CN110704915A - 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，通过在场景模型中的第一坐标位置处创建座椅蓝图类，场景模型中包括设有标签的目标模型；对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点；根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点；以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡；根据检测的结果，生成观察点的视线遮挡状况。解决传统技术中视线分析存在的耗时长的技术问题，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：

在场景模型中的第一坐标位置处创建座椅蓝图类，所述场景模型中包括设有标签的目标模型；

对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点；

根据所述座椅蓝图类的内容在所述场景模型中进行搜索，得到多个标签的内容与所述座椅蓝图类的内容一致的目标模型，并在各所述目标模型在所述场景模型中的第二坐标位置处设置目标点；

以所述观察点为起点向各所述目标点发射射线，检测所述射线是否被遮挡物阻挡；

根据检测的结果，生成所述观察点的视线遮挡状况。

在其中一个实施例中，所述在场景模型中的第一坐标位置处创建座椅蓝图类，包括：

获取目标路径下的座椅坐标文件；

从所述座椅坐标文件中读取各个座椅在所述场景模型中的第一位置坐标；

在各所述第一位置坐标处分别创建所述座椅蓝图类。

在其中一个实施例中，所述座椅蓝图类的变量包括座椅偏移变量；所述对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点，包括：

对所述座椅蓝图类进行实例化，生成所述座椅蓝图对象；

判断所述座椅偏移变量是否等于预设偏移量；

若是，获取所述座椅蓝图对象的本地坐标原点；

以所述座椅蓝图对象的本地坐标原点为参考点，在所述座椅蓝图对象内确定所述观察点。

在其中一个实施例中，所述座椅蓝图类的变量还包括座椅得分变量，各所述射线设有对应的分数；所述根据检测的结果，生成所述观察点的视线遮挡状况，包括：

若任一所述射线被遮挡物阻挡，则不计所述射线的分数；

若任一所述射线不被遮挡物阻挡，则为所述座椅得分变量增加所述射线的分数；

根据所述座椅得分变量的最终分数，分析所述观察点的视线遮挡状况。

在其中一个实施例中，所述根据所述座椅得分变量的最终分数，分析所述观察点的视线遮挡状况，包括：

计算所述座椅得分变量的最终分数与所述座椅得分变量的满分数值的比值；

将计算得到的比值作为所述座椅蓝图对象的得分，并将所述座椅蓝图对象的得分映射至对应的颜色，为所述座椅蓝图对象赋予所述得分所对应的颜色。

在其中一个实施例中，所述方法还包括：

在所述场景模型中选择至少一个所述座椅蓝图对象；

检测所述座椅蓝图对象的座椅偏移变量的增量；

根据所述座椅偏移变量的增量，所述场景模型中的各座椅蓝图对象重新执行上述视线分析的步骤。

在其中一个实施例中，所述将所述座椅蓝图对象的得分映射至对应的颜色，为所述座椅蓝图对象赋予所述得分所对应的颜色，包括：

将所述座椅蓝图对象的得分映射至对应的颜色，并根据所述得分所对应的颜色创建动态材质；

将创建的动态材质赋予给所述观察点所对应的座椅蓝图对象。

在其中一个实施例中，所述方法还包括：

检测所述场景模型中各所述座椅蓝图对象的得分；

对得分小于预设阈值的座椅蓝图对象进行筛选；

获取筛选得到的座椅蓝图对象的观察点位置坐标，并将摄像机定位至所述座椅蓝图对象的观察点位置坐标处；

改变所述摄像机的镜头朝向并查看所述场景模型中的任一目标模型，确定阻挡视线的遮挡物。

在其中一个实施例中，所述筛选得到的座椅蓝图对象的数量为多个；所述方法还包括：

获取切换摄像机位置的操作指令，将所述摄像机从当前观察点的位置坐标处定位至下一个观察点的位置坐标处。

一种视线分析装置，所述装置包括：

座椅蓝图类创建模块，用于在场景模型中的第一坐标位置处创建座椅蓝图类，所述场景模型中包括设有标签的目标模型；

观察点确定模块，用于对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点；

目标点确定模块，用于根据所述座椅蓝图类的内容在所述场景模型中进行搜索，得到多个标签的内容与所述座椅蓝图类的内容一致的目标模型，并在各所述目标模型在所述场景模型中的第二坐标位置处设置目标点；

遮挡物检测模块，用于以所述观察点为起点向各所述目标点发射射线，检测所述射线是否被遮挡物阻挡；

视线分析模块，用于根据检测的结果，生成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，通过在场景模型中的第一坐标位置处创建座椅蓝图类，场景模型中包括设有标签的目标模型；对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点；根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点；以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡；根据检测的结果，生成观察点的视线遮挡状况。避免手动连接观察点与目标点之间的通视曲线，解决传统技术中视线分析存在的耗时长的技术问题。通过检测各射线与各遮挡物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为一个实施例中目标模型及第一坐标位置的示意图；

图1c为一个实施例中座椅模型的示意图；

图1d为一个实施例中目标点的示意图；

图1e为一个实施例中观察点向目标点发出射线的示意图；

图2为一个实施例中视线分析方法的流程示意图；

图3为一个实施例中视线分析方法的流程示意图；

图4为一个实施例中视线分析方法的流程示意图；

图5为一个实施例中视线分析方法的流程示意图；

图6a为一个实施例中视线分析方法的流程示意图；

图6b至图6c为一个实施例中调整座椅蓝图对象位置的示意图；

图7a为一个实施例中视线分析方法的流程示意图；

图7b为一个实施例中创建的动态材质的示意图；

图8为一个实施例中视线分析方法的流程示意图；

图9为一个实施例中视线分析装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。

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、在场景模型中的第一坐标位置处创建座椅蓝图类。

其中，场景模型是指在不同建筑场景下创建的各类模型。如图1b所示，不同的场景模型中包括不同的建筑结构模型，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。场景模型中还包括设有标签的目标模型110。目标模型100是用于表示被观察或被观看的物体或者人物的模型。标签用于标识目标模型，可以根据实际情况自定义设置的任意文字作为标签的内容。比如场景模型是剧场模型，则目标模型100可以位于舞台表演区。目标模型100是表演者，则标签的内容可以是“表演者”；目标模型100是道具，则标签的内容可以是“道具”。蓝图类是一种数据类型和具有相同特征和逻辑的模型或功能的抽象的集合。而座椅蓝图类是具有特定逻辑或者功能的座椅模型。座椅模型可以包括座椅本身，也可以包括坐在座椅上上的观众模型。

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。在设计的初期，利用三维模拟技术或者二维模拟技术构建一个场景模型，为了在场景模型中构建座椅模型，如图1b和1c所示，场景模型中设有第一坐标位置处120，在第一坐标位置处120放置座椅模型130。为了在场景模型中进行视线分析和模拟，检测各个座椅模型的视线是否被遮挡以及被遮挡的原因，以对场景模型中的座椅模型排布进行优化调整，需要对场景模型中座椅模型130赋予特定的逻辑或者功能，则对在场景模型中的第一坐标位置120处创建座椅蓝图类。

S120、对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点。

其中，观察点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(以本地坐标系的原点为参考点)。具体地，由于座椅蓝图类创建后并不会自动执行其包含的逻辑，需要在场景模型中进行实例化才会执行其中的逻辑。因此，首先需要对场景模型中的座椅蓝图类进行实例化，生成座椅蓝图对象；且各个座椅蓝图对象都将独立执行，并且拥有互不干扰的属性。其次，座椅模型对应有本地坐标系，无论座椅模型在场景模型中如何移动，本地坐标系中的物体均相对静止。为了观察点位置的准确性，根据相关的建筑设计规范规定，以本地坐标系的原点为参考点在座椅蓝图对象内确定观察点。

S130、根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点。

其中，为了在场景模型中模拟座椅蓝图类中的人物对目标模型的观察动作，需要事先设置座椅蓝图类的内容，并设置目标模型的标签的内容。座椅蓝图类的内容是指座椅蓝图类中的人物需要观察到的内容，可以事先约定座椅蓝图类需要观察的内容与目标模型的标签内容一致。按照此规则设置座椅蓝图类观察目标模型的逻辑，那么在对座椅蓝图类实例化后，座椅蓝图对象可以自动执行观察目标模型的逻辑。具体地，场景模型中放置有多个目标模型，每个目标模型设有标签。并不是利用座椅蓝图对象观察场景模型中各个目标模型，而是观察标签内容与座椅蓝图类的内容一致的目标模型，因此，首先，根据座椅蓝图类的内容在场景模型中进行搜索，找到标签内容与座椅蓝图类的内容一致的目标模型。其次，在场景模型中创建的目标模型具有第二坐标位置(在世界坐标系下)，从而确定搜索找到的各个目标模型在场景模型中各自的第二坐标位置，并在各个目标模型的第二坐标位置处设置目标点140,如图1d所示。

S140、以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡。

其中，遮挡物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。如图1e所示,为了仿真人眼对目标模型的观察，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各目标点。在人眼视线投向目标模型的过程中，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，将场景模型中除目标模型之外的其他模型均可以设为遮挡物，检测自观察点投向各目标点的各射线与各个遮挡物是否有交集。可以理解的是，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，从而可以全面地分析视线遮挡情况。

S150、根据检测的结果，生成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，针对每个座椅模型所对应的观察点，该观察点可以向各个目标点发出多条射线，分析每条射线是否与遮挡物有交集，对每条射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，通过在场景模型中的第一坐标位置处创建座椅蓝图类，场景模型中包括设有标签的目标模型；对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点；根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点；以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡；根据检测的结果，生成观察点的视线遮挡状况。避免手动连接观察点与目标点之间的通视曲线，解决传统技术中视线分析存在的耗时长的技术问题。通过检测各射线与各遮挡物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点的射线，可以全方位进行视线分析判断，不再局限于某个剖面以及某个座椅模型。

在一个实施例中，如图2所示，在场景模型中的第一坐标位置处创建座椅蓝图类，包括以下步骤：

S210、获取目标路径下的座椅坐标文件；

S220、从座椅坐标文件中读取各个座椅在场景模型中的第一位置坐标；

S230、在各第一位置坐标处分别创建座椅蓝图类。

其中，座椅坐标文件是指通过建模软件导出的包括座椅模型在场景模型中坐标位置的表格数据。座椅坐标文件可以是CSV(Comma-Separated Values，有时也称为字符分隔值)文件。具体地，在项目路径或者目标路径下搜索座椅坐标文件并将搜索到的座椅坐标文件载入场景模型，即获取座椅坐标文件。由于座椅坐标文件中存储有各个座椅模型在场景模型中的坐标位置，则从座椅坐标文件中读取各个座椅在场景模型中的第一位置坐标。为了在场景模型中进行视线分析和模拟，对场景模型中座椅模型赋予特定的逻辑或者功能，从而在各第一位置坐标处分别创建座椅蓝图类。

在一个实施例中，座椅蓝图类的变量包括座椅偏移变量。如图3所示，对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点，包括以下步骤：

S310、对座椅蓝图类进行实例化，生成座椅蓝图对象；

S320、判断座椅偏移变量是否等于预设偏移量；

S330、若是，获取座椅蓝图对象的本地坐标原点；

S340、以座椅蓝图对象的本地坐标原点为参考点，在座椅蓝图对象内确定观察点。

具体地，为了令座椅蓝图类可以执行视线分析的逻辑或者功能，对场景模型中的各个座椅蓝图类分别进行实例化，生成座椅蓝图对象。为了更准确地进行视线分析，座椅蓝图类设有座椅偏移变量，在实例化之后视线分析之前，需要先判断座椅偏移变量是否等于预设偏移量。预设偏移量的设置可以根据实际情况而设置，比如预设偏移量可以为零。若某一座椅蓝图对象的座椅偏移变量等于预设偏移量，则获取座椅蓝图对象在本地坐标系内的本地坐标原点。为了观察点位置的准确性，根据相关的建筑设计规范规定，以座椅蓝图对象的本地坐标系的原点为参考点在座椅蓝图对象内确定观察点。若某一座椅蓝图对象的座椅偏移变量不等于预设偏移量，在世界坐标系下对该座椅蓝图对象进行相应的位置偏移，调整该座椅蓝图对象的座椅偏移变量等于预设偏移量后在座椅蓝图对象内确定观察点。

在一个实施例中，为了定量分析各个观察点的视线遮挡状况，座椅蓝图类设有座椅得分变量。观察点射出的各射线设有对应的分数。各射线所对应的分数可以相等也可以不等，在此不作具体的限定。如图4所示，根据检测的结果，生成观察点的视线遮挡状况，包括：

S410、若任一射线被遮挡物阻挡，则不计射线的分数。

具体地，每个观察点可以向各目标点发出多条射线。每条射线在传输路径上可能会遇到一个遮挡物，则该条射线与遮挡物会有交集。这表明在该条通视曲线的传输路径上存在视线遮挡物，该条射线也不能到达其对应的目标点处，因此不计该条射线的得分。

S420、若任一射线不被遮挡物阻挡，则为座椅得分变量增加射线的分数。

具体地，每条射线在传输路径上可能并没有遇到遮挡物，则该条射线与遮挡物没有交集。这表明在该条射线的传输路径上不存在视线遮挡物，且该条射线可以达到其对应的目标点处。由于观察点向各个目标点发射的射线，各射线设有对应的分数，且观察点与座椅蓝图对象对应，则根据该条射线的分数，为座椅得分变量增加该条射线的分数。

S430、根据座椅得分变量的最终分数，分析观察点的视线遮挡状况。

具体地，每个观察点可以向多个目标点发出多条射线，各目标点与各条射线相对应。通过判断各条射线与遮挡物是否存在交集决定是否计算射线所对应的分数。若一条射线与遮挡物无交集，计算该条射线所对应的分数。针对每个观察点，向各个目标点发出多条射线，对各条射线的分数进行统计，将统计的分数确定为观察点的最终分数，观察点的最终分数亦为座椅得分变量的最终分数。因此，可以根据座椅得分变量的最终分数，对观察点的视线遮挡状况进行分析。观察点的总分数越高，表明自该观察点的各条射线被遮挡的越少，观察点的总分数越低，表明自该观察点的各条射线被遮挡的越多。

本实施例中，通过为各个射线赋予对应的分数，计算各个观察点的总分数，对观察点的视线遮挡状况进行定量分析从而确定被遮挡严重的观察点。

在一个实施例中，如图5所示，根据座椅得分变量的最终分数，分析观察点的视线遮挡状况，包括以下步骤：

S510、计算座椅得分变量的最终分数与座椅得分变量的满分数值的比值；

S520、将计算得到的比值作为座椅蓝图对象的得分，并将座椅蓝图对象的得分映射至对应的颜色，为座椅蓝图对象赋予得分所对应的颜色。

其中，目标模型设有标签，当标签的内容与座椅蓝图类的内容一致时，在目标模型的坐标位置处设置目标点。以观察点为起点向各目标点发射射线，观察点所发射出的射线数量和目标点的数量一致，因此，根据目标点的数量与各条射线的分数确定座椅得分变量的满分数值。又因为视线在传输路径上可能存在遮挡物，仅为座椅得分变量增加不被遮挡的射线的分数，得到座椅得分变量的最终分数。座椅得分变量的最终分数除以座椅得分变量的满分数值，计算得到两者的比值。将座椅得分变量的最终分数与其满分数值的比值作为座椅蓝图对象的得分，并将座椅蓝图对象的得分映射至对应的颜色。将该得分所对应的颜色赋予给座椅蓝图对象以表示观察点的视线遮挡状况，比如，得分较高的座椅模型，用蓝色或者绿色表示，得分较低的座椅模型，用红色表示。

在一个实施例中，如图6a所示，该方法还包括以下步骤：

S610、在场景模型中选择至少一个座椅蓝图对象；

S620、检测座椅蓝图对象的座椅偏移变量的增量；

S630、根据座椅偏移变量的增量，场景模型中的各座椅蓝图对象重新执行上述视线分析的步骤。

其中，在对场景模型中各个座椅蓝图对象执行完视线分析后，建筑设计师会改变视线遮挡较为严重的座椅蓝图对象的坐标，建筑设计师可能改变一个或者多个座椅蓝图对象的座椅偏移变量，则座椅蓝图对象的座椅偏移变量产生增量。此次改变不仅影响被改变的座椅蓝图对象的视线遮挡状况，还影响其他的座椅蓝图对象的视线遮挡状况。为了全面评估一个或者多个座椅蓝图对象的座椅偏移变量的变化对整个场景模型中各个座椅蓝图对象的影响，在座椅蓝图对象的座椅偏移变量改变之后，场景模型中的各座椅蓝图对象重新执行一次视线分析的逻辑过程。

具体地，如图6b所示，在场景模型中选择一个或者多个需要调整的座椅蓝图对象。如图6c所示，对选择的座椅蓝图对象的位置进行调整，将调整量赋予给选择的座椅蓝图对象的座椅偏移变量，则选择的座椅蓝图对象的座椅偏移变量产生增量。对座椅偏移变量的增量进行检测，确定各座椅蓝图对象在场景模型中调整后的位置。场景模型中的各座椅蓝图对象根据各座椅偏移变量调整后的位置重新执行一次视线分析的步骤。

本实施例中，结合座椅蓝图对象的座椅偏移变量对一个或者多个座椅蓝图对象的位置进行调整，每次调整一个或者多个座椅蓝图对象的位置后，场景模型中的各座椅蓝图对象会根据各座椅偏移变量调整后的位置重新执行一次视线分析，以全面评估调整对整个场景模型视线的影响。

在一个实施例中，如图7a所示，将座椅蓝图对象的得分映射至对应的颜色，为座椅蓝图对象赋予得分所对应的颜色，包括以下步骤：

S710、将座椅蓝图对象的得分映射至对应的颜色，并根据得分所对应的颜色创建动态材质；

S720、将创建的动态材质赋予给观察点所对应的座椅蓝图对象。

其中，动态材质是用于标识座椅蓝图对象得分的模型，动态材质可以是球形，也可以是立方体形状。具体地，根据目标点的数量与各条射线的分数确定座椅得分变量的满分数值。又因为视线在传输路径上可能存在遮挡物，仅为座椅得分变量增加不被遮挡的射线的分数，得到座椅得分变量的最终分数。计算座椅得分变量的最终分数与座椅得分变量的满分数值的比值。将座椅得分变量的最终分数与其满分数值的比值作为座椅蓝图对象的得分。将座椅蓝图对象的得分映射至对应的颜色区间，比如红色至绿色或者红色至蓝色等。利用不同的颜色表示座椅蓝图对象的不同得分，根据座椅蓝图对象的不同得分所对应的颜色创建不同的动态材质。比如，如图7b所示，根据座椅蓝图对象的不同得分所对应的颜色创建不同颜色的圆球，或者根据座椅蓝图对象的不同得分所对应的颜色创建不同颜色的立方体，利用不同颜色的圆球或者立方体表示座椅蓝图对象的不同得分。为了直观地向建筑设计师展示视线分析结果，根据座椅蓝图对象的不同得分所对应的颜色创建对应的动态材质，将根据得分所对应的颜色创建的动态材质赋予给观察点所对应的座椅蓝图对象。

在一个实施例中，如图8所示，该方法还包括以下步骤：

S810、检测场景模型中各座椅蓝图对象的得分；

S820、对得分小于预设阈值的座椅蓝图对象进行筛选；

S830、获取筛选得到的座椅蓝图对象的观察点位置坐标，并将摄像机定位至座椅蓝图对象的观察点位置坐标处；

S840、改变摄像机的镜头朝向并查看场景模型中的任一目标模型，确定阻挡视线的遮挡物。

其中，预设阈值用于评判视线是否良好的标准值。预设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。预设阈值过小会导致某些观察点的视野不佳，预设阈值过大会增大建筑设计师的工作量。因此，根据实际情况和一些建筑设计规范设置预设阈值，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”设置预设阈值,此处并不限定预设阈值的具体数值。

具体地，对场景模型中各座椅蓝图对象的得分进行检测，并判断各座椅蓝图对象的得分是否小于预设阈值，对于得分小于预设阈值的座椅蓝图对象进行筛选。由于座椅蓝图对象内设有与人眼位置对应的观察点，则通过筛选得到的座椅蓝图对象可以确定对应的观察点。且每个座椅蓝图对象具有自己的坐标位置，从而可以获取观察点位置坐标。将摄像机定位在座椅蓝图对象的观察点位置坐标处，利用摄像机观察场景模型中设有标签的目标模型，且目标模型的标签内容与摄像机所对应的座椅蓝图类的内容一致。从而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。利用该摄像机对场景模型中其他座椅模型、人物模型、建筑构造模型等其他模型进行分析确定视线遮挡物。进一步地，可以改变摄像机的镜头朝向，比如摄像机的镜头朝向由正前变为向左或者向右，以对该观察点的真实视线情况进行输出，并查看场景模型中各个方位上的任一目标模型，对场景模型中各个方位上的其它模型是否对视线有遮挡进行全面的分析。

本实施例中，对于得分小于预设阈值的座椅蓝图对象进行筛选，并利用摄像机进行视角模拟对整个画面和视野进行观察，且摄像机在当前观察点可以自由改变朝向，对场景模型中观众所观看的观演情形进行精确的还原，进一步地评判视线遮挡状况。

在一个实施例中，筛选得到的座椅蓝图对象的数量为多个。方法还包括：获取切换摄像机位置的操作指令，将摄像机从当前观察点的位置坐标处定位至下一个观察点的位置坐标处。

其中，筛选得到的座椅蓝图对象的数量为多个，可以依次将摄像机定位在各个座椅蓝图对象的观察点，利用摄像机进行视角模拟对整个画面和视野进行观察。具体地，获取切换摄像机位置的操作指令，比如用户触发建模软件特定的按钮，将摄像机从当前观察点的位置坐标处定位至下一个观察点的位置坐标处，从而可以利用摄像机在下一个观察点的位置坐标处观察对应的目标点，该观察点对应的座椅蓝图类的内容与目标点对应的目标模型的标签内容一致。在利用摄像机观察对应的目标点时，对场景模型中其他座椅模型、人物模型、建筑构造模型等遮挡物进行分析以确定视线遮挡物。

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UE4(UnrealEngine，虚幻引擎)软件实现。其中，虚幻引擎是一套为开发者设计的包含游戏制作、仿真模拟、可视化分析等功能的一套集成工具。以该方法基于UE4分析剧场类建筑视线为例进行说明。该方法包括以下步骤：

S902、获取目标路径下的座椅坐标文件。

S904、从座椅坐标文件中读取各个座椅在场景模型中的第一位置坐标。

S906、在各第一位置坐标处分别创建座椅蓝图类。

其中，座椅蓝图类的变量包括座椅偏移变量、座椅得分变量和网格物体。网格物体包括座椅模型以及坐在座椅模型上的观众模型。

S908、对座椅蓝图类进行实例化，生成座椅蓝图对象。

S910、判断座椅偏移变量是否等于预设偏移量。

S912、若是，获取座椅蓝图对象的本地坐标原点。

S914、以座椅蓝图对象的本地坐标原点为参考点，在座椅蓝图对象内确定观察点。

S916、根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点。

S918、以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡。

S920、若任一射线被遮挡物阻挡，则不计射线的分数。

S922、若任一射线不被遮挡物阻挡，则为座椅得分变量增加射线的分数。

S924、计算座椅得分变量的最终分数与座椅得分变量的满分数值的比值。

S926、将计算得到的比值作为座椅蓝图对象的得分，并映射至对应的颜色，为座椅蓝图对象赋予得分所对应的颜色。

S928、选择至少一个座椅蓝图对象。

具体地，用户可以触发Shift键，生成一个用户操作界面(User Interface，UI)，在UI界面中显示鼠标指针，通过鼠标指针点击，选择需要调整一个或者多个座椅蓝图对象。

S930、检测选择的座椅蓝图对象的座椅偏移变量的增量。

具体地，UI界面设有输入框，用户可以在输入框内设置座椅蓝图对象的座椅偏移变量的增量(a，b，c)，实现对座椅位置进行上下左右前后的偏移。根据增量(a，b，c)生成三维数组，三维数组的结构为‘a，b，c’。将该数组作为增量赋予给选中的座椅蓝图对象的座椅偏移变量。

S932、根据座椅偏移变量的增量，场景模型中的各座椅蓝图对象重新执行上述视线分析的步骤。

S934、检测场景模型中各座椅蓝图对象的得分。

具体地，用户可以触发T键，从而开始检测场景模型中各座椅蓝图对象的得分。

S936、对得分小于预设阈值的座椅蓝图对象进行筛选。

其中，筛选得到的座椅蓝图对象的数量为多个。根据相关的建筑规范，设置预设阈值为80％。

S938、获取筛选得到的座椅蓝图对象的观察点位置坐标，并将摄像机定位至座椅蓝图对象的观察点位置坐标处。

S940、改变摄像机的镜头朝向并查看场景模型中的任一目标模型，确定阻挡视线的遮挡物。

其中，摄像机的镜头可以随着鼠标的移动而左右晃动查看当前观察点的视野情况。

S942、获取切换摄像机位置的操作指令，将摄像机从当前观察点的位置坐标处定位至下一个观察点的位置坐标处。

其中，筛选得到的座椅蓝图对象的数量为多个，则需要进一步分析的观察点也具有相同的数量，用户可以触发T键，将摄像机从当前观察点切换至下一个观察点位置坐标处。

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9所示，本申请提供一种视线分析装置，该分析装置900包括座椅蓝图类创建模块910、观察点确定模块920、目标点确定模块930、遮挡物检测模块940和视线分析模块950。其中：

座椅蓝图类创建模块910，用于在场景模型中的第一坐标位置处创建座椅蓝图类，场景模型中包括设有标签的目标模型；

观察点确定模块920，用于对座椅蓝图类进行实例化，生成座椅蓝图对象，并在座椅蓝图对象内确定观察点；

目标点确定模块930，用于根据座椅蓝图类的内容在场景模型中进行搜索，得到多个标签的内容与座椅蓝图类的内容一致的目标模型，并在各目标模型在场景模型中的第二坐标位置处设置目标点；

遮挡物检测模块940，用于以观察点为起点向各目标点发射射线，检测射线是否被遮挡物阻挡；

视线分析模块950，用于根据检测的结果，生成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10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10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 (12)

1.一种视线分析方法，其特征在于，所述方法包括：

在场景模型中的第一坐标位置处创建座椅蓝图类，所述场景模型中包括设有标签的目标模型；

对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点；

根据所述座椅蓝图类的内容在所述场景模型中进行搜索，得到多个标签的内容与所述座椅蓝图类的内容一致的目标模型，并在各所述目标模型在所述场景模型中的第二坐标位置处设置目标点；

以所述观察点为起点向各所述目标点发射射线，检测所述射线是否被遮挡物阻挡；

根据检测的结果，生成所述观察点的视线遮挡状况。

2.根据权利要求1所述的方法，其特征在于，所述在场景模型中的第一坐标位置处创建座椅蓝图类，包括：

获取目标路径下的座椅坐标文件；

从所述座椅坐标文件中读取各个座椅在所述场景模型中的第一位置坐标；

在各所述第一位置坐标处分别创建所述座椅蓝图类。

3.根据权利要求1所述的方法，其特征在于，所述座椅蓝图类的变量包括座椅偏移变量；所述对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点，包括：

对所述座椅蓝图类进行实例化，生成所述座椅蓝图对象；

判断所述座椅偏移变量是否等于预设偏移量；

若是，获取所述座椅蓝图对象的本地坐标原点；

以所述座椅蓝图对象的本地坐标原点为参考点，在所述座椅蓝图对象内确定所述观察点。

4.根据权利要求3所述的方法，其特征在于，所述座椅蓝图类的变量还包括座椅得分变量，各所述射线设有对应的分数；所述根据检测的结果，生成所述观察点的视线遮挡状况，包括：

若任一所述射线被遮挡物阻挡，则不计所述射线的分数；

若任一所述射线不被遮挡物阻挡，则为所述座椅得分变量增加所述射线的分数；

根据所述座椅得分变量的最终分数，分析所述观察点的视线遮挡状况。

5.根据权利要求4所述的方法，其特征在于，所述根据所述座椅得分变量的最终分数，分析所述观察点的视线遮挡状况，包括：

计算所述座椅得分变量的最终分数与所述座椅得分变量的满分数值的比值；

将计算得到的比值作为所述座椅蓝图对象的得分，并将所述座椅蓝图对象的得分映射至对应的颜色，为所述座椅蓝图对象赋予所述得分所对应的颜色。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在所述场景模型中选择至少一个所述座椅蓝图对象；

检测所述座椅蓝图对象的座椅偏移变量的增量；

根据所述座椅偏移变量的增量，所述场景模型中的各座椅蓝图对象重新执行上述视线分析的步骤。

7.根据权利要求5所述的方法，其特征在于，所述将所述座椅蓝图对象的得分映射至对应的颜色，为所述座椅蓝图对象赋予所述得分所对应的颜色，包括：

将所述座椅蓝图对象的得分映射至对应的颜色，并根据所述得分所对应的颜色创建动态材质；

将创建的动态材质赋予给所述观察点所对应的座椅蓝图对象。

8.根据权利要求5所述的方法，其特征在于，所述方法还包括：

检测所述场景模型中各所述座椅蓝图对象的得分；

对得分小于预设阈值的座椅蓝图对象进行筛选；

获取筛选得到的座椅蓝图对象的观察点位置坐标，并将摄像机定位至所述座椅蓝图对象的观察点位置坐标处；

改变所述摄像机的镜头朝向并查看所述场景模型中的任一目标模型，确定阻挡视线的遮挡物。

9.根据权利要求8所述的方法，其特征在于，所述筛选得到的座椅蓝图对象的数量为多个；所述方法还包括：

获取切换摄像机位置的操作指令，将所述摄像机从当前观察点的位置坐标处定位至下一个观察点的位置坐标处。

10.一种视线分析装置，其特征在于，所述装置包括：

座椅蓝图类创建模块，用于在场景模型中的第一坐标位置处创建座椅蓝图类，所述场景模型中包括设有标签的目标模型；

观察点确定模块，用于对所述座椅蓝图类进行实例化，生成座椅蓝图对象，并在所述座椅蓝图对象内确定观察点；

目标点确定模块，用于根据所述座椅蓝图类的内容在所述场景模型中进行搜索，得到多个标签的内容与所述座椅蓝图类的内容一致的目标模型，并在各所述目标模型在所述场景模型中的第二坐标位置处设置目标点；

遮挡物检测模块，用于以所述观察点为起点向各所述目标点发射射线，检测所述射线是否被遮挡物阻挡；

视线分析模块，用于根据检测的结果，生成所述观察点的视线遮挡状况。

11.一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如权利要求1至9中任一项所述的方法的步骤。

12.一种计算机设备，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如权利要求1至9中任一项所述的方法的步骤。

Images