[发明专利]一种面向虚拟现实的A*寻路优化方法

说明书

本文提出一种面向虚拟现实的A^*寻路优化方法。首先通过对虚拟场景中的物体进行障碍物检测，从而生成一个包括坐标信息和障碍物信息的网格地图，然后为每个寻路节点添加方向向量，根据约束规则进行优先查找。最后通过代价估计函数和启发函数对待搜索节点进行代价估计，并从中选取代价最小的节点加入最优路径。由于结合了路径节点的方向信息和约束规则，从而减少了寻路节点的数量，提高了寻路效率。在多个虚拟场景下的实验验证了方法的有效性。

技术领域

本发明涉及虚拟现实领域中的路径规划问题，尤其是涉及一种面向虚拟现实的A^*寻路优化方法。

背景技术

虚拟现实技术是一种可以创建虚拟环境的多种技术的集合，它通过计算机和外围传感器生成一个虚拟的3D环境，使用者可以与虚拟环境进行交互，除了提供视觉感知外，还包含其他多感知技术，是一种综合性极强、多学科交叉的前沿技术。目前，虚拟现实技术主要应用于游戏、教育以及参观展示方面，在一些大型游戏或场景中，使用者通常不知道自己身在何处，也不知道目的地该如何前往，因此对虚拟场景进行路径规划就显得格外重要。然而，相较于一般的路径规划，面向虚拟现实的路径规划则要更为复杂一些，它面向的是虚拟物体和场景，涉及到3D网格的构建以及障碍物检测，这对路径搜索算法的效率提出了更高的要求。

路径搜索可以分为两类：盲目搜索和启发式搜索。盲目搜索是一种无信息搜索，它通常不考虑节点本身的特性，直接按照预定的策略进行搜索，它比较适用于问题比较简单的情况。常用的盲目搜索算法有：深度优先搜索和广度优先搜索。深度优先搜索的缺点是可能搜索出来的路径不是最优路径，广度优先搜索的不足在于搜索过程中占用的内存较大。其中有一种经典的寻路算法是Dijkstra算法，它虽然可以找到最优路径，但是不足之处在于寻路过程中遍历的节点太多从而会影响算法的效率。因此在自动寻路算法中，常用的方法是启发式搜索，它会对待搜索列表中的元素进行代价评估，找到其中代价最优的位置，然后从这个位置继续往前探索，最后找到路径终点停止。目前，A^*算法是一种常用的启发式搜索算法，经常用来寻找最优路径。相比 Dijkstra算法，A^*算法虽然降低了寻路过程中查找的节点，但对于相对复杂的场景来说，其效率仍然不够理想。

发明内容

本发明提出了一种面向虚拟现实的A^*寻路优化方法，首先对整个虚拟场景进行障碍物检测，然后结合节点的方向信息和约束规则进行路径规划。

本发明通过以下技术方案来实现上述目的：

(1)对整个虚拟场景进行障碍物检测，生成一个覆盖整个虚拟场景的网格地图，每个网格不仅包含坐标信息，还包括障碍物信息。

(2)确定路径的代价估计函数和启发函数。

(3)确定路径节点的方向信息和约束规则。

(4)根据(3)中方向信息和约束规则进行递归查找，直至得到下一个搜索节点。

(5)根据(2)中的代价估计函数和启发函数对(4)中得到的待搜索节点进行代价估计，并从中选取代价最小的节点加入最优路径。

附图说明

图1面向虚拟现实的A^*寻路优化方法结果图；

具体实施方式

虚拟场景进行障碍物检测的具体方法如下：

在虚拟场景中，构建的是3D网格，需要将场景中物体的世界坐标系下的坐标转换成网格坐标系下的坐标。假设场景的最大长度，最大宽度和最大高度分别为A，B， C，网格的长、宽、高分别为a，b，c，以场景左上角的端点P＝(m,n,p)为标定点，设为网格坐标系的坐标原点(0,0,0)，接下来对整个场景进行网格构建，对于任意的网格节点坐标(x,y,z)，映射到世界坐标系的坐标为(ax+m,by+n,cz+p)。