面向沉浸式流场可视化的多视图数据管理方法

洪韬濮，杨 超，吴亚东，张晓蓉，王 昉，王赋攀

1.西南科技大学 计算机科学与技术学院，四川 绵阳 621000

2.中国空气动力研究与发展中心 计算空气动力研究所，四川 绵阳 621000

3.四川轻化工大学 计算机科学与工程学院，四川 自贡 643002

4.空气动力学国家重点实验室，四川 绵阳 621000

流场可视化指利用计算机图形学技术将数值模拟产生的流场数据进行绘制、渲染，进而转为直观的图形图像的过程，它可以帮助研究人员直观、形象、高效地理解和分析流场的物理规律和特征[1]。通过可视化方法可以提高流场的视觉空间表现力，三维流场中常见的可视化方法包括流线[2]、纹理[3]、体绘制[4]等。沉浸式技术的三维显示及交互技术与三维科学可视化环境特性高度契合[5]，目前已经在医疗、工业、考古、地理、气象等多个领域得到了广泛应用[6]。近年来随着沉浸式技术的快速发展，为三维流场可视化技术带来了新的可能性。

在流场数值模拟的过程中，由于对流场空间的不同网格划分以及超算集群的分块并行计算，流场数据通常以分块的形式呈现给流场研究人员。对流场数据进行分块能简化复杂的流场结构，提供高质量的网格[7]，利于进行任务划分、并行计算等操作。而流场可视化分析中使用的计算机图形学技术必须应用到对应的数据块之上。因此，对流场数据块的组织和管理成为流场可视化分析的首要任务。

当前沉浸式环境下针对多块流场数据精确组织和管理的方法较少。现有的桌面流场可视化软件，如Tecplot[8]、Ensight[9]等，主要使用二维树状列表映射的方式，通过数据块名映射到对应数据块，进而实现数据块的组织和管理。然而，目前业界未形成统一的数据块命名规范，使得数据块精确管理效率较低，特别是在面对数百数千个数据块时大大增加了用户组织和管理数据块的时间。另外，二维树状列表映射方式在沉浸式环境下还存在操作复杂、交互效率低、不直观、影响沉浸式体验等问题，导致难以应用到沉浸式环境中。沉浸式三维环境下需要更加直观、高效、自然的多块流场数据组织和管理方案。

针对沉浸式三维环境下多块流场数据的组织和管理需求，提出了一种基于多视图交互的数据块组织和管理方法。该方法通过主视图的可视化数据与小视图可视化概览数据结合交互，协同高效地完成流场可视化的多块数据组织和管理任务。

自20 世纪90 年代以来，沉浸式虚拟现实技术被广泛应用到科学可视化的研究中，并取得了显著的成效[10]。Van Dam 等[11]指出沉浸式环境下更容易理解和探索复杂结构，并能显示更多有意义的信息，促进更自然的交互。Donalek等[12]研究了在虚拟现实环境下的可视化技术，其结果表明，沉浸式环境可以明显地提高感知几何形状的效率，使参与者能更直观地理解数据，增强对数据关系的记忆。Drouhard 等[13]指出沉浸式技术能提供直观的交互和高效的导航，并有助于进行复杂数据集的协作研究。流场可视化是科学可视化的重要分支之一[1]，科学家很早就开始研究如何将其与沉浸式技术相结合。1991年，Bryson等[14]将虚拟现实技术应用到CFD（computational fluid dynamics）领域，构建了“虚拟风洞（virtual wind tunnel，VWT）”，进行流场特征分析。经过20 多年发展VWT 已经能够进行几乎实时的虚拟风洞实验[15]。Wasfy 等人[16]利用沉浸式Cave 环境呈现CFD数据可视化结果，并支持通过菜单界面完成参数调节。Chen 等人[17]构建了支持多通道交互的沉浸式流场可视化系统。

目前针对流场数据块组织和管理形式的相关研究主要集中于一些商用的桌面端软件。该类软件通常采用树状列表的呈现形式，即以数据块名为索引构建映射表呈现给用户的形式，从而将对流场数据块的组织和管理转化为对映射表中各条目的组织和管理。该方法在对流场数据块进行可视化处理时，需要选中数据块对应的映射表条目以实现数据块的操作，并可以使用连续选择实现简单的批量选取，但是使用过程中仍然存在许多不足。不同CFD 研究人员对数据块命名习惯不同，使得难以从映射表条目名上快速获知其所对应的具体数据块，只能进行逐一尝试，操作复杂且不够直观；
当流场数据块数量很大时，其交互效率将会降低。

微型世界（world-in-mini，WIM）技术是一种有效增强用户空间感知的解决方案。LaViola等[18]研究了一个用于大型沉浸式考古场景的导航交互方式，其提出的Step-WIM导航可以通过手势在缩略图和大型场景间切换，实现快速的移动。Datey[19]在沉浸式环境下为三维散点图制作了场景概览，并通过场景概览上操作完成在空间中的跳跃移动。已有的研究表明，WIM 不仅能提供场景空间的整体概览，增强用户对整体数据的信息获取效率，还能进行快速的空间定位操作，利于高效地移动。但目前依然缺乏关于微型世界对于虚拟现实中抽象数据可视化的研究[20]。

为保证对流场数据块的管理和使用在整个流场可视分析的交互过程中能随时进行，需要数据块管理方法能够支持直观的数据块组织呈现以及快速方便的数据块使用。

2.1 问题分析

在沉浸式环境下完整的流场数据信息通常直接呈现在一个三维空间场景中，用户在该场景中分析流场特征，将此场景称为主视图。流场数据块组织和管理方法需要解决的主要问题是能将数据块直观地呈现给用户，从而能让用户可以方便地在主视图中对单个或者多个数据块进行可视分析。

通常CFD 数值模拟计算的流场空间尺度都比较大，在流场可视分析过程时，为了进行快捷精确的三维交互如流线布种等，用户往往会沉浸在主视图的整个流场数据之中。在沉浸式分析过程中，一方面，沉浸到流场中会使用户难以高效地感知流场数据整体状态，分析流场整体的特征；
另一方面，在流场分析时通常会隐藏部分数据块，以免遮挡关键数据块，但是当用户需要再次分析这些被隐藏数据块中的流场特征时，由于被隐藏而无法直接在主视图中进行可视分析。另外，用户在进行流场分析时，通常希望能快速地排除非关键数据块，迅速定位到感兴趣的块。因此，需要一种应用于沉浸式三维环境下的流场数据块组织和管理方案，以方便用户进行高效的数据分析。

本文基于WIM交互技术，引入小视图的概念，设计了三维数据管理视图，以下简称三维小视图。三维数据管理视图以缩略图的方式呈现于主视图中，如图1 所示，其中显示了全部流场数据块概览信息，提供交互支持。并结合小视图，提出了一种应用于沉浸式流场可视化分析的多视图数据块组织和管理方法。该方法利用主视图和小视图的协作交互，帮助用户完成对流场数据块的高效可视分析。

图1 场景中的三维数据管理视图Fig.1 3D data management view in scene

2.2 三维小视图定义

研究人员在对数据进行操作时，既希望能具体观察数据细节，对关注的数据块进行操作，又希望能高效快速地感知空间信息，管理整体数据块。多视图交互通过多个视图呈现数据对象的不同状态信息，研究人员可以随时使用主视图和三维小视图进行数据块管理和交互，进而完成可视化分析任务。图2 展示了三维小视图的组成结构，其中包括：

图2 三维小视图的组成结构Fig.2 Composition structure of 3D data management view

（1）数据的概览。小视图的基本任务是组织管理数据块，在不干扰用户对主视图观察的情况下，向用户提供主视图的复杂大量的数据块的概览，使得用户在对数据交互过程中不用缩小正在交互的主视图，就能直接观察到主视图整体信息。因此，流场数据块将按一定比例缩小显示到三维小视图上，并默认以白色半透明状态显示以方便观察。

（2）用户化身。用户化身可以在三维小视图上提供用户自身位置映射，使用户了解自身与数据块的相对三维空间位置信息，增强用户对空间结构的把握。用户的空间位置及朝向信息映射被到小视图上显示，以红色圆球表示用户位置，用户的朝向由从圆球发射的射线表示。

（3）坐标轴。用户在进行交互操作时，需要使用坐标轴来辅助理解空间中的三维方向信息。在主视图中提供坐标轴显示容易干扰用户对数据块细节的观察，因此在三维小图中将提供与小视图契合的三维坐标轴，方便用户把握整体方向信息。坐标轴显示在三维小视图中心，以红绿蓝射线代表XYZ轴。

（4）浏览交互控件。三维小视图应允许用户进行小视图的浏览操作，使用户能方便高效地获取流场数据块的整体信息，该功能由浏览交互控件实现。浏览交互控件悬浮于数据概览下方，由一个蓝色环形浏览控件及环心的一个白色移动控件组成，分别控制三维小视图的旋转和缩放。

三维小视图的功能包括：

（1）数据块组织。区别桌面环境下二维树状列表数据管理方式，为了使用户能在三维环境中直观地理解数据块映射，本文使用三维小视图对数据进行组织，通过图形的方式将数据块呈现给用户，并支持不同状态数据块的区别显示。

（2）数据块管理。三维小视图需要向用户提供对数据块的交互，支持用户完成多视图数据块管理任务。用户可以通过三维小视图提供对单个数据块的精确管理，以及多个数据块的批量管理。

（3）数据块整体变换。小视图提供了对数据块整体的几何变化操作。整体的几何变换交互操作在数据内部进行数据整体变换时，可以在变换过程中保持对空间信息的获取，不易丢失整体信息。

（4）小视图浏览。浏览操作向用户提供更加全面地获取空间信息的方式，使用户能快速多视角地观察三维小视图。浏览功能不影响主视图数据的变化。小视图浏览包括其自身的移动、旋转、缩放，其交互通过小视图交互控件完成。

（5）空间导航。本文的三维小视图还提供了可以进行快速跳跃移动的导航交互。

并且为了提供方便快捷的交互，使用户能在可视化交互过程中即时地进行数据管理操作，小视图可以由用户在空间任意位置呼唤出来。

此外，当主视图中的可视化数据缩放产生变化时，用户与数据的相对位置也会产生变化。为保证小视图在场景中的观察效果，三维小视图对可视化数据进行组织时的缩放交互应满足如下要求：

（1）为了保证小视图的数据概览大小适中，方便用户对数据块进行管理操作，小视图显示的数据概览部分在较小时应进行一定程度缩放。

（2）场景主视图数据缩放时，用户与主视图数据相对位置将会发生变化。为了在小视图上体现出位置变化，并保持数据概览的尺寸，应当以数据概览为参照物来相对移动用户化身。

（3）当用户在数据外部距离数据较远时，为了使用户可以在小视图上快速观察到用户化身，应将用户化身保持在小视图一定距离内。

（4）由于三维小视图本身支持浏览时的缩放交互，三维小视图缩放比例应受用户浏览交互的缩放的制约，能在浏览交互进行缩放时产生可视的缩放效果。

为此，本文定义了“最大显示宽度”“有效显示宽度”两个量来衡量小视图缩放后是否满足以上几个条件。“最大显示宽度”表示用户设定的允许小视图显示的最大宽度。“有效显示宽度”取小视图上数据概览和用户化身在XYZ坐标轴上的投影能取到的最大值。测试表明，当“有效显示宽度”刚好等于“最大显示宽度”时能同时满足上述几个条件，并且显示效果最好。故本文系统使用了如下公式计算主视图到小视图的缩放比率(Swim)：

其中，Ldefault-max为用户初始设定的小视图的最大显示宽度，Sview为用户浏览缩放的比例，Lmax表示经过缩放处理后的“最大显示宽度”。

max 方法用于取两个传入参数的最大值，Luser为用户位置沿坐标轴上投影的最大值，Sbyuser表示用户位置沿坐标轴最大投影值等于“最大显示宽度”时计算出的小视图缩放比例，且不小于1。

Ldata×Sdata表示主视图数据轮廓经过缩放后的最大坐标轴投影宽度，该数值取数据AABB包围盒[21]的坐标轴投影最大值的一半；
Sbydata表示数据坐标轴最大投影值等于“最大显示宽度”时计算出的小视图缩放比例，且不会小于1；
Sview表示小视图缩放浏览缩放比例。

2.3 流场数据块管理

选择是数据管理中的基本任务，与一般科学可视化数据不同，由于多块流场数据通常拥有大量的数据块，这使得在进行数据块的选择操作时交互难度更高。

本文结合所见即所得的思想[22]，利用主视图的细节交互优势和小视图的整体交互优势，通过多视图方法完成对多块数据的高效选择，辅助完成数据管理任务。多视图中的三维小视图使用的数据概览-数据块的映射代替了传统树状列表中数据条目-数据块的映射方式，相比之下，多视图交互不需要用户间接理解数据块条目，学习成本和难度更低，且交互过程更加直观高效。

2.3.1 数据块精确管理

通过精确管理可以快速完成对单个数据块的选取任务，实现快速操作特定数据块。为了使在沉浸式三维环境中交互更为直观，减小三维环境中复杂的界面操作，本文通过凝视+手势的交互方式完成精确数据管理。即通过从沉浸式环境中用户双目中心沿用户朝向发射一条射线与数据块的包围盒进行碰撞拾取，并通过预定义的确认手势完成对拾取对象的选取。如图3 所示，系统将在射线与数据块碰撞处显示一个红色凝视点，用于向用户提示当前选取的数据块。

当流场数据块在主视图中显示时，数据块选择可以直接在主视图中进行，但当流场数据块在主视图隐藏后，由于其被隐藏不可见，难以通过直接的交互对主视图中隐藏数据块进行选取交互。为了实现对隐藏数据块的管理，本文使用多视图交互的方法，将隐藏的数据块放入三维小视图进行统一的管理。并允许通过视图切换交互将小视图中存放的数据块和主视图中存放的数据块进行切换，如图4 所示，以支持在主视图中对已隐藏数据块进行显示及管理。为了与三维小视图本身的数据概览进行区别，放入三维小视图中的数据块将拥有相比于数据概览更高的不透明度以及额外的线框。

图4 视图切换Fig.4 Views switching

2.3.2 数据块批量管理

随着多块数据中数据块量的增大，精确的单块选取方式已经不能满足大量数据块选取的交互需求，用户需要一种沉浸式环境下更高效的多块数据管理方案。

为此提出了一种小视图交互、主视图反馈的多视图数据批量管理方法。该方法通过在小视图上进行三维选取完成批量选取，并且由于小视图整体偏小，使用户较难直接观察到即时的选取情况，故将交互反馈同时通过主视图呈现。

小视图上的批量管理交互使用了三维矩体碰撞选取的方式完成。用户通过手势操作在空间中拉取一个长方体，利用长方体与三维小视图数据概览中的数据块进行碰撞检测，选取碰撞的数据块。通过矩体碰撞可以一次性选取多个数据块，达到批量管理的目的。

由于精确管理和批量管理中的选取功能仅能选取单块或连续矩体范围的数据块，难以适应各种形状的数据选取需求。为了使用户能快速完成复杂选取形状的管理交互，小视图向用户提供了重选、叠加、剔除三种选取状态，使用户能通过三种选取状态自由组合已选择的数据块。如图5，在重选状态下，每次的选取结果会取代已有选取结果。在叠加状态下，每次的选取结果将加入已有的选取结果中。在剔除状态下，会在已有的选取结果中剔除本次的选取结果。用户能在三种选取状态间自由切换，完成对特定形状数据块的管理。

图5 数据块选取状态Fig.5 Block selection status

2.3.3 数据块整体操作

在对科学可视化数据交互的过程中，通常需要对数据块进行整体的变换，常见变换方式包括数据的平移、缩放和旋转三种几何变换。在已有的沉浸式科学可视化研究中，用户通常在数据外部对数据对象进行直接的几何变换。由于沉浸式实时流场可视化的特殊性，需要用户浸入到流场中进行流线布种等三维操作，此时数据会包裹用户成为场景的参考系，这使得用户在直接对主视图数据进行整体变换时容易产生视觉遮挡和眩晕感。

WIM技术可以有效解决该问题。用户通过操作小视图进行整体变换，并在变换结束后将变换结果直接反映到主视图上，实现间接地操作主视图。通过三维小视图操作块进行整体变换，在主视图上只保留数据块的开始状态和最终状态，可以避免在交互过程中主视图变换对用户的视觉干扰遮挡和晕眩，使用户能在交互过程中感知自身空间位置。但由于主视图显示的不连续性，使用三维小视图进行整体变换容易使用户丢失上下文信息。本文在通过WIM 整体变换交互的基础上，额外引入除主视图、小视图外的第三个预览视图，提出了一种多视图的数据整体操作方法。该方法在三维小视图交互过程中，将二维预览视图以平面的方式置于小视图上方，给予用户交互结果的显示。在小视图连续的交互过程中，预览视图能持续更新交互结果在主视图的显示信息，保持用户对第一人称视图信息的获取，使用户即使不即时更新主视图也能同步获取上下文信息。

本文设计了基于树状列表和多视图的数据管理方案对比实验，并从学习难度、交互效率及用户评价几个方面完成对实验的评估，以验证多视图数据管理方法的有效性。在实验过程中，用户需要使用不同的数据管理方法按顺序选取指定数据块对象进行隐藏或显示交互。

实验选择基于树状列表的数据管理方法作为多视图方法的对比，是因为该方法是现有多块流场可视化系统中传统的数据管理方法。同时，考虑到二维交互和三维交互的差异性，树状列表管理方法实验设计了包含二维环境和三维环境的实验。二维桌面树状列表数据管理方法代表了传统二维桌面下的数据管理方式，三维沉浸式列表数据管理方法代表了二维列表管理方法在三维环境下的应用。

二维桌面树状列表管理方法的实验使用了桌面科学可视化软件Ensight[9]完成。三维沉浸式列表管理实验程序由本系统提供，构建了一个支持拖拽的三维交互界面，允许用户在界面上进行数据块管理操作，并且在数据块隐藏后其列表中的名称将以灰色显示，方便用户获取其显隐状态。三维沉浸式列表的功能包含对数据块的单块管理以及批量管理。

本次实验分别在桌面和沉浸式环境下进行，桌面实验的交互使用键鼠完成，沉浸式环境实验的交互方式以手势及凝视交互为主。手势凝视结合交互除了用于多视图方法的数据精确管理外，还用于三维界面的交互操作。系统通过凝视点在界面的移动来模拟鼠标在界面的移动，并通过食指和拇指碰撞成OK形状完成单击手势，模拟鼠标在界面的点击。

系统基于VTK[23]和OpenVR[24]技术实现，硬件使用了头戴式显示设备HTC Vive和基于机器视觉的手势识别设备Leap Motion。Leap Motion 设备的手势识别区域为前方锥形范围。通过胶带将Leap Motion 连接在HTC Vive 前方，保证头戴式显示设备和Leap Motion设备的相对位置不发生变化，并使用户在交互时手势动作输入区域正好处于前方视野范围内，更便于沉浸式环境下的交互。

实验流场数据使用了CGNS[25]公开的YF-17战斗机的非结构化网格流场数据和SQNZ_S 结构化网格流场数据。YF-17数据共包含15个数据块，每个数据块均有直观的命名。为了保证沉浸式环境下的可视化结果易于操作和观察，将主视图数据块大小缩放至长宽12 m，机头距离机尾约1.2 m。SQNZ_S 数据包含12 个数据块，数据块以顺序编号命名。

3.1 任务设计

本次实验共分为两部分，分别为训练部分和任务部分。训练部分为对数据管理交互功能的学习，保证参与者在进行实验时能熟悉可行的交互功能，顺利完成操作任务，并统计在训练阶段中的学习时长。实验阶段为参与者依次使用不同交互方式完成数据管理任务，同时记录每个任务完成时间。

训练部分的任务如表1 任务1.1 所示，任务共有三种学习，分别为桌面列表管理方案、沉浸式列表管理方案、沉浸式多视图管理方案。在训练过程中，会向参与者说明交互的方法和过程，并及时解答其提出的疑问。为了避免训练阶段操作过数据块的先验知识对实验阶段结果的影响，在训练阶段和实验阶段使用了不同的数据。训练阶段使用SQNZ_S数据完成，实验阶段使用YF-17数据完成。

表1 实验任务设计Table 1 Experimental tasks design

实验部分任务如表1 中任务2.1、任务2.2 所示。在任务2.1中，参与者需要执行精确管理数据任务，依次完成指定单块数据的选取和操作任务。在任务2.2 中，参与者执行快速批量管理数据任务，完成多个数据块的选取和操作。在实验过程中将统计每个任务的交互时间。

3.2 实验流程

数据管理方法包含树状列表管理方法和多视图管理方法两种。在使用一种方法完成任务后，参与者需要使用另一种方法再次执行该任务。

树状列表方法包含二维桌面列表管理方案和三维沉浸式列表管理方案两种，如表2所示。考虑到二维树状列表和三维树状列表实验类似，两者实验过程会相互影响，故将参与者均分为两组，“桌面组”和“沉浸式组”。“桌面组”人员进行二维桌面列表管理方法实验和多视图管理方法实验；
“沉浸式组”人员进行三维沉浸式列表管理方法实验和多视图管理方法实验。由于每个方案参与人数不相等，在最后的实验统计时，取本方案参与者的交互数据平均值。

表2 实验方案Table 2 Experimental scheme

在实验过程中，允许用户自由对数据进行变换，以切换最佳的观察角度，并在每个实验前，会告知参与者需要尽快完成任务。本次实验共招募了12 名参与者，参与者年龄从21 岁到32 岁，均无视力障碍等影响交互认知的疾病，且均习惯使用右手，与本系统预定义的交互习惯相符合。其中4名用户有VR头戴式显示器的使用或开发经验，6名用户有流场相关知识背景，考虑到此类经验知识对交互学习、流场理解有一定程度的影响，故将上述人员均分到两个实验组之中。

3.3 实验结果

本文实验结果统计了包括所有参与者的平均训练时长、平均任务完成时长及用户反馈。平均训练时长和平均任务完成时长数据通过实验获取，用户反馈由用户主观评价获取。

3.3.1 训练时长

为了使参与者在实验进行时能较熟悉地完成实验任务，减小因不熟悉交互对实验过程产生的影响，会在实验前对参与者进行训练，并统计参与者对于每种交互方式学习的训练时长。

图6 展示了参与者对三种交互方案在完成训练任务1.1 时的平均时长表现。从图中可以看出，列表管理方式训练时长略短于多视图管理方式训练时长，即更容易被学习。考虑其原因是多视图管理交互需要更多的学习内容。

图6 任务1.1的训练时长Fig.6 Training duration of task 1.1

3.3.2 完成时间

图7 展示了参与者通过不同方法分别完成数据管理任务的时长。可以看出即使在数据块有直观命名的情况下，多视图的方法在精确管理和批量管理任务中依然比树状列表的方法花费了更少的时间，其效率差距较为明显。通过实验过程观察和后续的调研，发现列表用户花费的时间主要集中在理解数据条目和数据块映射关系上。

图7 数据管理实验完成时间Fig.7 Completion time of data management experiment

考虑到对数据条目映射熟悉度会影响交互效率，为了观察映射关系对实验结果的影响程度，邀请了已经参与过实验的人员继续进行相同实验。在后续的实验中重复执行任务2.2，观察完成时间的变化趋势。结果统计如图8所示。

图8 多次执行任务2.2的完成时间Fig.8 Completion time of multiple task 2.2

从折线图中可以明显看出，随着重复实验的进行，二维和三维列表方式完成时间都大幅地缩短，相比之下，沉浸式多视图的方式较为稳定。这也说明了对条目到数据块映射关系的理解确实会极大影响数据管理任务的交互速度。这与本文中提到的“树状列表需要间接理解数据块条目，增加了学习成本”的观点相吻合。

在多次实验后，参与者已经熟悉了列表方法中的条目和数据块映射关系，此时其交互效率才与多视图方法相近。

此外，无论是初次实验还是后续实验中，沉浸式列表方法相比沉浸式多视图方法和桌面树状列表方法都表现更差，这也说明了相比于二维列表的方法，多视图数据管理方法更适合沉浸式环境。

3.3.3 用户反馈

在本实验中还收集了参与者关于实验的反馈。对于数据管理任务，一名参与者表示，由于数据本身是侧放着的，导致名为upper的数据块在飞机左侧而非上面，这对理解数据和列表的映射关系有影响。另一名参与者提出，树状列表中顺序混乱也影响了查找数据块的时间。还有参与了后续实验的参与者表示，在多次实验后他能仅通过对列表上条目名称的记忆，不观察流场数据块就能快速完成数据块管理任务。

在交互方面，一名用户觉得沉浸式系统中沿手势拖拽方向移动的导航交互难以理解，隐喻应为拖拽数据而非用户自身，可视化结果移动方向与手势拖拽移动方向相同更容易理解。有三名参与者认为手势识别不够准确，导致其在一些任务中有时会需要进行重复操作。有一名参与者指出了手势交互容易产生疲劳的问题。

此外，还有一名用户指出系统光照方面的不足，当斜着看数据块时亮度会变暗，容易误判其已隐藏。

3.4 结果分析

通过实验结果可以看出：在沉浸式环境下，由于多视图交互方式的多样性，增加了部分学习成本，使得多视图管理方法的学习效率略低于列表管理方法的学习效率，但在实验过程中，多视图呈现出明显的交互效率优势。列表管理方法需要用户在对数据和条目映射有一定理解后，才能达到与多视图方法相当的交互效率。

此外，在对数据管理实验时间统计中，值得注意的地方是桌面列表和沉浸式列表两种方法在完成任务2.1 时花费的时间都是多于任务2.2的，而沉浸式多视图则是在2.2任务中花费的时间更多。在参考了实验数据后发现了其原因主要是，在进行精确管理和批量管理任务时，列表方法都是使用交互方式相近的鼠标点击条目交互方式；
而多视图需要手势、手势+凝视等多种交互方式来回切换。用户在进行连续相同的交互时会逐渐提高效率，因此列表方法花费时长更多地受任务数量的影响，而任务2.1中需要进行更多的选取和隐藏交互任务，故花费时间更多；
多视图方法在任务2.1 中以连续的精确选取交互为主，在任务2.2 中，需要精确选取、批量选取、视图切换等更多样的交互来协同完成，对交互效率的影响较大。

总体来说，多视图结合交互的方法能有效解决沉浸式数据块管理问题，并且其在沉浸式环境下的交互效率是优于二维列表方法的。

本文定义了用户数据管理任务的三维数据管理视图，并提出了一个应用于沉浸式环境下流场多块数据管理的多视图交互方法。该方法使用了三维数据管理视图和主视图结合交互的方式，共同完成沉浸式环境下的多块流场数据管理交互任务。最后以HTC Vive+Leap Motion 构建沉浸式流场可视化系统，定义了两项沉浸式流场中的交互任务，从训练时长、完成时间、用户反馈三方面对比了传统列表管理方法和多视图管理方法的差异。实验表明，基于多视图的交互方法在沉浸式环境下表现更为优异，拥有更高的交互自然性和交互效率。

未来的研究包括：（1）探索沉浸式环境下更多的多视图应用方式。（2）研究多视图交互对数据分析过程的影响。（3）研究多人协同分析时的多视图应用。

猜你喜欢 主视图列表数据管理 企业级BOM数据管理概要汽车实用技术(2022年10期)2022-06-09定制化汽车制造的数据管理分析汽车实用技术(2022年5期)2022-04-02海洋环境数据管理优化与实践海洋信息技术与应用(2021年2期)2021-11-02学习运用列表法小学生学习指导(中年级)(2021年4期)2021-04-27CTCS-2级报文数据管理需求分析和实现铁道通信信号(2020年4期)2020-09-21扩列吧课堂内外(初中版)(2020年5期)2020-06-19搭法有多少画图方知晓初中生世界·七年级(2019年8期)2019-08-29列表画树状图各有所长中学生数理化·中考版(2015年10期)2015-09-102011年《小说月刊》转载列表小说月刊(2012年3期)2012-05-08用“俯视图法”求正方体个数中学数学杂志(2011年12期)2011-02-01

推荐访问:可视化 数据管理 视图