CN110704914B - 视线分析方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种视线分析方法、装置、计算机设备和存储介质，通过根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点；在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点，连接各目标视点与观察点之间的通视曲线；避免手动连接观察点与舞台上的目标视点之间的通视曲线，解决传统技术中视线分析存在的耗时长的技术问题。将工作空间中除曲面模型之外的其他模型均设为碰撞模型，通过检测各通视曲线与各碰撞模型是否有交集以分析观察点的视线遮挡状况，无需人为干预分析过程，避免人工校验核对，提升了视线分析效率。

Description

视线分析方法、装置、计算机设备和存储介质

技术领域

本申请涉及建筑设计领域，特别是涉及一种视线分析方法、装置、计算机设备和存储介质。

背景技术

在建筑设计中，无论是室内演出亦或是室外景观的规划，视野情况作为直接关系到使用者使用体验的一项因素，也是极其重要的一项考量指标。因此，视线分析是建筑设计中必不可少的环节，视线分析主要是针对视线遮挡要素进行实验分析，明确各遮挡要素对视线的影响。

传统的视线分析方法是建立在建筑剖面图的基础上，从观察点处逐个连线至目标点，然后以人工的方式逐个核查是否有阻碍物占据了视线，若有阻碍物则在此基础上修改对应的参数以优化视线设计并提高视线质量。比如观察点所对应的座椅高度等。

但是，在传统的视线分析过程中，观察点与舞台上的目标视点连线需要手动操作，存在耗时长和分析效率低的技术问题。

发明内容

基于此，有必要针对传统技术中视线分析存在的耗时长和分析效率低的技术问题，提供一种视线分析方法、装置、计算机设备和存储介质。

一种视线分析方法，所述方法包括：

根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在所述包围盒内确定观察点；

在所述工作空间中建立曲面模型作为目标观察区域，所述目标观察区域内随机分布预设数量的目标视点，连接各所述目标视点与所述观察点之间的通视曲线；

将所述工作空间中除所述曲面模型之外的其他模型均设为碰撞模型，并检测各所述通视曲线与各所述碰撞模型是否有交集；

根据检测的结果，分析所述观察点的视线遮挡状况。

在其中一个实施例中，各所述目标视点设有对应的权重；所述根据检测的结果，分析所述观察点的视线遮挡状况，包括：

若任一所述通视曲线与所述碰撞模型有交集，则表明存在视线遮挡物，并不计所述通视曲线所对应的目标视点的得分；

若任一所述通视曲线与所述碰撞模型无交集，则表明不存在视线遮挡物，并根据所述通视曲线所对应的目标视点的权重计算所述通视曲线所对应的目标视点的得分；

对各所述目标视点的得分进行统计，将统计的得分确定为所述观察点的总得分；

根据所述观察点的总得分分析所述观察点的视线遮挡状况。

在其中一个实施例中，各所述目标视点的权重的生成步骤，包括：

根据所述曲面模型的空间坐标确定所述目标观察区域的中心点；

计算各所述目标视点与所述中心点之间的距离；

根据各所述目标视点与所述中心点之间的距离，设置各所述目标视点的权重。

在其中一个实施例中，所述根据各所述目标视点与所述中心点之间的距离，设置各所述目标视点的权重，包括：

根据各所述目标视点与所述中心点之间的距离，确定各所述目标视点与所述中心点之间的距离所属的距离区间；

根据所述距离区间设置各所述目标视点所属的权重区间；其中，所述权重区间的最大权重值与所述距离区间的最大距离值对应，所述权重区间的最小权重值与所述距离区间的最小距离值对应；

根据所述权重区间的长度、所述最小权重值、所述最大权重值对各所述目标视点所属的权重区间进行线性插值处理，确定各所述目标视点的权重。

在其中一个实施例中，所述方法还包括：

根据所述观察点的总得分，对所述观察点所对应的座椅模型赋予对应的颜色。

在其中一个实施例中，所述根据所述观察点的总得分分析所述观察点的视线遮挡状况，包括：

将所述观察点的总得分与预设得分阈值进行比较；

若所述观察点的总得分小于预设得分阈值，则获取所述观察点所对应的位置坐标，并在所述观察点所对应的位置坐标处生成或者放置摄像机；

利用所述摄像机对所述碰撞模型进行分析，确定所述视线遮挡物，并保存所述摄像机的视图。

在其中一个实施例中，所述利用所述摄像机对所述碰撞模型进行分析，包括：

将所述目标观察区域的中心点设置为所述摄像机的目标视点；

利用所述摄像机模拟观众视角并观察所述目标观察区域的中心点，对所述碰撞模型进行分析。

一种视线分析装置，所述装置包括：

包围盒生成模块，用于根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在所述包围盒内确定观察点；

通视曲线连接模块，用于在所述工作空间中建立曲面模型作为目标观察区域，所述目标观察区域内随机分布预设数量的目标视点，连接各所述目标视点与所述观察点之间的通视曲线；

检测模块，用于将所述工作空间中除所述曲面模型之外的其他模型均设为碰撞模型，并检测各所述通视曲线与各所述碰撞模型是否有交集；

分析模块，用于根据检测的结果，分析所述观察点的视线遮挡状况。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述任一实施例所述的方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述任一实施例所述的方法的步骤。

上述视线分析方法、装置、计算机设备和存储介质，通过根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点；在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点，连接各目标视点与观察点之间的通视曲线；避免手动连接观察点与舞台上的目标视点之间的通视曲线，解决传统技术中视线分析存在的耗时长的技术问题。将工作空间中除曲面模型之外的其他模型均设为碰撞模型，通过检测各通视曲线与各碰撞模型是否有交集以分析观察点的视线遮挡状况，无需人为干预分析过程，避免人工校验核对，提升了视线分析效率。

附图说明

图1a为一个实施例中视线分析方法的流程示意图；

图1b为一个实施例中包围盒的示意图；

图1c为一个实施例中包围盒内观察点的示意图；

图1d为一个实施例中曲面模型及目标视点的示意图；

图1e为一个实施例中通视曲线的示意图；

图2为一个实施例中视线分析方法的流程示意图；

图3为一个实施例中生成各目标视点的权重的流程示意图；

图4a为一个实施例中视线分析方法中步骤S310的流程示意图；

图4b为一个实施例中各座椅模型赋予颜色后的示意图；

图5a为一个实施例中视线分析方法的流程示意图；

图5b为一个实施例中摄像机的视图的示意图；

图6为一个实施例中视线分析装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如背景技术所述，传统的视线分析方法通过二维剖面的方式，需要选择典型剖面进行绘制。绘制后确定座椅位置并在此基础上确定坐姿眼高，并将坐姿眼高对应的位置处设为观察点，需要手动连接观察点与舞台上的目标视点之间的连线。在绘图工作完成之后，同样由人工对实现状况进行校验核对，确定视线是否存在碰撞。若存在碰撞，则进行座椅抬升等调整。整个过程中，手动连线导致耗时久，人工校验核对导致分析效率低且修改成本高。特别是，为了避免视线碰撞所进行的座椅调整仍然只是对局部单个剖面的调整，无法保证调整后其他区域的视线通畅。

基于此，本申请提供一种视线分析方法，如图1a所示，该视线分析方法包括以下步骤：

S110、根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点。

其中，工作空间(Workspace)是指在不同建筑场景下创建各类场景模型的工程文件。不同的场景模型中包括不同的建筑结构模型，可以包括比如栏杆扶手模型、阶梯模型等，在剧场或者礼堂场景下还可以包括舞台模型、座椅模型和人物模型等。如图1b所示,包围盒是指用于包裹座椅模型的最小长方体、立方体或者胶囊体。如图1c所示,观察点110是指坐在座椅模型上的人的眼睛所在位置，根据相关的建筑设计规范规定，眼睛的高度一般定义为1100mm(以座椅模型的底部为参考水平面)。

具体地，场景模型对应有第一坐标系，可以称为世界坐标系，座椅模型对应有第二坐标系，可以称为本地坐标系。在某个场景模型对应的工作空间中拾取各个座椅模型。由于座椅模型具有一定的尺寸，则座椅模型在该场景模型中对应有空间坐标，根据座椅模型在工作空间中的空间坐标可以确定包裹座椅模型的包围盒的大小和位置，即可生成对应的包围盒。包围盒的一个顶点位于本地坐标系的原点处，则根据相关的建筑设计规范规定，并参考本地坐标系的原点在包围盒中确定人眼的位置即观察点110。

S120、在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点，连接各目标视点与观察点之间的通视曲线。

其中，工作空间中设有与座椅模型对应的被观察模型或者目标模型。被观察模型或者目标模型具有用于承载物品或者人的平面。如图1d所示，而曲面模型120位于与承载物品或者人的平面相互垂直或者相互交叉的平面内，比如在剧场或者礼堂场景下，曲面模型120可以是与舞台平面相互垂直的曲面或者平面。曲面模型的形状、尺寸、位置可以根据实际的场景模型而设定，比如，在剧场模型中，曲面模型设置在舞台台口位置处。

具体地，在场景模型中创建曲面模型作为目标观察区域。为了仿真人眼对目标观察区域的观察，可以采用射线模拟人眼视线，以观察点为起点，发出若干条射线投向目标观察区域。由于射线无限长，这些若干条射线与目标观察区域必然存在交点，则进一步地在曲面模型上生成目标视点。如图1d所示，这些目标视点121随机分布在目标观察区域内。如图1e所示，连接观察点与各目标视点之间的线段，该线段用于模拟通视曲线130。

S130、将工作空间中除曲面模型之外的其他模型均设为碰撞模型，并检测各通视曲线与各碰撞模型是否有交集。

其中，碰撞模型是指在某一场景模型中可能遮挡人眼视线的模型，可以是该场景模型中的构造部件，也可以是其他的座椅模型和人物模型。采用射线模拟人眼视线，在人眼视线投向目标观察区域的过程中，若射线与其他物体有交点，则表明人眼视线被遮挡。具体地，为了检测人眼视线是否被遮挡，且不再局限于前排座椅模型对人眼视线的遮挡，将工作空间中除曲面模型之外的其他模型均设为碰撞模型，检测自观察点投向目标观察区域的各通视曲线与各个碰撞模型是否有交集，整个剧场模型中的构造部件或者设备等可能对视线造成遮挡的模型均被纳入分析范围。

S140、根据检测的结果，分析观察点的视线遮挡状况。

其中，场景模型中的座椅模型的数量是根据实际情况而设定的，观察点的数量与座椅模型的数量相同，需要对各个观察点的视线遮挡状况进行分析。具体地，针对每个观察点，该观察点可以向目标观察区域发出多条通视曲线，分析每条通视曲线是否与碰撞模型有交集，对每条通视曲线的检测结果进行统计分析，得到每个观察点的视线遮挡状况。

本实施例中，通过根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点；在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点，连接各目标视点与观察点之间的通视曲线；避免手动连接观察点与舞台上的目标视点之间的通视曲线，解决传统技术中视线分析存在的耗时长的技术问题。将工作空间中除曲面模型之外的其他模型均设为碰撞模型，通过检测各通视曲线与各碰撞模型是否有交集以分析观察点的视线遮挡状况，无需人为干预分析过程，避免人工校验核对，不仅提升了视线分析效率，而且可确保分析结果精确无疏忽遗漏。进一步地，针对每个座椅模型进行逐个分析，通过观察点投向各个目标视点的通视曲线，可以全方位进行视线分析判断，并不再局限于某个剖面以及某个观察点。

在一个实施例中，为了分析各个观察点的视线遮挡状况，可以结合各个观察点对应的人眼所能看到的目标视点的个数以及各个目标视点的权重进行分析。因此各目标视点设有对应的权重。进一步地，如图2所示，根据检测的结果，分析观察点的视线遮挡状况，包括以下步骤：

S210、若任一通视曲线与碰撞模型有交集，则表明存在视线遮挡物，并不计通视曲线所对应的目标视点的得分。

具体地，每个观察点可以向目标观察区域发出多条通视曲线。每条通视曲线在传输路径上可能会遇到一个碰撞模型，则该条通视曲线与碰撞模型会有交集。这表明在该条通视曲线的传输路径上存在视线遮挡物，该条通视曲线也不能到达其对应的目标视点处，因此不计该条通视曲线所对应的目标视点的得分。

S220、若任一通视曲线与碰撞模型无交集，则表明不存在视线遮挡物，并根据通视曲线所对应的目标视点的权重计算通视曲线所对应的目标视点的得分。

具体地，每条通视曲线在传输路径上可能并没有遇到碰撞模型，则该条通视曲线与碰撞模型没有交集。这表明在该条通视曲线的传输路径上不存在视线遮挡物，且该条通视曲线可以达到其对应的目标视点处。由于各目标视点设有对应的权重，则根据通视曲线所对应的目标视点的权重，计算该条通视曲线所对应的目标视点的得分。

S230、对各目标视点的得分进行统计，将统计的得分确定为观察点的总得分；

S240、根据观察点的总得分分析观察点的视线遮挡状况。

具体地，每个观察点可以向目标观察区域的多个目标视点发出多条通视曲线，各目标视点与各条通视曲线相对应。通过判断各条通视曲线与碰撞模型是否交集决定是否计算通视曲线所对应的目标视点的得分。若一条通视曲线与碰撞模型无交集，计算该条通视曲线所对应的目标视点的得分。针对每个观察点，向目标观察区域的各个目标视点发出多条通视曲线，对各条通视曲线所对应的目标视点的得分进行统计，将统计的得分确定为该观察点的总得分。观察点的总得分越高，表明自该观察点的各条通视曲线被遮挡的越少，观察点的总得分越低，表明自该观察点的各条通视曲线被遮挡的越多。因此，可以根据观察点的总得分，对观察点的视线遮挡状况进行分析。

需要说明的是，各目标视点的权重可以相等，各个目标视点的权重也可以与各个目标点在目标观察区域内的位置有关。当各目标视点的权重相等时，通过统计观察点所看到的目标视点的数量以确定观察点的总得分。比如，观察点的总得分可以是观察点所看到的目标视点的数量与目标视点总数的比值，即通过观察到目标视点的数量来评判看到的面积占目标观察区域的百分比。

本实施例中，通过为各个目标视点赋予对应的权重，计算各个观察点的总得分，对观察点的视线遮挡状况进行定量分析从而可以确定被遮挡严重的观察点。

在一个实施例中，如图3所示，各目标视点的权重的生成步骤，包括：

S310、根据曲面模型的空间坐标确定目标观察区域的中心点；

S320、计算各目标视点与中心点之间的距离；

S330、根据各目标视点与中心点之间的距离，设置各目标视点的权重。

具体地，场景模型中包括被观察模型或者目标模型。被观察模型或者目标模型具有用于承载物品或者人的平面，在与承载物品或者人的平面相互垂直或者相互交叉的平面内创建曲面模型，曲面模型用作目标观察区域，曲面模型对应有空间坐标，根据曲面模型的空间坐标计算曲面模型的中心，即目标观察区域的中心点。由于目标观察区域内随机分布多个目标视点，计算各目标视点与中心点之间的距离。由于各个目标视点的权重与各个目标点在目标观察区域内的位置有关，则根据各目标视点与中心点之间的距离，设置各目标视点的权重。

本实施例中，通过各目标视点与目标观察区域中心点之间的距离设置各目标视点的权重，为计算每个目标视点的得分打下基础。

在一个实施例中，如图4a所示，根据各目标视点与中心点之间的距离，设置各目标视点的权重，包括以下步骤：

S410、根据各目标视点与中心点之间的距离，确定各目标视点与中心点之间的距离所属的距离区间；

S420、根据距离区间设置各目标视点所属的权重区间；其中，权重区间的最大权重值与距离区间的最大距离值对应，权重区间的最小权重值与距离区间的最小距离值对应；

S430、根据权重区间的长度、最小权重值、最大权重值对各目标视点所属的权重区间进行线性插值处理，确定各目标视点的权重。

具体地，目标观察区域内随机分布多个目标视点，计算各个目标视点与目标观察区域中心点之间的距离，确定目标观察区域中心点与各目标视点之间的最小距离和最大距离，即可以确定各目标视点与中心点之间的距离所属的距离区间。设置与距离区间内的最大距离值对应的最大权重值，设置与距离区间内的最小距离值对应的最小权重值，利用最小权重值和最大权重值确定各目标视点所属的权重区间。根据最小权重值和最大权重值确定权重区间的长度，则根据权重区间的长度、最小权重值、最大权重值对各目标视点所属的权重区间进行线性插值处理，从而确定各目标视点的权重。

在一个实施例中，该方法还包括：根据观察点的总得分，对观察点所对应的座椅模型赋予对应的颜色。

其中，结合各目标视点的权重，对各条通视曲线所对应的目标视点赋予分数值。根据各条通视曲线与碰撞模型的检测结果，计算各条通视曲线所对应的目标视点的得分。具体地，针对每个观察点，向目标观察区域的各个目标视点发出多条通视曲线，对各条通视曲线所对应的目标视点的得分进行统计，将统计的得分确定为该观察点的总得分。每个观察点与场景模型中的座椅模型对应。如图4b所示，在确定一个观察点的总得分(座椅模型的总得分)后，可以根据该观察点的总得分为该观察点所对应的座椅模型赋予对应的颜色以表示观察点的视线遮挡状况，比如，得分较高的座椅模型，用蓝色表示，得分较低的座椅模型，用红色表示。

在一个实施例中，如图5a所示，根据观察点的总得分分析观察点的视线遮挡状况，包括以下步骤：

S510、将观察点的总得分与预设得分阈值进行比较；

S520、若观察点的总得分小于预设得分阈值，则获取观察点所对应的位置坐标，并在观察点所对应的位置坐标处生成摄像机；

S530、利用摄像机对碰撞模型进行分析，确定视线遮挡物，并保存摄像机的视图。

其中，观察点的总得分可以反映该观察点的视线遮挡状况。预设得分阈值用于评判视线是否良好的标准值。预设得分阈值不仅关系到观察点的视野质量，还关系到建筑设计师的工作量。预设得分阈值过小会导致某些观察点的视野不佳，预设得分阈值过大会增大建筑设计师的工作量。因此，根据实际情况所需设计预设得分阈值，比如，根据建筑设计规范要求“能看到舞台表演区域的百分之八十”设置预设得分阈值。此处并不限定预设得分阈值的具体数值。具体地，利用该预设得分阈值评估任一观察点的视线遮挡状况是否满足视线需求。将观察点的总得分与预设得分阈值进行比较，若观察点的总得分不小于预设得分阈值，表示该观察点的视线遮挡状况满足视线需求；若观察点的总得分小于预设得分阈值，表示该观察点的视线遮挡状况不满足视线需求，需要深入分析该观察点的视线遮挡状况，并调整该观察点所对应的座椅模型。本实施例中，可以采用摄像机模拟人眼视角辅助建筑设计师判断该观察点的视线遮挡状况。首先，获取该观察点在场景模型中的位置坐标，在该位置坐标处生成摄像机，对该观察点的真实视线情况进行输出。如图5b所示，利用该摄像机对场景模型中其他座椅模型、人物模型、建筑构造模型等碰撞模型进行分析确定视线遮挡物，并保存摄像机的视图，进一步地，可以将摄像机的视图保存至指定路径中。同样的，还可以利用场景模型中当前的摄像机进行视线分析。获取观察点在场景模型中的位置坐标，在该位置坐标处放置摄像机，通过改变摄像机的位置和观察的角度对场景模型中其他座椅模型、人物模型、建筑构造模型等碰撞模型进行分析确定视线遮挡物。本实施例中，利用摄像机分析观察点的视线遮挡状况，且不再局限于前排座椅模型或者人物模型对人眼视线的遮挡，场景模型中的任意模型均可以被设定为碰撞模型，则可以全面分析影响视野的遮挡物。

在一个实施例中，利用摄像机对碰撞模型进行分析，包括：将目标观察区域的中心点设置为摄像机的目标视点；利用摄像机模拟观众视角并观察目标观察区域的中心点，对碰撞模型进行分析。

具体地，获取该观察点在场景模型中的位置坐标，在该该观察点的位置坐标处生成摄像机，并将目标观察区域的中心点设置为摄像机的目标视点，对该观察点的真实视线情况进行输出。即利用摄像机模拟观众视角，对目标观察区域的中心点进行观察，以对场景模型中的碰撞模型进行分析，全面分析影响视野的视线遮挡物。

在一个实施例中，本申请提供一种视线分析方法。该方法可以通过Rhino(犀牛)软件实现，其中，Rhino软件是一款三维建模工具。以该方法基于Rhino分析剧场视线为例进行说明。该方法包括以下步骤：

S602、根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点。

具体地，在Rhino空间中拾取所有人物(或座椅)模型并输入GH插件(Grasshopper插件)。通过Grasshopper插件生成座椅包围盒(Bounding Box)。在包围盒中设置观众坐姿眼部位置作为观察点。其中，Grasshopper插件是三维建模软件Rhino下的采用程序算法生成和处理模型的插件，是目前设计类软件中普及度最广功能最为强大的参数化插件之一。通过编写逻辑算法，计算机便可以代替人工更快捷高效的完成大量的机械劳动。

S604、在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点。

具体地，在Rhino空间中的舞台台口部分建立一定高度的曲面模型并输入Grasshopper插件，作为目标观察区域(舞台演出区域)。

S606、根据曲面模型的空间坐标确定目标观察区域的中心点。

S608、计算各目标视点与中心点之间的距离。

S610、根据各目标视点与中心点之间的距离，确定各目标视点与中心点之间的距离所属的距离区间。

S612、根据距离区间设置各目标视点所属的权重区间；其中，权重区间的最大权重值与距离区间的最大距离值对应，权重区间的最小权重值与距离区间的最小距离值对应。

S614、根据权重区间的长度、最小权重值、最大权重值对各目标视点所属的权重区间进行线性插值处理，确定各目标视点的权重。

S616、连接各目标视点与观察点之间的通视曲线。

S618、将工作空间中除曲面模型之外的其他模型均设为碰撞模型，并检测各通视曲线与各碰撞模型是否有交集。

S620、若任一通视曲线与碰撞模型有交集，则表明存在视线遮挡物，并不计通视曲线所对应的目标视点的得分。

S622、若任一通视曲线与碰撞模型无交集，则表明不存在视线遮挡物，并根据通视曲线所对应的目标视点的权重计算通视曲线所对应的目标视点的得分。

S624、对各目标视点的得分进行统计，将统计的得分确定为观察点的总得分。

S626、根据观察点的总得分，对观察点所对应的座椅模型赋予对应的颜色。

S628、将观察点的总得分与预设得分阈值进行比较。

S630、若观察点的总得分小于预设得分阈值，则获取观察点所对应的位置坐标，并在观察点所对应的位置坐标处生成摄像机。

S632、将目标观察区域的中心点设置为摄像机的目标视点。

S634、利用摄像机模拟观众视角并观察目标观察区域的中心点，对碰撞模型进行分析，确定视线遮挡物，并保存摄像机的视图。

应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，本申请提供一种视线分析装置，该分析装置600包括包围盒生成模块610、通视曲线连接模块620、检测模块630和分析模块640；其中：

包围盒生成模块610，用于根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在包围盒内确定观察点；

通视曲线连接模块620，用于在工作空间中建立曲面模型作为目标观察区域，目标观察区域内随机分布预设数量的目标视点，连接各目标视点与观察点之间的通视曲线；

检测模块630，用于将工作空间中除曲面模型之外的其他模型均设为碰撞模型，并检测各通视曲线与各碰撞模型是否有交集；

分析模块640，用于根据检测的结果，分析观察点的视线遮挡状况。

关于视线分析装置的具体限定可以参见上文中对于视线分析方法的限定，在此不再赘述。上述视线分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视线分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中方法步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的方法步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种视线分析方法，其特征在于，所述方法包括：

根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在所述包围盒内确定观察点；

在所述工作空间中建立曲面模型作为目标观察区域，所述目标观察区域内随机分布预设数量的目标视点，连接各所述目标视点与所述观察点之间的通视曲线，各所述目标视点设有对应的权重；

将所述工作空间中除所述曲面模型之外的其他模型均设为碰撞模型，并检测各所述通视曲线与各所述碰撞模型是否有交集，所述碰撞模型是指在某一场景模型中可能遮挡人眼视线的模型；

若任一所述通视曲线与所述碰撞模型有交集，则表明存在视线遮挡物，并不计所述通视曲线所对应的目标视点的得分；

若任一所述通视曲线与所述碰撞模型无交集，则表明不存在视线遮挡物，并根据所述通视曲线所对应的目标视点的权重计算所述通视曲线所对应的目标视点的得分；

对各所述目标视点的得分进行统计，将统计的得分确定为所述观察点的总得分；

根据所述观察点的总得分分析所述观察点的视线遮挡状况；

各所述目标视点的权重的生成步骤，包括：

根据所述曲面模型的空间坐标确定所述目标观察区域的中心点；

计算各所述目标视点与所述中心点之间的距离；

根据各所述目标视点与所述中心点之间的距离，设置各所述目标视点的权重。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述目标视点与所述中心点之间的距离，设置各所述目标视点的权重，包括：

根据各所述目标视点与所述中心点之间的距离，确定各所述目标视点与所述中心点之间的距离所属的距离区间；

根据所述距离区间设置各所述目标视点所属的权重区间；其中，所述权重区间的最大权重值与所述距离区间的最大距离值对应，所述权重区间的最小权重值与所述距离区间的最小距离值对应；

根据所述权重区间的长度、所述最小权重值、所述最大权重值对各所述目标视点所属的权重区间进行线性插值处理，确定各所述目标视点的权重。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述观察点的总得分，对所述观察点所对应的座椅模型赋予对应的颜色。

4.根据权利要求1所述的方法，其特征在于，所述根据所述观察点的总得分分析所述观察点的视线遮挡状况，包括：

将所述观察点的总得分与预设得分阈值进行比较；

若所述观察点的总得分小于预设得分阈值，则获取所述观察点所对应的位置坐标，并在所述观察点所对应的位置坐标处生成或者放置摄像机；

利用所述摄像机对所述碰撞模型进行分析，确定所述视线遮挡物，并保存所述摄像机的视图。

5.根据权利要求4所述的方法，其特征在于，所述利用所述摄像机对所述碰撞模型进行分析，包括：

将所述目标观察区域的中心点设置为所述摄像机的目标视点；

利用所述摄像机模拟观众视角并观察所述目标观察区域的中心点，对所述碰撞模型进行分析。

6.一种视线分析装置，其特征在于，所述装置包括：

包围盒生成模块，用于根据工作空间中座椅模型的空间坐标生成对应的包围盒，并在所述包围盒内确定观察点；

通视曲线连接模块，用于在所述工作空间中建立曲面模型作为目标观察区域，所述目标观察区域内随机分布预设数量的目标视点，连接各所述目标视点与所述观察点之间的通视曲线，各所述目标视点设有对应的权重；

检测模块，用于将所述工作空间中除所述曲面模型之外的其他模型均设为碰撞模型，并检测各所述通视曲线与各所述碰撞模型是否有交集，所述碰撞模型是指在某一场景模型中可能遮挡人眼视线的模型；

分析模块，用于若任一所述通视曲线与所述碰撞模型有交集，则表明存在视线遮挡物，并不计所述通视曲线所对应的目标视点的得分；若任一所述通视曲线与所述碰撞模型无交集，则表明不存在视线遮挡物，并根据所述通视曲线所对应的目标视点的权重计算所述通视曲线所对应的目标视点的得分；对各所述目标视点的得分进行统计，将统计的得分确定为所述观察点的总得分；根据所述观察点的总得分分析所述观察点的视线遮挡状况；

权重生成模块，用于根据所述曲面模型的空间坐标确定所述目标观察区域的中心点；计算各所述目标视点与所述中心点之间的距离；根据各所述目标视点与所述中心点之间的距离，设置各所述目标视点的权重。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述的方法的步骤。

8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述的方法的步骤。