CN101419722A - 基于自顶向下的多层次虚拟环境建模方法 - Google Patents

Abstract

本发明公开了一种基于自顶向下的多层次虚拟环境建模方法。包括以下步骤：拓扑层建模，将三维的环境文件读取为二维俯视图，并将虚拟环境中区域之间的连接关系用图来表示；感知层建模，将虚拟人所能感知到的物体分为固定物体以及移动物体，根据视野范围以及相隔距离来确定感知信息；路径层建模，为虚拟人设置任务目标，使用A*算法自动搜索出满足环境条件的路径信息。本发明提供的多层次建模方法对虚拟环境进行了自顶向下，由粗到细的建模分析，具有方便直观高效的作用，在群体仿真、环境建模以及安全疏散等方面具有较高的应用价值。

Description

基于自顶向下的多层次虚拟环境建模方法

技术领域

本发明涉及计算机动画与环境建模的交叉领域，尤其涉及一种基于自顶向下的多层次虚拟环境建模方法。

背景技术

虚拟人与虚拟环境的交互非常重要，主要包括了感知环境、遍历环境以及环境中的路径规划等交互行为。最初的虚拟环境建模主要存在于机器人技术中，辅助机器人仿真中的遍历行为。随着计算机动画领域的不断发展，自主智能体与行为动画开始走入人们的视线，对于人群动画中虚拟环境建模的需求也越来越引起人们的重视。

在机器人技术中的环境建模技术中，Metric maps地图绘制技术将真实世界中的距离信息与地图中的距离信息成一定的比例关系，可以在地图上方便的找到路径长度、建筑物尺寸以及物体的精确位置信息。这种地图就是我们常常见到的量度图，如中华人民共和国的地图。主要包括两种：Grid map与featuremap。Elfes与Moravec在1987年首次提出前者[1]，将机器人所处的环境表示为具有固定分辨率的多维网格。该网格的每一个单元都记录了对应地图单位的空间占有状态，这种表示方法简单有效，可以利用有限的资源表示丰富的环境信息，但也存在两大缺点，网格不能直观的表示出环境中各个区域之间的拓扑关系，而且在查询环境细节时，所需要的时间及空间代价都比较大。feature map技术[2]将环境表示为一些具有参数特性的几何元素，如点、线、柱体等，并具有颜色、位置等性质。机器人的传感器很容易感知到这些特性，使得它在感知数据的可视化处理过程中非常有效；但同时也不适用于非结构化的环境，不容易找到清晰的区域划分方式。Topological approach拓扑方法[3]利用图这一数据结构来表示环境，图的节点与边表示了区域之间的连通性与邻接性关系。与Metric map不同的是，拓扑地图并不提供详细的坐标信息，环境中区域之间与物体之间的距离是无从知晓的，它所注重的是表达出区域之间的连接关系。这种方法与今天流行的环境表示方法比较相似，方便解决路径规划等问题。但是因为它缺少环境对象的绝对坐标等关键细节信息，不太支持更为细致的环境遍历过程。

在计算机动画领域中，随着动画角色变得越来越智能化，对动画中的环境建模也越来越重要了。Lamarche与Donikian提出了一个基本模型[4]，用于重建虚拟人在虚拟环境中的遍历行为。基于此模型，能进一步实现相应的可见性计算，邻域检测，碰撞避让以及最优化路径算法等。这种方法能够同时仿真出数以百计的行人在户内户外环境中的活动场景。它从虚拟环境的几何元素数据库中得到了十分精确的多层次拓扑结构信息，并基于这种结构创建了一个最优化的路径规划算法。Noser等人提出将合成视觉应用到虚拟人的遍历过程中去[5]，在处理遍历问题时，它提出了两种方法。在全局方法中，使用动态的八叉树作为全局的三维可视化内存，虚拟人能够借此记忆它所看到的环境信息，并适应不断改变的动态环境。在本地方法中，利用了更低层次的视觉感知，本地遍历模型使用视觉环境中直接输入的信息来达到指定的目标或子目标。

[1]Elfes，A.，Sonar-basedreal-world mapping and navigation.Roboticsand Automation，IEEE Journal of[legacy，pre-1988]，1987.3(3)：p.249-265.

[2]Leonard，J.J.and H.F.Durrant-Whyte，Mobile robot localization bytracking geometric beacons.Robotics and Automation，IEEE Transactionson，1991.7(3)：p.376-382.

[3]Kuipers，B.and Y.T.Byun，A robot exploration and mapping strategybased on a semantic hierarchy of spatial representations.Toward LearningRobots.MIT Press，Cambridge，Massachusetts，1993：p.473.

[4]Lamarche，F.and S.Donikian，Crowd of Virtual Humans：a New Approachfor Real Time Navigation in Complex and Structured Environments.ComputerGraphics Forum，2004.23(3)：p.509-518.

[5]Noser，H.，et al.，Navigation for digital actors based on syntheticvision，memory，and learning.Computers & Graphics，1995.19(1)：p.7-19.

发明内容：

本发明的目的在于提供一种基于自顶向下的多层次虚拟环境建模方法。

本发明采用的技术方案包括以下步骤：

(1)拓扑层建模，将三维的环境文件读取为二维俯视图，并将虚拟环境中区域之间的连接关系用图来表示；

(2)感知层建模，将虚拟人所能感知到的物体分为固定物体以及移动物体，根据视野范围以及相隔距离来确定感知信息；

(3)路径层建模，为虚拟人设置任务目标，使用A*算法自动搜索出满足环境条件的路径信息。

所述的拓扑层建模方法：将三维的环境文件读取为二维俯视图，是将整个虚拟环境表示为各个区域以及区域之间的连通关系的图，图中的点表示环境中的区域块，而图中的边则表示环境区域之间的连通关系，同时，基于这种图结构，给出了路径经由信息的拓扑层最短路径求解方法。

所述的感知层建模方法：将虚拟环境中的物体分为固定物体以及移动物体，其中固定物体表示虚拟环境中的不可移动对象，在建模过程中状态不会改变，移动物体则表示虚拟环境的可移动对象，在建模过程中状态时时改变；虚拟人对固定物体以及移动物体的感知范围被定义为以行人为圆心，视线长度为半径，视线扫描范围为角度的扇形区域。

所述的路径层建模方法：将虚拟环境的寻径过程表示为基于A*算法的分层寻径技术，从区域之间的寻径，到节点之间的寻径，再到A*算法层次的网格之间的寻径。

本发明具有的有益效果是：本发明提供的多层次建模方法对虚拟环境进行了自顶向下，由粗到细的建模分析，具有方便直观高效的作用，在群体仿真、环境建模以及安全疏散等方面具有较高的应用价值

附图说明

图1是表示基于自顶向下的多层次虚拟环境建模流程示意图。

图2是拓扑层建模流程图。

图3是表示感知层建模过程中的固定物体感知原理图。

图4是表示感知层建模过程中的移动物体感知原理图。

图5是表示路径层建模过程中的分层寻径示意图。

具体实施方式

如图1所示，基于自顶向下的多层次虚拟环境建模方法实施如下：

第一步进行拓扑层建模，从外部读取已经编辑好的三维虚拟环境文件，在二维平面上投射为俯视图，并将环境中各个区域之间的连通关系表示为图结构的形式，如图2所示的拓扑层建模流程图，从读取环境文件，到投射成二维俯视图，而后通过交互式的用户操作，抽象出环境的拓扑信息。

根据所读取出的三维环境文件的二维俯视图，将整个虚拟环境表示为各个区域以及区域之间的连通关系的图，图中的点表示环境中的区域块，而图中的边则表示环境区域之间的连通关系。同时，基于这种图结构，给出了路径经由信息的拓扑层最短路径求解方法。在拓扑层的图结构中，其中没有明确的位置坐标信息，而是直观的表示出了虚拟环境中各个区域之间的拓扑关系，其中节点对应了环境中的各个区域，而边则代表区域之间的连通关系。在对一个大型的虚拟城区环境进行建模时，我们认为区域由三维空间内的闭合柱体表示，比如房间、通道或街道，以及它们所包含的所有对象(如墙壁、地板、板凳等)。由于拓扑层地图主要是表示区域之间的连接信息，所以一般采用二维空间的表示方式就可以了。将构建好的三维几何环境模型投影到水平面上，形成整个环境的俯视图，这样仍然保留了区域之间的相对位置信息，使得区域之间的连通关系一目了然，对于环境的全局查询也更加简单有效。在大型场景仿真中，虚拟人往往需要在多个区域之间进行活动，特别是在紧急逃生情况下，必须具备从当前位置逃离到安全区域的能力。这一过程所涉及到的问题反映到拓扑层上，则是区域之间的最短路径搜索。

选择两个房间的之间的最短路径时，首先应基于拓扑层地图进行搜索。拓扑层地图表示区域的各个节点不仅存储了该区域的各种拓扑信息如坐标，形状，包含对象等信息，还应当存储区域之间的连通信息，即路径经由信息。假设L(A，T)是从区域A到另一个房间T之间最短路径中所覆盖的边数目，P(A，T)表示从A到T之间路径长度为L(A，T)与L(A，T)+1的所有路径集合。那么V(A，T)表示A到T的路径经由信息，其定义如下：

如果(B，C_B)在V(A，T)中，那么存在从A到T经过B且长度为C_B的路径。换句话说，V(A，T)解决了这样的问题：如果虚拟行人的当前区域在A，并希望达到T，应该经过哪些区域，且预计的路径代价是多少.

第二步进一步对环境中的固定物体以及移动物体进行建模，存储了虚拟人视野范围的物体信息，如图3，图4所示。其中，灰色的实心矩形范围表示障碍物等固定物体，绿色圆环表示其他行人等移动物体。感知层建模包括了虚拟人对于环境环境中两种环境物体类型的感知，分别存储了虚拟人所能感知到的移动对象与固定对象信息。固定物体通常指环境中不会移动的没有生命力的物体，比如墙壁、城门、街道、交通灯等等，自从地图初始化之后其基本信息就不会发生改变。而移动对象一般指群体内的其他虚拟行人，在仿真期间其状态会不断改变。拓扑层地图中的区域被定义为三维空间在二维水平面上的投影，若进一步对此平面按照统一标准划分成更小的网格，则可将区域内的每个物体都对应到一定的网格范围上去。这样使得区域之中的物体有了具体的位置对应信息，方便虚拟行人对固定对象的感知。但是行人也不可能对整个区域乃至整个虚拟环境中的固定物体都实施感知行为，否则查询范围太大，查询效率也会大大降低。模拟现实生活中真实人的视线范围，我们也仅仅关注于指定行人周围一定范围内的固定物体，固定物体的感知范围被定义为以行人为圆心，视线长度为半径，视线扫描范围为角度的扇形区域。感知范围内的固定物体被标注为绿色，表示仿真过程中需要被该行人感知，范围外的固定物体被标注为灰色，表示仿真过程中离行人太远，不作考虑。

与固定对象相似，我们也使用一个二维的网格地图来感知移动对象。这里的可移动对象通常指群体运动中的其他行人，其中每个网格单元存储并实时更新在此区域中的所有行人特征。对于每个行人来说，它都会实时的查询自己感知范围内其他网格中的行人。这里的感知范围同样是以该行人为圆心的扇形区域，模拟了虚拟人对于其他行人的视线感知范围。根据距离的远近将其划分成成不同的集合。较近的区域将被优先检查。一旦达到邻近行人数目的最大值(如16)，感知过程便终止。这是因为在现实生活中，我们所关注的其他行人数据也会比较有限，对离自己较近的行人会更加关注。一旦检测到附近行人，便可通过更进一步的信息来决定该行人的行为模式，比如预测行人的路径、方向、动作兴趣等。

第三步，在拓扑层以及感知层的基础上，对虚拟人指定相应的开始点与目标点，根据分层寻径的方式自动寻找出最佳路径，如图5所示。

路径层建模，在拓扑层地图与感知层地图的基础上，使得虚拟行人能够规划自己的路径，以感知模式遍历整个复杂的场景。在群体仿真中，通过指定行人的开始位置与结束位置，在线搜索可行的最佳路径。虚拟行人在虚拟环境中的寻径过程可以按照自上而下，逐层细化的顺序划分为三个主要步骤，如图5所示：

区域之间的寻径。从行人的开始位置所处的区域R_s，到行人的目标位置所在的区域R_g，寻找两者之间的路径上所通过的其他区域，这可以通过拓扑层地图上的路径经由信息来完成地图区域层次上的最短路径搜索。

节点之间的寻径。如果区域之间的路径只包含一个区域，则在同一区域内直接使用A*算法搜索开始位置与目标位置之间的路径；如果区域之间的路径不止一个区域，说明开始位置与目标位置在不同的区域内。这时需要分级寻径。比如寻径路径为R₂→R₃→R₄。则需分别寻找R₂中开始位置到R₃与R₂之间通道中心C₁的路径P₁，再寻找C₁到R₃R₄之间通道中心C₂的路径P₂，最后再寻找C₂到R₄中目标位置的路径P₃。将P₁P₂P₃连接起来，便可构成不同区域之间的整条路径P_s→g。

基于A*算法的寻径。按照用户指定的寻径步长将寻径区域划分成较大的宏观网格，从开始点所在的网格中心点开始寻径，使用A*算法寻找到目标点所在的网格中心，完成基于宏观网格的寻径。从开始点到开始点所在网格中心之间的寻径，以及结束点所在的网格中心到结束点之间的寻径，则通过将宏观网格划分成更为细致的微观网格，采用更小的单位寻径步长搜索出更细致的路径信息。至此，我们完成了从行人的开始点到结束点的完整路径搜索。

在估价函数的选取中，从当前位置到目标位置的代价估计函数H的选择是非常重要的，这将直接影响开放列表中节点的选择标准与选择结果，也将直接影响最后路径的效果。我们将估计的代价值Cost_H分成两个部分：其一是行人到达目的地的最短距离代价Cost_D；其二是行人的选择偏好代价Cost_P。

Cost_D不考虑从当前位置到目标位置之间的障碍物与不可通过区域，将两者之间的欧式距离当作最短路径距离。 ${\mathrm{Cost}}_D=D*\sqrt{{(X_s-X_g)}^2+{(Y_s-Y_g)}^2},$ 其中D表示单位距离所带来的代价值，X_s，X_g分别表示开始位置与目标位置的X坐标，Y_s，Y_g则分别表示开始位置与目标位置的Y坐标。这种估价方法简单明了，适用于环境结构简单、障碍物较少的地形区域。

$V_{\mathrm{wid}}=\left\{\begin{array}{cc}\&infin;& \mathrm{if\; passagewidth}<\mathrm{entity}\&prime;\mathrm{s\; width}\\ 0& \mathrm{if\; passagewidth}>\mathrm{entity}\&prime;\mathrm{s\; width}\&times;11\\ 1.1-\frac{\mathrm{passagewidth}}{\mathrm{entitywidth}\&times;10}& \mathrm{otherwise}\end{array}\right.$

群体仿真的特殊性决定了路径选择过程中还需要考虑到虚拟人的智能选择，涉及到虚拟人个体基于行为模式、行进方向、所处区域等因素而影响到的估计代价，我们称之为选择偏好代价Cost_P＝∑V_F×P_F，其中V_F表示偏好因子，P_F表示偏好权重。例如认为方向的改变会增加路程的代价，V_cdir表示当前的行进方向与之前方向的改变值， $V_{\mathrm{cdir}}=\frac{1}{2}\&times;(1-\stackrel{\&RightArrow;}{{\mathrm{dir}}_{\mathrm{crt}}}\&CenterDot;\stackrel{\&RightArrow;}{{\mathrm{dir}}_{\mathrm{prev}}}),$ V_ddir表示当前的行进方向与目标方向之间的改变值， $V_{\mathrm{ddir}}=\frac{1}{2}\&times;(1-\stackrel{\&RightArrow;}{{\mathrm{dir}}_{\mathrm{crt}}}\&CenterDot;\stackrel{\&RightArrow;}{{\mathrm{dir}}_{\mathrm{dest}}}).$ 在经过区域之间的狭窄通道时，通道宽度passagewidth对路径代价同样有影响，其中entity表示虚拟人，entitywidth表示虚拟人的大小：

最后得到总的估计代价值：Cost_H＝Cost_D+Cost_P。虚拟智能个体在选择路径的时候，会将Cost_H作为重要的衡量因素，倾向于选择总代价最低的路径。

至此，基于自顶向下的多层次虚拟环境建模方法完成了对于虚拟环境的整个建模过程，帮助虚拟人实现了与虚拟环境之间的智能交互。

Claims (4)

1、一种基于自顶向下的多层次虚拟环境建模方法，其特征在于包括以下步骤：

(1)拓扑层建模，将三维的环境文件读取为二维俯视图，并将虚拟环境中区域之间的连接关系用图来表示；

(2)感知层建模，将虚拟人所能感知到的物体分为固定物体以及移动物体，根据视野范围以及相隔距离来确定感知信息；

(3)路径层建模，为虚拟人设置任务目标，使用A*算法自动搜索出满足环境条件的路径信息。

2.根据权利要求1所述的一种基于自顶向下的多层次虚拟环境建模方法，其特征在于所述的拓扑层建模方法：将三维的环境文件读取为二维俯视图，是将整个虚拟环境表示为各个区域以及区域之间的连通关系的图，图中的点表示环境中的区域块，而图中的边则表示环境区域之间的连通关系，同时，基于这种图结构，给出了路径经由信息的拓扑层最短路径求解方法。

3.根据权利要求1所述的一种基于自顶向下的多层次虚拟环境建模方法，其特征在于所述的感知层建模方法：将虚拟环境中的物体分为固定物体以及移动物体，其中固定物体表示虚拟环境中的不可移动对象，在建模过程中状态不会改变；移动物体则表示虚拟环境的可移动对象，在建模过程中状态时时改变；虚拟人对固定物体以及移动物体的感知范围被定义为以行人为圆心，视线长度为半径，视线扫描范围为角度的扇形区域。

4、根据权利要求1所述的一种基于自顶向下的多层次虚拟环境建模方法，其特征在于所述的路径层建模方法：将虚拟环境的寻径过程表示为基于A*算法的分层寻径技术，从区域之间的寻径，到节点之间的寻径，再到A*算法层次的网格之间的寻径。

Images