[发明专利]三维游戏场景的特征提取方法、装置、设备及存储介质有效
申请号: | 202211525532.8 | 申请日: | 2022-12-01 |
公开(公告)号: | CN115591240B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 徐志鹏;杨敬文;王晓曦;顾子卉;万乐;殷俊;欧阳卓能;金鼎健;廖明翔;刘总波;梁宇宁;官冰权;杨益浩;申家忠;刘思亮;高丽娜 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | A63F13/52 | 分类号: | A63F13/52;A63F13/57;A63F13/58;G06N3/04;G06N3/08 |
代理公司: | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人: | 闵晶晶 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 三维 游戏 场景 特征 提取 方法 装置 设备 存储 介质 | ||
1.一种三维游戏场景的特征提取方法,其特征在于,包括:
针对每一帧三维游戏场景画面,从游戏角色对象的顶部,打出一组视锥体射线,其中,所述一组视锥体射线射出形成呈锥状;所述一组视锥体射线的条数低于三维游戏场景画面的视觉图像特征以及深度图特征的像素点数;
当一组所述视锥体射线中有射线击中物体时,返回击中的所述物体的所述射线所对应的物体属性信息,其中,所述物体属性信息包括击中物体的位置信息、击中物体的类别信息以及材质信息;
对全部接收到的所述击中物体的位置信息、所述击中物体的类别信息以及材质信息进行向量转换,得到射线特征向量,使所述射线特征向量中包含有所述击中物体的位置信息、击中物体的类别信息以及材质信息;
将所述射线特征向量经过神经网络进行特征降维处理,得到一维射线特征向量;
基于不同的细粒度,以所述游戏角色对象的当前角色坐标为采集中心,向四周采集每个所述细粒度对应的高度值矩阵;
将全部所述细粒度对应的高度值矩阵经过神经网络进行特征降维处理,得到一维高度图特征向量,所述一维高度图特征向量携带有所述三维游戏场景的地形地貌信息;
将所述一维射线特征向量以及所述一维高度图特征向量,整合为每一帧所述三维游戏场景画面对应的三维游戏场景特征。
2.根据权利要求1所述的方法,其特征在于,所述对全部接收到的所述击中物体的位置信息、所述击中物体的类别信息以及材质信息进行向量转换,得到射线特征向量,包括:
对击中的所述物体的所述射线所对应的所述击中物体的位置信息、所述击中物体的类别信息以及材质信息进行向量转换,得到击中的所述物体的所述射线所对应的信息向量;
将全部击中的所述物体的所述射线所对应的信息向量整合为所述射线特征向量。
3.根据权利要求2所述的方法,其特征在于,所述对击中的所述物体的所述射线所对应的所述击中物体的位置信息、所述击中物体的类别信息以及材质信息进行向量转换,得到击中的所述物体的所述射线所对应的信息向量,包括:
对所述击中物体的位置信息进行向量标准化处理,得到位置向量;
对所述击中物体的类别信息以及材质信息进行特征编码,得到编码向量;
将所述位置向量以及所述编码向量进行拼接,得到击中的所述物体的所述射线所对应的信息向量;
所述将全部击中的所述物体的所述射线所对应的信息向量整合为所述射线特征向量,包括:
将全部击中的所述物体的所述射线所对应的信息向量进行顺序拼接,得到所述射线特征向量。
4.根据权利要求1所述的方法,其特征在于,所述基于不同的细粒度,以所述游戏角色对象的当前角色坐标为采集中心,向四周采集每个所述细粒度对应的高度值矩阵,包括:
基于不同的细粒度,以所述游戏角色对象的当前角色坐标为采集中心,向四周采集每个所述细粒度对应的N*N网格,其中,所述N为大于1的整数;
基于所述每个所述细粒度对应的N*N网格,生成每个所述细粒度对应的高度值矩阵。
5.根据权利要求4所述的方法,其特征在于,所述基于不同的细粒度,以所述游戏角色对象的当前角色坐标为采集中心,向四周采集每个所述细粒度对应的N*N网格,包括:
将不同的所述细粒度,作为不同大小的待采集网格单位长度;
按照不同大小的待采集网格单位长度,以所述游戏角色对象的当前角色坐标为采集中心,向四周采集每个所述待采集网格单位长度对应的N*N网格;
所述基于所述每个所述细粒度对应的N*N网格,生成每个所述细粒度对应的高度值矩阵,包括:
获取所述N*N网格的每个网格中心点所对应的高度值,并基于所述高度值生成每个所述细粒度对应的高度值矩阵。
6.根据权利要求1所述的方法,其特征在于,所述将全部所述细粒度对应的高度值矩阵经过神经网络进行特征降维处理,得到一维高度图特征向量,包括:
将全部所述细粒度对应的高度值矩阵进行拼接以及张量转换处理,得到高度图特征张量;
将所述高度图特征张量经过神经网络进行特征降维处理,得到所述一维高度图特征向量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211525532.8/1.html,转载请声明来源钻瓜专利网。