CN111488280B - 数据处理方法、装置、存储介质及电子设备 - Google Patents

数据处理方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN111488280B
CN111488280B CN202010275540.6A CN202010275540A CN111488280B CN 111488280 B CN111488280 B CN 111488280B CN 202010275540 A CN202010275540 A CN 202010275540A CN 111488280 B CN111488280 B CN 111488280B
Authority
CN
China
Prior art keywords
path
space
dimensional space
dimensional
data processing
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
CN202010275540.6A
Other languages
English (en)
Other versions
CN111488280A (zh
Inventor
寻微微
方李志
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010275540.6A priority Critical patent/CN111488280B/zh
Publication of CN111488280A publication Critical patent/CN111488280A/zh
Application granted granted Critical
Publication of CN111488280B publication Critical patent/CN111488280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种数据处理方法，其包括：获取设定三维空间的空间物体的物体位置信息以及物体状态信息；基于活动目标的预设路径起点、预设路径终点以及活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成活动目标的活动路径；基于活动路径，对活动目标进行移动操作以及执行操作，并获取移动操作以及执行操作的操作反馈；基于操作反馈以及预设反馈，对设定三维空间的空间物体和活动目标的数据进行处理。本发明还提供一种数据处理装置，本发明的地图测试的覆盖率较高且测试随机性较强；同时不同的测试设定造成的测试探索方式的不同，提升了测试探索性。

Description

数据处理方法、装置、存储介质及电子设备
技术领域
本发明涉及数据测试领域，特别是涉及一种数据处理方法、装置、存储介质及电子设备。
背景技术
随着深度学习和人工智能领域的发展，AI自动化测试成为行业的发展方向，并在游戏的局内操作有了一定的实践方案。
目前，基于游戏AI、地图遍历逻辑和图像识别、理解等技术一定程度上可以实现自动化识别地图异常位置。其中，游戏AI指可以像游戏玩家一样执行各类操作进行地图探索的人工智能。该游戏AI的相关技术包括：以深度学习/模仿学习技术为基础，用大量的人类玩家在游戏内的操作数据来训练游戏AI；或是以强化学习为基础，在没有大量标记样本的前提下，游戏AI在与游戏环境的交互中收集相应的环境信息进行试错学习，从而不断地改善自身策略来获取最大的累积奖赏，如基于障碍物和可行区域实现，遍历地图中的任一场景和位置等。
但是现有的游戏AI测试是基于模仿游戏玩家操作进行游戏测试，而游戏玩家进行游戏操作时往往具有一定的局限性，如很少行走到地图的某些区域或不会对游戏中的某些明显障碍物进行脱困操作，因此使用该游戏AI进行游戏测试的地图测试覆盖率较低、测试随机性较差且测试探索性较弱。
故需要提供一种数据处理方法及测试装置以解决上述的技术问题。
发明内容
本发明实施例提供一种地图测试覆盖率较高、测试随机性较强以及测试探索性较强的数据处理方法及测试装置；以解决现有的数据处理方法及测试装置的游戏测试的地图测试覆盖率较低、测试随机性较差且测试探索性较弱的技术问题。
本发明实施例提供一种数据处理方法，其包括：
获取空间物体的物体位置信息以及物体状态信息，所述空间物体的物体位置信息以及物体状态信息为空间物体在设定三维空间上的物体位置信息以及物体状态信息；
基于活动目标的预设路径起点、预设路径终点以及所述设定三维空间中空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径；
基于所述活动路径，对所述活动目标进行移动操作和/或执行操作，并获取所述移动操作和/或执行操作的操作反馈；
基于所述操作反馈以及预设反馈，对所述设定三维空间的空间物体和活动目标的数据进行处理。
本发明实施例还提供一种数据处理装置，其包括：
空间物体获取模块，用于获取空间物体的物体位置信息以及物体状态信息，所述空间物体的物体位置信息以及物体状态信息为空间物体在设定三维空间上的物体位置信息以及物体状态信息；
活动路径生成模块，用于基于活动目标的预设路径起点、预设路径终点以及所述设定三维空间中空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径；
操作模块，用于基于所述活动路径，对所述活动目标进行移动操作和/或执行操作，并获取所述移动操作和/或执行操作的操作反馈信息；
处理模块，用于基于所述操作反馈以及预设反馈，对所述设定三维空间的空间物体和活动目标的数据进行处理。
在本发明所述的数据处理装置中，如所述活动路径为无障碍路径；
所述活动路径生成模块包括：
连接路径获取单元，用于获取所述预设路径起点与所述预设路径终点之间的多个连接路径；
优先级分数确定单元，用于根据所述连接路径的长度以及所述连接路径上的空间物体的物体状态信息，确定所述连接路径的优先级分数；
第一路径设定单元，用于将优先级分数最高的连接路径设定为无障碍路径。
在本发明所述的数据处理装置中，如所述活动路径为设定障碍路径；
所述活动路径生成模块包括：
物体位置信息获取单元，用于获取至少一个设定空间物体的物体位置信息；
第二路径设定单元，用于根据所述预设路径起点、所述设定空间物体的物体位置信息以及所述预设路径终点设置所述设定障碍路径。
在本发明所述的数据处理装置中，如所述活动路径为随机路径；
所述活动路径生成模块包括：
参考点设定单元，用于设定所述预设路径起点以及路径生成区域，并将所述预设路径起点设定为参考点；
第三路径设定单元，用于基于随机数生成算法生成所述参考点的相邻点，并将所述相邻点设置到所述随机路径中；
循环单元，用于将所述相邻点设置为参考点并转到基于随机数生成算法生成所述参考点的相邻点的步骤，直至所述相邻点超出所述路径生成区域。
本发明实施例还提供一种存储介质，其内存储有处理器可执行指令，所述指令由一个或一个以上处理器加载，以执行上述数据处理方法。
本发明实施例还提供一种电子设备，包括处理器和存储器，所述存储器储存有计算机程序，所述处理器通过调用所述计算机程序，用于执行上述数据处理方法。
相较于现有技术，本发明的数据处理方法、装置、存储介质及电子设备基于预设路径起点、预设路径终点以及空间物体来生成活动路径，并且可在活动路径上进行活动目标的移动操作以及执行操作，从而通过操作结果进行游戏数据的测试。由于测试的随机性以及确定性可通过预设路径起点、预设路径终点以及空间物体来设定，因此地图测试的覆盖率较高且测试随机性较强；同时不同的测试设定造成的测试探索方式的不同，提升了测试探索性；有效解决了现有的数据处理方法及测试装置的游戏测试的地图测试覆盖率较低、测试随机性较差且测试探索性较弱的技术问题。
附图说明
图1为本发明的数据处理方法的一实施例的流程图；
图2为本发明的数据处理方法的一实施例的无障碍路径的生成流程图；
图3为本发明的数据处理方法的一实施例的设定障碍路径的生成流程图；
图4为本发明的数据处理方法的一实施例的随机路径的生成流程图；
图5为本发明的数据处理方法的一实施例的步骤S103的流程图；
图6为本发明的数据处理方法的第二实施例的流程图；
图7为本发明的数据处理方法的另一实施例的步骤S602的流程图；
图8为本发明的数据处理装置的第一实施例的结构示意图；
图9为本发明的数据处理装置的第一实施例的活动路径生成模块的结构示意图；
图10为本发明的数据处理装置的第一实施例的操作模块的结构示意图；
图11为本发明的数据处理装置的第一实施例的处理模块的结构示意图；
图12为本发明的数据处理装置的第二实施例的结构示意图；
图13为本发明的数据处理装置的设定三维空间计算模块的结构示意图；
图14a为数据处理方法及数据处理装置的测试框架图；
图14b、图14c为本发明的数据处理方法及数据处理装置的具体实施例的路径生成示意图；
图15为本发明的数据处理装置所在的电子设备的工作环境结构示意图。
具体实施方式
请参照图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中，本发明的具体实施例将参考由一部或多部计算机所执行之作业的步骤及符号来说明，除非另有述明。因此，其将可了解到这些步骤及操作，其中有数次提到为由计算机执行，包括了由代表了以一结构化型式中的数据之电子信号的计算机处理单元所操纵。此操纵转换该数据或将其维持在该计算机之内存系统中的位置处，其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机之运作。该数据所维持的数据结构为该内存之实体位置，其具有由该数据格式所定义的特定特性。但是，本发明原理以上述文字来说明，其并不代表为一种限制，本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本发明的数据处理方法及数据处理装置可设置在任何的电子设备中，用于对游戏中的三维地图数据以及活动目标的运动数据进行有效测试。该电子设备包括但不限于可穿戴设备、头戴设备、医疗健康平台、个人计算机、服务器计算机、手持式或膝上型设备、移动设备(比如移动电话、个人数字助理(PDA)、媒体播放器等等)、多处理器系统、消费型电子设备、小型计算机、大型计算机、包括上述任意系统或设备的分布式计算环境，等等。该电子设备优选为数据处理服务器，以便提高数据处理的有效性、随机性以及测试深度(探索性)。
请参照图1，图1为本发明的数据处理方法的第一实施例的流程图。本实施例的数据处理方法可使用上述的电子设备进行实施，本实施例的数据处理方法包括：
步骤S101，获取设定三维空间的空间物体的物体位置信息以及物体状态信息；
步骤S102，基于活动目标的预设路径起点、预设路径终点以及活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成活动目标的活动路径；
步骤S103，基于活动路径，对活动目标进行移动操作和/或执行操作，并获取移动操作和/或执行操作的操作反馈；
步骤S104，基于操作反馈以及预设反馈，对设定三维空间的空间物体和活动目标的数据进行处理。
下面详细说明本实施例的数据处理方法的各步骤的具体流程。
在步骤S101中，数据处理装置(如数据处理服务器等)获取设定三维空间的空间物体的物体位置信息以及物体状态信息。
这里的设定三维空间是指游戏地图的三维模型空间，该设定三维空间中包括各种空间物体，如道路以及草地等非障碍物的空间物体，也包括如树木、石头、河流、墙面、门、窗、载具、集装箱、草垛等障碍物的空间物体。
这里每个空间物体均有物体位置信息以及物体状态信息。空间物体的物体位置信息用于表示空间物体在设定三维空间中的设置位置。空间物体的物体状态信息用于表示空间物体的设置状态，如开启的门、关闭的窗、不可通过的墙面等。活动目标只能通过特定的执行操作才能通过处于该物体状态信息的空间物体；如活动目标需要打开门的执行操作才能通过关闭的门，活动目标需要跳跃的执行操作才能通过河流等。这样后续可通过物体状态信息来测试对应的执行操作是否执行到位。
在步骤S102中，数据处理装置获取活动目标的预设路径起点、预设路径终点以及步骤S101获取的活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息。
这里的活动目标是指在设定三维空间中运动的目标物体，这里可以是人、动物或者汽车等运动物体，以便检测活动目标在设定三维空间中的运动数据。
预设路径起点是指活动目标在设定三维空间中预先设置的路径起点。
预设路径终点是指活动目标在设定三维空间中预先设置的路径终点。
随后数据处理装置基于活动目标的预设路径起点、预设路径终点以及设定三维空间的空间物体的物体位置信息以及物体状态信息，生成该活动目标的活动路径，从而可基于活动路径来测试游戏地图中的相关游戏数据。
该活动路径是指活动目标在设定三维空间中的运动路径。
具体的，这里的活动路径包括无障碍路径、设定障碍路径以及随机路径。无障碍路径是指路径上未设置障碍物的活动路径，为测试预设路径起点与预设路径终点之间的最佳路径。设定障碍路径是指路径上设置有特定障碍物的活动路径，以便对活动目标对特定障碍物的执行操作进行测试。随机路径是指在路径生成区域中随机生成的活动路径，用于提高游戏测试的地图测试覆盖率、测试随机性以及测试探索性。
当活动路径为无障碍路径时，该活动目标的活动路径生成流程请参照图2，图2为本发明的数据处理方法的一实施例的无障碍路径的生成流程图。该无障碍路径的生成流程包括：
步骤S201，数据处理装置获取预设路径起点与预设路径终点之间的多个连接路径。
由于预设路径起点与预设路径终点之间的连接路径可以有很多，为了减少遍历连接路径的计算量，这里可以预设一个连接路径的最大长度，如比预设路径起点与预设路径终点之间的连线长度的1.5倍或2倍作为连接路径的最大长度。随后遍历小于该最大长度的预设路径起点与预设路径终点之间的所有连接路径。
步骤S202，数据处理装置根据连接路径的长度以及连接路径上的空间物体的物体状态信息，确定连接路径的优先级分数。
这里设定连接路径的长度越长，连接路径的优先级分数越低，连接路径的长度越短，连接路径的优先级分数越高；同理，连接路径上的空间物体的越过难度越高以及数量越多，则该连接路径的优先级分数越低，如空间物体是墙的优先级分数低于空间物体是窗的优先级分数等。
步骤S203，将优先级分数最高的连接路径设定为无障碍路径。该优先级分数最高的连接路径是相对长度较短且同时连接路径上的空间物体的数量以及越过难度较低的连接路径，因此将该连接路径设定为无障碍路径。
当活动路径为设定障碍路径时，该活动目标的活动路径生成流程请参照图3，图3为本发明的数据处理方法的一实施例的设定障碍路径的生成流程图。该设定障碍路径的生成流程包括：
步骤S301，数据处理装置获取至少一个设定空间物体的物体位置信息，以便后续该设定障碍路径可通过该设定空间物体。
步骤S302，数据处理装置根据预设路径起点、设定空间物体的物体位置信息以及预设路径终点设置设定障碍路径。
具体的，数据处理装置可依次通过预设路径起点、至少一个设定空间物体以及预设路径终端来设置一设定障碍路径，该设定障碍路径需要穿过所有的设定空间物体。该设定障碍路径可对活动目标在设定空间物体上的执行操作进行有效测试。
当活动路径为随机路径时，该活动目标的活动路径生成流程请参照图4，图4为本发明的数据处理方法的一实施例的随机路径的生成流程图。该随机路径的生成流程包括：
步骤S401，数据处理装置设定预设路径起点以及路径生成区域，并将预设路径起点设定为参考点。
预设路径起点为随机路径的起点，路径生成区域为随机路径的生成区域。
步骤S402，数据处理装置基于随机数生成算法生成参考点的相邻点，并将相邻点设置到随机路径中。
步骤S403，数据处理装置将相邻点设置为参考点，并转到步骤S402，直至相邻点超出路径生成区域。
这样可在路径生成区域以最大的地图测试覆盖率以及地图测试随机性来生成随机路径，同时可有效的提高随机路径测试的探索性。
在步骤S103中，数据处理装置基于步骤S102获取的活动路径，对活动目标进行移动操作和/或执行操作，并获取移动操作以及执行操作的操作反馈。
这里的移动操作是指控制活动目标在设定三维空间中的进行前进、后退、左移、右移等移动动作的操作；执行操作是指控制活动目标在设定三维空间中针对对应的空间物体进行开启、跳起、落地以及翻越等执行动作的操作。
操作反馈是指进行移动操作以及执行操作后，活动目标是否发生移动或者活动目标是否对空间物体有效进行执行操作的反馈。
具体请参照图5，图5为本发明的数据处理方法的一实施例的步骤S103的流程图。该步骤S103包括：
步骤S501，数据处理装置获取活动目标在活动路径的当前节点坐标以及当前节点的相邻节点的相邻节点坐标。
步骤S502，如相邻节点未设置空间障碍物(如河流、房屋等可阻挡活动目标移动的空间物体)，则数据处理装置基于相邻节点坐标以及当前节点坐标的相对矢量差，转换为活动目标的移动细粒度操作。这里的移动细粒度操作是指活动目标的前进、后退、左移、右移等移动操作，通过上述的移动细粒度操作可使得活动目标由当前节点移动到相邻节点。
随后数据处理装置获取移动细粒度操作的操作结果，即活动目标是否移动到相邻节点。
然后数据处理装置返回步骤S501获取当前节点坐标以及相邻节点坐标，直至活动路径测试完毕或活动路径测试异常。
步骤S503，如相邻节点设置有空间障碍物，则数据处理装置根据空间障碍物的类型，对活动目标进行对应的执行操作；比如空间障碍物是门时，活动目标的执行操作为开门操作；如空间障碍物是河流时，活动目标的执行操作为跳跃操作。通过上述执行操作，活动目标可由当前节点移动到相邻节点。
随后数据处理装置获取该执行操作的操作结果，即活动目标是否准确移动到相邻节点，由于这里不仅仅是活动目标的移动操作，所以这里需要对活动目标在相邻节点上的状态进行检测，比如河流上的跳跃状态、活动目标穿过门时门的开启状态以及由于该执行操作引起的画面异常(如颜色异常或渲染失真等)。
然后数据处理装置返回步骤S501获取当前节点坐标以及相邻节点坐标，直至活动路径测试完毕或活动路径测试异常。
在步骤S104中，数据处理装置获取步骤S103的操作反馈，并将操作反馈与预设反馈进行比较，并基于比较结果，对设定三维空间的空间物体和活动目标的数据进行处理。其中操作反馈为活动目标与对应空间物体的相对位置关系。
具体的，如操作反馈与预设反馈一致，则数据处理装置确定设定三维空间的空间物体和活动目标的数据测试正常；如操作反馈与预设反馈不一致，则数据处理装置确定设定三维空间的空间物体与活动目标的数据测试异常。随后工作人员可基于数据测试结果对游戏数据进行处理，如对异常数据进行修正或对正常数据进行保存操作等。
这样即完成了本实施例的数据处理方法的数据处理过程。
本实施例的数据处理方法基于预设路径起点、预设路径终点以及空间物体来生成活动路径，并且可在活动路径上进行活动目标的移动操作以及执行操作，从而通过操作结果进行游戏数据的测试。由于测试的随机性以及确定性可通过预设路径起点、预设路径终点以及空间物体来设定，因此地图测试的覆盖率较高且测试随机性较强；同时不同的测试设定造成的测试探索方式的不同，提升了测试探索性。
请参照图6，图6为本发明的数据处理方法的第二实施例的流程图。本实施例的数据处理方法可使用上述的电子设备进行实施，本实施例的数据处理方法包括：
步骤S601，获取多张二维游戏图像；根据预设参数获取多张二维图像对应的图像三维空间；
步骤S602，对多张二维图像对应的图像三维空间进行特征提取，获得二维图像对应的图像三维空间的图像特征；根据不同二维图像中匹配的图像特征，获得空间物体在设定三维空间上的物体位置信息以及物体状态信息；
步骤S603，获取设定三维空间的空间物体的物体位置信息以及物体状态信息；
步骤S604，基于活动目标的预设路径起点、预设路径终点以及活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成活动目标的活动路径；
步骤S605，基于活动路径，对活动目标进行移动操作和/或执行操作，并获取移动操作和/或执行操作的操作反馈；
步骤S606，基于操作反馈以及预设反馈，对设定三维空间的空间物体和活动目标的数据进行处理。
下面详细说明本实施例的数据处理方法的各步骤的具体流程。
在步骤S601中，获取多张二维游戏图像；根据预设参数获取多张二维图像对应的图像三维空间。
其中二维图像可为移动终端屏幕的图像数据，如游戏局中的屏幕截图，虽然该屏幕截图只能获取水平和垂直两个维度的图像信息，但是实际画面内容为一图像三维空间。
预设测试相机为游戏引擎中视角覆盖一定范围游戏地图的虚拟相机，用于确定空间物体表面某点在图像三维空间中的三维几何位置与该点在二维图像中对应点的相互关系。其中该预设测试相机包括预设测试相机参数(预设参数)，该预设参数包括但不限于相机内部参数、相机外部参数以及相机畸变参数等。
如在这里仅考虑预设测试相机的相机内部参数以及相机外部参数，数据处理装置可基于预设测试相机参数以及二维图像计算测试相机拍摄区域的图像三维空间。该图像三维空间中的相关像素点的坐标可通过下式求得：
Figure GDA0003053775980000111
其中f为预设测试相机的相机原点到成像平面的距离，
Figure GDA0003053775980000112
为预设测试相机的内参数矩阵，其中dx表示二维图像像素的长，dy表示二维图像像素的高，cx表示相机原点的水平平移量，cy表示相机原点的垂直平移量，
Figure GDA0003053775980000113
为预设测试相机的外参矩阵，其中R为旋转矩阵，t为平移向量，u，v为二维图像中空间物体中特定点的坐标，Xc、Yc、Zc为该特定点在图像三维空间中的三维坐标。
这样二维图像中所有的点在图像三维空间中的映射组成了对应的图像三维空间。
在步骤S602中，数据处理装置对步骤S601获取的多张二维图像对应的图像三维空间进行特征提取以及特征匹配，从而可根据匹配的图像特征计算测试相机拍摄区域的设定三维空间的空间物体。
具体的请参照图7，图7为本发明的数据处理方法的另一实施例的步骤S602的流程图。该步骤S602包括：
步骤S701，数据处理装置可使用SIFT算法(尺度不变特征变换，Scale-invariantfeature transform)、SURF算法(加速强壮特征算法，Speeded Up Robust Features)、HOG算法(方向梯度直方图，Histogram of Oriented Gridients)以及ORB(Oriented FAST andRotated BRIEF)等算法对二维图像对应的图像三维空间进行特征提取操作。
其中如使用加速强壮特征算法对二维图像对应的图像三维空间进行特征提取操作，则可构建Hessian矩阵，构建尺度空间，精确定位特征点，进而确定特征点提取主方向，从而提取对应的图像三维空间的图像特征。
步骤S702，数据处理装置需要将不同二维图像中的同一物理成像点进行匹配，这里数据处理装置使用FLANN算法(快速近似最近邻搜索算法，Fast Library forApproximate Nearest Neighbors)实现不同二维图像对应的图像三维空间的图像特征的特征点匹配。进行匹配时需要消除光照、噪声、畸变以及表面物理特性等干扰因素。
步骤S703，数据处理装置以步骤S702获取的匹配的图像特征(或多个图像三维空间中的图像特征对)作为设定三维空间的最终目标。并基于预设测试相机参数对追踪目标进行设定三维空间坐标转换，即将不同图像三维空间中的图像特征均转换到设定三维空间的坐标系中，从而了获取设定三维空间以及设定三维空间中的空间物体(即设定三维空间的场景信息)。这样基于匹配的图像特征降多个图像三维空间叠加生成了对应的设定三维空间。
该设定三维空间中像素点除了具有三维位置坐标参数外，还应具有颜色信息以及强度信息等像素参数。
本实施例的数据处理方法的步骤S603至步骤S606的具体工作原理与上述数据处理方法的实施例的步骤S101至步骤S104中描述相同或相似，具体可参照上述数据处理方法的实施例的步骤S101至步骤S104中相关描述。
在第一实施例的基础上，本实施例的数据处理方法可基于预测测试参数以及多张二维图像来生成对应的设定三维空间，保证了设定三维空间的合理性和准确性，从而进一步提高了后续进行地图数据测试的稳定性。
本发明还提供一种数据处理装置，请参照图8，图8为本发明的数据处理装置的第一实施例的结构示意图。本实施例的数据处理装置可使用上述的数据处理方法的第一实施例进行实施，本实施例的数据处理装置80包括空间物体获取模块81、活动路径生成模块82、操作模块83以及处理模块84。
空间物体获取模块81用于获取设定三维空间的空间物体的物体位置信息以及物体状态信息；活动路径生成模块82用于基于活动目标的预设路径起点、预设路径终点以及活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成活动目标的活动路径；操作模块83用于基于活动路径，对活动目标进行移动操作和/或执行操作，并获取移动操作和/或执行操作的操作反馈；处理模块84用于基于操作反馈以及预设反馈，对设定三维空间的空间物体和活动目标的数据进行处理。
请参照图9，图9为本发明的数据处理装置的第一实施例的活动路径生成模块的结构示意图。该活动路径生成模块82包括连接路径获取单元91、优先级分数确定单元92、第一路径设定单元93、物体位置信息获取单元94、第二路径设定单元95、参考点设定单元96、第三路径设定单元97以及循环单元98。
连接路径获取单元91用于获取预设路径起点与预设路径终点之间的多个连接路径；优先级分数确定单元92用于根据连接路径的长度以及连接路径上的空间物体的物体状态信息，确定连接路径的优先级分数；第一路径设定单元93用于将优先级分数最高的连接路径设定为无障碍路径；物体位置信息获取单元94用于获取至少一个设定空间物体的物体位置信息；第二路径设定单元95用于根据预设路径起点、设定空间物体的物体位置信息以及预设路径终点设置设定障碍路径；参考点设定单元96用于设定预设路径起点以及路径生成区域，并将预设路径起点设定为参考点；第三路径设定单元97用于基于随机数生成算法生成参考点的相邻点，并将相邻点设置到随机路径中；循环单元98用于将相邻点设置为参考点并转到基于随机数生成算法生成所述参考点的相邻点的步骤，直至相邻点超出路径生成区域。
请参照图10，图10为本发明的数据处理装置的第一实施例的操作模块的结构示意图。该操作模块83包括节点坐标获取单元101、第一操作单元102以及第二操作单元103。
节点坐标获取单元101用于获取活动目标在活动路径的当前节点的当前节点坐标以及当前节点的相邻节点的相邻节点坐标；第一操作单元102用于如相邻节点未设置空间障碍物，则基于相邻节点坐标与当前节点坐标的相对矢量差，转换为活动目标的移动细粒度操作；并获取移动细粒度操作的操作结果；第二操作单元103用于如相邻节点设置有空间障碍物，则基于空间障碍物的类型，对活动目标进行对应的执行操作；并获取执行操作的操作结果。
请参照图11，图11为本发明的数据处理装置的第一实施例的处理模块的结构示意图。该处理模块84包括第一测试单元111以及第二测试单元112。
第一测试单元111用于如操作反馈与预设反馈一致，则设定三维空间的空间物体和活动目标的数据测试正常；第二测试单元112用于如操作反馈与预设反馈不一致，则设定三维空间的空间物体和活动目标的数据测试异常。
本实施例的数据处理装置80使用时，首先空间物体获取模块81获取设定三维空间的空间物体的物体位置信息以及物体状态信息。
这里的设定三维空间是指游戏地图的三维模型空间，该设定三维空间中包括各种空间物体，如道路以及草地等非障碍物的空间物体，也包括如树木、石头、河流、墙面、门、窗、载具、集装箱、草垛等障碍物的空间物体。
这里每个空间物体均有物体位置信息以及物体状态信息。空间物体的物体位置信息用于表示空间物体在设定三维空间中的设置位置。空间物体的物体状态信息用于表示空间物体的设置状态，如开启的门、关闭的窗、不可通过的墙面等。活动目标只能通过特定的执行操作才能通过处于该物体状态信息的空间物体；如活动目标需要打开门的执行操作才能通过关闭的门，活动目标需要跳跃的执行操作才能通过河流等。这样后续可通过物体状态信息来测试对应的执行操作是否执行到位。
随后活动路径生成模块82获取活动目标的预设路径起点、预设路径终点以及活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息。
这里的活动目标是指在设定三维空间中运动的目标物体，这里可以是人、动物或者汽车等运动物体，以便检测活动目标在设定三维空间中的运动数据。
预设路径起点是指活动目标在设定三维空间中预先设置的路径起点。
预设路径终点是指活动目标在设定三维空间中预先设置的路径终点。
随后活动路径生成模块82基于活动目标的预设路径起点、预设路径终点以及设定三维空间的空间物体的物体位置信息以及物体状态信息，生成该活动目标的活动路径，从而可基于活动路径来测试游戏地图中的相关游戏数据。
该活动路径是指活动目标在设定三维空间中的运动路径。
具体的，这里的活动路径包括无障碍路径、设定障碍路径以及随机路径。无障碍路径是指路径上未设置障碍物的活动路径，为测试预设路径起点与预设路径终点之间的最佳路径。设定障碍路径是指路径上设置有特定障碍物的活动路径，以便对活动目标对特定障碍物的执行操作进行测试。随机路径是指在路径生成区域中随机生成的活动路径，用于提高游戏测试的地图测试覆盖率、测试随机性以及测试探索性。
当活动路径为无障碍路径时，该活动目标的活动路径生成流程包括：
活动路径生成模块82的连接路径获取单元91获取预设路径起点与预设路径终点之间的多个连接路径。
活动路径生成模块82的优先级分数确定单元92根据连接路径的长度以及连接路径上的空间物体的物体状态信息，确定连接路径的优先级分数。
活动路径生成模块82的第一路径设定单元93将优先级分数最高的连接路径设定为无障碍路径。该优先级分数最高的连接路径是相对长度较短且同时连接路径上的空间物体的数量以及越过难度较低的连接路径，因此将该连接路径设定为无障碍路径。
当活动路径为设定障碍路径时，该活动目标的活动路径生成流程包括：
活动路径生成模块82的物体位置信息获取单元94获取至少一个设定空间物体的物体位置信息，以便后续该设定障碍路径可通过该设定空间物体。
活动路径生成模块82的第二路径设定单元95根据预设路径起点、设定空间物体的物体位置信息以及预设路径终点设置设定障碍路径。
当活动路径为随机路径时，该活动目标的活动路径生成流程包括：
活动路径生成模块82的参考点设定单元96设定预设路径起点以及路径生成区域，并将预设路径起点设定为参考点。
预设路径起点为随机路径的起点，路径生成区域为随机路径的生成区域。
活动路径生成模块82的第三路径设定单元97基于随机数生成算法生成参考点的相邻点，并将相邻点设置到随机路径中。
活动路径生成模块82的循环单元98将相邻点设置为参考点，并转到第三路径设定单元，直至相邻点超出路径生成区域。
这样可在路径生成区域以最大的地图测试覆盖率以及地图测试随机性来生成随机路径，同时可有效的提高随机路径测试的探索性。
然后操作模块83基于活动路径，对活动目标进行移动操作以及执行操作，并获取移动操作以及执行操作的操作反馈。
这里的移动操作是指控制活动目标在设定三维空间中的进行前进、后退、左移、右移等移动动作的操作；执行操作是指控制活动目标在设定三维空间中针对对应的空间物体进行开启、跳起、落地以及翻越等执行动作的操作。
操作反馈是指进行移动操作以及执行操作后，活动目标是否发生移动或者活动目标是否对空间物体有效进行执行操作的反馈。
该操作模块83对活动目标进行移动操作以及执行操作的流程包括：
操作模块83的节点坐标获取单元101获取活动目标在活动路径的当前节点坐标以及当前节点的相邻节点的相邻节点坐标。
如相邻节点未设置空间障碍物(如河流、房屋等可阻挡活动目标移动的空间物体)，则操作模块83的第一操作单元102基于相邻节点坐标以及当前节点坐标的相对矢量差，转换为活动目标的移动细粒度操作。这里的移动细粒度操作是指活动目标的前进、后退、左移、右移等移动操作，通过上述的移动细粒度操作可使得活动目标由当前节点移动到相邻节点。随后第一操作单元102获取移动细粒度操作的操作结果，即活动目标是否移动到相邻节点。然后第一操作单元102返回节点坐标获取单元101获取当前节点坐标以及相邻节点坐标，直至活动路径测试完毕或活动路径测试异常。
如相邻节点设置有空间障碍物，则操作模块83的第二操作单元103根据空间障碍物的类型，对活动目标进行对应的执行操作；比如空间障碍物是门时，活动目标的执行操作为开门操作；如空间障碍物是河流时，活动目标的执行操作为跳跃操作。通过上述执行操作，活动目标可由当前节点移动到相邻节点。随后第二操作单元103获取该执行操作的操作结果，即活动目标是否准确移动到相邻节点，由于这里不仅仅是活动目标的移动操作，所以这里需要对活动目标在相邻节点上的状态进行检测，比如河流上的跳跃状态、活动目标穿过门时门的开启状态以及由于该执行操作引起的画面异常(如颜色异常或渲染失真等)。然后第二操作单元103返回节点坐标获取单元101获取当前节点坐标以及相邻节点坐标，直至活动路径测试完毕或活动路径测试异常。
最后处理模块84获取操作反馈，并将操作反馈与预设反馈进行比较，并基于比较结果，对设定三维空间的空间物体和活动目标的数据进行测试。
具体的，如操作反馈与预设反馈一致，则处理模块84的第一测试单元111确定设定三维空间的空间物体和活动目标的数据测试正常；如操作反馈与预设反馈不一致，则处理模块84的第二测试单元112确定设定三维空间的空间物体与活动目标的数据测试异常。随后工作人员可基于数据测试结果对游戏数据进行处理，如对异常数据进行修正或对正常数据进行保存操作等。
这样即完成了本实施例的数据处理装置80的数据处理过程。
本实施例的数据处理装置的具体工作原理与上述的数据处理方法的第一实施例中的描述相同或相似，具体请参照上述数据处理方法的第一实施例中的相关描述。
本实施例的数据处理装置基于预设路径起点、预设路径终点以及空间物体来生成活动路径，并且可在活动路径上进行活动目标的移动操作以及执行操作，从而通过操作结果进行游戏数据的测试。由于测试的随机性以及确定性可通过预设路径起点、预设路径终点以及空间物体来设定，因此地图测试的覆盖率较高且测试随机性较强；同时不同的测试设定造成的测试探索方式的不同，提升了测试探索性。
请参照图12，图12为本发明的数据处理装置的第二实施例的结构示意图。本实施例的数据处理装置可使用上述的数据处理方法的第二实施例进行实施，本实施例的数据处理装置120包括图像三维空间计算模块121、设定三维空间计算模块122、空间物体获取模块123、活动路径生成模块124、操作模块125以及处理模块126。
在第一实施例的基础上，本实施例的数据处理装置120还包括图像三维空间计算模块121以及设定三维空间计算模块122。
图像三维空间计算模块121用于获取多张二维图像，多张二维图像包括空间物体；根据预设参数获取多张二维图像对应的图像三维空间；设定三维空间计算模块122用于对多张二维图像对应的图像三维空间进行特征提取，获得二维图像对应的图像三维空间的图像特征；根据不同二维图像中匹配的图像特征，获得空间物体在所述设定三维空间上的物体位置信息以及物体状态信息。
请参照图13，图13为本发明的数据处理装置的设定三维空间计算模块的结构示意图。该设定三维空间计算模块122包括特征提取单元131、特征匹配单元132以及设定三维空间计算单元133。
特征提取单元131用于使用加速强壮特征算法对二维图像对应的图像三维空间进行特征提取操作；特征匹配单元132用于使用快速近似最近邻搜索算法对不同二维图像对应的图像三维空间的图像特征进行匹配操作；设定三维空间计算单元133用于将匹配的图像特征作为设定三维空间的追踪目标，并基于预设测试相机参数对追踪目标进行设定三维空间坐标转换，以得到设定三维空间的空间物体。
本实施例的数据处理装置120使用时，图像三维空间计算模块121获取多张二维图像以及用于拍摄二维图像的预设测试相机参数。
其中二维图像可为移动终端屏幕的图像数据，如游戏局中的屏幕截图，虽然该屏幕截图只能获取水平和垂直两个维度的图像信息，但是实际画面内容为一图像三维空间。
预设测试相机为游戏引擎中视角覆盖一定范围游戏地图的虚拟相机，用于确定空间物体表面某点在图像三维空间中的三维几何位置与该点在二维图像中对应点的相互关系。其中该预设测试相机包括预设测试相机参数(预设参数)，该预设参数包括但不限于相机内部参数、相机外部参数以及相机畸变参数等。
如在这里仅考虑预设测试相机的相机内部参数以及相机外部参数，图像三维空间计算模块121可基于预设测试相机参数以及二维图像计算测试相机拍摄区域的图像三维空间。该图像三维空间中的相关像素点的坐标可通过下式求得：
Figure GDA0003053775980000181
其中f为预设测试相机的相机原点到成像平面的距离，
Figure GDA0003053775980000182
为预设测试相机的内参数矩阵，其中dx表示二维图像像素的长，dy表示二维图像像素的高，cx表示相机原点的水平平移量，cy表示相机原点的垂直平移量，
Figure GDA0003053775980000183
为预设测试相机的外参矩阵，其中R为旋转矩阵，t为平移向量，u，v为二维图像中空间物体中特定点的坐标，Xc、Yc、Zc为该特定点在图像三维空间中的三维坐标。
这样二维图像中所有的点在图像三维空间中的映射组成了对应的图像三维空间。
随后设定三维空间计算模块122对多张二维图像对应的图像三维空间进行特征提取以及特征匹配，从而可根据匹配的图像特征计算测试相机拍摄区域的设定三维空间的空间物体。
具体流程包括：
设定三维空间计算模块122的特征提取单元131可使用SIFT算法(尺度不变特征变换，Scale-invariant feature transform)、SURF算法(加速强壮特征算法，Speeded UpRobust Features)、HOG算法(方向梯度直方图，Histogram of Oriented Gridients)以及ORB(Oriented FAST and Rotated BRIEF)等算法对二维图像对应的图像三维空间进行特征提取操作。
设定三维空间计算模块122的特征匹配单元132需要将不同二维图像中的同一物理成像点进行匹配，这里数据处理装置使用FLANN算法(快速近似最近邻搜索算法，FastLibrary for Approximate Nearest Neighbors)实现不同二维图像对应的图像三维空间的图像特征的特征点匹配。进行匹配时需要消除光照、噪声、畸变以及表面物理特性等干扰因素。
设定三维空间计算模块122的设定三维空间计算单元133以匹配的图像特征(或多个图像三维空间中的图像特征对)作为设定三维空间的最终目标。并基于预设测试相机参数对追踪目标进行设定三维空间坐标转换，即将不同图像三维空间中的图像特征均转换到设定三维空间的坐标系中，从而了获取设定三维空间以及设定三维空间中的空间物体(即设定三维空间的场景信息)。这样基于匹配的图像特征降多个图像三维空间叠加生成了对应的设定三维空间。
该设定三维空间中像素点除了具有三维位置坐标参数外，还应具有颜色信息以及强度信息等像素参数。
本实施例的数据处理装置120的其他模块的工作原理与上述的数据处理装置的第一实施例中相关模块的工作原理相同或相似，具体请参照上述数据处理装置的第一实施例中的相关描述。
在第一实施例的基础上，本实施例的数据处理装置可基于预测测试参数以及多张二维图像来生成对应的设定三维空间，保证了设定三维空间的合理性和准确性，从而进一步提高了后续进行地图数据测试的稳定性。
下面通过一具体实施例说明本发明的数据处理方法及数据处理装置的具体工作原理。请参照图14a，图14a为数据处理方法及数据处理装置的测试框架图。图14b、图14c为本发明的数据处理方法及数据处理装置的具体实施例的路径生成示意图。本具体实施例中的数据处理方法以及数据处理装置设置在数据处理服务器140中。
其中数据处理服务器140可与测试终端设备141建立双向交互链路，实现实时通信和数据获取，数据处理服务器140包括数据交互模块1401，三维重建模块1402、路径规划模块1403、处理模块1404、异常检测模块1405以及数据存储模块1406
其中数据交互模块1401用于接收测试终端设备141的游戏画面信息，即获取二维图像信息。三维重建模块1402用于基于二维图像信息以及对应的测试相机参数来生成对应的设定三维空间(即三维空间点云数据)。路径规划模块1403用于根据任务目标规划出满足自身和环境约束条件的路径，以验证障碍地形是否有效、以及是否需要生成异常路径来验证障碍地形能发挥预期效果。处理模块1404用于控制活动目标进行前进、后退、转动等移动操作以及跳起、落地、翻越等执行操作。异常检测模块1405用于检测设定三维空间中的空间物体是否能够对活动目标的移动操作以及执行操作进行有效检测。数据存储模块1406用于存储异常检测模块的检测结果以及三维重建模块生成的设定三维空间数据。
具体的，数据处理服务器140的数据交互模块1401从测试终端设备141获取游戏画面信息后，三维重建模块1402可利用游戏画面信息的二维投影或影像恢复设定三维空间中空间物体的三维信息。
三维重建模块1402进行设定三维空间的重建过程包括：
二维图像获取：获取游戏画面信息，即二维图像信息。这里可使用采集手机屏幕的图像数据，该图像数据为游戏局内的一张屏幕截图，从图片上只能获取水平和垂直两个维度的信息，但是该屏幕截图实际对应一三维空间，即图像三维空间。
图像三维空间获取：获取游戏内测试相机的测试相机参数，游戏中的测试相机的视角覆盖一定范围的地图，随后将这部分地图绘制在手机屏幕上。因此可基于测试相机参数以及二维图像中的像素坐标求得图像三维空间中空间物体的三维信息。
特征提取：使用SURF算法，构建Hessian矩阵，构建尺度空间，精确定位特征点，确定主方向，生成特征点描述子，经由这些步骤，可以输出二维图像对应的图像三维空间的图像特征。
特征匹配：使用FLANN算法对不同二维图像对应的图像三维空间的图像特征点进行匹配，即将设定三维空间中的同一物理空间点在不同二维图像中的成像点匹配起来。
三维重建：经过特征点的匹配后，可产生一系列多个二维图像的特征对，随后将这些特征对作为设定三维空间重建过程的追踪目标；基于测试相机参数以及坐标系转换，获取各个追踪目标在不同时刻的三维空间位置，即可重建设定三维空间。
三维重建的结果可保存为三维点云地图，点云数据除了具有几何位置外，还具备颜色信息，该颜色信息是将对应位置的像素的颜色信息赋予点云中对应的点。
路径规划模块1403进行路径规划的过程包括：
对设定三维空间中的树木、石头、河流、墙面、门、窗、载具、集装箱以及草垛等障碍物进行标记，并将设定三维空间转换为Octomap(基于八叉树的占据网格型地图)，该Octomap可将空间划分为网格并以八叉树的形式存储，使用体素的状态(空闲、占用、未知)来表示立方体中是否有障碍物，具有存储高效、表达方式灵活的优点。
如规划的路径是无障碍路径，则可基于预设路径起点与预设路径终点生辰多个连接路径；随后基于连接路径的长度以及连接路径上空间物体的物体状态信息，确定连接路径的优先级分数；将优先级分数最高的连接路径设定为无障碍路径。
如规划的路径是设定障碍路径，则将障碍物设定为路径的中间节点，以评测障碍物是否在游戏内产生实际效果。理论上，活动目标达到中间节点时会被困住，执行脱困操作(如开门、跳起操作)后才能走到下一段路径。
如规划的路径是随机路径，则以预设路径起点为参考，在其周围若干方向上基于随机数生成算法随机生成一个节点；随后将新生成的节点作为参考，在其周围方向上随机生成一个节点(在Octomap网格地图的当前网格的邻近网格中随机选一个)；重复上述操作直至生成的节点超出的目标区域(即路径生成区域)。将这些节点依次连接构成随机路径，如活动目标执行该随机路径触达房屋墙面，理想情况是墙面阻挡无法继续前进，活动目标会困在此处。如活动目标没有执行脱困操作，且活动目标已经达到屋外，则说明房屋墙面的障碍效果没有生效，存在穿墙的异常情况。
基于上述的路径生成方式，本实施例可得到若干条正常路径以及异常路径。其中无障碍路径可用于测试地图中的非障碍物的游戏表现；设定障碍路径可用于测试地图中障碍物是否有效且脱困操作是否有效；随机路径用于提高地图测试覆盖率，尽可能覆盖到多个位置点。
处理模块1404使用活动目标对上述的无障碍路径、设定障碍路径以及随机路径中的坐标点进行遍历，基本原则是：计算两个相邻坐标点的矢量差；将矢量差转换为不同方向的移动操作或执行操作；将移动操作或执行操作命令发送给测试终端设备，以便测试终端设备执行该移动操作或执行操作命令。
这里的移动操作是指定量的在指定方向上移动微小距离，这里的执行操作是基于空间物体的不同，如高台、门、墙面、树，设置对应的脱困操作，如连续跳起、开门或左右移动离开墙门、左右移动绕道树后等。
异常检测模块1405可通过检测游戏中人物是否达到目标点来检测游戏跑图效果是否与实际操作匹配。经过障碍物时，检测游戏中人物是否被困住来判断障碍物是否生效，如果障碍物生效，则异常检测模块计算脱困操作并传输给测试终端设备；如障碍物未生效，则记录有效画面并输出地图异常位置坐标。同时如果游戏出现花屏、黑屏、颜色异常以及渲染失真等异常情况，异常检测模块通过与预设反馈数据进行匹配，以评测地图是否在某些位置出现渲染异常。
具体的，这里游戏测试人员可使用处理模块1404进行随机路径的测试，可随机对游戏地图中的空间物体的位置进行测试，从而可检测游戏地图中的高台、门、墙面、树等空间物体是否存在设置位置异常(即空间物体的测试位置与预设位置不一致)。如图14b所示，其中活动目标D1在游戏地图中可随机进行移动操作或执行操作，以对游戏地图中空间物体进行检测，图14b中的随机路径S即为活动目标D1的随机移动轨迹。
同时游戏测试人员也可使用处理模块1404进行无障碍路径的测试，从而测试游戏玩家在游戏地图中的行走体验是否正常，是否在行走过程中会出现花屏、黑屏、颜色异常以及渲染失真等画面异常。
此外游戏测试人员还可使用处理模块1404进行设定障碍路径的测试，从而测试空间物体(障碍物)是否可对活动目标的移动或执行操作进行正确响应，如图14c所示，其中具有障碍物A(石头)、障碍物B(房屋)以及障碍物C(小溪)，活动目标D2需要依次经过障碍物A、障碍物B以及障碍物C，以判断障碍物A、障碍物B以及障碍物C能否对活动目标D2的移动或执行操作进行正确响应。如活动目标是否能跳过小溪，并由小溪的一侧移动到小溪的另一侧。
这样即完成了本实施例的数据处理方法及数据处理装置的数据处理过程。
本发明的数据处理方法及数据处理装置结合自动化测试框架和游戏AI动作学习，实现自动化控制，可对地图中的每个位置进行测试，且不受时间限制，能够降低人力成本；基于游戏画面构建设定三维空间，获取场景信息，在基于路径规划，达到游戏内不同位置，此方案基于场景理解和路径规划实现地图探索，不依赖于遍历逻辑的设定，并且提高了随机程度；测试过程中的三维数据可以存储在数据库中，可复用首次数据产生的通用测试脚本，分发个多台测试机进行同步测试，节省成本。
本发明的数据处理方法、装置、存储介质及电子设备以识别新地图异常位置为目标，基于预设路径起点、预设路径终点以及空间物体来生成活动路径，并且可在活动路径上进行活动目标的移动操作以及执行操作，从而通过操作结果进行游戏数据的测试。由于测试的随机性以及确定性可通过预设路径起点、预设路径终点以及空间物体来设定，因此地图测试的覆盖率较高且测试随机性较强；同时不同的测试设定造成的测试探索方式的不同，提升了测试探索性，能降低人力和时间成本；有效解决了现有的数据处理方法及测试装置的游戏测试的地图测试覆盖率较低、测试随机性较差且测试探索性较弱的技术问题。
如本申请所使用的术语“组件”、“模块”、“系统”、“接口”、“进程”等等一般地旨在指计算机相关实体：硬件、硬件和软件的组合、软件或执行中的软件。例如，组件可以是但不限于是运行在处理器上的进程、处理器、对象、可执行应用、执行的线程、程序和/或计算机。通过图示，运行在控制器上的应用和该控制器二者都可以是组件。一个或多个组件可以有在于执行的进程和/或线程内，并且组件可以位于一个计算机上和/或分布在两个或更多计算机之间。
图15和随后的讨论提供了对实现本发明所述的数据处理装置所在的电子设备的工作环境的简短、概括的描述。图15的工作环境仅仅是适当的工作环境的一个实例并且不旨在建议关于工作环境的用途或功能的范围的任何限制。实例电子设备1512包括但不限于可穿戴设备、头戴设备、医疗健康平台、个人计算机、服务器计算机、手持式或膝上型设备、移动设备(比如移动电话、个人数字助理(PDA)、媒体播放器等等)、多处理器系统、消费型电子设备、小型计算机、大型计算机、包括上述任意系统或设备的分布式计算环境，等等。
尽管没有要求，但是在“计算机可读指令”被一个或多个电子设备执行的通用背景下描述实施例。计算机可读指令可以经由计算机可读介质来分布(下文讨论)。计算机可读指令可以实现为程序模块，比如执行特定任务或实现特定抽象数据类型的功能、对象、应用编程接口(API)、数据结构等等。典型地，该计算机可读指令的功能可以在各种环境中随意组合或分布。
图15图示了包括本发明的数据处理装置中的一个或多个实施例的电子设备1512的实例。在一种配置中，电子设备1512包括至少一个处理单元1516和存储器1518。根据电子设备的确切配置和类型，存储器1518可以是易失性的(比如RAM)、非易失性的(比如ROM、闪存等)或二者的某种组合。该配置在图15中由虚线1514图示。
在其他实施例中，电子设备1512可以包括附加特征和/或功能。例如，设备1512还可以包括附加的存储装置(例如可移除和/或不可移除的)，其包括但不限于磁存储装置、光存储装置等等。这种附加存储装置在图15中由存储装置1520图示。在一个实施例中，用于实现本文所提供的一个或多个实施例的计算机可读指令可以在存储装置1520中。存储装置1520还可以存储用于实现操作系统、应用程序等的其他计算机可读指令。计算机可读指令可以载入存储器1518中由例如处理单元1516执行。
本文所使用的术语“计算机可读介质”包括计算机存储介质。计算机存储介质包括以用于存储诸如计算机可读指令或其他数据之类的信息的任何方法或技术实现的易失性和非易失性、可移除和不可移除介质。存储器1518和存储装置1520是计算机存储介质的实例。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光存储装置、盒式磁带、磁带、磁盘存储装置或其他磁存储设备、或可以用于存储期望信息并可以被电子设备1512访问的任何其他介质。任意这样的计算机存储介质可以是电子设备1512的一部分。
电子设备1512还可以包括允许电子设备1512与其他设备通信的通信连接1526。通信连接1526可以包括但不限于调制解调器、网络接口卡(NIC)、集成网络接口、射频发射器/接收器、红外端口、USB连接或用于将电子设备1512连接到其他电子设备的其他接口。通信连接1526可以包括有线连接或无线连接。通信连接1526可以发射和/或接收通信媒体。
术语“计算机可读介质”可以包括通信介质。通信介质典型地包含计算机可读指令或诸如载波或其他传输机构之类的“己调制数据信号”中的其他数据，并且包括任何信息递送介质。术语“己调制数据信号”可以包括这样的信号：该信号特性中的一个或多个按照将信息编码到信号中的方式来设置或改变。
电子设备1512可以包括输入设备1524，比如键盘、鼠标、笔、语音输入设备、触摸输入设备、红外相机、视频输入设备和/或任何其他输入设备。设备1512中也可以包括输出设备1522，比如一个或多个显示器、扬声器、打印机和/或任意其他输出设备。输入设备1524和输出设备1522可以经由有线连接、无线连接或其任意组合连接到电子设备1512。在一个实施例中，来自另一个电子设备的输入设备或输出设备可以被用作电子设备1512的输入设备1524或输出设备1522。
电子设备1512的组件可以通过各种互连(比如总线)连接。这样的互连可以包括外围组件互连(PCI)(比如快速PCI)、通用串行总线(USB)、火线(IEEE1394)、光学总线结构等等。在另一个实施例中，电子设备1512的组件可以通过网络互连。例如，存储器1518可以由位于不同物理位置中的、通过网络互连的多个物理存储器单元构成。
本领域技术人员将认识到，用于存储计算机可读指令的存储设备可以跨越网络分布。例如，可经由网络1528访问的电子设备1530可以存储用于实现本发明所提供的一个或多个实施例的计算机可读指令。电子设备1512可以访问电子设备1530并且下载计算机可读指令的一部分或所有以供执行。可替代地，电子设备1512可以按需要下载多条计算机可读指令，或者一些指令可以在电子设备1512处执行并且一些指令可以在电子设备1530处执行。
本文提供了实施例的各种操作。在一个实施例中，所述的一个或多个操作可以构成一个或多个计算机可读介质上存储的计算机可读指令，其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且，应当理解，不是所有操作必需在本文所提供的每个实施例中存在。
而且，尽管已经相对于一个或多个实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的方法。
综上所述，虽然本发明已以实施例揭露如上，实施例前的序号仅为描述方便而使用，对本发明各实施例的顺序不造成限制。并且，上述实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (13)

1.一种数据处理方法，其特征在于，包括：
获取空间物体的物体位置信息以及物体状态信息，所述空间物体的物体位置信息以及物体状态信息为空间物体在设定三维空间上的物体位置信息以及物体状态信息；
基于活动目标的预设路径起点、预设路径终点以及所述设定三维空间中空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径；
基于所述活动路径，对所述活动目标进行移动操作和/或执行操作，并获取所述移动操作和/或执行操作的操作反馈；其中所述操作反馈为所述活动目标与对应空间物体的相对位置关系；
如所述操作反馈与预设反馈一致，则所述设定三维空间的空间物体和活动目标的数据测试正常；
如所述操作反馈与预设反馈不一致，则所述设定三维空间的空间物体和活动目标的数据测试异常。
2.根据权利要求1所述的数据处理方法，其特征在于，所述数据处理方法还包括：
获取多张二维图像，所述多张二维图像中包括空间物体；
根据预设参数获取多张二维图像对应的图像三维空间；
对多张所述二维图像对应的图像三维空间进行特征提取，获得所述二维图像对应的图像三维空间的图像特征；根据不同二维图像中匹配的图像特征，获得所述空间物体在所述设定三维空间上的物体位置信息以及物体状态信息。
3.根据权利要求2所述的数据处理方法，其特征在于，所述对多张所述二维图像对应的图像三维空间进行特征提取，获得所述二维图像对应的图像三维空间的图像特征；根据不同二维图像中匹配的图像特征，获得所述空间物体在所述设定三维空间上的物体位置信息以及物体状态信息的步骤包括：
使用加速强壮特征算法对所述二维图像对应的图像三维空间进行特征提取；
使用快速近似最近邻搜索算法对不同二维图像对应的图像三维空间的图像特征进行匹配操作；
将匹配的图像特征作为所述设定三维空间的追踪目标，并基于预设测试相机参数对所述追踪目标进行设定三维空间坐标转换，以得到所述设定三维空间的空间物体。
4.根据权利要求1所述的数据处理方法，其特征在于，如所述活动路径为无障碍路径；
所述基于活动目标的预设路径起点、预设路径终点以及所述活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径的步骤包括：
获取所述预设路径起点与所述预设路径终点之间的多个连接路径；
根据所述连接路径的长度以及所述连接路径上的空间物体的物体状态信息，确定所述连接路径的优先级分数；
将优先级分数最高的连接路径设定为无障碍路径。
5.根据权利要求1所述的数据处理方法，其特征在于，如所述活动路径为设定障碍路径；
所述基于活动目标的预设路径起点、预设路径终点以及所述活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径的步骤包括：
获取至少一个设定空间物体的物体位置信息；
根据所述预设路径起点、所述设定空间物体的物体位置信息以及所述预设路径终点设定所述设定障碍路径。
6.根据权利要求1所述的数据处理方法，其特征在于，如所述活动路径为随机路径；
所述基于活动目标的预设路径起点、预设路径终点以及所述活动目标所属的设定三维空间的空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径的步骤包括：
设定所述预设路径起点以及路径生成区域，并将所述预设路径起点设定为参考点；
基于随机数生成算法生成所述参考点的相邻点，并将所述相邻点设置到所述随机路径中；
将所述相邻点设置为参考点并转到基于随机数生成算法生成所述参考点的相邻点的步骤，直至所述相邻点超出所述路径生成区域。
7.根据权利要求1所述的数据处理方法，其特征在于，所述基于所述活动路径，对所述活动目标进行移动操作以及执行操作，并获取所述移动操作以及执行操作的操作反馈的步骤包括：
获取活动目标在所述活动路径的当前节点的当前节点坐标以及所述当前节点的相邻节点的相邻节点坐标；
如所述相邻节点未设置空间障碍物，则基于所述相邻节点坐标与所述当前节点坐标的相对矢量差，转换为所述活动目标的移动细粒度操作；并获取所述移动细粒度操作的操作结果；返回获取活动目标在所述活动路径的当前节点的当前节点坐标的步骤，直至活动路径测试完毕或测试异常；
如所述相邻节点设置有空间障碍物，则基于所述空间障碍物的类型，对所述活动目标进行对应的执行操作；并获取所述执行操作的操作结果；返回获取活动目标在所述活动路径的当前节点的当前节点坐标的步骤，直至活动路径测试完毕或测试异常。
8.一种数据处理装置，其特征在于，包括：
空间物体获取模块，用于获取空间物体的物体位置信息以及物体状态信息，所述空间物体的物体位置信息以及物体状态信息为空间物体在设定三维空间上的物体位置信息以及物体状态信息；
活动路径生成模块，用于基于活动目标的预设路径起点、预设路径终点以及所述设定三维空间中空间物体的物体位置信息以及物体状态信息，生成所述活动目标的活动路径；
操作模块，用于基于所述活动路径，对所述活动目标进行移动操作和/或执行操作，并获取所述移动操作和/或执行操作的操作反馈信息；其中所述操作反馈为所述活动目标与对应空间物体的相对位置关系；
处理模块，用于基于所述操作反馈以及预设反馈，对所述设定三维空间的空间物体和活动目标的数据进行处理；
所述处理模块包括：
第一测试单元，用于如所述操作反馈与预设反馈一致，则所述设定三维空间的空间物体和活动目标的数据测试正常；
第二测试单元，用于如所述操作反馈与预设反馈不一致，则所述设定三维空间的空间物体和活动目标的数据测试异常。
9.根据权利要求8所述的数据处理装置，其特征在于，所述数据处理装置还包括：
图像三维空间计算模块，用于获取多张二维图像，所述多张二维图像包括空间物体；根据预设参数获取多张二维图像对应的图像三维空间；
设定三维空间计算模块，用于对多张所述二维图像对应的图像三维空间进行特征提取，获得所述二维图像对应的图像三维空间的图像特征；根据不同二维图像中匹配的图像特征，获得所述空间物体在所述设定三维空间上的物体位置信息以及物体状态信息。
10.根据权利要求9所述的数据处理装置，其特征在于，所述设定三维空间计算模块包括：
特征提取单元，用于使用加速强壮特征算法对所述二维图像对应的图像三维空间进行特征提取；
特征匹配单元，用于使用快速近似最近邻搜索算法对不同二维图像对应的图像三维空间的图像特征进行匹配操作；
设定三维空间计算单元，用于将匹配的图像特征作为所述设定三维空间的追踪目标，并基于预设测试相机参数对所述追踪目标进行设定三维空间坐标转换，以得到所述设定三维空间的空间物体。
11.根据权利要求8所述的数据处理装置，其特征在于，所述操作模块包括：
节点坐标获取单元，用于获取活动目标在所述活动路径的当前节点的当前节点坐标以及所述当前节点的相邻节点的相邻节点坐标；
第一操作单元，用于如所述相邻节点未设置空间障碍物，则基于所述相邻节点坐标与所述当前节点坐标的相对矢量差，转换为所述活动目标的移动细粒度操作；并获取所述移动细粒度操作的操作结果；
第二操作单元，用于如所述相邻节点设置有空间障碍物，则基于所述空间障碍物的类型，对所述活动目标进行对应的执行操作；并获取所述执行操作的操作结果。
12.一种存储介质，其内存储有处理器可执行指令，所述指令由一个或一个以上处理器加载，以执行如权利要求1至7中任一的数据处理方法。
13.一种电子设备，包括处理器和存储器，所述存储器储存有计算机程序，所述处理器通过调用所述计算机程序，用于执行如权利要求1至7中任一的数据处理方法。
CN202010275540.6A 2020-04-09 2020-04-09 数据处理方法、装置、存储介质及电子设备 Active CN111488280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010275540.6A CN111488280B (zh) 2020-04-09 2020-04-09 数据处理方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010275540.6A CN111488280B (zh) 2020-04-09 2020-04-09 数据处理方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN111488280A CN111488280A (zh) 2020-08-04
CN111488280B true CN111488280B (zh) 2021-07-02

Family

ID=71798373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010275540.6A Active CN111488280B (zh) 2020-04-09 2020-04-09 数据处理方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN111488280B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111921189B (zh) * 2020-08-21 2022-03-01 腾讯科技（深圳）有限公司 虚拟对象控制方法和装置
CN112843705A (zh) * 2021-03-17 2021-05-28 上海莉莉丝计算机技术有限公司 游戏地图内的游戏对象控制方法、移动终端及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108939547A (zh) * 2018-07-04 2018-12-07 苏州玩友时代科技股份有限公司 一种最佳路径获取方法、装置、设备及存储介质
CN109432777A (zh) * 2018-10-26 2019-03-08 网易（杭州）网络有限公司 路径生成方法及装置、电子设备、存储介质
CN109621420A (zh) * 2018-12-26 2019-04-16 网易（杭州）网络有限公司 游戏中的寻路方法、装置、介质及电子设备
CN110465089A (zh) * 2019-07-29 2019-11-19 腾讯科技（深圳）有限公司 基于图像识别的地图探索方法、装置、介质及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW394702B (en) * 1996-10-09 2000-06-21 Sega Enterprises Kk Player, solution and play implementation and play system
CN104784933A (zh) * 2015-04-13 2015-07-22 四川天上友嘉网络科技有限公司 游戏角色的最短路径确定方法
CN110044359B (zh) * 2019-04-30 2021-01-19 厦门大学 一种导览机器人路径规划方法、装置、机器人和存储介质
CN110743161B (zh) * 2019-10-16 2021-08-24 腾讯科技（深圳）有限公司 虚拟对象控制方法、装置、终端及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108939547A (zh) * 2018-07-04 2018-12-07 苏州玩友时代科技股份有限公司 一种最佳路径获取方法、装置、设备及存储介质
CN109432777A (zh) * 2018-10-26 2019-03-08 网易（杭州）网络有限公司 路径生成方法及装置、电子设备、存储介质
CN109621420A (zh) * 2018-12-26 2019-04-16 网易（杭州）网络有限公司 游戏中的寻路方法、装置、介质及电子设备
CN110465089A (zh) * 2019-07-29 2019-11-19 腾讯科技（深圳）有限公司 基于图像识别的地图探索方法、装置、介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《ＳＵＲＦ 与ＦＬＡＮＮ算法结合的图像匹配方法》;周志伟等;《智能计算机与应用》;20191130(第6期);第160-163,167页 *

Also Published As

Publication number Publication date
CN111488280A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
Yue et al. A lidar point cloud generator: from a virtual world to autonomous driving
CN111008999B (zh) 用包含跟踪网络的cnn跟踪对象的方法和使用该方法的装置
JP6455113B2 (ja) 物体追跡方法と装置
CN112288770A (zh) 基于深度学习的视频实时多目标检测与跟踪方法和装置
CN109163722B (zh) 一种仿人机器人路径规划方法及装置
KR20190031318A (ko) 도메인 분리 뉴럴 네트워크들
CN111488280B (zh) 数据处理方法、装置、存储介质及电子设备
CN110889318A (zh) 利用cnn的车道检测方法和装置
US11176425B2 (en) Joint detection and description systems and methods
US20110208685A1 (en) Motion Capture Using Intelligent Part Identification
CN112329645B (zh) 图像检测方法、装置、电子设备及存储介质
CN111931764A (zh) 一种目标检测方法、目标检测框架及相关设备
CN111209215A (zh) 应用程序的测试方法、装置、计算机设备及存储介质
CN112036381B (zh) 视觉跟踪方法、视频监控方法及终端设备
Kojima et al. To learn or not to learn: Analyzing the role of learning for navigation in virtual environments
CN115063447A (zh) 一种基于视频序列的目标动物运动追踪方法及相关设备
CN111507161B (zh) 利用合并网络进行异质传感器融合的方法和装置
CN110227264B (zh) 虚拟对象控制方法、装置、可读存储介质和计算机设备
JP2020047272A (ja) Ｃｎｎ基盤車線検出のための学習方法及び学習装置、そしてこれを利用したテスト方法及びテスト装置
CN111008622B (zh) 一种图像对象检测方法、装置以及计算机可读存储介质
Yang et al. Cost-Efficient Image Semantic Segmentation for Indoor Scene Understanding Using Weakly Supervised Learning and BIM
CN116523957A (zh) 一种多目标跟踪方法、系统、电子设备及存储介质
CN112862840B (zh) 图像分割方法、装置、设备及介质
Wang et al. Path planning model of mobile robots in the context of crowds
Landi et al. Spot the difference: A novel task for embodied agents in changing environments

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40027342

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant