[发明专利]一种可变形对象碰撞变形实时模拟方法及装置

说明书

本发明公开了一种可变形对象碰撞变形实时模拟方法及装置，该方法包括:获取多帧原始时间序列的待训练样本；对所述待训练样本中的每一帧图像提取状态特征；采用主成分分析法PCA对所述状态特征进行降维；使用所述降维后的状态特征训练神经网络模型的目标参数的参数值，得到训练之后的所述神经网络模型；通过训练之后的所述神经网络模型对待预测可变形对象碰撞后的变形进行预测，输出可变形对象的预测状态特征；使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。解决了现有的模拟方法无法满足AAA级游戏和虚拟现实等现代交互应用程序对内存和性能的极限限制的问题，使得布料等柔性材质可以在这些环境中实现实时模拟和显示。

技术领域

本发明涉及游戏和虚拟现实技术领域，特别涉及一种可变形对象碰撞变形实时模拟方法。

背景技术

现有的游戏和虚拟现实中许多视觉效果依赖于对可变形对象的相互作用和运动的逼真模拟，例如布料的实时模拟。然而，现有的模拟方法无法满足AAA级游戏和虚拟现实等现代交互应用程序对内存和性能的极限限制，也就是说无法达到实时的显示效果，这里，物理模拟的性能预算范围从每一帧、每一个对象的数十到数百微秒。在基于位置的动力学和基于投影的动力学中，计算成本通常随顶点数和约束数的增加而增加，这对于高分辨率的布来说是非常大的。这使得它在游戏的时间限制内无法访问，特别是当这些限制变得难以计算时，例如自碰撞和任意网格上的碰撞。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

为解决上述技术问题，本发明的目的在于提供一种能够满足AAA级游戏和虚拟现实等现代交互应用程序对内存和性能的极限限制的可变形对象碰撞变形实时模拟方法，以解决背景技术中出现有一个或多个的问题。

第一方面，本发明实施例提供一种可变形对象碰撞变形实时模拟方法，包括：

获取多帧原始时间序列的待训练样本；

对所述待训练样本中的每一帧图像提取状态特征，其中，所述状态特征包括外部对象的状态特征和发生碰撞后的可变形对象的状态特征；

采用主成分分析法PCA对所述状态特征进行降维；

使用所述降维后的状态特征训练神经网络模型的目标参数的参数值，得到训练之后的所述神经网络模型；

通过训练之后的所述神经网络模型对待预测可变形对象碰撞后的变形进行预测，输出可变形对象的预测状态特征；

使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。

进一步地，对所述待训练样本中的每一帧图像提取状态特征的步骤包括：

提取所述待训练样本中的每一帧图像上由可变形对象所有顶点位置构建的矩阵X，所述矩阵X用于表示可变形对象的状态特征；

构建与所述矩阵X相对应的矩阵Y,所述矩阵Y用于表示外部对象的状态特征。

进一步地，所述采用主成分分析法PCA对所述状态特征进行降维的步骤包括：

采用主成分分析法PCA对所述矩阵X进行降维，使用计算出的变换矩阵来构造所述矩阵X的子空间表示Z；

采用主成分分析法PCA对所述矩阵Y进行降维，使用计算出的变换矩阵来构造所述矩阵Y的子空间表示W。

进一步地，所述神经网络模型为前馈神经网络模型，所述前馈神经网络模型用于从所述t-1、t-2时刻的Z和t时刻的W预测t时刻的Z。

进一步地，所述前馈神经网络模型为10层，除输入和输出层外的每一层的隐藏单元数量为PCA基大小的1.5倍。

进一步地，所述使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果的步骤包括：