单有效的节点评价系统,并使用了改进的多线程方案,实现了对全球地形的实时简化渲染。4.分析了四叉树LOD算法中存在的裂缝问题与Popping跳跃现象,对限制四叉树与非限制四叉树下的裂缝处理方案进行了探讨与改进,并针对限制四叉树提出了一种层级差限制算法,能够仅对可见域内地形进行层级差限制。论文进行了大量的实验工作,实验结果验证了论文提出的各种方案与改进算法的有效性。最终,基于这些方案策略与算法,论文实现了一个全球地形实时渲染系统,该系统高效可靠,能够实时地对全球地形进行三维渲染。
唐一鹏[5]（2020）在《面向浅水应用场景的观测型ROV控制系统研究及仿真》文中进行了进一步梳理水下机器人技术正受到越来越多的关注,在诸如堤坝检测、管道铺设、水下救援、鱼群探测、生态监测和考古调查等领域应用广泛,显现着越来越重要的作用。然而,当前水下机器人研究主要以面向深海应用的大型作业级机器人为主,随着该领域的不断发展,浅水应用环境下的低成本、高精度ROV（Remote Operated Vehicle,即遥控水下机器人）需求与日俱增,研发适用于浅水环境的观察级ROV及其配套仿真系统与水下导航应用逐渐成为水下机器人研究的热点方向。本文以此为背景,针对典型的浅水环境下低成本观察级机器人系统展开研究,开发实现了观测型水下机器人的控制系统软硬件系统和相配套的高性能水下机器人仿真平台,并重点研究解决了水下环境中基于多波束声呐感知的ROV高可靠性水下地形建模问题。具体研究工作如下:目前水下ROV存在成本高,控制系统可开发性差,无法二次开发等缺点,严重影响了水下机器人在浅水领域的应用推广。本文针对水下机器人的控制系统进行了研究,研发了一种体积小、重量轻、便于布放和使用的浅水水域观测型ROV控制系统。在硬件部分,本文根据浅水型水下观测机器人的应用目标要求,制定了ROV的总体方案,完成了上位机-中间通讯层-下位机的控制系统架构设计和硬件选型。在软件部分,本文实现了ROV的数据采集功能,运动控制功能,通信功能,声呐地形建模功能,载体监控和操作功能,故障报警及容错功能,水下ROV仿真功能等功能模块,同时完成了上位机监控软件、中间通讯层数据处理、下位机控制软件的编写。针对水下机器人的调试与作业具有不能直接观察机器人状态、实验开展受环境影响较大等难点,本文搭建了水下机器人仿真系统,并研发了仿真环境的虚-实控制系统。首先建立了摄像头、深度传感器、声呐等虚拟传感器模型,在原有仿真数据的基础上添加了噪声与干扰,获得的传感器数据经过后处理可直接用于图像处理、地形建模等算法的验证;其次本文设计了仿真环境的两套控制系统,一套是在纯仿真环境中对ROV运动和作业的控制仿真,一套是将仿真环境与真实水下机器人进行信息交互,实现了真实作业机器人在仿真环境中的实时可视化,快速逼真地在线仿真,实时响应交互操作;最后本文系统性地研究了真实场景下的水环境参数和ROV运动参数,构建了水下机器人的运动仿真系统,模拟了水环境的浮力、ROV运动阻力等真实运动情景,准确描述ROV的实时运动状态并进行了仿真实验。水底地形测量及可视化是地形数据解释的关键,随着声呐系统技术的逐步完善,采用水下机器人进行水底地形建模为水下地质调查提供了一种全新的可视化水下地形探测手段。本文针对水下地形建模问题中的底跟踪和地形后处理问题进行了研究。在现有多波束测深底跟踪技术的基础上,本章提出了基于回波幅值能量梯度图的水底位置检测算法,将对幅值数据的信号处理问题转化为图像处理问题并引入了图像处理中成熟的算法,从空间关联性角度计算出水底的深度值。同时,本文构建了水底测深的线性状态空间模型,利用Kalman滤波器进行滤波处理达成平滑水底曲线的目的。在这一过程中为了提高算法实时性,本文还利用图像金字塔对图像尺寸进行缩放,减少计算量。在水底地形模型建立上,本文将所有单帧曲线拼接组成水底曲面,采用趋势面滤波去除异常点,然后使用高斯过程回归建立水底地形的连续无参模型,填补地形模型空洞。为了验证算法可行性,本文以水下机器人为实验平台,将真实水下环境作为实验环境,并搭建了水下地形测量的仿真系统,实验结果表明本文所提出水下地形建模算法的有效性和可行性。
张锦思[6]（2020）在《实训型驾驶模拟器训练驾驶行为评价设计与视景仿真评价探究》文中进行了进一步梳理实训型驾驶模拟器的推广和使用,对驾驶操作的规范、实车培训效率的提高以及驾驶安全意识培养具有重大意义。为进一步提升和优化实训型驾驶模拟器的培训效果,本文就驾驶操作行为进行评价设计,实现驾驶训练的有效反馈,培养驾驶安全意识,提高驾驶训练效率和质量。并通过驾驶体验对模拟器的驾驶视景进行评价,实现视景建模与仿真的改进,提升模拟器驾驶的真实程度,增强驾驶人员与驾驶模拟器的交互感。本文选取Multigen Creator和Vega prime联合仿真,实现了驾驶训练及驾驶体验所需要驾驶道路、环境、车辆模型的建立,在Visual Studio 2010集成开发环境的MFC应用程序框架下,调用Vega prime的API函数库及自定义程序,实现了视景的动态驱动与控制。分析选取了 Vega prime中的Tripod地形检测算法,对驾驶场景进行地形检测,实现车辆在虚拟场景中随地形变化的正常驾驶。对驾驶操作基于串口传递信息与自定义检测算法检测信息的多源信息采集融合,建立了驾驶操作行为的判定模型,依托驾驶考试标准,对驾驶存在的问题扣除分数按失误程度分为5分、10分、100分,分别建立了 25条驾驶行为评价指标。对评价指标逻辑化、模块化处理,设置对驾驶失误的语音响应,生成最终结果,驾龄越高在训练场景中扣分越少,说明驾驶模拟器的驾驶训练对驾驶操作行为评价可实现良好的培训效果;男女在不同驾龄段的表现处于同一等级,表明性别对驾驶操作行为影响不大。在视景仿真中,选择城市、高速、山区以及加入干扰因子道路场景模型要素分析,界面仿真设计、交互体验感评价等六个方面,建立6个一级指标,21个二级指标的分层级仿真视景的评价指标体系,应用基于群决策理论的层次分析法确定指标权重,通过驾驶人员的驾驶体验,83.3%的人认为驾驶场景很好或良好,女性较男性对驾驶场景模型评分偏低,对环境完整度、协调度等方面的要求较高。恶劣天气下的仿真得分较其他指标评价偏低,该场景中的仿真效果仍需进一步改善。
孙起帆[7]（2020）在《基于Vega Prime的飞行模拟器视景仿真系统的研究与实现》文中指出飞行模拟器是用于飞行训练的重要设备,且飞行模拟训练已经在民航及空军飞行员训练中广泛使用,本课题来源于中北大学机械工程学院申请的高等学校重点学科建设项目——通用航空地面飞行模拟器技术平台建设,对飞行模拟器中的视景仿真系统进行研究与实现,为飞行模拟器技术平台研究开发一款性价比高,开发周期短,通用性强,模块化程度高的飞行模拟器视景仿真系统,协同完成该技术平台的建设。首先,本文对三维视景建模工具进行了深入研究分析,视景数据库的建立中运用了基于Multigen Creator的视景建模方法,分析了三维建模中的关键技术,运用三维建模的优化方法,建立了三维地形模型和飞机模型以及机场的模型。这一部分研究了视景数据库的创建过程及优化方法,提高了系统的实时性和渲染速度。其次,本文在视景仿真系统驱动实现中对现如今常用的视景驱动引擎进行了深入分析,选择了合适的视景驱动软件Vega Prime,着重研究了视景仿真系统中的场景特效的实现,碰撞检测的实现,以及多视点多通道的实现。然后,本文建立了视景仿真系统中所模拟的通用航空固定翼飞机的六自由度数学模型,使视景仿真系统可以根据该模型对飞机的飞行位置及姿态信息进行实时解算。最后,本文对本系统中的数据交互和实时解算部分进行了实现,完成了一个由地形、机场、飞行环境、气象组成的视景仿真系统,并结合操纵负荷系统对视景仿真系统进行了功能验证及结果分析。
李聪聪[8]（2020）在《三维复杂环境协同感知与可视化》文中研究表明目前,无人机和无人车被广泛地投入到实际的应用中,发挥着越来越重要的作用。然而,面对复杂的三维环境,无人机与无人车单独执行任务的成功率较低。无人系统的协同作战是解决上述问题的有效手段。针对当前的多数研究是关于单个无人机或无人车的操作,其生存能力以及适应环境能力不能满足在复杂环境执行任务的需求,本论文利用增强合成视景技术以及陆空协同操作系统来提高无人系统的生存能力。论文首先探讨了各类传感器对于在退化视觉环境中的适用性。接着研究了不同传感器图像之间的相互融合,并且实现了结合虚拟军事要素来增强飞行时对环境的感知和理解。然后设计了无人机传输的数据帧格式,实现了利用目标识别技术来处理无人机传输的数据帧。最后设计了三种地形中陆空协同作战任务,以适应不同地形带来的挑战。本论文的主要工作如下:1、研究了雨、雪、雾等不同的退化视觉环境条件的仿真,利用三维建模技术完成三维地形模型和障碍物模型的建立,利用三维视景仿真技术完成地形的加载,实现三维复杂环境的搭建。2、研究了三维场景感知技术。研究了多源传感器（如可见光、红外、毫米波雷达、激光雷达等）图像的仿真以及不同传感器信息的融合。利用着色器技术,实现多源传感器图像的仿真以及不同传感器图像效果的融合,以应对各种复杂天气环境的挑战。3、研究了增强合成视景技术。利用图形绘制技术,实现多种虚拟军事要素如空中通道,安全线等要素的绘制,以及将虚拟军事要素与三维场景的动态融合显示,提高无人机在三维复杂环境下的情景意识。4、研究了数据帧处理技术,实现了不同传感器的数据帧存储和导入。利用基于YOLOv3的目标识别技术来实现对数据帧图像的处理,完成对可见光图像的目标标示。并将处理后的数据帧进行导入,完成应用模式的综合演示。5、研究了无人机与无人车协同感知系统的仿真。利用传感器感知技术、增强合成视景技术,实现无人机、无人车系统在多种类型地形下执行侦察、打击、救援等任务的仿真,可以极大提高执行任务的效率与安全性。
李星[9]（2020）在《基于Unity 3D的无人器模拟训练系统的研究》文中研究说明随着无人机、无人艇、无人车等一系列无人器的飞速发展和广泛应用,能实时观测无人器运行状态的视景仿真系统变得越来越重要,同时基于视景仿真的模拟训练系统也得到广泛关注。通过借助无人器模拟训练系统对操作人员进行训练,不仅可以节省使用真实无人器训练所需要的高昂经费,同时又能使受训人员沉浸于逼真的虚拟环境中,了解真实无人器的战术性能,显着提高受训人员的素质和经验,较大程度发挥无人器系统的作战效能。本文通过分析无人器模拟训练系统的需求,基于模块化的设计思想,对整个系统进行了详细的设计与实现。通过3ds Max等三维建模软件,对三维模型及虚拟场景进行建模;针对网格数据复杂的场景模型,通过基于四叉树的连续LOD算法和视锥体遮挡剔除算法对其进行渲染优化;使用分块加载算法对大地形模型的加载与卸载进行优化。针对多类型障碍物的复杂场景,根据障碍物类型、航速、航向夹角和距离进行威胁度系数建模,设计并实现了基于威胁度系数和射线检测的碰撞检测算法。基于UGUI的人机交互界面的设计与实现中,针对模拟训练系统中的物理量和非物理量数据,提出了训练仿真可视化数据模型,实时反馈仿真数据,同时响应多种交互操作。根据需求进行了训练评估模块的设计与实现,对于系统当前的各种任务训练流程进行了详细的分析,通过对训练完成度和训练规范度进行量化评估,得出训练结果。本文中客户端的控制方式主要分为基于数据采集分析系统的自主航行训练和基于指挥控制硬件系统的任务操控训练,根据不同的控制方式设计了不同的网络通信协议,完成了数据的通信与存储。本系统对模拟训练软件中涉及到的场景渲染和碰撞检测等技术进行了分析与优化,可以对无人器航行过程进行直观监测,同时可响应多种交互方式,具有较强的真实感和沉浸感,已经实现了预期的功能,并且达到了预期的目的。
袁松鹤[10]（2019）在《海量地形数据的组织与调度方法优化研究》文中研究表明地形是我们赖以生存的场所,对地形的探索有利于我们更好地了解所生存的环境。近年来,随着数字地球的不断发展,人们对地球表面的模拟由二维转变为三维。三维地形可视化技术也是计算机、GIS、虚拟现实等领域研究的重点内容,随着研究区域的扩大及地形分辨率的提高,需要实时处理的地形数据量非常庞大,给有限的计算机内存及处理能力带来了巨大的压力。为解决这一问题,国内外学者进行了大量的研究,并取得了许多重要的研究成果,但仍存在一些尚未解决的问题,如多层次地形数据存储存在大量数据冗余、地形数据编码方式不够完善、数据预取策略效率不高等。因此,要实现海量地形数据的实时可视化,必须有效解决计算机对大规模地形数据的存储、组织与调度的问题。本文针对上述问题,分别从多层次地形数据无冗余存储及编码方式、高效的地形数据预取（缓存）策略等方面入手,优化现有相关算法,设计开发了相应的实验系统对本文提出的优化方法进行验证。主要内容如下:（1）提出一种基于层、序、行、列的索引结构,以提高不同层次地形数据的检索效率。针对海量地形数据多层次存储的数据冗余及编码方式不完善的问题,首先利用传统的四叉树数据结构对地形数据进行分层分块,在数据库存储数据时,高层次的地形块中不再存储低层次地形块中已经存储的数据,仅存储由于分辨率的提高增加的数据,从而消除了数据的冗余;然后,针对上述无冗余数据存储方式,提出一种高效的大规模地形数据外存存储与编码索引方式,提高不同层次地形数据的检索效率。实验结果表明,本文优化的多层次地形无冗余存储方式能在很大程度上减少数据的冗余,且能够保持较高的数据检索效率。（2）数据预取调度策略改进。针对使用节点包围盒所获取的预取缓存不足的问题,在原有梯形域裁剪的基础上,增加了圆形预取策略,并结合多线程实现数据的加载与卸载。首先,利用球形（圆形投影）视域与节点包围球求交,作为数据的预取区域。然后,利用改进的扇形投影视域与地形块节点包围球求交,作为数据的绘制区域。实验结果表明,本文提出的球形视域能在很大程度上满足数据预取的需要,并在调度效率上比传统的方式要高。（3）设计开发了海量地形可视化实验系统,分别利用不同规模的SRTM3地形数据,对本文提出的优化方法进行了对比验证,并在该系统中实现了场景漫游功能。实验结果表明,利用本文提出的优化方法,系统能够以较高的帧率流畅运行,并且可以实现高效实时的交互。
二、视景仿真中大地形显示的一种视相关分层处理方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、视景仿真中大地形显示的一种视相关分层处理方法（论文提纲范文）
（1）基于Terra Vista的无人机模拟训练大地形仿真场景创建方法（论文提纲范文）
| 0 引言 |
| 1 无人机飞行训练地形模拟仿真 |
| 1.1 大地形模拟仿真 |
| 1.2 视景仿真平台 |
| 2 无人机仿真地形场景创建准备 |
| 2.1 仿真数据预处理 |
| 2.1.1 坐标变换 |
| 2.1.2 预处理 |
| 2.2 矢量赋值与修正 |
| 3 无人机仿真场景创建设计方法 |
| 3.1 地形参数设置 |
| 3.2 Meta Flight文件 |
| 3.3 地形输出 |
| 4 结束语 |
（2）面向D级飞行模拟机视景系统的高真实感三维地形构建关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 飞行模拟机及视景系统研究现状 |
| 1.2.2 三维地形可视化研究现状 |
| 1.2.3 地形采样数据处理研究现状 |
| 1.3 研究目标和面临的问题 |
| 1.3.1 问题的提出 |
| 1.3.2 研究目标及来源 |
| 1.4 研究主要内容 |
| 1.5 论文组织与安排 |
| 第2章 面向D级飞行模拟机的地形采样数据预处理框架 |
| 2.1 视景系统与三维地形 |
| 2.1.1 视景系统 |
| 2.1.2 三维地形 |
| 2.2 地形采样数据预处理存在的问题 |
| 2.2.1 预处理流程缺乏系统性 |
| 2.2.2 数据处理难度大,成本高 |
| 2.2.3 缺乏质量评价体系 |
| 2.2.4 高性能引擎欠缺海量数据组织调度方法 |
| 2.3 面向D级飞行模拟机视景的地形采样数据预处理框架 |
| 2.3.1 遥感影像去雾模型 |
| 2.3.2 遥感影像超分辨率模型 |
| 2.3.3 DEM预处理 |
| 2.3.4 三维地形调度渲染 |
| 2.3.5 预处理框架的优点 |
| 2.4 本章小结 |
| 第3章 地形采样数据中遥感影像去雾模型 |
| 3.1 问题提出 |
| 3.2 相关研究 |
| 3.3 基于编-解码网络的遥感影像去雾方法 |
| 3.3.1 去雾模型设计 |
| 3.3.2 多尺度卷积层 |
| 3.3.3 组归一化层 |
| 3.3.4 FReLU激活函数层 |
| 3.3.5 特征注意力层 |
| 3.3.6 去雾模型损失函数 |
| 3.4 实验结果与分析 |
| 3.4.1 训练样本处理 |
| 3.4.2 实验设置 |
| 3.4.3 实验对比及分析 |
| 3.5 本章小结 |
| 第4章 地形采样数据中遥感影像超分辨率模型 |
| 4.1 问题提出 |
| 4.2 相关研究 |
| 4.3 面向D级飞行模拟机视景系统的Airport80数据集构建 |
| 4.3.1 遥感数据样本来源 |
| 4.3.2 遥感数据样本处理 |
| 4.3.3 Airport80数据集描述 |
| 4.4 基于生成对抗网络的影像超分辨率方法 |
| 4.4.1 超分辨率模型结构 |
| 4.4.2 可变形特征融合模块 |
| 4.4.3 模型损失函数 |
| 4.5 实验结果与分析 |
| 4.5.1 实验设置 |
| 4.5.2 实验对比及分析 |
| 4.6 本章小结 |
| 第5章 DEM预处理和三维地形调度渲染方法 |
| 5.1 问题提出 |
| 5.1.1 DEM存在的问题 |
| 5.1.2 三维地形调度渲染存在的问题 |
| 5.2 DEM预处理 |
| 5.2.1 基于RayCaster的DEM快速配准校正方法 |
| 5.2.2 机场边缘DEM修补方法 |
| 5.3 三维地形调度渲染方法 |
| 5.3.1 三维地形渲染引擎 |
| 5.3.2 基于非对称金字塔的地形数据组织管理方法 |
| 5.3.3 基于InfiniBand的同步地形调度渲染方法 |
| 5.3.4 基于OriginShift的坐标精度控制方法 |
| 5.4 本章小结 |
| 第6章 面向D级飞行模拟机的三维地形应用验证 |
| 6.1 验证方案 |
| 6.1.1 验证平台及标准 |
| 6.1.2 验证数据 |
| 6.1.3 方案设计 |
| 6.2 地形采样数据预处理验证 |
| 6.2.1 DEM预处理验证 |
| 6.2.2 遥感影像预处理验证 |
| 6.3 三维地形调度渲染验证 |
| 6.3.1 真实感验证 |
| 6.3.2 实时性验证 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）基于智能算法的巡飞弹协同攻击策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 巡飞弹特点及国内外发展现状 |
| 1.2.2 智能算法发展现状 |
| 1.3 问题综述 |
| 1.4 关键技术分析 |
| 1.4.1 地形及战场信息获取 |
| 1.4.2 目标威胁模型构建 |
| 1.4.3 目标分配及航迹规划算法研究 |
| 1.4.4 基于虚拟现实的作战仿真 |
| 1.5 本文的研究内容与组织结构 |
| 2 巡飞弹协同攻击策略研究的基础建模 |
| 2.1 引言 |
| 2.2 战场想定设计与建模 |
| 2.2.1 协同攻击问题建模 |
| 2.2.2 战场空间建模 |
| 2.2.3 巡飞弹集群建模 |
| 2.2.4 作战单元想定与建模 |
| 2.3 战场地形建模 |
| 2.3.1 数字地形模型概述 |
| 2.3.2 VR-Forces的地形数据库 |
| 2.3.3 三维地形建模方法 |
| 2.4 本章小结 |
| 3 巡飞弹协同攻击策略的目标分配研究 |
| 3.1 引言 |
| 3.2 目标威胁评估方法研究 |
| 3.2.1 权重的确定方法 |
| 3.2.2 目标威胁等级量化方法 |
| 3.2.3 AHP算法研究 |
| 3.2.4 基于AHP算法的目标威胁系数计算 |
| 3.3 作战效能评估方法研究 |
| 3.3.1 动态威胁模型 |
| 3.3.2 基于熵值法的效能优势函数 |
| 3.3.3 指派问题的应用 |
| 3.3.4 代价函数模型 |
| 3.3.5 算法仿真与分析 |
| 3.4 基于BPSO算法的目标分配 |
| 3.4.1 基本PSO算法原理及特点 |
| 3.4.2 基本PSO数学模型与算法步骤 |
| 3.4.3 基于BPSO的目标分配算法设计 |
| 3.4.4 算法仿真 |
| 3.4.5 结果与分析 |
| 3.5 本章小结 |
| 4 巡飞弹协同攻击策略的航迹规划 |
| 4.1 引言 |
| 4.2 ACO算法基本原理 |
| 4.2.1 ACO算法机制 |
| 4.2.2 ACO算法特性 |
| 4.2.3 规划空间描述 |
| 4.2.4 基本思路 |
| 4.3 ACO算法数学模型 |
| 4.3.1 数学模型 |
| 4.3.2 ACO算法步骤 |
| 4.3.3 ACO算法复杂度分析 |
| 4.4 基于ACO的巡飞弹攻击航迹规划关键方法 |
| 4.4.1 三维规划空间栅格分层 |
| 4.4.2 节点搜索的抽象及信息素挥发机制 |
| 4.4.3 层进搜索原则 |
| 4.4.4 航迹节点搜索方法及搜索域 |
| 4.4.5 规划空间边界的处理 |
| 4.4.6 启发函数与随机因子 |
| 4.5 基于ACO的巡飞弹攻击航迹规划算法设计 |
| 4.5.1 算法设计 |
| 4.5.2 算法流程 |
| 4.6 算法仿真与分析 |
| 4.6.1 仿真结果 |
| 4.6.2 仿真分析 |
| 4.7 本章小结 |
| 5 巡飞弹协同攻击过程的虚拟仿真 |
| 5.1 引言 |
| 5.1.1 军事应用 |
| 5.1.2 辅助仿真 |
| 5.1.3 VR-Forces虚拟仿真软件 |
| 5.2 基于VR-Forces的作战想定 |
| 5.2.1 战场构建 |
| 5.2.2 航迹编辑 |
| 5.2.3 航迹模拟 |
| 5.3 基于VR-Forces的巡飞弹攻击航迹仿真 |
| 5.3.1 仿真结果 |
| 5.3.2 仿真分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（4）三维地形的简化与实时渲染技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 虚拟现实技术研究现状 |
| 1.2.2 三维地形渲染技术研究现状 |
| 1.3 论文主要工作和章节安排 |
| 1.3.1 论文主要工作 |
| 1.3.2 章节安排 |
| 第二章 大规模地形实时渲染相关技术与理论基础 |
| 2.1 数字高程模型(DEM) |
| 2.2 多细节层次技术(LOD) |
| 2.2.1 LOD技术分类 |
| 2.2.2 LOD模型生成方法 |
| 2.3 大规模地形数据组织与调度 |
| 2.4 Open GL简介 |
| 2.5 本章小结 |
| 第三章 大规模地形数据的相关处理与组织调度 |
| 3.1 SRTM高程数据 |
| 3.2 SRTM数据预处理 |
| 3.2.1 去空洞算法 |
| 3.2.2 缩放与边缘连接处理 |
| 3.3 地形四叉树节点 |
| 3.3.1 数据节点大小 |
| 3.3.2 地形节点构网 |
| 3.3.3 高程色彩映射处理 |
| 3.4 地形数据的组织与调度 |
| 3.4.1 多层划分的分层分块方案 |
| 3.4.2 基于视点裁剪的增量调度方案 |
| 3.4.3 双缓存策略 |
| 3.5 本章小结 |
| 第四章 基于四叉树的动态多分辨率LOD地形绘制算法 |
| 4.1 算法概述 |
| 4.2 地形节点评价系统 |
| 4.2.1 可见域裁剪 |
| 4.2.2 视距准则 |
| 4.2.3 地形粗糙度准则 |
| 4.3 地形的渲染与更新 |
| 4.3.1 多线程实现方案 |
| 4.3.2 四叉树的遍历优化 |
| 4.4 裂缝问题与层级差限制算法 |
| 4.4.1 裂缝问题的产生 |
| 4.4.2 限制四叉树下的裂缝处理 |
| 4.4.3 非限制四叉树下的裂缝处理 |
| 4.4.4 限制四叉树层级差限制算法 |
| 4.4.5 层级差限制算法可见域裁剪优化 |
| 4.5 Popping跳跃现象 |
| 4.6 本章小结 |
| 第五章 实验与结果分析 |
| 5.1 地形数据相关处理实验分析 |
| 5.1.1 去空洞算法分析 |
| 5.1.2 边缘连接处理分析 |
| 5.1.3 三次样条插值缩放处理分析 |
| 5.2 四叉树LOD相关算法与策略的有效性分析 |
| 5.2.1 地形节点评价系统划分结果分析 |
| 5.2.2 裂缝处理方案实验分析 |
| 5.2.3 层级差限制算法实验分析 |
| 5.3 系统整体性能分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）面向浅水应用场景的观测型ROV控制系统研究及仿真（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 ROV平台控制系统的研究现状 |
| 1.2.2 水下ROV仿真平台的研究现状 |
| 1.2.3 水下地形探测的研究现状 |
| 1.2.4 现有方法存在的问题 |
| 1.3 论文研究内容及目标 |
| 1.4 论文组织结构 |
| 第二章 基于分层控制结构的ROV控制系统研发 |
| 2.1 ROV系统方案设计 |
| 2.2 硬件系统设计 |
| 2.2.1 动力系统方案设计 |
| 2.2.2 电源方案设计 |
| 2.2.3 传感器方案设计 |
| 2.2.4 整体平衡设计 |
| 2.2.5 通讯方案设计 |
| 2.3 数据结构和数据逻辑层设计 |
| 2.4 ROV数学模型和控制算法 |
| 2.5 控制层软件开发及交互设计 |
| 2.5.1 需求分析 |
| 2.5.2 软件架构 |
| 2.5.3 控制系统软件设计流程 |
| 2.5.4 软件界面设计与开发 |
| 2.5.5 软件多线程加速 |
| 2.6 本章小结 |
| 第三章 基于ROS/Gazebo的水下环境ROV仿真平台搭建 |
| 3.1 ROV仿真系统组成 |
| 3.2 仿真系统环境配置 |
| 3.2.1 ROS操作系统下的优势 |
| 3.2.2 水环境模型建模 |
| 3.2.3 水环境参数仿真 |
| 3.2.4 ROV建模 |
| 3.2.5 ROV虚拟传感器 |
| 3.3 水下机器人运动仿真系统 |
| 3.3.1 推进器控制 |
| 3.3.2 控制算法仿真 |
| 3.3.3 运动轨迹仿真 |
| 3.4 上位机监控系统 |
| 3.4.1 总体设计与实现 |
| 3.4.2 软件界面设计与开发 |
| 3.5 虚拟现实映射 |
| 3.6 本章小结 |
| 第四章 面向浅水环境的水下地形建模算法研究 |
| 4.1 水下地形建模原理和问题 |
| 4.1.1 多波束水下测深原理 |
| 4.1.2 多波束系统信号检测算法 |
| 4.1.3 波束形成受水环境的影响 |
| 4.2 算法框架 |
| 4.3 多波束数据的图像转换及滤波 |
| 4.3.1 构建图像金字塔进行运算加速 |
| 4.3.2 回波幅值数据的归一化 |
| 4.3.3 对归一化后的图像进行中值滤波 |
| 4.4 多波束数据单帧探底测量与滤波平滑处理 |
| 4.4.1 基于能量梯度图的深度曲线区域定位 |
| 4.4.2 单帧数据水底深度曲线提取 |
| 4.4.3 水底曲线异常点筛选 |
| 4.4.4 利用Kalman滤波平滑处理 |
| 4.5 水底地形概率建模 |
| 4.5.1 水底模型异常值处理 |
| 4.5.2 基于高斯过程回归的地形环境建模 |
| 4.6 实验结果 |
| 4.6.1 仿真数据测试 |
| 4.6.2 真实数据测试 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）实训型驾驶模拟器训练驾驶行为评价设计与视景仿真评价探究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 第二章 驾驶视景仿真模型的建立与驱动 |
| 2.1 驾驶视景仿真平台的选择 |
| 2.2 驾驶模拟器的总体设计 |
| 2.3 驾驶视景仿真模型的建立 |
| 2.3.1 整体建模过程分析 |
| 2.3.2 道路模型的建立 |
| 2.3.3 场景环境模型的建立 |
| 2.3.4 车辆模型的建立 |
| 2.4 驾驶视景仿真模型的动态驱动与控制 |
| 2.4.1 驾驶视景联合仿真的实现 |
| 2.4.2 驾驶视景文件格式的优化 |
| 2.4.3 驾驶视景动态加载的实现 |
| 2.4.4 驾驶视景仿真模型的控制实现 |
| 2.5 本章小结 |
| 第三章 多源信息融合的驾驶操作行为判定模型的建立 |
| 3.1 场景地形检测的实现 |
| 3.2 多源信息融合的驾驶行为判定分析 |
| 3.3 基于传递信息的驾驶行为判定 |
| 3.3.1 数据信息的获取 |
| 3.3.2 数据信息的优化 |
| 3.3.3 数据信息的传输 |
| 3.4 基于检测信息的驾驶行为判定 |
| 3.4.1 自定义检测方式的确定 |
| 3.4.2 自定义检测算法的实现 |
| 3.4.3 自定义检测下驾驶行为判定的实现 |
| 3.5 本章小结 |
| 第四章 驾驶行为与仿真视景评价指标体系的建立 |
| 4.1 驾驶操作行为评价指标体系的建立 |
| 4.1.1 科目二培训场景驾驶操作行为评价指标的建立 |
| 4.1.2 科目三训练场景驾驶操作行为评价指标的建立 |
| 4.2 驾驶场景评价指标的选取 |
| 4.2.1 视景仿真评价要素分析 |
| 4.2.2 城市道路场景评价指标分析 |
| 4.2.3 高速道路场景评价要素分析 |
| 4.2.4 山区道路场景评价要素分析 |
| 4.2.5 干扰因子下的道路场景评价要素分析 |
| 4.2.6 场景界面的仿真设计评价要素分析 |
| 4.2.7 人机交互体验感评价要素分析 |
| 4.3 驾驶场景的评价指标体系的建立 |
| 4.4 本章小结 |
| 第五章 实训型驾驶模拟器驾驶行为与仿真视景评价 |
| 5.1 驾驶操作行为评价方式分析 |
| 5.1.1 驾驶行为评价执行方式的实现 |
| 5.1.2 基于驾驶行为判定的行为评价实现 |
| 5.1.3 驾驶行为的结果响应 |
| 5.1.4 驾驶行为评价的等级划分 |
| 5.2 视景仿真评价指标权重确定 |
| 5.2.1 阶层结构的建立 |
| 5.2.2 比较判断矩阵的构建 |
| 5.2.3 计算层次单排序 |
| 5.2.4 一致性检验 |
| 5.2.5 计算层次总排序 |
| 5.3 视景仿真评价方式分析 |
| 5.3.1 场景等级划分 |
| 5.3.2 确定分数表 |
| 5.4 驾驶行为与视景仿真的评价过程 |
| 5.4.1 实验方案设计 |
| 5.4.2 驾驶实验结果统计与分析 |
| 5.4.3 视景仿真实验结果与分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）基于Vega Prime的飞行模拟器视景仿真系统的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题来源及研究背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要工作内容和论文组织结构 |
| 1.4 本章小结 |
| 2 系统的总体结构和开发流程 |
| 2.1 系统总体框架 |
| 2.1.1 系统的需求分析 |
| 2.1.2 系统的内容分析 |
| 2.1.3 系统的总体结构 |
| 2.2 系统的总体流程 |
| 2.3 本章小结 |
| 3 视景数据库的建立 |
| 3.1 视景仿真系统建模技术 |
| 3.1.1 三维视景建模工具选择 |
| 3.1.2 Multigen Creator |
| 3.2 OpenFlight模型数据库 |
| 3.2.1 OpenFlight模型数据库特征 |
| 3.2.2 OpenFlight模型数据库中的节点 |
| 3.3 三维模型优化技术 |
| 3.4 地形模型的建立 |
| 3.4.1 素材中涉及的文件类型 |
| 3.4.2 地形模型数据文件的获取 |
| 3.4.3 地形数据文件的格式转换 |
| 3.4.4 OpenFlight数据生成 |
| 3.5 机场模型的建立 |
| 3.5.1 机场相关数据收集 |
| 3.5.2 机场模型的创建过程 |
| 3.6 飞行器模型的建立 |
| 3.7 本章小结 |
| 4 视景仿真驱动实现 |
| 4.1 视景驱动软件的设计 |
| 4.1.1 视景驱动软件设计要求 |
| 4.1.2 视景驱动软件的选择 |
| 4.1.3 视景实时驱动设计 |
| 4.2 Vega Prime |
| 4.2.1 Vega Prime概述 |
| 4.2.2 Vega Prime特性 |
| 4.2.3 Vega Prime应用程序仿真流程 |
| 4.3 系统中特效的实现 |
| 4.3.1 粒子系统 |
| 4.3.2 场景特效 |
| 4.4 碰撞检测的实现 |
| 4.4.1 碰撞检测的算法 |
| 4.4.2 碰撞检测响应的实现 |
| 4.5 虚拟场景的实现 |
| 4.5.1 多视点的实现 |
| 4.5.2 多通道的实现 |
| 4.6 本章小结 |
| 5 飞行仿真的数学模型 |
| 5.1 常用坐标系及其变换 |
| 5.1.1 参考坐标系 |
| 5.1.2 常用坐标系之间的转换 |
| 5.2 飞机姿态角计算方法 |
| 5.2.1 欧拉法 |
| 5.2.2 四元数法 |
| 5.3 飞机所受的力和力矩 |
| 5.3.1 重力和力矩 |
| 5.3.2 发动机推力和力矩 |
| 5.3.3 气动力和力矩 |
| 5.3.4 飞机的合力和力矩 |
| 5.4 飞行六自由度运动模型 |
| 5.5 飞机起飞及降落运动模型 |
| 5.6 本章小结 |
| 6 视景仿真系统的实现 |
| 6.1 基于MFC的 VegaPrime程序开发 |
| 6.2 飞行仿真数据的传输及解算 |
| 6.2.1 飞行仿真数据传输模块 |
| 6.2.2 飞行仿真数据解算模块 |
| 6.3 视景仿真系统测试及结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 参考文献 |
| 致谢 |
（8）三维复杂环境协同感知与可视化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 协同作战研究现状 |
| 1.2.2 增强合成视景系统研究现状 |
| 1.3 论文研究内容、创新性与组织结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文创新性 |
| 1.3.3 论文组织结构 |
| 第二章 三维复杂环境协同感知与可视化技术分析 |
| 2.1 关键技术 |
| 2.1.1 增强合成视景技术 |
| 2.1.2 数据库技术 |
| 2.1.3 传感器技术 |
| 2.1.4 障碍物凸显技术 |
| 2.2 技术路线 |
| 2.3 三维场景建模技术 |
| 2.3.1 三维建模软件 |
| 2.3.2 三维地形建模 |
| 2.3.3 三维地物建模 |
| 2.3.4 三维地形数据库构建 |
| 2.4 虚拟仪表构建技术 |
| 2.5 基于YOLOv3的目标识别技术 |
| 2.6 本章小结 |
| 第三章 三维复杂环境构建与感知 |
| 3.1 退化视觉环境仿真 |
| 3.1.1 昼夜环境模拟 |
| 3.1.2 雨雪环境模拟 |
| 3.1.3 雾和沙尘暴模拟 |
| 3.1.4 扬尘模拟 |
| 3.1.5 积雪模拟 |
| 3.2 多源传感器仿真 |
| 3.2.1 前视红外感知 |
| 3.2.2 激光雷达感知 |
| 3.2.3 毫米波雷达感知 |
| 3.3 本章小结 |
| 第四章 场景融合感知与虚拟军事要素实现 |
| 4.1 多源传感器融合感知 |
| 4.1.1 红外与地形数据库融合 |
| 4.1.2 激光雷达与地形数据库融合 |
| 4.1.3 毫米波雷达与地形数据库融合 |
| 4.1.4 前视红外、激光雷达与地形数据库融合 |
| 4.1.5 前视红外、毫米波雷达与地形数据库融合 |
| 4.1.6 可见光、毫米波雷达与地形数据库融合 |
| 4.2 虚拟军事要素的设计与实现 |
| 4.2.1 地形告警系统 |
| 4.2.2 障碍物凸显处理 |
| 4.2.3 着陆区域凸显 |
| 4.2.4 空中高速公路 |
| 4.3 本章小结 |
| 第五章 数据帧实现与处理 |
| 5.1 数据帧设计 |
| 5.2 数据帧图像压缩 |
| 5.3 数据帧记录格式 |
| 5.4 基于卷积网络的目标检测 |
| 5.4.1 卷积神经网络 |
| 5.4.2 卷积神经网络的训练过程 |
| 5.4.3 基于卷积神经网络的检测算法 |
| 5.5 基于YOLOv3算法的目标识别 |
| 5.5.1 基本原理 |
| 5.5.2 训练过程 |
| 5.5.3 测试结论 |
| 5.6 本章小结 |
| 第六章 陆空协同作战 |
| 6.1 多无人机协同侦察 |
| 6.1.1 无人机侦察策略设计 |
| 6.1.2 无人机高空侦察 |
| 6.1.3 侦察目标的显示 |
| 6.2 无人车作战实现 |
| 6.2.1 无人车行驶控制 |
| 6.2.2 无人车的路径规划 |
| 6.3 二维电子地图 |
| 6.3.1 二三维联动标记图标 |
| 6.3.2 定位与导航 |
| 6.3.3 利用电子地图制导 |
| 6.4 状态显示 |
| 6.5 毁伤评估 |
| 6.6 协同攻击与救援 |
| 6.6.1 协同攻击 |
| 6.6.2 协同救援 |
| 6.7 增强现实显示 |
| 6.8 本章小结 |
| 第七章 三维复杂环境协同感知仿真系统设计与实现 |
| 7.1 三维复杂环境协同感知仿真系统设计 |
| 7.2 三维复杂环境协同感知仿真系统实现 |
| 7.2.1 退化视觉环境演示 |
| 7.2.2 多源异构传感器感知与成像演示 |
| 7.2.3 多源传感器融合感知演示 |
| 7.2.4 虚拟要素和威胁凸显演示 |
| 7.2.5 陆空协同演示 |
| 7.2.6 应用模式演示 |
| 7.3 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究结论 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于Unity 3D的无人器模拟训练系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 主流视景开发引擎比较分析 |
| 1.3 本文主要研究内容与章节安排 |
| 2 相关技术 |
| 2.1 层次细节模型技术 |
| 2.1.1 离散LOD模型 |
| 2.1.2 连续LOD模型 |
| 2.2 可见性剔除算法 |
| 2.2.1 背面剔除算法 |
| 2.2.2 遮挡剔除算法 |
| 2.2.3 视锥体剔除算法 |
| 2.3 碰撞检测算法 |
| 2.3.1 轴向包围盒AABB |
| 2.3.2 方向包围盒OBB |
| 2.3.3 球体包围盒 |
| 2.4 渲染技术 |
| 2.4.1 GPU的渲染过程 |
| 2.4.2 着色器的概念 |
| 2.4.3 着色器编程 |
| 2.5 射线检测技术 |
| 3 无人器模拟训练系统的总体设计 |
| 3.1 无人器视景仿真平台概述 |
| 3.2 模拟训练系统总体架构设计 |
| 3.3 场景渲染模块设计 |
| 3.3.1 基于四叉树的连续LOD算法 |
| 3.3.2 大地形分块加载算法 |
| 3.4 碰撞检测模块设计 |
| 3.4.1 威胁度评估建模 |
| 3.4.2 指标权重确定 |
| 3.5 训练评估模块设计 |
| 3.6 通信协议设计 |
| 4 无人器模拟训练系统的实现 |
| 4.1 三维模型与场景渲染模块 |
| 4.1.1 无人器模型 |
| 4.1.2 场景模型 |
| 4.1.3 基于四叉树的连续LOD算法 |
| 4.1.4 大地形分块加载算法 |
| 4.2 动作执行与碰撞检测模块 |
| 4.2.1 动作执行 |
| 4.2.2 基于威胁度系数的碰撞检测算法 |
| 4.3 人机交互与数据可视化模块 |
| 4.3.1 图形用户界面 |
| 4.3.2 非物理数据可视化 |
| 4.3.3 其他交互操作 |
| 4.4 训练评估模块 |
| 4.4.1 生成训练用例 |
| 4.4.2 训练操作提示 |
| 4.4.3 训练结果评估 |
| 4.5 交互通信模块 |
| 4.5.1 基于Socket的UDP通信 |
| 4.5.2 数据存储 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（10）海量地形数据的组织与调度方法优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海量地形数据的组织存储策略 |
| 1.2.2 海量地形数据的调度策略 |
| 1.2.3 基于GPU的海量地形数据处理 |
| 1.2.4 研究现状总结与分析 |
| 1.3 论文的研究内容及文章结构 |
| 1.3.1 研究内容与技术路线 |
| 1.3.2 论文的结构安排 |
| 2 地形数据的组织方法 |
| 2.1 基本数据组织方法 |
| 2.1.1 规则格网模型 |
| 2.1.2 TIN模型 |
| 2.2 四叉树的数据结构 |
| 2.3 基于四叉树结构的多分辨率金字塔模型表示 |
| 2.3.1 细节层次多分辨率模型分类 |
| 2.3.2 地形多分辨率划分 |
| 2.4 地形节点间裂缝的修正与处理 |
| 2.5 本章小结 |
| 3 地形数据存储与组织算法改进 |
| 3.1 海量地形数据的分块分层方法 |
| 3.1.1 海量地形的分块处理 |
| 3.1.2 地形数据的分层处理 |
| 3.2 基于Oracle数据库外存模型构建 |
| 3.2.1 基于Oracle数据库的数据存储模式 |
| 3.2.2 无冗余的多层次数据存储与组织模型 |
| 3.2.3 数据编码索引方式改进 |
| 3.3 实验与分析 |
| 3.4 本章小结 |
| 4 海量地形数据的调度策略优化 |
| 4.1 传统视景体裁剪原理 |
| 4.1.1 视景体裁剪的基本原理 |
| 4.1.2 线面求交视景体裁剪 |
| 4.2 基于包围球及圆形视域的算法改进 |
| 4.2.1 基于包围球的视景体裁剪方法改进 |
| 4.2.2 基于圆形视域的数据预取策略 |
| 4.3 基于多线程的数据调度管理 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 5 可视化系统设计与验证 |
| 5.1 实验开发环境以及系统结构 |
| 5.1.1 实验开发环境 |
| 5.1.2 实验系统结构 |
| 5.2 框架体系与模块设计 |
| 5.2.1 数据预处理模块 |
| 5.2.2 地形绘制模块 |
| 5.3 场景漫游 |
| 5.4 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、视景仿真中大地形显示的一种视相关分层处理方法（论文参考文献）
- [1]基于Terra Vista的无人机模拟训练大地形仿真场景创建方法[J]. 张明义,王刘军. 兵工自动化, 2022(01)
- [2]面向D级飞行模拟机视景系统的高真实感三维地形构建关键技术研究[D]. 戈文一. 四川大学, 2021
- [3]基于智能算法的巡飞弹协同攻击策略研究[D]. 张钧轶. 中北大学, 2020(11)
- [4]三维地形的简化与实时渲染技术研究[D]. 林鑫. 西安电子科技大学, 2020(05)
- [5]面向浅水应用场景的观测型ROV控制系统研究及仿真[D]. 唐一鹏. 东南大学, 2020(01)
- [6]实训型驾驶模拟器训练驾驶行为评价设计与视景仿真评价探究[D]. 张锦思. 长安大学, 2020(06)
- [7]基于Vega Prime的飞行模拟器视景仿真系统的研究与实现[D]. 孙起帆. 中北大学, 2020(12)
- [8]三维复杂环境协同感知与可视化[D]. 李聪聪. 西安电子科技大学, 2020(05)
- [9]基于Unity 3D的无人器模拟训练系统的研究[D]. 李星. 西安工业大学, 2020(04)
- [10]海量地形数据的组织与调度方法优化研究[D]. 袁松鹤. 河南理工大学, 2019(07)