基于三维场景的导航方法
【技术领域】
[0001] 本发明设及计算机图形学领域，尤其设及一种基于=维场景的导航方法。
【背景技术】
[0002] 在过去十几年内，随着=维建模技术的快速发展，大量诸如谷歌地球该样的=维 场景迅速产生，然而基于=维场景的导航技术却一直没有得到很好的发展。
[0003] 目前，针对相机控制和=维虚拟场景导航的技术研究已有很多，主要是一些关于 视角选择、相机轨迹选择及相机运动控制的自动和半自动的技术。
[0004] 与视角选择有关的研究，例如，利用视角滴度量当前视角下所能看到的建筑物面 的分布状况；利用包含建筑物表面可见性、目标重要性、曲率、轮廓及拓扑复杂度的描述子 来分析视角的重要性；基于智能学习，分析一些定义（包括建筑物风格、位置、结构等）的语 义特征。
[0005] 相机轨迹规划方面的研究，例如，利用路径规划和图的捜索技术在S维博物馆里 进行自动导航；从几何分析角度出发的碰撞检测技术、目标可见性分析W及路径平滑等技 术。上述方法主要考虑了相机轨迹的生成，忽略了相机运动速度的问题。之后，又有研究 提出基于预定义相机路径自动计算相机速度的优化方法，主要考虑到保持用户注意力的问 题。
[0006] 与相机运动有关的研究，例如，从用户预定义的兴趣值点之间运动的方式。上述方 法增加了导航过程中接受用户反馈和简单交互的方式。
[0007] 目前的S维场景的自动导航方法，主要存在着W下一些问题；第一，很多导航技 术还是基于固定相机速度、视角、高度的导航方式，没有考虑场景的特征和用户注意力的 问题；第二，很多导航技术还不能完全全自动，大多数还是需要用户做很多标定和输入；第 =，现有导航技术在使用方面具有很强的局限性，只能用于某个特定场景；第四，导航过程 中的视觉感受不够连续、不够光滑。
【发明内容】
[000引本发明提出一种基于=维场景的导航方法，W克服现有技术中的一个或多个问 题。
[0009] 本发明提出一种基于=维场景的导航方法，所述方法包括；基于场景中的建筑物 的高度、体积、不规则性及独特性计算相机的视角的兴趣值；根据所述视角的兴趣值生成相 机的轨迹参数，W根据所述轨迹参数进行导航。
[0010] 一个实施例中，所述基于场景中的建筑物的高度、体积、不规则性及独特性计算相 机的视角的兴趣值，包括：基于所述建筑物的高度、体积、不规则性及独特性计算所述建筑 物的重要性值；根据所述建筑物的重要性值生成所述视角的兴趣值图；通过中屯、权重和深 度权重修正所述兴趣值图；反算修正后的所述兴趣值图，得到所述视角的兴趣值。
[0011] 一个实施例中，所述根据所述视角的兴趣值生成相机的轨迹参数，包括：步骤 101 ;在所述场景中选取一规划路线，对所述规划路线进行均匀采样，得到多个采样点；步 骤102 ;依据所述采样点处的视角的兴趣值对所述规划路线作加权光滑，并将作加权光滑 后的所述规划路线上与所述采样点对应的位置作为修正后的所述采样点处的相机聚焦点； 步骤103 ;根据设定的导航总时间和所述采样点处的视角的兴趣值修正所述采样点处的相 机运动速度；步骤104 ;根据所述修正后的采样点处的相机运动速度修正所述采样点处的 相机姿势；其中，修正后的所述采样点处的相机姿势和修正后的所述采样点处的相机运动 速度即为所述相机的轨迹参数。
[0012] 一个实施例中，在步骤102之前，所述根据所述视角的兴趣值生成相机的轨迹参 数，还包括：设定所述采样点处的初始相机聚焦点、初始相机运动速度及初始相机姿势。
[0013] 一个实施例中，所述根据所述视角的兴趣值生成相机的轨迹参数，还包括；依据修 正后的所述采样点处的相机聚焦点、修正后的所述采样点处的相机运动速度及修正后的所 述采样点处的相机姿势，重新获取所述采样点处的视角的兴趣值，如果所述采样点处的视 角的后一次兴趣值与前一次兴趣值的差值大于一设定阔值，则用所述采样点处的视角的后 一次兴趣值代替所述采样点处的视角的前一次兴趣值，用所述采样点处的后一次相机聚焦 点代替所述采样点处的前一次相机聚焦点，用所述采样点处的后一次相机运动速度代替所 述采样点处的前一次相机运动速度，用所述采样点处的后一次相机姿势代替所述采样点处 的前一次相机姿势，重复迭代执行所述步骤102、所述步骤103及所述步骤104。
[0014] 一个实施例中，所述建筑物的重要性值为：
[0015] S化）=aSh(b) +eSv(b) +YSr(b)+5Su〇3)，
[0016] 其中，a、0、丫、5为权重系数，Sh(b)为建筑物b的高度兴趣值，Sv(b)为建筑物 b的体积重要性值，Sf(b)为建筑物b的不规则性值，Su(b)为建筑物b的独特性值，建筑物 b即为所述建筑物；
[0017]
【主权项】
1. 一种基于三维场景的导航方法，其特征在于，所述方法包括： 基于场景中的建筑物的高度、体积、不规则性及独特性计算相机的视角的兴趣值； 根据所述视角的兴趣值生成相机的轨迹参数，以根据所述轨迹参数进行导航。
2. 如权利要求1所述的基于三维场景的导航方法，其特征在于，所述基于场景中的建 筑物的高度、体积、不规则性及独特性计算相机的视角的兴趣值，包括： 基于所述建筑物的高度、体积、不规则性及独特性计算所述建筑物的重要性值； 根据所述建筑物的重要性值生成所述视角的兴趣值图； 通过中心权重和深度权重修正所述兴趣值图； 反算修正后的所述兴趣值图，得到所述视角的兴趣值。
3. 如权利要求2所述的基于三维场景的导航方法，其特征在于，所述根据所述视角的 兴趣值生成相机的轨迹参数，包括： 步骤101 :在所述场景中选取一规划路线，对所述规划路线进行均匀采样，得到多个采 样点； 步骤102 :依据所述采样点处的视角的兴趣值对所述规划路线作加权光滑，并将作加 权光滑后的所述规划路线上与所述采样点对应的位置作为修正后的所述采样点处的相机 聚焦点； 步骤103 :根据设定的导航总时间和所述采样点处的视角的兴趣值修正所述采样点处 的相机运动速度； 步骤104 :根据所述修正后的采样点处的相机运动速度修正所述采样点处的相机姿 势； 其中，修正后的所述采样点处的相机姿势和修正后的所述采样点处的相机运动速度即 为所述相机的轨迹参数。
4. 如权利要求3所述的基于三维场景的导航方法，其特征在于，在步骤102之前，所述 根据所述视角的兴趣值生成相机的轨迹参数，还包括： 设定所述采样点处的初始相机聚焦点、初始相机运动速度及初始相机姿势。
5. 如权利要求4所述的基于三维场景的导航方法，其特征在于，所述根据所述视角的 兴趣值生成相机的轨迹参数，还包括： 依据修正后的所述采样点处的相机聚焦点、修正后的所述采样点处的相机运动速度及 修正后的所述采样点处的相机姿势，重新获取所述采样点处的视角的兴趣值，如果所述采 样点处的视角的后一次兴趣值与前一次兴趣值的差值大于一设定阈值，则用所述采样点处 的视角的后一次兴趣值代替所述采样点处的视角的前一次兴趣值，用所述采样点处的后一 次相机聚焦点代替所述采样点处的前一次相机聚焦点，用所述采样点处的后一次相机运动 速度代替所述采样点处的前一次相机运动速度，用所述采样点处的后一次相机姿势代替所 述采样点处的前一次相机姿势，重复迭代执行所述步骤102、所述步骤103及所述步骤104。
6. 如权利要求5所述的基于三维场景的导航方法，其特征在于，所述建筑物的重要性 值为： S(b) = aSh(b) + 0Sv(b) + ySr(b)+5Su(b), 其中，a、β、γ、δ为权重系数，Sh(b)为建筑物b的高度兴趣值，Sv(b)为建筑物b的 体积重要性值，& (b)为建筑物b的不规则性值，Su