[发明专利]一种虚拟动态群体的可见性判断方法

说明书

技术领域

本发明涉及虚拟现实领域，特别涉及一种对虚拟动态群体进行绘制时的可见性判断方法。

背景技术

在利用虚拟现实技术对大规模复杂场景进行三维可视化时，涉及到针对复杂场景的实时绘制技术，可见性判断一直是实时绘制领域一个非常重要的研究课题。由于复杂场景中通常有很大一部分处于视域外、被遮挡等不可见的状态，避免对其进行计算和绘制能节省相当大的工作量，使实时绘制效率得到提高。然而，在许多实际应用中，复杂场景不仅仅包括静态的环境模型，还包括大规模的动态群体，它们为单一的静态场景带来了勃勃生气。例如，在安全预演中，对安全预案的模拟需要大量虚拟人群作为主体；在虚拟城市中，展现出安居乐业的城市居民和兴致勃勃的游客也能给城市增添活力；在游戏中，更是需要实时渲染大量游戏角色的群体运动，等等。但为了满足逼真性的要求，虚拟群体通常具有庞大的数量以及不断变化的位置和动作，使得整体场景的空间结构不断发生变化，可见性状态也变得非常不稳定，这为实时可见性判断的处理带来了困难。因此研究大规模动态群体的可见判断方法不仅具有广泛的应用领域和重要的实用价值，也具有重大的理论意义。

目前，大规模场景实时绘制的可见性方法研究中，针对动态群体，尤其是大规模动态群体的研究还比较少。由于这些方法考虑的动态群体比较少，因此通常采用实时更新场景数据结构的方法，也就是在每帧绘制前更新场景中动态物体的位置等信息，然后采用通常的静态场景可见性计算方法进行剔除。由于三维空间位置关系的复杂性和多样性，这个过程需要的计算量往往非常大，尤其对于规模庞大的动态群体，这种更新对实时计算带来很大的困难。

发明内容

本发明的目的是克服现有的虚拟动态群体的可见性判断方法的计算量过大，不适合于规模庞大的虚拟动态群体的缺陷，从而提供一种高效、快速的可见性判断方法。

为了实现上述目的，本发明提供了一种虚拟动态群体的可见性判断方法，根据群体仿真数据对虚拟动态群体中的各个个体的可见性进行判断；其中，所述的群体仿真数据包括个体、所述个体在某一时刻的位置、所述个体在某一时刻所对应的场景节点的ID；

所述方法包括：

1)、对静态场景进行可见性剔除，将每一帧的可见性结果实时更新到节点可见性信息数组中；

2)、将所述仿真数据中的所述个体与所述场景节点ID所对应的场景节点相结合，然后根据所述节点可见性信息数组中场景节点的可见性，实现对所述个体的可见性剔除；该步骤包括：

步骤2-1)、根据所述预处理步骤所得到的记录有场景节点ID的群体仿真数据，提取各个个体在各个时刻的场景节点ID；

步骤2-2)、在虚拟过程中的某一时刻，将所述个体与所述场景节点ID所指的场景节点对应起来；

步骤2-3)、根据所述的场景节点ID从所述的节点可见性信息数组中读取所述场景节点的可见性，并用所述可见性指导与所述场景节点所对应的所述个体的可见性剔除。

上述技术方案中，所述的群体仿真数据通过对只包含有个体、所述个体在某一时刻的位置的现有数据进行预处理，将所述个体与所述场景节点相关联，使得在现有数据中添加所述个体在某一时刻所对应的场景节点的ID。

上述技术方案中，其特征在于，所述的场景节点由对场景进行轴向的空间分割得到。

上述技术方案中，在所述的空间分割过程中，空间分割所得的最小空间的体积应大于群体仿真数据中的个体的包围盒的体积；所述空间分割的结果对应相应的场景节点，为每个所述的场景节点标记一个唯一的场景节点ID。

上述技术方案中，所述的场景节点根据相互间的位置关系组织成层次化的场景树。

上述技术方案中，所述的场景树包括场景二叉树、场景四叉树、场景八叉树。

上述技术方案中，根据所述的场景树，采用场景树遍历的方式将所述个体与所述场景节点相关联。

上述技术方案中，所述的场景树遍历方式包括：

步骤a)、将场景树的根节点作为当前节点；

步骤b)、根据所述群体仿真数据中个体的位置坐标计算所述个体当前的包围盒，比较所述个体包围盒与当前节点包围盒的空间关系按以下情况分别处理：

步骤b-1)、如果当前节点为根节点，且根节点不能完全包含个体包围盒，则记录该位置对应的场景节点ID为空，同时结束查找该位置点的关联节点；否则以根节点的第一个子节点作为当前节点，重复步骤b)的操作；