[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

说明书

本申请实施例公开了一种三维游戏场景的特征提取方法、装置、设备及存储介质，相关实施例可应用于人工智能等各种场景，用于降低三维游戏场景特征的提取成本。该方法包括：从游戏角色对象的顶部，打出一组视锥体射线，当有射线击中物体时，返回击中的物体的射线所对应的物体属性信息，对物理属性信息进行向量转换，并将转换得到的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，以游戏角色对象的当前角色坐标为采集中心，向四周采集每个细粒度对应的高度值矩阵，将全部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，将一维射线特征向量以及一维高度图特征向量，整合为三维游戏场景特征。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种三维游戏场景的特征提取方法、装置、设备及存储介质。

背景技术

在三维游戏场景中，对三维游戏场景进行特征提取的方式目前主要包括提取视觉图像特征、提取深度图特征等。

但是，游戏中的三维场景普遍具有非结构化、物体类别繁杂、物体形状复杂、难以建模为数据信息等特点。如何高效、准确地提取出场景特征仍是比较困难的。

通过提取视觉图像特征来描述三维场景并不完备。这是因为所提取的视觉图像特征实际上是三维场景在二维平面上的投影，只包含了三维游戏场景的二维信息。且视觉图像的数据维度较高，一般需要机器学习游戏AI端到端地进行归纳学习，所需的学习成本较高。

而深度图特征虽然能够包含场景的三维信息，但深度图特征的维度仍是较高的，像素点之间包含的信息量存在一定的重复与冗余。且深度图特征中只包含了距离信息，使得机器学习游戏AI仍然需要耗费较高的成本对深度图特征进行归纳学习。

故将视觉图像特征与深度图特征结合，虽然能够提取出更加丰富的场景特征，但是仍然存在着信息维度与机器学习游戏AI学习成本较高的问题。

发明内容

本申请实施例提供了一种三维游戏场景的特征提取方法、装置、设备及存储介质，用于通过视锥体射线，获取到包含有物体属性信息的射线特征向量，并进行降维处理能够有效降低数据的维度，同时，通过采集高度图特征向量来提取出三维游戏场景的地形地貌信息，使得对三维场景的描述更加完备，再通过将射线特征向量以及高度图特征向量整合为三维游戏场景特征，使得三维游戏场景特征不仅简洁高效、语义丰富，且包含地形地貌信息，能够对三维游戏场景进行充分描述，使得基于整合得到的三维游戏场景特征作为样本特征，对机器学习游戏AI进行学习，可以增强机器学习游戏AI的三维场景感知能力，从而加速机器学习游戏AI生产开发。

本申请实施例一方面提供了一种三维游戏场景的特征提取方法，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；

当一组视锥体射线中有射线击中物体时，返回击中的物体的射线所对应的物体属性信息，其中，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；

对全部接收到的击中物体的位置信息、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；

将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，向四周采集每个细粒度对应的高度值矩阵；

将全部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；

将一维射线特征向量以及一维高度图特征向量整合为每一帧三维游戏场景画面对应的三维游戏场景特征。

本申请另一方面提供了一种三维游戏场景的特征提取装置，包括：