CN111738299B - 场景静态物体合并方法、装置、存储介质及计算设备 - Google Patents

场景静态物体合并方法、装置、存储介质及计算设备 Download PDF

Info

Publication number
CN111738299B
CN111738299B CN202010461239.4A CN202010461239A CN111738299B CN 111738299 B CN111738299 B CN 111738299B CN 202010461239 A CN202010461239 A CN 202010461239A CN 111738299 B CN111738299 B CN 111738299B
Authority
CN
China
Prior art keywords
static objects
static
clustering
objects
groups
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010461239.4A
Other languages
English (en)
Other versions
CN111738299A (zh
Inventor
严士东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Perfect World Beijing Software Technology Development Co Ltd
Original Assignee
Perfect World Beijing Software Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Perfect World Beijing Software Technology Development Co Ltd filed Critical Perfect World Beijing Software Technology Development Co Ltd
Priority to CN202010461239.4A priority Critical patent/CN111738299B/zh
Publication of CN111738299A publication Critical patent/CN111738299A/zh
Application granted granted Critical
Publication of CN111738299B publication Critical patent/CN111738299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种场景静态物体合并方法、装置、存储介质及计算设备,该方法包括获取同一游戏场景中指定材质的静态物体;对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组;将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体。采用预设聚类算法能够更加方便快捷的将指定材质的静态物体聚类成多个分组,通过将属于同一分组中的静态物体进行网格合并得到合并后的静态物体,可以有效减少游戏场景中静态物体的数量。并且,由于指定材质的静态物体的分组数量不同,合并后的静态物体的网格大小不同,因此可通过灵活的调整分组数量来有效地调整合并后静态物体的网格大小。

Description

场景静态物体合并方法、装置、存储介质及计算设备
技术领域
本发明涉及数据处理技术领域,特别是一种场景静态物体合并方法、装置、存储介质及计算设备。
背景技术
游戏场景中往往存在着大量同材质的静态物体,为了减少游戏场景中静态物体的数量,现有技术在对游戏场景中的同材质静态物体进行合并时游戏引擎往往采用静态批处理static batch的方法将同材质的静态物体渲染合并,以减少优化合并draw call次数。但是,采用静态批处理static batch方法会在游戏运行时产生较大的内存消耗。另外,对于网格mesh相同的静态物体,现有技术也经常会采用大量相同网格物体合批GPU(GraphicsProcessing Unit,图形处理器)Instance方法对静态物体进行合并,该方法只需将一个mesh和一组参数传给GPU,GPU就会根据这些参数渲染多个网格mesh,但是,很明显采用GPUInstance方法需要静态物体的mesh相同,因此采用大量相同网格物体合批的方式通用性不强而且不能处理可见性判断。对于采用以递归的方式把空间分割成象限的四叉树方案或其他类似方案,游戏场景中距离较近的静态物体可能会分在两个不同区域,对于距离较远的静态物体也可能合并在一起,无法有效地将更近的静态物体进行合并。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种场景静态物体合并方法、装置、存储介质及计算设备,能够更加方便快捷的将指定材质的静态物体聚类成多个分组,将同一分组中的静态物体进行网格合并还可以有效减少游戏场景图的数据储存量。
根据本发明实施例的一方面,提供了一种场景静态物体合并方法,包括:
获取同一游戏场景中指定材质的静态物体;
对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组;
将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体。
根据本发明实施例的另一方面,还提供了一种场景静态物体合并装置,包括:
获取模块,适于获取同一游戏场景中指定材质的静态物体;
聚类模块,适于对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组;
合并模块,适于将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体。
根据本发明实施例的又一方面,还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行上文任意实施例中的场景静态物体合并方法。
根据本发明实施例的又一方面,还提供了一种计算设备,包括:处理器;存储有计算机程序代码的存储器;当所述计算机程序代码被所述处理器运行时,导致所述计算设备执行上文任意实施例中的场景静态物体合并方法。
本发明实施例在获取同一游戏场景中指定材质(即同一材质)的静态物体后,先对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组,采用预设聚类算法能够更加方便快捷的将指定材质的静态物体聚类成多个分组,通过将属于同一分组中的静态物体进行网格合并得到合并后的静态物体,可以有效减少游戏场景图的数据储存量。并且,指定材质的静态物体的分组数量不同,合并后的静态物体的网格大小也不同,通过灵活的配置分组数量可以有效地调整合并后静态物体的网格大小。进一步地,本发明实施例可以通过离线方式实现场景静态物体合并过程,从而既可以减少游戏场景资源包的大小,还可以有效减少后续游戏实际运行中产生的额外内存消耗。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明一实施例的场景静态物体合并方法的流程示意图;
图2示出了根据本发明一实施例的对指定材质的静态物体按照聚类算法进行聚类的过程示意图;
图3示出了根据本发明一实施例的场景静态物体合并装置的结构示意图;
图4示出了根据本发明另一实施例的场景静态物体合并装置的结构示意图;
图5示出了根据本发明再一实施例的场景静态物体合并装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为解决上述技术问题,本发明实施例提供了一种场景静态物体合并方法,图1示出了根据本发明一实施例的场景静态物体合并方法的流程示意图,参见图1,场景静态物体合并方法包括步骤S102至步骤S106。
步骤S102,获取同一游戏场景中指定材质的静态物体。
本发明实施例中,同一游戏场景包含了大量不同材质的静态物体,在对静态物体进行合并时,需要对相同材质的静态物体进行网格合并,因此,先获取同一游戏场景中指定材质的静态物体,这里的指定材质可以是任意一种材质,如木质材质、植被材质等等,本发明实施例对此不作具体限定。
步骤S104,对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组。
步骤S106,将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体。
本发明实施例在获取同一游戏场景中指定材质(即同一材质)的静态物体后,先对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组,采用预设聚类算法能够更加方便快捷的将指定材质的静态物体聚类成多个分组,通过将属于同一分组中的静态物体进行网格合并得到合并后的静态物体,可以有效减少游戏场景图的数据储存量。并且,指定材质的静态物体的分组数量不同,合并后的静态物体的网格大小也不同,通过灵活的配置分组数量可以有效地调整合并后静态物体的网格大小。进一步地,本发明实施例可以通过离线方式实现场景静态物体合并过程,从而既可以减少游戏场景资源包的大小,还可以有效减少后续游戏实际运行中产生的额外内存消耗。
为了更加方便地获取到获取同一游戏场景中指定材质的静态物体,在本发明一实施例中,在执行步骤S102之前还可以先获取同一游戏场景中包含的静态物体,并将获取到的静态物体按照静态物体的材质进行分类,即将同种材质的静态物体划分为一个材质类别。
例如,在一个游戏场景中静态物体树叶和花的叶子使用同种材质,此时可以将静态物体树叶和花的叶子划分为一个材质类别。又例如,在一个游戏场景中静态物体木地板、木门、木桌子、木椅子使用同种材质,那么可以将静态物体木地板、木门、木桌子、木椅子划分为一个材质类别。由此,在执行步骤S102时,可以依据预先分类的结果直接获取到属于同一游戏场景下的指定材质类别的静态物体,从而能够有效地提高对指定材质的静态物体的获取效率。
本发明实施例中静态物体的材质是网格视觉特性的完整描述。静态物体的材质包括贴到静态物体网格表面的纹理设置,当然也可以包含有一些高级特性,例如着色器、着色器的输入参数及控制图形加速硬件本身的功能参数等。
在本发明一实施例中,同一游戏场景中可能包含具有多细节层次(Levels ofDetail,LOD)的静态物体,多细节层次根据物体模型的节点在显示环境中所处的位置和重要度决定物体渲染的资源分配,可降低非重要物体的面数和细节度。本发明实施例还可以将具有多细节层次的静态物体和不具有多细节层次的静态物体进行分组,以对两组静态物体分别进行聚类。
在该实施例中,执行上文步骤S102获取同一游戏场景中指定材质的静态物体时,可以先将同一游戏场景中具有细节层次等级的静态物体和不具有细节层次等级的静态物体划分为两个分组。然后,从具有细节层次等级的分组中获取相同细节层次等级的静态物体,并从相同细节层次等级的静态物体中提取指定材质的静态物体。而且,从不具有细节层次等级的分组中提取指定材质的静态物体,由此得到两组指定材质的静态物体。在执行上文步骤S104时,对两组指定材质的静态物体按照预设聚类算法分别进行聚类得到多个分组,将各分组中的静态物体分别进行网格合并。
参见上文步骤S104,在本发明一实施例中,预设聚类算法可以采用K-Means算法,下面通过步骤S202至步骤S210对获取到的指定材质的静态物体按照聚类算法进行聚类的过程进行介绍。
步骤S202,确定对指定材质的静态物体进行聚类的分组数量,为每个分组随机初始化聚类中心。
在本发明实施例中,假设确定出对指定材质的静态物体进行聚类的分组数量为k,那么可以为k个分组随机初始化聚类中心。在本发明一可选实施例中,为每个分组分别随机初始化聚类中心时,可以从同一游戏场景中指定材质的静态物体中随机选择与分组数量相同数量的静态物体,从而将随机选择的静态物体分别作为各分组的初始化聚类中心,即为每个分组从同一游戏场景中指定材质的静态物体中分别选择一个静态物体作为相应分组的初始化聚类中心。
步骤S204,依据每个静态物体到各分组聚类中心的距离将指定材质的静态物体归类到不同分组。
在本发明实施例中,若从同一游戏场景中指定材质的静态物体中随机选择与分组数量相同数量的静态物体,那么可以依据随机选择静态物体后剩余的静态物体到各分组聚类中心的距离将剩余的静态物体归类到不同分组。例如,同一游戏场景中指定材质的静态物体包含N个,N为大于1的正整数。从N个静态物体中随机选择k个静态物体分别作为k个分组的聚类中心,然后依据剩余的N-k个静态物体分别到k个聚类中心的距离将指定材质的静态物体归类到k个分组中。
本发明实施例中静态物体到各分组聚类中心的距离可以是欧式距离,也可以是其他距离,本发明实施例对此不作具体限定。
步骤S206,按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心。
步骤S208,判断各分组中新的聚类中心与归类前聚类中心距离是否大于预设数值。若是,再次执行步骤S204,此时会基于新的聚类中心对指定材质的静态物体重新归类。若否,执行步骤S210,结束。即在重新归类后为各分组设置的新的聚类中心与重新归类前的聚类中心距离小于预设数值时停止迭代。
在本发明实施例中,若重新归类后为各分组设置的新的聚类中心与重新归类前的聚类中心距离大不于预设数值,可以表示重新归类前后聚类中心的位置基本不变,对指定材质的静态物体的归类结果也趋于稳定。
本发明实施例采用预设聚类方法可以使得距离更近的静态物体比距离较远的静态物体更容易合并。当然,本发明实施例还可以采用其他的聚类算法对获取到的指定材质的静态物体进行聚类,本发明实施例对聚类算法不作具体的限定。
参见上文步骤S204,在本发明一实施例中,依据每个静态物体到各分组聚类中心的距离将指定材质的静态物体归类到不同分组时,可以先计算每个静态物体到各分组聚类中心的距离,然后,依据计算得到的静态物体到各分组聚类中心的距离,将静态物体归类至距离最近的聚类中心所在分组。
在该实施例中,若从同一游戏场景中指定材质的静态物体包含40个,并从其中随机选择5个静态物体作为5个分组的聚类中心,然后计算剩余的35个静态物体中每个静态物体分别到5个聚类中心的距离,将各静态物体分别归类至距离最近的聚类中心所在分组。例如,若某个静态物体距离第一个聚类中心的距离最近,那么可以将该静态物体归类为第一个聚类中心所在分组。又例如,若某个静态物体距离第三个聚类中心的距离最近,那么可以将该静态物体归类为第三个聚类中心所在分组。由此,对同一游戏场景中指定材质的静态物体实现了按照到聚类中心的距离进行分组。
参见上文步骤S206,在按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心时,本发明实施例依据分组中是否包含静态物体提供了两种方式为静态物体归类后的不同分组分别设置新的聚类中心。
在本发明一实施例中,若归类后的分组包含有静态物体,对于包含有静态物体的分组,本发明实施例可以先分别计算包含有静态物体的各分组中静态物体的位置平均值,以将静态物体的位置平均值作为对应分组的新的聚类中心。
在本发明另一实施例中,若归类后的分组中存在不包含静态物体的分组,对于不包含静态物体的分组,本发明实施例可以为不包含静态物体的分组重新初始化聚类中心,以将重新初始化后的聚类中心作为对应分组的新的聚类中心。
在该实施例中,为不包含静态物体的分组重新初始化聚类中心时,也可以采用上文随机初始化聚类中心的方式,从同一游戏场景中指定材质的静态物体中随机选择静态作为相应不包含静态物体的分组的初始化聚类中心,本发明实施例对重新初始化聚类中心的方式不作具体限定。
在本发明一实施例中,在对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组之前,还可以接收对指定材质的静态物体进行聚类的分组数量的配置操作。这里的配置操作可以由相关技术人员执行手动配置操作,具体配置的分组数量可以根据实际合并需求进行选择。
通常情况下,同一游戏场景中的指定材质的静态物体数量是一定的,配置的分组数量较小,将静态物体归类到不同分组后平均每个分组中包含的静态物体数量较多,从而对同一分组中静态物体进而网格合并后的静态物体网格较大。反之,配置的分组数量较大,将静态物体归类到不同分组后平均每个分组中包含的静态物体数量较少,从而对同一分组中静态物体进而网格合并后的静态物体网格较小。本发明实施例通过相关技术人员对分组数量进行灵活的配置,可以有效地实现对合并后的静态物体的网格大小的调整。
基于同一发明构思,本发明实施例还提供了一种场景静态物体合并装置,图3示出了根据本发明一实施例的场景静态物体合并装置的结构示意图,参见图3,场景静态物体合并装置包括获取模块310、聚类模块320和合并模块330。
获取模块310,适于获取同一游戏场景中指定材质的静态物体。
聚类模块320,适于对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组。
合并模块330,适于将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体。
参见图4,在本发明一实施例中,上文实施例中图3所示的场景静态物体合并装置还包括分类模块340。分类模块340适于,获取同一游戏场景中包含的静态物体,然后将获取到的静态物体按照材质进行分类,其中,同种材质的静态物体属于一个材质类别。获取模块310还适于获取同一游戏场景中属于指定材质类别的静态物体。
在本发明一实施例中,获取模块310还适于将同一游戏场景中具有细节层次等级的静态物体和不具有细节层次等级的静态物体划分为两个分组。从具有细节层次等级的分组中获取相同细节层次等级的静态物体,并从相同细节层次等级的静态物体中提取指定材质的静态物体。从不具有细节层次等级的分组中提取指定材质的静态物体。聚类模块320还适于对两组指定材质的静态物体按照预设聚类算法分别进行聚类得到多个分组。
在本发明一实施例中,预设聚类算法包括K-Means算法,聚类模块320还适于,首先,确定对指定材质的静态物体进行聚类的分组数量,为每个分组随机初始化聚类中心;然后,依据静态物体到各分组聚类中心的距离将指定材质的静态物体归类到不同分组;进而,按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心;最后,若各分组中新的聚类中心与归类前聚类中心距离大于预设数值,基于新的聚类中心对指定材质的静态物体重新归类,直到重新归类后为各分组设置的新的聚类中心与重新归类前的聚类中心距离不大于预设数值。
在本发明一实施例中,聚类模块320还适于,计算每个静态物体到各分组聚类中心的距离。依据计算得到的静态物体到各分组聚类中心的距离,将静态物体归类至距离最近的聚类中心所在分组。
在本发明一实施例中,聚类模块320还适于,确定归类后包含有静态物体的分组。分别计算包含有静态物体的各分组中静态物体的位置平均值,将静态物体的位置平均值作为对应分组的新的聚类中心。
在本发明一实施例中,聚类模块320还适于,确定归类后不包含静态物体的分组。为不包含静态物体的分组重新初始化聚类中心,将重新初始化后的聚类中心作为对应分组的新的聚类中心。
参见图5,在本发明一实施例中,上文实施例中图3所示的场景静态物体合并装置还包括接收模块350。接收模块350适于在聚类模块320对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组之前,接收对指定材质的静态物体进行聚类的分组数量的配置操作。这里的配置操作可以由相关技术人员执行手动配置操作,具体的分组数量可以根据实际合并需求进行选择。
基于同一发明构思,本发明实施例还提供了一种计算机存储介质,计算机存储介质存储有计算机程序代码,当计算机程序代码在计算设备上运行时,导致计算设备执行上文任意实施例中的场景静态物体合并方法。
基于同一发明构思,本发明实施例还提供了一种计算设备,包括:处理器;存储有计算机程序代码的存储器;当计算机程序代码被处理器运行时,导致计算设备执行上文任意实施例中的场景静态物体合并方法。
所属领域的技术人员可以清楚地了解到,上述描述的系统、装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。

Claims (10)

1.一种场景静态物体合并方法,包括:
获取同一游戏场景中指定材质的静态物体;
对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组;
将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体;
其中,所述预设聚类算法包括K-Means算法,对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组,包括:确定对所述指定材质的静态物体进行聚类的分组数量,为每个分组随机初始化聚类中心;依据所述静态物体到各分组聚类中心的距离将所述指定材质的静态物体归类到不同分组;按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心;若各分组中新的聚类中心与归类前聚类中心距离大于预设数值,基于新的聚类中心对指定材质的静态物体重新归类,直到重新归类后为各分组设置的新的聚类中心与重新归类前的聚类中心距离不大于所述预设数值。
2.根据权利要求1所述的方法,其中,获取同一游戏场景中指定材质的静态物体之前,还包括:获取同一游戏场景中包含的静态物体;将获取到的静态物体按照材质进行分类,其中,同种材质的静态物体属于一个材质类别;
获取同一游戏场景中指定材质的静态物体,包括:获取同一游戏场景中属于指定材质类别的静态物体。
3.根据权利要求1所述的方法,其中,
获取同一游戏场景中指定材质的静态物体,包括:将同一游戏场景中具有细节层次等级的静态物体和不具有细节层次等级的静态物体划分为两个分组;从具有细节层次等级的分组中获取相同细节层次等级的静态物体,并从相同细节层次等级的静态物体中提取指定材质的静态物体;从不具有细节层次等级的分组中提取指定材质的静态物体;
对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组,包括:对两组指定材质的静态物体按照预设聚类算法分别进行聚类得到多个分组。
4.根据权利要求1-3中任意一项所述的方法,其中,依据所述静态物体到各分组聚类中心的距离将所述指定材质的静态物体归类到不同分组,包括:
计算每个静态物体到各分组聚类中心的距离;
依据计算得到的静态物体到各分组聚类中心的距离,将所述静态物体归类至距离最近的聚类中心所在分组。
5.根据权利要求1-3中任意一项所述的方法,其中,按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心,包括:
确定归类后包含有静态物体的分组;
分别计算包含有静态物体的各分组中静态物体的位置平均值,将所述静态物体的位置平均值作为对应分组的新的聚类中心。
6.根据权利要求1-3中任意一项所述的方法,其中,按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心,包括:
确定归类后不包含静态物体的分组;
为不包含静态物体的分组重新初始化聚类中心,将重新初始化后的聚类中心作为对应分组的新的聚类中心。
7.根据权利要求1-3中任意一项所述的方法,其中,对获取到的指定材质的静态物体按照预设聚类算法进行聚类得到多个分组之前,还包括:
接收对指定材质的静态物体进行聚类的分组数量的配置操作。
8.一种场景静态物体合并装置,包括:
获取模块,适于获取同一游戏场景中指定材质的静态物体;
聚类模块,适于对获取到的所述指定材质的静态物体按照预设聚类算法进行聚类得到多个分组;
合并模块,适于将属于同一分组中的静态物体进行网格合并,得到合并后的静态物体;
其中,所述预设聚类算法包括K-Means算法,所述聚类模块还适于:确定对所述指定材质的静态物体进行聚类的分组数量,为每个分组随机初始化聚类中心;依据所述静态物体到各分组聚类中心的距离将所述指定材质的静态物体归类到不同分组;按照预设方式为静态物体归类后的不同分组分别设置新的聚类中心;若各分组中新的聚类中心与归类前聚类中心距离大于预设数值,基于新的聚类中心对指定材质的静态物体重新归类,直到重新归类后为各分组设置的新的聚类中心与重新归类前的聚类中心距离不大于所述预设数值。
9.一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行权利要求1-7中任意一项所述的场景静态物体合并方法。
10.一种计算设备,包括:处理器;存储有计算机程序代码的存储器;当所述计算机程序代码被所述处理器运行时,导致所述计算设备执行权利要求1-7中任意一项所述的场景静态物体合并方法。
CN202010461239.4A 2020-05-27 2020-05-27 场景静态物体合并方法、装置、存储介质及计算设备 Active CN111738299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010461239.4A CN111738299B (zh) 2020-05-27 2020-05-27 场景静态物体合并方法、装置、存储介质及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010461239.4A CN111738299B (zh) 2020-05-27 2020-05-27 场景静态物体合并方法、装置、存储介质及计算设备

Publications (2)

Publication Number Publication Date
CN111738299A CN111738299A (zh) 2020-10-02
CN111738299B true CN111738299B (zh) 2023-10-27

Family

ID=72647768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010461239.4A Active CN111738299B (zh) 2020-05-27 2020-05-27 场景静态物体合并方法、装置、存储介质及计算设备

Country Status (1)

Country Link
CN (1) CN111738299B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113786616B (zh) * 2021-09-30 2024-04-12 天津亚克互动科技有限公司 一种间接光照实现方法、装置、存储介质及计算设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204713A (zh) * 2016-07-22 2016-12-07 网易(杭州)网络有限公司 静态合并处理方法和装置
CN106327572A (zh) * 2016-08-23 2017-01-11 网易(杭州)网络有限公司 一种三维场景中模型合并的方法及装置
CN110433495A (zh) * 2019-08-12 2019-11-12 网易(杭州)网络有限公司 游戏中虚拟场景的配置方法及装置、存储介质及电子设备
CN110478898A (zh) * 2019-08-12 2019-11-22 网易(杭州)网络有限公司 游戏中虚拟场景的配置方法及装置、存储介质及电子设备
CN110852327A (zh) * 2019-11-07 2020-02-28 首都师范大学 图像处理方法、装置、电子设备及存储介质
WO2020098531A1 (zh) * 2018-11-15 2020-05-22 腾讯科技(深圳)有限公司 对象的加载方法和装置、存储介质、电子装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2779100A1 (en) * 2013-03-11 2014-09-17 Thomson Licensing Method for processing a computer-animated scene and corresponding device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204713A (zh) * 2016-07-22 2016-12-07 网易(杭州)网络有限公司 静态合并处理方法和装置
CN106327572A (zh) * 2016-08-23 2017-01-11 网易(杭州)网络有限公司 一种三维场景中模型合并的方法及装置
WO2020098531A1 (zh) * 2018-11-15 2020-05-22 腾讯科技(深圳)有限公司 对象的加载方法和装置、存储介质、电子装置
CN110433495A (zh) * 2019-08-12 2019-11-12 网易(杭州)网络有限公司 游戏中虚拟场景的配置方法及装置、存储介质及电子设备
CN110478898A (zh) * 2019-08-12 2019-11-22 网易(杭州)网络有限公司 游戏中虚拟场景的配置方法及装置、存储介质及电子设备
CN110852327A (zh) * 2019-11-07 2020-02-28 首都师范大学 图像处理方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WeiWen Feng et al..Large-scale data management for PRT-based real-time rendering of dynamically skinned models.《EGSR'07: Proceedings of the 18th Eurographics conference on Rendering Techniques》.2007,第23-34页. *
虚拟群体模拟中的大规模场景简化技术;曾维薇;《中国优秀硕士学位论文全文数据库信息科技辑》(第9期);第I138-948页 *

Also Published As

Publication number Publication date
CN111738299A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
US9058540B2 (en) Data clustering method and device, data processing apparatus and image processing apparatus
US20120203514A1 (en) Method and apparatus for encoding a mesh model, encoded mesh model, and method and apparatus for decoding a mesh model
CN110221915B (zh) 节点调度方法和装置
CN108804383B (zh) 基于度量空间的支撑点并行枚举方法及装置
CN111274026A (zh) 负载均衡方法、装置及电子设备
CN111738299B (zh) 场景静态物体合并方法、装置、存储介质及计算设备
CN112181613B (zh) 异构资源分布式计算平台批量任务调度方法及存储介质
CN110415160B (zh) 一种gpu拓扑分区方法与装置
CN103455534A (zh) 对文档进行聚类的方法和装置
US20230393813A1 (en) Sorting apparatus and method
CN103530243B (zh) 用于确定用于设备的设置的系统、方法
CN113256755B (zh) 图像的渲染方法、智能终端以及存储装置
CN107784195A (zh) 数据处理方法及装置
Filippidou et al. Online and on-demand partitioning of streaming graphs
Zhuang et al. Impact of instance seeking strategies on resource allocation in cloud data centers
CN109272567B (zh) 三维模型优化方法和装置
CN109165325B (zh) 用于切分图数据的方法、装置、设备以及计算机可读存储介质
CN109461198B (zh) 网格模型的处理方法及装置
CN110851282A (zh) 一种基于内存网格的分布式数据计算方法及系统
CN107122242B (zh) 一种有效提升分布式运算性能的大数据均衡切片方法
CN112435342B (zh) 一种异型曲面的区域划分方法及系统
WO2010082885A1 (en) A method to prevent churn of customers
CN114299216A (zh) 灯光贴图分辨率的确定方法、装置、电子设备及存储介质
CN110288604B (zh) 基于K-means的图像分割方法和装置
CN110211040B (zh) 一种基于权值的点云压缩方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant