[发明专利]基于数字孪生的沙盘推演方法、装置、设备和存储介质

说明书

本发明涉及一种基于数字孪生的沙盘推演方法、装置、设备和存储介质，该方法中：根据待模拟的现实场景中的模型运动类型和动作数据生成场景视频动画；应用设定动目标检测算法提取动目标的图像特征，确定与动目标匹配的目标模型；识别目标模型的类别，确定动目标的类型；在动作库中查询动目标的类型的目标运动类型，绑定目标运动类型对应的目标算法；统计场景中绑定对应算法的动目标和未绑定对应算法的动目标，以更新场景；根据动目标的碰撞体积和目标算法，规划动目标的运动轨迹；确定设定时间段内的全部动目标的运动轨迹，以实现沙盘推演。更容易反应真实可能发生的状况，考虑多目标之间的相互影响并分别进行模拟，简化轨迹预测步骤，减少计算量。

技术领域

本发明涉及数字孪生领域，具体涉及一种基于数字孪生的沙盘推演方法、装置、设备和存储介质。

背景技术

数字孪生技术，是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

目前的沙盘推演偏向于虚拟模拟推演，放置一个沙盘，在沙盘中放置实体并设置一定的规则去约束实体，让其中的物体按照一定的规律或限制运动变化，此时沙盘推演更倾向于对变化的演示，而对于将现实模拟为沙盘，不论是对现实模型的实现或者对于区域的规则设置都会成为难点，而不能推演现实的沙盘模型缺失很多的应用性。

另外，相关技术中的沙盘推演是类似于军事模拟或棋类路径等的模拟，而对于现有的路径推演方法比较难做到同时预测多个目标的轨迹，同时，目前的路径预测多用于路径规划等路径模拟中，对于不设置终点的随机运动预测并不准确，同时应用较少。目前的活动推演技术多用于精密仪器零件等的制造，用于仿真制造的细节及零件的规格等，不能用于较大面积区域的全模拟仿真。

发明内容

有鉴于此，提供一种基于数字孪生的沙盘推演方法、装置、设备和存储介质，以解决现有技术中沙盘推演中不能推演现实、只能预测单目标的运动轨迹、不能用于较大面积区域的全模拟仿真，以及，计算量大的问题。

本发明采用如下技术方案：

第一方面，本申请实施例提供了一种基于数字孪生的沙盘推演方法，该方法包括：

根据待模拟的现实场景中的模型运动类型和动作数据生成场景视频动画；

应用设定动目标检测算法提取动目标的图像特征，根据所述图像特征确定与所述动目标匹配的目标模型；

识别所述目标模型的类别，应有预先训练的卷积神经网络模型算法确定所述动目标的类型；

在动作库中查询所述动目标的类型的目标运动类型，并绑定所述目标运动类型对应的目标算法；

统计所述场景中绑定对应算法的动目标和未绑定对应算法的动目标，以更新场景；

根据所述动目标的碰撞体积和目标算法，规划所述动目标的运动轨迹；

确定设定时间段内的全部动目标的运动轨迹，以实现沙盘推演。

可选的，所述应用设定动目标检测算法提取动目标的图像特征，根据所述图像特征确定与所述动目标匹配的目标模型，包括：

应用设定动目标检测算法提取动目标的图像特征；

将所述图像特征与模型库中存储的模型进行匹配；

确定与所述动目标匹配的目标模型。

可选的，所述应有预先训练的卷积神经网络模型算法确定所述动目标的类型，包括：

应用预先训练的卷积神经网络模型算法对所述动目标的多帧动画画面分别进行识别，并通过加权方法，以确定所述动目标的类型。