مسیرهای جریان زیرزمینی (UFP) اغلب نقش مهمی در تصویرسازی داده‌های زمین‌شناسی توسط زمین‌شناسان، به ویژه در تصویرسازی داده‌های زمین‌شناسی و آشکارسازی ساختارهای چینه‌شناسی ایفا می‌کنند، که می‌تواند به کارشناسان حوزه در اکتشاف اطلاعات نفتی کمک کند. در این مقاله، ما یک ابزار تجسم همهجانبه جدید ارائه می‌کنیم تا به کارشناسان حوزه کمک کنیم تا داده‌های چینه‌شناسی را بهتر نشان دهند. ما از یک روش تجسم مبتنی بر بافت ۳ بعدی مبتنی بر آرایه بیتی برای نمایش داده های چینه شناسی استفاده می کنیم. ابزار تجسم ما سه مزیت عمده دارد: امکان تعامل انعطاف پذیر در دستگاه غوطه ور را فراهم می کند، کارشناسان حوزه را قادر می سازد تا ساختار UFP مورد نظر خود را از طریق اجرای پرس و جوهای سطح درجه دوم به دست آورند، و از حالت های مختلف نمایش چینه شناسی پشتیبانی می کند. و همچنین سوئیچینگ و ادغام اطلاعات زمین شناسی به صورت انعطاف پذیر. بازخورد کارشناسان حوزه نشان داده است که ابزار ما می‌تواند در اکتشاف علمی داده‌های چینه‌شناسی در مقایسه با ابزارهای تجسم UFP موجود در این زمینه، به متخصصان حوزه کمک بیشتری کند. بنابراین، متخصصان زمین شناسی می توانند درک جامع تری و تصویر موثرتری از ساختار و توزیع UFP ها داشته باشند.
کلید واژه ها:
تجسم همه جانبه تجسم زمین شناسی ; طراحی تعامل ؛ پردازش داده های چینه شناسی
۱٫ مقدمه
داده‌های شکست زمین‌شناسی که به داده‌های زمین‌شناسی گفته می‌شود، می‌تواند با استفاده از داده‌های به‌دست‌آمده از انتشار امواج زمین‌شناسی در بخش‌های مختلف زیرسطحی، به تشریح سازندهای زمین‌شناسی کمک کند. تجسم داده های علمی بر اساس داده های زمین شناسی، به ویژه تجسم حجم زمین شناسی، نقش مهمی در اکتشاف نفت و گاز ایفا می کند. در مقایسه با داده‌های حجمی سنتی، مانند داده‌های حجمی اسکن سی‌تی و داده‌های حجم پزشکی، داده‌های زمین‌شناسی به دلیل محدودیت‌های فعلی در فناوری بررسی، در نتایج به‌دست‌آمده مشکل نویز دارند. این موضوع بر تفسیر واضح داده‌های چینه‌شناسی توسط متخصصان این حوزه تأثیر می‌گذارد. با توجه به دانش حوزه ارائه شده توسط زمین شناسان ما، مسیر جریان زیرزمینی (UFP) نقش مهمی در درک ساختار چینه شناسی ایفا می کند.
پرس و جو مبتنی بر سطح درجه دوم می تواند به کارشناسان کمک کند تا ساختار UFP ها و مناطق محلی را کشف کنند. زبان‌های اختصاصی دامنه (DSL)، مانند مجموعه عبارات عملگر، درجه بالایی از قابلیت سفارشی‌سازی را برای پرسوجوهای سطح درجه دوم فراهم می‌کنند. لیو و همکاران [ ۱ و ۲ ] روش هایی را برای نشان دادن داده های لرزه ای سه بعدی و به دست آوردن نتایج تجسم که توزیع و ژئوساختارهای UFP را نشان می دهد ارائه کرد. علاوه بر این، آنها همچنین کامپایلرهای سبک وزنی را بر اساس تجسم مجموعه داده [ ۳ ، ۴ ] برای تجزیه DSL طراحی کردند. طراحی تعاملی آنها الهام بخش زیادی به ارمغان می آورد. ما به این موارد اشاره کرده‌ایم و یک کامپایلر برای آشکار کردن UFP طراحی کرده‌ایم که مبتنی بر تجزیه عبارات عملگر مجموعه است.
اگرچه ابزارهای زیادی وجود دارد [ ۱ ، ۲] برای تجزیه و تحلیل داده های چینه شناسی، زمین شناسان همکار می گویند که هنوز چالش هایی در روش های تجسم داده های زمین شناسی گرافیکی موجود برای اکتشاف تعاملی وجود دارد. به شرح زیر می باشند. اول، مشاهده کاربر محدود است زیرا دستگاه نمایش سنتی به دلیل اندازه محدود صفحه محدود شده است. بیشتر تجسم‌های سنتی داده‌های زمین‌شناسی بر روی پلتفرم‌های رایانه شخصی ارائه می‌شوند، که از تجربه همه جانبه و تعامل شهودی اکتشاف داده‌ها در هوا جلوگیری می‌کند. دوم، به دلیل محدودیت‌های ابزارهای تعامل سنتی، مانند صفحه‌نمایش دو بعدی، صفحه‌کلید، ماوس و دستگاه‌های چندلمسی، کاربران محدود به کار در فضای دو بعدی هستند و در حرکت با جهت عمق و هیبرید ۳ مشکل دارند. تعاملات D اکتشاف داده [ ۵]. سوم، برای کمک به زمین شناسان در مطالعه ساختار و اطلاعات توزیع UFP داده های زمین شناسی، باید انواع مختلف عملکردهای تعاملی و حالت های مختلف نمایش چینه شناسی به آنها داده شود. به عنوان مثال، حالت‌های نمایش صندلی صندلی، حالت‌های صفحه‌نمایش پالیسید، و گاهی اوقات لازم است آنها را با هم ترکیب کنند، یعنی حالت‌های نمایش متقاطع [ ۲ ].
علاوه بر این، متخصصان دامنه همچنین به ادغام نتایج UFP و ترکیب روش‌های مختلف نمایش چینه‌شناسی و حتی ادغام سایر نتایج پرسوجو، مانند پرسوجوهای سطح درجه دوم بر اساس عبارات عملگر مجموعه، نیاز دارند. علاوه بر این، نیاز به جابجایی موثر بین حالت‌های مختلف نمایش چینه‌شناسی وجود دارد. در پاسخ به این چالش‌ها، ما یک ابزار تجسم داده‌های چینه‌شناسی همهجانبه برای ایجاد و سفارشی‌سازی اکتشافات داده‌های نفتی پیشنهاد می‌کنیم. ما یک رابط همهجانبه جدید برای تجسم داده‌های لرزه‌ای طراحی کردیم، با هدف کمک به کارشناسان حوزه در کاوش شهودی داده‌ها و کسب بینش در درک داده‌ها از طریق تعامل Touch Handle. مزایای اصلی ابزار ما به شرح زیر است.
اول، ابزار ما به کاربران امکان می دهد داده ها را در یک محیط غوطه ور کاوش کنند، در مقایسه با برخی از کارهای موجود [ ۶ ، ۷ ] که داده های چینه شناسی را در یک محیط کاملا مجازی کاوش می کنند.zc ما تجسم داده ها را با محیط های واقعی ترکیب کردیم، که از مزایای همه جانبه بهره می برد. دستگاه ها
دوم، با توجه به نیاز متخصصان حوزه در اکتشاف داده‌های نفتی، ما سه حالت نمایش چینه‌شناسی را در یک محیط طراحی کردیم، به عنوان مثال، حالت‌های نمایش صندلی صندلی، حالت‌های نمایش پالیسید و حالت‌های نمایش متقاطع.
سوم، پرس و جو سطح درجه دوم بر اساس عبارات مجموعه به کاربران اجازه می دهد تا آزادانه داده های چینه شناسی اشکال مختلف را بررسی کنند، که با نیازهای واقعی کاوش داده های چینه شناسی سازگار است.
ما ابزار خود را با استفاده از سه مجموعه داده ارائه شده توسط شعبه شمال غرب موسسه اکتشاف و توسعه نفت چین آزمایش کردیم. علاوه بر این، با توجه به ساختار خاص هر یک، ما همچنین به این سه به‌عنوان مسطح (مجموعه داده‌های چینه‌شناسی I)، مسطح و بلند (مجموعه داده‌های چینه‌شناسی II) و عمودی (مجموعه داده‌های چینه‌شناسی III) اشاره می‌کنیم. وظایف رندر به دستگاه های غوطه ور اختصاص داده شد که کاربران می توانستند داده های زمین شناسی را در محیط غوطه ور کشف کنند. فرصت‌های زیادی برای تعامل آزاد انسان با اشیاء و تجسم‌های سه بعدی فراهم می‌کند. ارزیابی طراحی و پیاده سازی شامل مطالعات کاربر و مطالعات موردی برای نشان دادن قابلیت استفاده و اثربخشی ابزار پیشنهادی است. علاوه بر این،
در این مقاله، ابتدا پیش‌زمینه این کار را در بخش ۲ بررسی می‌کنیم و رویکرد خود را در بخش ۳ ارائه می‌کنیم ، که به طور مفصل سه بخش اصلی رویکرد ما را شرح می‌دهد: بخش ۳٫۱ طراحی تعامل ابزار تجسم غوطه‌ور را شرح می‌دهد، بخش ۳٫۲ توضیح می‌دهد. ادغام تعاملی و سوئیچ، بخش ۳٫۳ حالت های مختلف نمایش چینه شناسی را در محیط غوطه ور توصیف می کند، و بخش ۳٫۴ محیط غوطه وری را توصیف می کند که در آن پرس و جوهای مبتنی بر سطح درجه دوم بر روی داده های زیربنایی انجام می شوند. در بخش ۴، نتایج را می دهیم و جداگانه بحث می کنیم، کارشناسان دامنه بازخوردهای بسیار ارزشمندی به ما دادند که اکثر آنها مثبت هستند. ما در بخش ۵ و بخش ۶ نتیجه می گیریم .
۲٫ پیشینه و کارهای مرتبط
در این مقاله، ما کارهای مربوط به کاربردهای تجسم همهجانبه، دستگاه‌های تجسم همهجانبه، توابع انتقال داده محور، تصویرسازی داده‌های زمین‌شناسی و تجسم را بررسی می‌کنیم تا پس‌زمینه کار خود را نشان دهیم.
۲٫۱٫ کاربردهای تجسم همه جانبه
تجسم همه جانبه را می توان برای انواع مختلف تجسم سفارشی کرد، اما در حال حاضر انواع تجسم قابل ساخت رایج ترین انواع هستند، از جمله بدنه های میله ای، بدنه های صندلی شکل، و عملکردهای ضربدری. ما از تکنیکی به نام join-and-complement برای انجام پرس و جوها استفاده می کنیم. AR و VR می‌توانند به درک فضایی بهتری دست یابند و اصالت را افزایش دهند و معمولاً به عنوان یک رسانه ارائه مبتنی بر داده برای کاوش و تجربه استفاده می‌شوند. واقعیت افزوده (AR) و واقعیت مجازی (VR) که معمولاً به عنوان یک رسانه ارائه مبتنی بر داده برای کاوش و تجربه استفاده می‌شوند، می‌توانند به درک فضایی بهتری دست یابند و اصالت را افزایش دهند و همچنین می‌توانند فرآیند کاوش و تجربه مبتنی بر داده را ارائه دهند. . تجسم روایت در محیط های غوطه ور [ ۸] می تواند به کاربران کمک کند تا دانش دامنه را بهتر درک کنند و تجربه شهودی از کاوش تعاملی داده های علمی را در اختیار کاربران قرار دهد. با صفحه نمایش های بزرگ، نمونه های بیشتری را می توان نمایش داد و بزرگنمایی کرد، و فناوری های همه جانبه را می توان با ترکیب با AR [ ۹ ] یا VR [ ۷ ] کاوش کرد. بسیاری از ابزارهای تعاملی همهجانبه، از جمله دستگیره، موس و صفحه کلید وجود دارد. این نوع تعامل می تواند کاوش کاربر را ارتقا دهد زیرا با صفحه نمایش همه جانبه بسیار راحت و طبیعی است. تجسم علمی عمدتاً بر روی تجسم پدیده های سه بعدی (۳-D) متمرکز است که یک زمینه کاربردی بین رشته ای در علم است.
۲٫۲٫ توابع انتقال داده محور
تابع انتقال، که یک روش تحلیل تعاملی است، کاربران را قادر می‌سازد تا مقادیر RGBA با مقادیر سختی مختلف را انتخاب کنند تا اثر تفسیر نهایی را بدست آورند [ ۱۰ ]. با توجه به شرایط ابعادی، به راحتی می توانیم توابع انتقال داده محور را به اشکال تک بعدی، دو بعدی و بالاتر طبقه بندی کنیم. ایگوچکین و همکاران [ ۱۱ ] یک تابع انتقال ۱ بعدی را پیاده سازی کرد. می تواند ویژگی های مختلفی را به زیرمنطقه ها و مرزهای آنها اختصاص دهد. لیو و همکاران [ ۱ ، ۱۲ ] از توابع انتقال ۱ بعدی برای تجسم داده های حجم زمین شناسی استفاده کرد.
برای کمک به کاربران برای کشف خوشه ها و ارزیابی ویژگی های انتخاب شده، Ma et al. [ ۱۳ ] یک طرح تابع انتقال نیمه خودکار (TF) در حوزه TF 1D/2D پیشنهاد کرد. در مقایسه با طرح سنتی، این طرح می تواند به طور موثر ویژگی های انتخاب شده را درک و ارزیابی کند.
با توسعه علم و فناوری، داده های بیشتری حاوی متغیرهای متعدد است، بنابراین به عبارات پارامتری دیگری نیاز است. وانگ و همکاران [ ۱۴ ] روشی را پیشنهاد کرد که می‌تواند توزیع داده‌ها را از طریق مدل مخلوط گاوسی متناسب کند، و همچنین می‌تواند یک تابع انتقال گاوسی ایجاد کند. داده های حجمی از رنگ های مختلف را می توان به عنوان داده های حجمی چند متغیره استفاده کرد. وانگ و همکاران [ ۱۵ ] یک روش رندر حجم موازی برای تجسم داده های حجمی در مقیاس بزرگ طراحی کرد. ایبرت و همکاران [ ۱۶ ] از توابع انتقال محصول گرادیان فاصله رنگ استفاده کرد و از آن برای کمک به کاربران برای یافتن اطلاعات بافت مورد نظر استفاده کرد. علاوه بر این، سیستم مختصات پویا تعاملی [ ۱۷] می تواند برای نمایش داده های چند متغیره در فضای دو بعدی استفاده شود تا کاربران را در انتخاب ویژگی ها تسهیل کند. علاوه بر این، گوو و همکاران. [ ۱۸ ، ۱۹ ] نوعی رابط طراحی تابع انتقال را مطرح می کند که بر اساس ترکیبی از پیش بینی های بعدی و مختصات ردیف است. علاوه بر این، لاتون و همکاران. [ ۶ ] پیشنهاد کرد که تجسم داده‌های لرزه‌ای در محیط آزمایشی را به یک تجسم داده‌های سه بعدی قابل تنظیم تبدیل کند. به طور مشابه، به منظور اطمینان از ساخت یک مدل زمین شناسی سه بعدی موثر، Amorim و همکاران. [ ۲۰ ] تفسیر متخصص را تقلید کنید و مدل‌های ساختار زمین‌شناسی را بر اساس طرح‌ها ایجاد کنید. این روش می تواند از کاستی های مدل سازی جداگانه جلوگیری کند. روشا و همکاران [ ۲۱] همچنین از یک استراتژی نمونه برداری جدید برای افزایش ویژگی های مختلف زمین شناسی استفاده کرد. ترکیب با ابعاد بالا همچنین دارای مزایای بسیاری است، می تواند نه تنها اهداف و زمینه های خود را فراهم کند، بلکه بهترین تعداد و ترکیبی از ویژگی ها را نیز فراهم می کند [ ۲۲ ].
۲٫۳٫ تصویر داده های زمین شناسی
توصیف داده های زمین شناسی را می توان به سه دسته تقسیم کرد: استخراج افق، تشخیص خطا و تفسیر داده های زمین شناسی. استخراج افق معمولاً از فناوری تشخیص سطح برای تشخیص افق در داده های زمین شناسی سه بعدی استفاده می کند. افق زمین‌شناسی نشان می‌دهد که ویژگی‌های سنگ تغییر کرده و نقش اصلی را در تفسیر علوم زمین بازی کرده است [ ۲۳ ]. بر اساس فناوری تشخیص سطح، فراکلیوتی و همکاران. [ ۲۴] همچنین از اتصال شش برای تشخیص قطعات افق استفاده کرد. علاوه بر این، آنها یک الگوریتم تشخیص خودکار پیشنهاد کردند که می تواند لایه ها را در داده های حجم لرزه ای تجزیه و تحلیل کند. علاوه بر این، ترکیب مسیر حداقل هزینه دو بعدی و سه بعدی و ردیابی سطح حداقل هزینه برای استخراج افق با ورودی کم کاربر معرفی شده است. طرح ها می توانند به استخراج افق های زمین شناسی از داده های زمین شناسی کمک کنند [ ۲۵ ، ۲۶ ]. ناپیوستگی ها یا گسل های زمین شناسی سه بعدی کاربردهای مهمی در تحلیل های ساختاری و چینه شناسی سه بعدی دارند. انسجام یا گسل‌های زمین‌شناسی روی خود داده‌های زمین‌شناسی اثر می‌گذارند، بنابراین تحت تأثیر سوگیری‌های مفسر یا جمع‌کننده خودکار قرار نمی‌گیرند [ ۲۷ ]]. برش‌های زمانی دامنه معمولی معمولاً در مشاهده خطاها مفید هستند. سپس، یک الگوریتم انسجام قوی‌تر بر اساس شباهت پیشنهاد می‌شود [ ۲۷ ] که اختلاط ویژگی‌های لایه بالایی یا پایین‌تری را کاهش می‌دهد. الگوریتم تشخیص خودکار خطا نیز از طریق استراتژی ادغام بالاترین اعتماد اولیه (HCF) [ ۲۸ ] و تبدیل های دوگانه هاف [ ۲۷ ] توسعه یافته است. یک سیستم تشخیص خطای زمین شناسی موثرتر با استفاده از یک پردازنده گرافیکی توسعه داده می شود [ ۲۹ ]. علاوه بر این، تعداد ویژگی‌های مبتنی بر سازگاری و بافت می‌تواند به طور قابل‌توجهی کارایی و کیفیت تفسیر رادار نفوذگر زمینی سه بعدی (GPR) را بهبود بخشد [ ۳۰ ]]، به ویژه برای داده های پیچیده جمع آوری شده در سراسر مناطق گسل فعال. تفسیر زمین شناسی برای آشکار کردن اطلاعات ساختاری نمایش داده شده در داده ها از اهمیت بالایی برخوردار است. برای بهبود حاشیه نویسی ساختارهای زمین شناسی، پاتل و همکاران. [ ۳۱ ، ۳۲ ، ۳۳ ] از بافت های تغییر شکل یافته، توابع انتقال خط، توابع انتقال بافت، و روش های مختلف گرافیکی برای ردیابی افق و تفسیر داده های زمین شناسی استفاده کردند. آنها همچنین فناوری جدید حاشیه نویسی به کمک دانش و تفسیر به کمک رایانه داده های زمین شناسی برای اکتشاف نفت و گاز را ارائه کردند [ ۳۳ ]. دانش دامنه در مورد ساختار و توپولوژی ویژگی های زمین شناسی در داده های زمین شناسی نیز می تواند سطوح دینامیکی را به این ویژگی ها هدایت کند [ ۳۴]. روش‌های مبتنی بر طرح می‌توانند تعامل تصاویر را تا حد زیادی بهبود بخشند. به عنوان مثال، ناتالی و همکاران. [ ۳۵ ] روشی مبتنی بر طرح را برای ایجاد مدل‌های سه‌بعدی مصور در کتاب‌های درسی زمین‌شناسی پیشنهاد کرد. علاوه بر این، آنها روشی را بر اساس ترکیب دو ساختار داده همزمان برای پردازش و رندر طراحی کردند [ ۳۶ ]. رندر حجمی یکی از رایج ترین روش ها برای رندر تعاملی داده های زمین شناسی است. این می تواند اطلاعات زیادی در مورد تداوم زمین شناسی و آمار ارائه دهد تا به تجسم داده ها برای تجزیه و تحلیل کمک کند [ ۳۷ ]. روش های مبتنی بر گرادیان به نویز با فرکانس بالا حساس هستند. یک روش بلادرنگ بدون گرادیان [ ۲۳] برای ارائه نتایج مشابه با روشنایی جهانی با کیفیت بالا پیشنهاد شده است. روش مبتنی بر برش برای استخراج کانال فوقانی و گنبد نمکی از داده‌های زمین‌شناسی استفاده می‌شود. علاوه بر این، لیو و همکاران. [ ۳۸ ] روشی مبتنی بر برش حجمی ارائه کرد که UFP را از طریق برش تعاملی استخراج می‌کند، اما نیمه خودکار است. هنوز نیاز به مشارکت کاربران دارد که باعث کاهش دقت استخراج و کارایی اکتشاف می شود.
۲٫۴٫ تجسم داده های زمین شناسی
ما یک سیستم تجسم دامنه خاص را برای استخراج ساختارهای چینه شناسی با توجه به ردیابی نقطه بذر برنامه ریزی می کنیم. علاوه بر این، همچنین می تواند اکتشاف داده های گرافیکی زمین شناسی را از طریق عملیات انسانی تجهیزات VR محقق کند. کاربران می توانند دانه های توصیه شده را با تنظیم دقیق آنها با تعاملات بصری تنظیم کنند. دانه به طور خودکار توسط محاسبه گرادیان چگالی بر اساس تابع هسته تولید می شود و اطلاعات پیوند را می توان از طریق الگوریتم وزن دهی برای ساخت نمودار به دست آورد. با انواع مختلف گره‌ها در نمودار، ساختارهای UFP استخراج‌شده را بهبود می‌بخشیم تا به کاربران احساس بصری‌تری بدهیم. در مقایسه با معیارهای سنتی، می‌توانیم رویکرد زیر را در پیش بگیریم: در ابتدا، از نظریه پیوسته مقیاس-فضا [ ۳۹ ، ۴۰ ] استفاده می‌کنیم.، ۴۱ ] برای تجزیه و تحلیل ویژگی های چند مقیاسی [ ۳۹ ، ۴۰ ، ۴۱ ] دانه های توصیه شده. بر اساس این تئوری، ما یک رویکرد محاسباتی شیب چگالی مبتنی بر تابع هسته جدید را برای توصیه خودکار چند دانه [ ۲ ] پیشنهاد می کنیم. کاربران به طور مستقیم ساختار UFP استخراج شده را با تنظیم دقیق دانه ها بررسی می کنند. به منظور کاوش موثر منطقه محلی، ما همچنین از طرح پرس و جو فاصله سطح درجه دوم [ ۴۲ ] استفاده می کنیم.
۳٫ تصویر داده های زمین شناسی تعاملی
به منظور کمک به زمین شناسان یا سایر کارشناسان اکتشاف نفت برای درک بهتر توزیع و اطلاعات مربوط به UFP، ما روشی برای توصیف تعاملی داده های چینه شناسی سه بعدی و سایر داده های اکتشاف در دستگاه غوطه وری پیشنهاد می کنیم. شکل ۱جریان کلی روش ما را نشان می دهد. اول از همه، ما تعدادی مجموعه داده های مختلف اکتشاف چینه شناسی را از کارشناسان اکتشاف نفت به دست آورده ایم. در همان زمان، عملکرد انتقال تنظیم شده در دستگاه های رایانه شخصی از طریق سرور ابری به دستگاه غوطه ور منتقل می شود. سپس، مجموعه داده از پیش پردازش می‌شود، و داده‌های اکتشاف زمین‌شناسی اصلی برای ایجاد تجسم بافت سه‌بعدی داده‌های اکتشاف زمین‌شناسی اصلی در GPU محیط غوطه‌ور، برش داده می‌شوند. بافت سه بعدی مبتنی بر آرایه بیتی برای تعامل پرس و جو برش در حالت های مختلف استفاده می شود تا ساختار سازمانی هر طبقه را مشاهده کند. به طور همزمان، روش پرس و جو مبتنی بر سطح درجه دوم به کارشناسان اجازه می دهد تا داده های زمین شناسی را در سطوح مختلف چینه شناسی بیشتر بررسی کنند، به عنوان مثال، کارشناسان اکتشاف نفت بهتر می توانند موقعیت داده های نفت را تعیین کنند. سپس از حالت های مختلف نمایش چینه شناسی برای تجسم سطح استخراج شده، چاه یا سایر ویژگی ها استفاده می شود. در نهایت، چندین نتیجه تصویری با هم ترکیب می‌شوند تا ساختار و توزیع UFP را آشکار کنند.
۳٫۱٫ طراحی تعامل ابزار تجسم فراگیر
در واقع، ما می‌توانیم از Oculus Quest به عنوان دستگاه غوطه‌وری خود در آزمایش خود استفاده کنیم. حرکت نما توسط سیستم ردیابی Oculus Quest کنترل می شود و سایر روش های تعامل از طریق دسته لمسی و اسکریپت پاسخ رویداد تعریف شده ما تحقق می یابد.
تعاملات اساسی بر اساس دسته لمسی Oculus، ما برخی از تعاملات اساسی را ارائه می دهیم. به منظور تعامل با نتیجه رندر، می‌توانیم فعل و انفعالات اساسی مانند چرخش، ترجمه و مقیاس‌بندی (بزرگنمایی و کوچکنمایی) را به دکمه‌ها و جوی استیک روی دسته لمسی متصل کنیم ( شکل ۲ ). علاوه بر این، ما روش های تعامل انعطاف پذیرتری را گسترش داده ایم. به عنوان مثال، کاربر می تواند ضخامت برش های لایه را با کلیک بر روی دکمه های “A” و “B” روی دسته، همانطور که در جدول ۱ نشان داده شده است، تنظیم کند . ابزار ما با بهره گیری کامل از درجات آزادی چندگانه محیط غوطه ور، سکته های مسیر دسته لمسی را تشخیص می دهد. کاربران می‌توانند موقعیت و فاصله صندلی یا پالیسی را با کشیدن ضربه‌های چپ و راست یا عقب و جلو تنظیم کنند.شکل ۳ ).
طراحی تابع انتقال رابط انتخاب رنگ سنتی بر اساس پارادایم WIMP در یک محیط غوطه ور برای تکنیک های تعامل طبیعی مناسب نیست و کاربر قادر به انتخاب رنگ ها به طور موثر در تعامل نیست [ ۴۳ ]]. کارشناسان دامنه ای که از آنها پرسیدیم نیز گفتند که با انتخابگر رنگ سنتی مبتنی بر WIMP در سمت رایانه شخصی بیشتر آشنا هستند. بنابراین، ما یک ویرایشگر تابع انتقال را در سمت رایانه شخصی سنتی برنامه ریزی می کنیم که دستگاه های تعاملی صفحه کلید و ماوس را مجهز می کند. به دلیل سهولت دستکاری ویرایشگر تابع انتقال دوبعدی سنتی در فضای تجسم دوبعدی، ما تابع انتقال داده های حجم علمی را به صورت آنلاین در سمت رایانه شخصی در یک طرح فرمان بصری ویرایش می کنیم. کاربران می توانند نقاط کنترل را با انتخاب مقادیر شدت ویژه در ویرایشگر اضافه کنند و سپس مقادیر رنگ و کدورت را برای نقاط کنترل تنظیم کنند. ویرایشگر تابع انتقال شامل یک نمای تنظیم ( شکل ۴ ، سمت چپ) و یک نمای پیش نمایش در دستگاه غوطه ور ( شکل ۴ ، سمت راست) است.
بر اساس یک سیستم مختصات شبکه، نمای تنظیم طراحی شده است. محور x مخفف مقدار شدت داده های حجم است و محور y نشان دهنده کدورت شدت در محور x است. به طور همزمان، کاربران می توانند کدورت y را تغییر دهندشبکه واحد محور. کاربران می توانند با کلیک بر روی دکمه وسط ماوس، رنگ مناسب را در کادر محاوره ای جدول رنگ انتخاب کنند تا بهترین مقدار رنگ را به دست آورند. پس از آن، کاربران می توانند نقاط کنترل را در سیستم مختصات شبکه ویرایشگر تابع انتقال تنظیم کنند و پیک های مختلفی را تشکیل دهند و به تغییر رنگ و کدورت برای مقدار شدت خاصی از داده های حجمی دست یابند. پس از به دست آوردن یک افکت پیش‌نمایش مناسب، کاربران می‌توانند داده‌های تابع انتقال را ذخیره کرده و با داده‌های به اشتراک‌گذاشته‌شده در دستگاه غوطه‌ور، به صورت غوطه‌ور رندر کنند. در نتیجه، کاربران می توانند تابع انتقال مناسب را که اطلاعات چینه شناسی را در حالت مشارکتی منعکس می کند، تنظیم کنند. حالت مشارکتی دو نفر است که برای تنظیم عملکرد انتقال با یکدیگر همکاری می کنند، با یک نفر که نقاط کنترل را در رابط کاربری گرافیکی سمت PC تغییر می دهد.
۳٫۲٫ سازمان تعامل و سوئیچ
تمام داده های بررسی زمین شناسی که ما استفاده می کنیم توسط زمین شناسانی که با ما همکاری می کنند ارائه شده است. داده های زمین شناسی اصلی با انعکاس امواج لرزه ای به دست می آیند و سپس در داده های حجمی ادغام می شوند.
با توجه به بحث با متخصصان زمین شناسی، ما به یک طراحی تعاملی بصری و راحت برای استخراج UFP در محدوده خاصی در محیط غوطه ور نیاز داریم. علاوه بر این، کارشناسان حوزه به انواع روش‌های نمایش چینه‌شناسی تعاملی در تصویرسازی حجمی سه بعدی نیاز دارند و تعامل این روش باید تا حد امکان مؤثر باشد. بنابراین، ما روشی را با حالت‌های نمایش چینه‌شناسی غوطه‌ورانه پیشنهاد کردیم که شامل حالت نمایش صندلی صندلی، حالت نمایش پالیسید و حالت نمایش متقاطع شکل است. این روش به کاربر اجازه می دهد تا توزیع UFP را در چند نما در محیط غوطه ور مشاهده کند. همچنین از ادغام نتایج UFP در حالت های مختلف نمایش چینه شناسی پشتیبانی می کند. علاوه بر این، برخی از طرح‌های کلی تعامل همهجانبه را از بازخورد کارشناسان خلاصه می‌کنیم. که مستلزم آن است که سیستم دو الزام را برآورده کند. اول، انواع مختلفی از تعاملات می تواند به طور همزمان در لایه ها یا وکسل های مختلف رخ دهد. دوم، نتایج تعامل غوطه‌وری متفاوتی را می‌توان به یک وکسل معین اختصاص داد.
در این مقاله، بافت سه بعدی مبتنی بر آرایه بیتی برای سازماندهی تعاملات مختلف، مانند حالت های مختلف نمایش و سطوح پرس و جوهای سطح درجه دوم، استفاده می شود. نتایج تعاملات مختلف در هر وکسل با یک مقدار نمایش ادغام می شود. مقدار نمایش متشکل از ۰ و ۱ نشان می دهد که آیا وکسل نمایش داده می شود یا خیر. یک بافت سه بعدی برای سازماندهی انواع تعاملات اختصاص داده شده به حجم زمین شناسی طراحی شده است.
۳٫۳٫ حالت های مختلف نمایش چینه شناسی
برای پاسخگویی به نیازهای متخصصین حوزه های مختلف، سیستم تجسم باید در حالت های مختلف نمایش چینه شناسی استفاده شود، یعنی حالت نمایش صندلی صندلی، حالت نمایش پالیسید، حالت نمایش متقاطع، گاهی اوقات ترکیبی از آنها نیاز است. شکل ۳ سه حالت نمایش چینه شناسی را نشان می دهد که در سیستم تجسم استفاده می شود. کاربران می‌توانند موقعیت شروع گروهی از لایه‌های چینه‌شناسی، عمق یک لایه چینه‌شناسی و فاصله بین لایه‌های چینه‌شناسی را تنظیم کنند. با تنظیم، تجسم توزیع UFP و سایر اشیاء مورد علاقه کاربران می تواند بهتر آشکار شود.
علاوه بر این، آنها همچنین نتایج UFP را در بسیاری از حالت های نمایش چینه شناسی ادغام می کنند. روش ساده برای نمایش بصری داده های زمین شناسی با حالت های مختلف نمایش، برش داده های حجم اصلی قبل از رندر است. خسته کننده و ناکارآمد است زیرا دستگاه غوطه ور باید مرتباً داده ها را پردازش کند. در بدترین حالت، داده ها باید فریم به فریم در طول رندر پیش پردازش شوند. با این حال، انعطاف پذیر نیست، و تغییر بین حالت های مختلف نمایش چینه شناسی دشوار است، زیرا نتایج حالت های مختلف نمایش بسیار متفاوت است، همانطور که در شکل ۳ نشان داده شده است.
برای افزایش انعطاف‌پذیری و سفارشی‌سازی استفاده از حالت‌های مختلف نمایش چینه‌شناسی برای تجسم داده‌های چینه‌شناسی، معادله پارامتر برش را طراحی کردیم که با موقعیت شروع یک برش، فاصله بین برش‌ها و ضخامت برش تعیین می‌شود. معادله ( ۱ ) ( K برای به دست آوردن فاصله بین برش Kth و برش شروع و W استفاده می شود.برای بدست آوردن محدوده رندر هر برش استفاده می شود). در روش ما، معادله برش شکل کلی پس از تبدیل است. این فقط مشخصات است که گروه برش را تعریف می کند. کاربر می تواند با انجام تعامل حالت های مختلف نمایش چینه شناسی مانند موقعیت شروع برش های جلو، برش های فاصله و عمق هر برش، پارامترهای برش را تغییر دهد.
همانطور که در بخش ۳٫۱ توضیح داده شد ، بافت سه بعدی مبتنی بر آرایه بیتی به پشتیبانی از حالت های مختلف نمایش چینه شناسی کمک می کند.
۳٫۴٫ پرس و جو و اکتشاف سطح درجه دوم
برای استخراج اطلاعات UFP در یک محدوده خاص، چندین سطح درجه دوم را برای کاوش تعریف می کنیم. ما از سطوح درجه دوم به عنوان یک استعاره بصری برای مخازن نفت استفاده می کنیم. با توجه به توصیه های کارشناسان، اندازه و موقعیت پنج سطح کروی را از قبل تعریف می کنیم. به طور همزمان، کاربران می توانند هر حوزه پرس و جو را اضافه کنند و موقعیت حوزه پرس و جو و پارامترهای سطح درجه دوم را می توان با اسکریپت تغییر داد. هر حوزه پرس و جو دارای معنای خاصی است، به عنوان مثال، منطقه پوشش نقشه برداری شده به مخازن نفت واقعی. همانطور که در شکل ۵ نشان داده شده استب، ما یک صفحه کلید مجازی در یک محیط غوطه ور طراحی می کنیم که در آن کاربر می تواند از طریق جوی استیک روی دکمه ها کلیک کند تا عبارات عملیات مجموعه را ایجاد کند. ما پیشنهاداتی را از کارشناسان حوزه زمین‌شناسی درخواست کرده‌ایم و پاسخ این بود که مجموعه‌ای از پرسوجوهای تک اپراتور (مانند A∪C) در اکتشافات زمین‌شناسی وجود دارد و نیاز به پرس‌وجوهایی با چندین عملگر ترکیبی وجود دارد. با اتخاذ پیشنهادات کارشناسان، ما از پنج عملگر رایج برای دستیابی به اکثر الزامات پرس و جوی اکتشاف زمین شناسی خود استفاده کردیم. شکل ۵ a نتایج همهجانبه پرس و جوهایی را نشان می دهد که با تنظیم چندین سطح کروی در یک محدوده خاص از طریق صفحه کلید مجازی انجام شده است.
الگوریتم ۱ جزئیات فرآیند پیاده سازی سطح درجه دوم را نشان می دهد. بافت سه بعدی مبتنی بر آرایه بیتی برای پرس و جو از مجموعه سطح مساعد است. در روش ما، فرآیند پرس و جو با سطوح مختلف را به عنوان تعاملات مختلف در نظر می گیریم. ابتدا، یک عملیات مجموعه ای را روی حوزه های پرس و جو از پیش تعریف شده انجام می دهیم. سپس، GPU محیط غوطه‌ور، یک نقشه بافت سه‌بعدی را با توجه به نتایج پرسوجو ایجاد می‌کند و آن را در یک محیط غوطه‌ور توسط یک الگوریتم ریخته‌گری پرتو ارائه می‌کند. کاربران می توانند حوزه های پرس و جو مرتبط با نتایج پرس و جو را هنگامی که به نتایج پرس و جو مبتنی بر سطح درجه دوم در یک محیط فراگیر نگاه می کنند، بیابند. توضیح هر فرآیند پرس و جو سطح چهارگانه، هر ترکیبی از پرس و جوهای چند سطحی، مانند اتحاد، تقاطع، یا مکمل بودن آنها راحت است.
| الگوریتم ۱ تابع ()QUADRATIC_SURFACE_QUERY |
| تابع OPERAND_2_BOOLEAN (عملوند، IntersectQueue، UnionQueue) |
| returnValue = False //نوع متغیر returnValue Boolean است |
| اگر عملوند quadratic_index باشد ، پس |
| //اگر عملوند تعداد سطح درجه دوم باشد |
| returnValue = موقعیت در quadratic_surfaces[عملوند] //نوع متغیر returnValue بولی است |
| دیگر |
| //اگر عملوند عبارت تقاطع یا اتحاد باشد، مقدار بولی سر صف مربوطه ظاهر می شود. |
| اگر عملوند تقاطع باشد پس |
| returnValue = IntersectQueue.Pop() |
| دیگر |
| returnValue = UnionQueue.Pop() |
| پایان اگر |
| پایان اگر |
| برگشت مقدار بازگشت |
| عملکرد پایانی |
| تابع QUADRATIC_SURFACE_QUERY (موقعیت، query_expression، quadratic_surfaces) |
| expressTree = BuildExpressionTree(query_expression) |
| //تحلیل نحو عبارات و درختان بیان ساختمان |
| IntersectQueue، UnionQueue = صف جدید<Boolean>() |
| // صف هایی برای ذخیره نتایج زیردرخت عبارت تقاطع و اتحاد ایجاد کنید |
| در حالی که عبارت در expressTree do //تکرار از طریق تمام زیردرخت های درخت عبارت |
| X = OPERAND_2_BOOLEAN(expressopn.x) |
| Y = OPERAND_2_BOOLEAN(expressopn.y) |
| //نتایج این زیردرخت را در صف قرار دهید |
| اگر express.operator تقاطع باشد پس |
| IntersectQueue.Push(X AND Y) |
| دیگر |
| UnionQueue.Push(X OR Y) |
| پایان اگر |
| پایان در حالی که |
| //وقتی تکرار درخت عبارت به پایان رسید، مقدار بالای دو صف نشان می دهد که آیا موقعیت ارائه شده است یا خیر. |
| اگر IntersectQueue NOT Queue.Empty سپس |
| IntersectQueue.Pop() را برگردانید |
| پایان اگر |
| اگر UnionQueue NOT Queue.Empty سپس |
| بازگشت UnionQueue.Pop() |
| پایان اگر |
| عملکرد پایانی |
۴٫ نتایج
۴٫۱٫ پیاده سازی
ما از سه مجموعه داده چینه شناسی مختلف ارائه شده توسط کارشناسان برای ارزیابی اثربخشی و عملی بودن روش خود استفاده کردیم. آزمایش ها بر روی دستگاه غوطه ور Oculus Quest اجرا شد. این دستگاه غوطه ور به پردازنده اسنپدراگون ۸۳۵، رم ۴ گیگابایتی و صفحه نمایش OLED با نرخ نوسازی ۷۲ هرتز مجهز شده است. جزء رندر داده های چینه شناسی در تجسم غوطه ور بر اساس رندر GPU و کتابخانه های CG توسعه یافته است. روش پیشنهادی با استفاده از سه مجموعه داده ارائه شده توسط دانشمندان میدانی، یعنی مجموعه داده I، مجموعه داده II و مجموعه داده III آزمایش می شود.
پس از پیش پردازش و ادغام داده ها، کل مجموعه داده در دستگاه غوطه ور ارائه می شود. ما نتایج تمام عملیات تعاملی از جمله پرس و جو سطح چهارگانه و سه حالت نمایش چینه شناسی را در یک بافت سه بعدی بر اساس یک آرایه بیتی ادغام می کنیم. سپس دستگاه غوطه ور، مجموعه داده را با تعیین مقدار نمایش هر وکسل بافت سه بعدی ارائه می کند. محیط غوطه ور مقادیر رنگ و کدورت هر وکسل را با توجه به تابع انتقال از پیش تعریف شده به دست می آورد و آنها را در نتیجه رندر نهایی مخلوط می کند. الگوریتم ۱ فرآیند پرس و جو سطح چهارگانه را در محیط غوطه ور نشان می دهد. معادله ( ۱ ) معادله برش را در حالت نمایش چینه شناسی نشان می دهد.
همانطور که در جدول ۲ نشان داده شده است، زمان پیش پردازش داده ها را در HMD و نرخ فریم نمایش رابط را هنگامی که HMD سه مجموعه داده چینه شناسی را اجرا می کرد، ثبت کردیم . زمان پیش پردازش داده ها شامل بارگذاری داده ها در HMD، بارگیری توابع انتقال، و بارگذاری اطلاعات بافت ۳ بعدی حوزه پرس و جو، همانطور که در شکل ۶ نشان داده شده است. در حال حاضر، به دلیل عملکرد ضعیف پردازشی HMD مورد استفاده در تست‌های ما، پردازش داده‌ها زمان زیادی می‌برد و با نرخ فریم پایین اجرا می‌شود که تا حدی بر راندمان کاوش و تجربه کاربر تأثیر می‌گذارد. علاوه بر این، ما متوجه شدیم که هنوز مقداری نویز در نتایج حاصل از پرس و جو سطح ثانویه وجود دارد که در کاوش کاربر از داده های هدف اختلال ایجاد می کند.
۴٫۲٫ مورد ۱: مجموعه داده چینه شناسی I
مورد اول یک کاوش همه جانبه از Dataset I است. در این مورد، کاربر طبقه بندی Dataset I را به دستگاه VR ارسال می کند. پس از رندر در دستگاه غوطه‌ور، کاربر می‌تواند ابتدا اطلاعات کلی زمین‌شناسی لایه دیتاست I را مشاهده کند. سپس کاربر با کلیک روی صفحه‌کلید مجازی، عبارت عملیات مجموعه را وارد می‌کند و روی دکمه query کلیک می‌کند تا اطلاعات جستجوی چینه‌شناسی مربوطه را استعلام کند. که با نتیجه عملیات تنظیم شده مطابقت دارد. نتیجه مثال اول در شکل ۷ نشان داده شده است. کاربر اتحاد کره پرس و جو A و کره جست و جو را برای تعیین احتمالات پوشش داده شده توسط مخازن نقشه برداری شده توسط A و C جستجو می کند. محدوده کانال های رودخانه حاوی نفت است. کاربر می تواند شدت کانال رودخانه را در منطقه با مقایسه رنگ رودخانه با عملکرد انتقال سفارشی قضاوت کند تا دشواری استخراج نفت را ارزیابی کند. طرح رنگ تجسم نقشه رنگی Dataset I توسط ویرایشگر تابع انتقال مشخص می شود. نارنجی نشان می دهد که استخراج با شدت بالا دشوار است، آبی نشان می دهد که استخراج آن با شدت کم آسان است، و کاملا شفاف نشان دهنده اطلاعات کانال رودخانه است که نیازی به رندر و پرس و جو نیست، که سایر اطلاعات نویز است. ما می‌توانیم رنگ و شفافیت را برای ایجاد انواع مختلف داده‌ها، که می‌خواهیم واضح‌تر ببینیم، تنظیم کنیم. علاوه بر این،شکل ۳ با نتایج پرس و جو سطح چهارگانه نشان داده شده در شکل ۷ الف تا در نهایت نتایج تفسیر داده های چینه شناسی نشان داده شده در شکل ۷ ج را بدست آوریم. کاربران می توانند از طریق پردازش (مانند چرخش، زوم و غیره) بر روی داده های زمین شناسی تعاملات اساسی انجام دهند. به عنوان مثال، با تکان دادن انگشت شست توضیح داده شده در شکل ۲، کاربر می تواند نتیجه رندر را بچرخاند تا سایر اطلاعات چشم انداز را بر اساس داده های کانال رودخانه سازند مجموعه داده I مشاهده کند. به منظور انعکاس دقیق پروفایل های چینه نگاری، داده های جمع آوری شده را می توان در حالت های مختلف نمایش چینه شناسی نمایش داد تا نمایه های چینه شناسی را نشان دهد. مورد نیاز کارشناسان حوزه نیمرخ های چینه شناسی به دست آمده از تعامل در این راه بسیار واضح و آسان است. آنها به طور واقعی و شهودی ساختارهای پیچیده زمین شناسی خود را نشان می دهند و پرس و جو از اطلاعات UFP را درک می کنند. ترکیب حالت های مختلف نمایش لایه و نتایج پرس و جو سطح چهارگانه به کاربر این امکان را می دهد که توزیع کلی UFP را به وضوح ببیند و همچنین موقعیت های مختلف و ضخامت های مختلف پروفایل های چینه شناسی را مشاهده کند.
۴٫۳٫ مورد ۲: مجموعه داده چینه شناسی II
مورد دوم یک اکتشاف همه جانبه از مجموعه داده های چینه شناسی نوار مسطح II است. به طور مشابه، کاربران می توانند توابع انتقال ویرایش شده توسط کامپیوتر و Dataset II چینه شناسی را به دستگاه همهجانبه منتقل کنند. حوزه پرس و جو را می توان از پیش در اسکریپت تعریف کرد و در مکان هایی قرار داد که حاوی اطلاعات مهم رودخانه توسط کاربران است. در این مورد، کاربران تقاطع حوزه پرس و جو A و B را بررسی می کنند. اطلاعات کانال رودخانه قرمز و قهوه ای در شکل ۸به طور عمده در اقشار در حال سقوط در هر دو حوزه پرس و جو A و حوزه پرس و جو C توزیع شده است. علاوه بر این، ساختار کانال رودخانه توسط تابع انتقال تجسم می شود، که باعث می شود کانال رودخانه در عمق زیرزمین شفاف تر شود. کاربران می توانند زیرساخت دقیق یک محدوده خاص را بر اساس عملیات تقاطع کشف کنند. به عنوان مثال، اگر کاربر فقط به بخش کوچکی از اطلاعات کانال رودخانه علاقه مند باشد، مشاهدات مربوطه را می توان در چندین کانال رودخانه انجام داد، همانطور که در شکل ۸ نشان داده شده است. تحت این شرایط، به هم ریختگی بصری ایجاد شده توسط سایر اقشار را می توان حذف کرد. در نتیجه، کاربران به راحتی می توانند اطلاعات مهم کانال رودخانه را کاوش کنند و از تداخل ناشی از نویز جلوگیری کنند.
۴٫۴٫ مورد ۳: مجموعه داده چینه شناسی III
سومین مورد برای اکتشاف همهجانبه، مجموعه داده های چینه شناسی عمودی III است. داده های حجمی عمدتاً اطلاعات مربوط به چینه نگاری در عمق را نشان می دهد که ساختار پیچیده تری نسبت به دو مورد بالا دارد. در این مورد، ما انتخاب کردیم که از چندین عملیات مجموعه برای پرس و جوهای عبارت استفاده کنیم. علاوه بر این، برای به دست آوردن یک رندر بهتر، همانطور که در شکل ۹ نشان داده شده است، ساختارهای اصلی رودخانه را به رنگ آبی و بنفش برای اکتشاف همه جانبه نشان دادیم . همانطور که در شکل ۹ d نشان داده شده است، کاربر حالت نمایش متقاطع این داده های چینه شناسی را با نتایج عبارت عبارت B∩!A برای تفسیر ترکیبی اطلاعات چینه شناسی ترکیب کرد.
۴٫۵٫ بازخورد کارشناسان دامنه
ما با دو متخصص حوزه از مؤسسه اکتشاف و توسعه نفت شعبه شمال غرب چین مشورت کرده‌ایم که با ما بحث کرده‌اند و به طور مکرر پیشنهاداتی را در طول کار ما ارائه کرده‌اند. این کارشناسان قبلاً در مورد برخی از کارهای قبلی مبتنی بر رایانه شخصی در مورد اکتشاف داده های نفتی مطلع شده بودند. آنها ارزیابی کردند که آیا رویکرد اکتشاف داده ما در یک محیط غوطه‌ور، با مقایسه آنها با روش‌های سنتی، درک بهتر و شهودی‌تری از داده‌ها به آنها می‌دهد. کارشناسان حوزه همچنین برخی از الزامات عملی را برای اکتشاف نفت ارائه می کنند و ارزیابی می کنند که آیا رویکرد کلی ما می تواند الزامات را برآورده کند یا خیر.
بازخوردهای مثبت زیادی از کارشناسان حوزه زمین شناسی به ما داده شده است. کارشناسان گفتند که ابزار ما روشی موثر برای زمین شناسان برای مطالعه پدیده های زمین شناسی و رصد نفت در فضای سه بعدی فراهم می کند. استفاده از فناوری تجسم می تواند ساختارهای پیچیده زمین شناسی را با دقت و شهودی بیشتر توصیف کند.
۴٫۶٫ مطالعه کاربر
علاوه بر این بازخورد غیررسمی، ما همچنین یک مطالعه کاربر برای ارزیابی قابلیت استفاده و کاربرد ابزار خود انجام دادیم. ما ۱۰ شرکت کننده در رشته جغرافیا را از دانشگاه جذب کردیم. از هر شرکت کننده خواسته شد تا مجموعه داده های نفتی از پیش بارگذاری شده را در یک محیط غوطه ور، سه حالت نمایش شکل گیری و نتایج پرس و جو سطح چهارگانه بر اساس عبارات عملیات مجموعه را تجربه کند. ما آنها را تشویق کردیم که آزادانه از طریق دستگیره های لمسی به تعامل و کاوش داده ها بپردازند. بازرسان دستورالعمل های عملیاتی لازم را در همان نزدیکی ارائه کردند. در نهایت، ما یک پرسشنامه برای کاربران انجام دادیم و یک مصاحبه کوتاه برای جمع آوری نظرات در مورد ابزار خود انجام دادیم. بیشتر بازخوردها مثبت بود که قابلیت استفاده رویکرد پیشنهادی را همانطور که در شکل ۱۰ نشان داده شده است نشان می دهد .
سوالات در پرسشنامه مربوط به مشارکت (Q1)، قابلیت استفاده، (Q2) و عملی بودن ابزار ما (Q3-Q9) است. در مصاحبه‌های بعدی، شرکت‌کنندگان آنچه را که بیش از همه آنها را تحت تأثیر قرار داد، گفتند و پیشنهادات ارزشمندی برای ابزارهای ما ارائه کردند. نتایج Q1 ( = ۴٫۹۰، ۹۵% CI = (4.67، ۵٫۱۳)) نشان می دهد که تقریباً هر شرکت کننده بر روی مطالعه تمرکز کرده است. ابزار ما برای کارشناسان حوزه بدون تجربه برنامه نویسی است. شرکت‌کنندگان در نظر گرفتند که رابط کاربری ما بصری است و درک عملکرد تعامل آسان است، که نشان‌دهنده قابلیت استفاده ابزار ما است. (Q2 ( = ۴٫۹۰، ۹۵% CI = (4.67، ۵٫۱۳))). برای Q3 ( = ۵٫۰۰، ۹۵% CI = (5.00، ۵٫۰۰))، Q4 ( = ۴٫۸۰، ۹۵% CI = (4.50، ۵٫۱۰)) و Q9 ( = ۴٫۸۰، ۹۵% CI = (4.50، ۵٫۱۰))، همه شرکت‌کنندگان موافق بودند که ابزار ما حس غوطه‌وری را به کاربران می‌دهد و به کاربران اجازه می‌دهد تا داده‌ها را واضح‌تر از ابزارهای کاوش سنتی مبتنی بر صفحه رایانه کشف کنند. P6 گفت: “غوطه وری سه بعدی درک جامع تری از لایه دارد و می تواند جزئیات لایه را بهتر درک کند.” علاوه بر این، شرکت‌کنندگان نظرات مثبتی در مورد روش‌های پرسش ما ارائه کردند (Q5 ( = ۴٫۸۰، ۹۵% CI = (4.35، ۵٫۲۵))، Q6 ( = ۴٫۸۰، ۹۵% CI = (4.35، ۵٫۲۵))، Q7 ( = ۴٫۸۰، ۹۵% CI = (4.50، ۵٫۱۰))، Q8 ( = ۴٫۷۰، ۹۵% CI = (4.35، ۵٫۰۵)))، به عنوان مثال، سه حالت نمایش چینه شناسی (حالت نمایش صندلی صندلی، حالت نمایش دوپارچه، و حالت نمایش متقاطع) و پرس و جو سطح چهارگانه بر اساس بیان عملکرد مجموعه. به طور خاص، اکثر شرکت کنندگان به حالت های نمایش چینه شناسی علاقه مند بودند. به عنوان مثال، “داده‌های حالت نمایش قاره‌ای به وضوح مشاهده می‌شوند و ساختار توپوگرافی و زمین‌شناسی به خوبی بازسازی شده‌اند” (P4). “حالت نمایش Palisade برای کمک به کارشناسان برای درک جزئیات لایه واضح تر است” (P8).
۵٫ بحث
رویکرد ما برای تجسم داده‌های نفتی در یک محیط غوطه‌ور به طور موثر به متخصصان حوزه کمک می‌کند تا داده‌های چینه‌شناسی را کشف کنند، ساختارهای زمین‌شناسی را بهتر آشکار کنند، و توزیع مواد زمین‌شناسی مورد علاقه‌شان را به تصویر بکشند. در رویکرد ما، کاوش داده‌ها از طریق تعاملات هوای میانی به کاربران اجازه می‌دهد تا درجه آزادی بالایی در عملیات خود دارند. از آنجایی که فعل و انفعال هوا به راحتی می تواند باعث خستگی شود، ما با ترکیب تعامل با دکمه های دسته لمسی، نوع حرکات دست را در تعامل میان هوا کاهش می دهیم. بازخورد کارشناسان دامنه که ابزارهای ما را آزمایش کرده‌اند عمدتاً مثبت است. با این حال، هنوز محدودیت‌هایی در ابزار ما وجود دارد که نیازمند اصلاح و بهبود بیشتر است.
در ابتدا، در فرآیند پرس و جو سطح درجه دوم، ابزار ما فقط به کاربر اجازه می دهد تا اطلاعات مکان سطح پرس و جو را از قبل در یک اسکریپت تنظیم کند و سپس آن را برای کاوش تعاملی به دستگاه همه جانبه وارد کند. در مقایسه با برخی از روش‌های سنتی با تعامل غیرضروری، تابع پرس و جو ما بر اساس عبارات عملگر مجموعه، کاربران را قادر می‌سازد تا اطلاعات چینه‌شناسی مورد علاقه را آزادانه جستجو کنند. هنوز موانعی برای کاربران برای تنظیم اطلاعات سطح وجود دارد، به عنوان مثال، تغییر اطلاعات پارامتر از طریق اسکریپت به اندازه کافی شهودی نیست. به همین دلیل، ما یک مدل پیش نمایش از پرس و جو مبتنی بر سطح درجه دوم را در محیط همه جانبه اضافه خواهیم کرد، که به کاربران امکان می دهد مستقیماً با تنظیمات از طریق دسته لمسی در محیط همه جانبه تعامل داشته باشند.
علاوه بر این، ابزارهای ما در حال حاضر فقط از برنامه هایی پشتیبانی می کنند که بر فناوری واقعیت مجازی تکیه دارند. VR همچنان محدودیت هایی برای کاربر در رابطه با صحت داده ها دارد که بهترین نتیجه نیست. بنابراین، ما می‌خواهیم این ابزار را برای پشتیبانی از AR در کارهای آینده فعال کنیم. واقعیت افزوده مبتنی بر پوششی از تصاویر دیجیتالی از محیط دنیای واقعی، با برخی فناوری ردیابی حرکت و بازخورد بصری است. به این ترتیب، کاربر تعامل بین دستگاه و واقعیت را در سناریوهای واقع گرایانه بیشتر می کند، بنابراین اعتبار و غوطه ور شدن در کاوش داده های علمی را افزایش می دهد.
نرخ فریم بالاتر می تواند نرمی داده ها را در طول کاوش بهبود بخشد و کارایی کاوش کاربر را افزایش دهد. در حال حاضر دو عامل اصلی بر نرخ فریم تأثیر می‌گذارند: از یک سو، عملکرد ضعیف پردازشی دستگاه‌های غوطه‌ورکننده مورد استفاده، تا حدی منجر به نرخ فریم پایین می‌شود. از سوی دیگر، پیچیدگی الگوریتم ریخته‌گری پرتوی مورد استفاده در حال حاضر در تجسم غوطه‌ور بالا است و کارهای بعدی می‌تواند با بهینه‌سازی الگوریتم ریخته‌گری پرتو در تجسم غوطه‌ور، نرخ فریم را بهبود بخشد.
در نهایت، ما همچنین می‌توانیم ابزارهای سفارشی‌سازی بصری را اضافه کنیم تا کاربر بتواند آزادانه تصاویر نتایج تجسم را حاشیه‌نویسی کند. برای مثال، یک ابزار کمند می‌تواند به کاربران کمک کند تا داده‌های روغنی را که باید نمایش دهند، انتخاب کنند. اجزای دیگر مانند برس زدن، پاک کردن، کلید زدن، طراحی و طراحی همگی برای تصویرسازی داده ها مفید خواهند بود.
۶٫ نتیجه گیری
ابزار ما در حال حاضر امکان تکمیل کاوش همه جانبه مجموعه داده‌های چینه‌شناسی مختلف را می‌دهد. در مقایسه با ابزارهای تجسم چینه نگاری سنتی مبتنی بر محیط های مجازی، ابزار ما تجسم داده ها را با محیط های واقعی ادغام می کند. ما از بافت‌های سه بعدی مبتنی بر آرایه بیتی پیشنهادی برای سازماندهی نوع تعامل با داده‌های زمین‌شناسی استفاده می‌کنیم. این به دانشمندان میدانی کمک می کند تا توزیع UFP یا سایر مواد زمین شناسی مورد علاقه را بهتر درک کنند. در حال حاضر، کاربران می توانند حوزه های پرس و جو و مجموعه داده های چینه شناسی ویرایش شده در رایانه شخصی را به یک دستگاه غوطه ور منتقل کنند. عملکرد انتقال امکان تجسم ساختار کانال رودخانه را فراهم می کند و کانال عمیق زیرسطحی را بسیار واضح تر می کند. علاوه بر این، کاربران می توانند حالت های مختلف نمایش چینه شناسی را تغییر دهند و عبارات عملگر مجموعه خاصی را وارد کنند تا ساختارهای چینه شناسی مورد علاقه خود را با یک پرس و جو کشف کنند. انواع مختلف پرس و جوها را می توان برای شکل دادن به تصویرسازی تفسیر شده نهایی ادغام کرد. در نهایت، سیستم تجسم داده‌های زمین‌شناسی در یک محیط غوطه‌ور، از تجزیه و تحلیل تعاملی برش و تاس با استفاده از دسته‌ها نیز پشتیبانی می‌کند و به کاربران این امکان را می‌دهد تا داده‌ها را از طریق تعامل لمسی بررسی کنند.
بحث و گفتگو با کارشناسان حوزه همکار انجام شد و بازخوردهای مثبت زیادی دریافت شد. با این حال، هنوز برخی از محدودیت های ابزار وجود دارد. به عنوان مثال، کار ما در حال حاضر از AR پشتیبانی نمی‌کند و نمی‌توانیم فناوری را به دنیای واقعی منتقل کنیم، که این امر سازگاری کار ما را کاهش می‌دهد و اعتبار تجربه کاربر را کاهش می‌دهد.
ما پیشنهادات کارشناسان را می‌پذیریم و به بهبود کار خود بر اساس آنچه در بخش ۵ بحث شده است، ادامه می‌دهیم . برای بهبودهای بعدی، ما به بهبود و گسترش کار خود در آینده برای رسیدگی به برخی از مسائل در بخش ۵ ، از جمله اصلاح اطلاعات پارامتر برای سطوح درجه دوم، ادامه خواهیم داد.
اختصارات
در این نسخه از اختصارات زیر استفاده شده است:
| UFP | مسیر جریان زیرزمینی |
| DSL | زبان مخصوص دامنه |
| HMD | نمایشگر روی سر |
| VR | واقعیت مجازی |
| AR | واقعیت افزوده |
| TF | تابع انتقال |
| HCF | اول بالاترین اعتماد به نفس |
منابع
- لیو، آر. چن، اس. جی، جی. ژائو، بی. لی، کیو. سو، ام. تجسم ساختار چینه‌شناسی تعاملی برای داده‌های لرزه‌ای. J. Vis. لنگ محاسبه کنید. ۲۰۱۸ ، ۴۸ ، ۸۱-۹۰٫ [ Google Scholar ] [ CrossRef ]
- لیو، آر. جی، جی. Su، M. سیستم تجسم دامنه خاص بر اساس توصیه های خودکار چند دانه: استخراج ساختارهای چینه شناسی. نرم افزار تمرین کنید. انقضا ۲۰۲۰ ، ۵۰ ، ۹۸-۱۱۵٫ [ Google Scholar ] [ CrossRef ]
- لیو، آر. گائو، ام. آره.؛ Zhang, J. IGScript: گرامر تعاملی برای ارائه داده های علمی. در مجموعه مقالات کنفرانس ACM CHI در مورد عوامل انسانی در سیستم های محاسباتی (ACM CHI’21)، یوکوهاما، ژاپن، ۸ تا ۱۳ مه ۲۰۲۱؛ صص ۱-۱۳٫ [ Google Scholar ]
- شن، ال. چن، ایکس. لیو، آر. وانگ، اچ. Ji, G. تکنیک های زبان خاص دامنه برای محاسبات بصری: یک مطالعه جامع. قوس. محاسبه کنید. مهندسی روش ها ۲۰۲۱ ، ۲۸ ، ۳۱۱۳-۳۱۳۴٫ [ Google Scholar ] [ CrossRef ]
- دندان های نیش.؛ شیائو، ال. Ge، Y. گائو، ام. لاو، آر. جی، جی. وانگ، ال. تجسم داده فیبر تصویربرداری تانسور انتشار تعاملی از طریق حرکت جهشی. دسترسی IEEE ۲۰۲۰ ، ۸ ، ۵۴۸۴۳–۵۴۸۵۵٫ [ Google Scholar ] [ CrossRef ]
- لاتون، بی. اسلون، اچ. ابوقریب، پ. مورر، اف. گواریدو د آندراده، م. فتحعلیان، ع. Trad، D. SIERA: ابزار تجزیه و تحلیل واقعیت توسعه یافته اطلاعات لرزه ای. در مجموعه مقالات مجموعه مقالات کنفرانس ۲۰۲۰ در سطوح و فضاهای تعاملی، مجازی، ۸ تا ۱۱ نوامبر ۲۰۲۰؛ صص ۷۳-۷۷٫ [ Google Scholar ] [ CrossRef ]
- سانتوس، دبلیو. چمبرز، آی. ویتال برزیل، ای. مورنو، ام. ساختار و بازرسی لنگرهای سه بعدی برای حجم لرزه‌ای در پایگاه فرادانش در واقعیت مجازی. در مجموعه مقالات کنفرانس بین المللی IEEE 2019 در زمینه هوش مصنوعی و واقعیت مجازی (AIVR)، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، ۹ تا ۱۱ دسامبر ۲۰۱۹؛ صص ۲۷۱-۲۷۱۳٫ [ Google Scholar ] [ CrossRef ]
- لیو، آر. وانگ، اچ. ژانگ، سی. چن، ایکس. وانگ، ال. جی، جی. ژائو، بی. مائو، ز. یانگ، دی. تجسم داده های علمی روایی در یک محیط فراگیر. بیوانفورماتیک ۲۰۲۱ ، ۳۷ ، ۲۰۳۳-۲۰۴۱٫ [ Google Scholar ] [ CrossRef ]
- باخ، بی. سیکات، آر. بیر، جی. کوردیل، ام. Pfister، H. هولوگرام در دست من: کاوش تعاملی تجسم های سه بعدی در واقعیت افزوده ملموس همهجانبه چقدر موثر است؟ IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۱۸ ، ۲۴ ، ۴۵۷-۴۶۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- لیو، آر. ون، ایکس. جیانگ، م. یانگ، جی. ژانگ، سی. Chen, X. تصویرسازی و تجسم مشترک چند کاربره برای داده های علمی حجمی. نرم افزار تمرین کنید. انقضا ۲۰۲۱ ، ۵۱ ، ۱۰۸۰-۱۰۹۶٫ [ Google Scholar ] [ CrossRef ]
- ایگوچکین، او. ژانگ، ی. Ma، KL رندر حجم چند ماده با یک مدل بازتاب سطحی مبتنی بر فیزیکی. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۱۸ ، ۲۴ ، ۳۱۴۷–۳۱۵۹٫ [ Google Scholar ] [ CrossRef ]
- لیو، آر. گوا، اچ. یوان، X. استخراج سازه لرزه ای بر اساس تحلیل حساسیت چند مقیاسی. J. Vis. ۲۰۱۴ ، ۱۷ ، ۱۵۷-۱۶۶٫ [ Google Scholar ] [ CrossRef ]
- ما، بی. انتظاری، ع. طبقه بندی بر اساس ویژگی حجمی و تحلیل دید برای طراحی تابع انتقال. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۱۸ ، ۲۴ ، ۳۲۵۳-۳۲۶۷٫ [ Google Scholar ] [ CrossRef ]
- وانگ، ی. چن، دبلیو. ژانگ، جی. دونگ، تی. شان، جی. Chi, X. کاوش حجم کارآمد با استفاده از مدل مخلوط گاوسی. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۱۱ ، ۲۴ ، ۳۱۴۷-۳۱۵۹٫ [ Google Scholar ]
- وانگ، جی. بی، سی. دنگ، ال. وانگ، اف. لیو، ی. Wang, Y. روش رندر حجم موازی بدون ترکیب. J. Vis. ۲۰۲۱ ، ۲۴ ، ۵۳۱-۵۴۴٫ [ Google Scholar ] [ CrossRef ]
- ایبرت، دی. موریس، سی. Rheingans، P. Yoo, T. طراحی توابع انتقال موثر برای رندر حجم از حجم های عکاسی. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۰۲ ، ۸ ، ۱۸۳-۱۹۷٫ [ Google Scholar ] [ CrossRef ]
- بلااس، جی. Botha، CP; ارسال، تجسم تعاملی FH از داده های پزشکی چند میدانی با استفاده از نماهای فیزیکی و ویژگی-فضایی مرتبط. در مجموعه مقالات سمپوزیوم مشترک Eurographics-IEEE VGTC در مورد تجسم، نورشوپینگ، سوئد، ۲۳-۲۵ مه ۲۰۰۷٫ صص ۱۲۳-۱۳۰٫ [ Google Scholar ]
- گوا، اچ. شیائو، اچ. یوان، X. طراحی تابع انتقال چند بعدی بر اساس طرح ابعاد انعطاف پذیر تعبیه شده در مختصات موازی. در مجموعه مقالات سمپوزیوم تجسم اقیانوس آرام IEEE، هنگ کنگ، چین، ۱ تا ۴ مارس ۲۰۱۱٫ صص ۱۹-۲۶٫ [ Google Scholar ]
- گوا، اچ. شیائو، اچ. یوان، X. تجسم و تجزیه و تحلیل حجم چند متغیره مقیاس پذیر بر اساس طرح ریزی ابعاد و مختصات موازی. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۱۲ ، ۱۸ ، ۱۳۹۷–۱۴۱۰٫ [ Google Scholar ]
- آموریم، ر. برزیل، EV; سماواتی، ف. Sousa, M. مدل سازی زمین شناسی سه بعدی با استفاده از طرح ها و حاشیه نویسی از نقشه های زمین شناسی. در مجموعه مقالات SBIM ’14: چهارمین سمپوزیوم مشترک در زیبایی شناسی محاسباتی، انیمیشن و رندر غیر عکاسی، و رابط ها و مدل سازی مبتنی بر طرح، ونکوور، BC، کانادا، ۸ تا ۱۰ اوت ۲۰۱۴٫ صص ۱۷-۲۵٫ [ Google Scholar ]
- روشا، ا. موتا، ر. حمدی، ح. Alim, UR; سوزا، ام. تجسم چند متغیره مصور برای مدلسازی زمین‌شناسی. محاسبه کنید. نمودار. انجمن ۲۰۱۸ ، ۳۷ ، ۴۶۵-۴۷۷٫ [ Google Scholar ] [ CrossRef ]
- چی، جی. ژانگ، بی. لیو، بی. مارفورت، ک. انتخاب ویژگی لرزه‌ای برای تحلیل رخساره‌های مبتنی بر یادگیری ماشینی. ژئوفیزیک ۲۰۲۰ ، ۸۵ ، ۰۱۷–۰۳۵٫ [ Google Scholar ] [ CrossRef ]
- پاتل، دی. بروکنر، اس. ویولا، آی. گرولر، ME تجسم حجم لرزه ای برای استخراج افق. در مجموعه مقالات سمپوزیوم تجسم اقیانوس آرام IEEE، تایپه، تایوان، ۲ تا ۵ مارس ۲۰۱۰٫ صص ۷۳-۸۰٫ [ Google Scholar ]
- فراکلیوتی، م. Petrou, M. Horizon Picking in 3D Seismic Data Volumes. ماخ Vis. Appl. ۲۰۰۴ ، ۱۵ ، ۲۱۶-۲۱۹٫ [ Google Scholar ] [ CrossRef ]
- آموریم، ر. برزیل، EV; پاتل، دی. Sousa، MC Sketch مدلسازی افق‌های لرزه‌ای از عدم قطعیت. در مجموعه مقالات سمپوزیوم بین‌المللی در مورد رابط‌ها و مدلسازی مبتنی بر طرح، انسی، فرانسه، ۴ تا ۶ ژوئن ۲۰۱۲٫ صص ۱-۱۰٫ [ Google Scholar ]
- لیدال، ای. پاتل، دی. بندیکسن، م. لانگلند، تی. Viola, I. مدلسازی سه بعدی زمین شناسی مبتنی بر طرح سریع. در مجموعه مقالات کارگاه تجسم در علوم محیطی (EnvirVis)، لایپزیگ، آلمان، ۱۷-۱۸ ژوئن ۲۰۱۳٫ صص ۳۱-۳۵٫ [ Google Scholar ]
- مارفورت، کی جی. Kirlin، RL; کشاورز، SL; باهوریچ، MS 3-D ویژگی های لرزه ای با استفاده از الگوریتم انسجام مبتنی بر ظاهر. ژئوفیزیک ۱۹۹۸ ، ۶۳ ، ۱۱۵۰-۱۱۶۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- گیبسون، دی. اسپان، ام. ترنر، جی. تشخیص خودکار خطا برای داده های لرزه ای سه بعدی. در مجموعه مقالات هفتم محاسبات تصویر دیجیتال: تکنیک ها و کاربردها، سیدنی، استرالیا، ۱۰-۱۲ دسامبر ۲۰۰۳٫ صص ۸۲۱-۸۳۰٫ [ Google Scholar ]
- جئونگ، WK; ویتاکر، آر. Dobin, M. تشخیص خطای لرزه‌ای تعاملی سه بعدی روی سخت‌افزار گرافیکی . گرافیک حجمی; Machiraju, R., Moeller, T., Eds. انجمن Eurographics: Goslar، آلمان، ۲۰۰۶٫ [ Google Scholar ] [ CrossRef ]
- مک‌کلیمونت، AF; گرین، AG; استریچ، آر. هورست مایر، اچ. ترونیک، جی. نوبز، دی سی؛ پتینگا، جی. کمپبل، جی. لانگریج، آر. تجسم گسل‌های فعال با استفاده از ویژگی‌های هندسی داده‌های GPR سه بعدی: مثالی از ناحیه گسل آلپ. ژئوفیزیک ۲۰۰۸ ، ۷۳ ، B11-B23. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پاتل، دی. گیرتسن، سی. تورموند، جی. گرولر، ای. ارائه تصویری داده های لرزه ای. در مجموعه مقالات دوازدهمین کارگاه بین المللی پاییز در مورد بینایی، مدل سازی و تجسم، VMV 2007، زاربروکن، آلمان، ۷-۹ نوامبر ۲۰۰۷٫ صص ۱۳-۲۲٫ [ Google Scholar ]
- پاتل، دی. گیرتسن، سی. تورموند، جی. گلبرگ، جی. گرولر، ME The Seismic Analyzer: Interpreting and Illustrating 2D Seismic Data. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۰۸ ، ۱۴ ، ۱۵۷۱-۱۵۷۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- پاتل، دی. تجسم بیانی و تفسیر سریع حجم های لرزه ای. Ph.D. پایان نامه، گروه انفورماتیک، دانشگاه برگن، برگن، نروژ، ۲۰۰۹٫ [ Google Scholar ]
- Kadlec، BJ; توفو، اچ ام. Dorn، GA به کمک دانش تجسم و بخش‌بندی ویژگی‌های زمین‌شناسی با استفاده از سطوح ضمنی. محاسبات IEEE. نمودار. Appl. ۲۰۱۰ ، ۳۰ ، ۳۰-۳۹٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- ناتالی، م. ویولا، آی. پاتل، دی. تجسم سریع مفاهیم زمین شناسی. در مجموعه مقالات بیست و پنجمین کنفرانس SIBGRAPI در زمینه گرافیک، الگوها و تصاویر، اورو پرتو، برزیل، ۲۲ تا ۲۵ اوت ۲۰۱۲٫ صص ۱۵۰-۱۵۷٫ [ Google Scholar ]
- ناتالی، م. کلاوزن، تی. پاتل، دی. مدلسازی و تجسم رسوب زمین شناسی مبتنی بر طرح. محاسبه کنید. Geosci. ۲۰۱۴ ، ۶۷ ، ۴۰-۴۸٫ [ Google Scholar ] [ CrossRef ]
- عزیز، IA; مازلان، ن.ا. سمیها، ن. Mehat, M. تجسم لرزه ای سه بعدی با استفاده از فرمت داده SEG-Y. در مجموعه مقالات سمپوزیوم بین المللی فناوری اطلاعات ۲۰۰۸، بوبانشوار، هند، ۱۷ تا ۲۰ دسامبر ۲۰۰۸٫ جلد ۲، ص ۱-۷٫ [ Google Scholar ]
- لیو، آر. شن، ال. چن، ایکس. جی، جی. ژائو، بی. تان، سی. سو، ام. تجسم تفسیری برش مبتنی بر طرح برای داده‌های چینه‌شناسی. J. Imaging Sci. تکنولوژی ۲۰۱۹ ، ۶۳ ، ۱-۱۰٫ [ Google Scholar ] [ CrossRef ]
- لیندبرگ، T. مقیاس-فضای سیگنال های گسسته. IEEE Trans. الگوی مقعدی ماخ هوشمند ۱۹۹۰ ، ۱۲ ، ۲۳۴-۲۵۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- کوریا، سی. Ma، توابع انتقال مبتنی بر اندازه KL: یک تکنیک جدید اکتشاف حجم. IEEE Trans. Vis. محاسبه کنید. نمودار. ۲۰۰۸ ، ۱۴ ، ۱۳۸۰-۱۳۸۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Witkin، AP Scale-Space Filtering. بین المللی کنفرانس مشترک آرتیف. هوشمند ۱۹۸۳ ، ۲ ، ۳۲۹-۳۳۲٫ [ Google Scholar ]
- گائو، ام. وانگ، ال. جیا، جی. چن، ی. لیو، آر. شن، ال. چن، ایکس. Su, M. تجسم زمین شناسی تعاملی بر اساس پرس و جو فاصله درجه دوم. جی. الکترون. Imaging ۲۰۱۹ , ۲۸ , ۰۲۱۰۰۹٫ [ Google Scholar ]
- ژو، دبلیو. لی، تی. لی، اس. Zhu, Y. Color-in-Fist: استعاره ای برای انتخاب رنگ با تعامل میان هوا. J. Vis. ۲۰۲۲ ، ۲۵ ، ۲۰۷-۲۱۸٫ [ Google Scholar ] [ CrossRef ]
شکل ۱٫ ابزار پیشنهادی ما شامل سه مرحله است. ابتدا، داده های پیش پردازش شده به دستگاه غوطه ور وارد می شوند و تابع انتقال (TF) از طریق سرور ابری به HMD وارد می شود. سپس داده های حجم زمین شناسی بر روی GPU با رندر حجمی ارائه می شوند. انواع مختلفی از تعامل را می توان بر روی داده های برش انجام داد، یا UFP را می توان با پرس و جو مبتنی بر سطح درجه دوم استخراج کرد. الگوهای نمایش چینه شناسی مختلف یا هر ترکیبی از آنها را می توان به دست آورد. در نهایت، تمام نتایج گویا را می توان ترکیب کرد تا ساختار و توزیع UFP را بهتر آشکار کند.
شکل ۲٫ دکمه ها و جوی استیک روی دسته لمسی را می توان برای نگاشت به عملکردهای مختلف تعریف کرد. ( الف ) جوی استیک “Thumbstick” به تعامل چرخش در آزمایش و مطالعه کاربر ما متصل است. دکمه های “A” و “B” را می توان برای انجام بزرگنمایی و کوچکنمایی نتیجه رندر استفاده کرد. ( ب ) کنترل کاربران موقعیت برش حالت چینه شناسی صندلی صندلی و برش حالت چینه شناسی پالیز در زمان واقعی از طریق دسته و دکمه ها.
شکل ۳٫ تصویر سه حالت نمایش چینه شناسی در یک محیط غوطه ور. که شامل حجم اصلی ( بالا )، حالت نمایش چینه شناسی صندلی صندلی ( پایین سمت چپ )، حالت نمایش چینه شناسی پالیسید ( پایین وسط )، و حالت نمایش چینه شناسی متقاطع ( پایین سمت راست ) است. ما به این حالت های نمایش چینه شناسی از مقاله قبلی [ ۱ ] اشاره می کنیم.
شکل ۴٫ ویرایشگر تابع انتقال از یک نمای تنظیم ( سمت چپ ) و یک نمای پیش نمایش ( راست ) تشکیل شده است. در نمای تنظیم، کاربر می تواند رنگ و کدورت مربوط به محدوده خاصی از مقادیر شدت را تغییر دهد و پیش نمایش نتیجه رندر زمان واقعی را در دستگاه غوطه ور مشاهده کند.
شکل ۵٫ ( الف ) محل تقاطع چهارگانه A و B را جستجو کنید. ( ب ) صفحه کلید مجازی نه تنها دارای پنج سطح A-E است، بلکه شامل دکمه Add (برای افزودن یک سطح چهارگانه جدید استفاده می شود)، نماد تقاطع ( برای انجام یک عملیات مجموعه خاص بر روی مجموعه سطحی استفاده می شود، کلید حذف و کلید enter (که برای انجام پرس و جوهای سطح چهارگانه استفاده می شود) بیان عملیات مجموعه. در محیط غوطه‌ور، کاربران می‌توانند روی صفحه‌کلید مجازی از طریق دسته کلیک کنند، یک عبارت عملیات مجموعه خاص را وارد کنند و UFP را در سطوح چهارگانه مربوطه جستجو کنند.
شکل ۶٫ از سه مجموعه داده برای نمایش مدل های مختلف زمین شناسی استفاده شد. ( الف ) تجسم کل داده های چینه شناسی؛ ( ب ) حالت نمایش صندلی صندلی توسط دسته لمسی. ( ج ) حالت صفحه نمایش با دسته لمسی. ( د ) ترکیبی از حالت نمایش متقاطع و ساختارهای چینه شناسی استخراج شده. همانطور که در تصاویر بالا نشان داده شده است، ضخامت برش ها و فاصله بین برش ها در حالت نمایش پالیسید یا صندلی راحتی با لمس دسته قابل تنظیم است.
شکل ۷٫ ( الف ) مجموعه داده کلی I بر روی GPU با رندر حجمی ارائه می شود. ( ب ) کاربر عبارت عملیات مجموعه A∪C را در صفحه کلید مجازی وارد می کند. ( ج ) نتیجه پرس و جو A∪C در مجموعه داده I. ( د ) ترکیب حالت نمایش متقاطع و ساختارهای چینه شناسی استخراج شده.
شکل ۸٫ ( الف ) مجموعه داده کلی II بر روی GPU با رندر حجمی ارائه می شود. ( ب ) کاربر عبارت عملیات مجموعه B∩(A∪C) را در صفحه کلید مجازی وارد می کند. ( ج ) نتیجه پرس و جو B∩(A∪C) در مجموعه داده II. ( د ) ترکیب حالت نمایش متقاطع و ساختارهای چینه شناسی استخراج شده.
شکل ۹٫ ( الف ) کاربر عبارت مجموعه عملیات B∩!A را در صفحه کلید مجازی وارد می کند. ( ب ) نتیجه پرس و جو B∩!A در مجموعه داده III. ( ج ) توابع انتقال طراحی شده توسط کاربر در رایانه شخصی. ( د ) ترکیب حالت نمایش متقاطع و ساختارهای چینه شناسی استخراج شده.
شکل ۱۰٫ پس از مطالعه: نتایج پرسشنامه. این پرسشنامه شامل یک سری سوالات ۵ درجه ای در مقیاس کاربران در مورد قابلیت استفاده و کاربرد ابزار ما بود. همه شرکت کنندگان از نویسندگان مشترک مقاله نیستند.
بدون دیدگاه