CN115721939A - 一种轮廓检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请实施例公开了一种轮廓检测方法、装置、计算机设备和存储介质；本申请实施例可以获取游戏中碰撞场景下虚拟碰撞对象的图像；在图像中提取出虚拟碰撞对象的像素点信息；根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息；基于初始轮廓像素点的位置信息对至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息；根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓，从而提高在碰撞场景下对虚拟碰撞对象进行碰撞检测的效率。

Description

一种轮廓检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，具体涉及一种轮廓检测方法、装置、计算机设备和存储介质。

背景技术

随着网络的发达与发展，计算机技术的不断提高，游戏引擎技术也越来越先进，电子游戏进入了互动与交流的时代。现在的电子游戏不仅添加了许多的故事情节，还在游戏剧场景中添加了许多的文化元素，并且在游戏效果的画面上也变得更加的细腻丰富，从而越来越受玩家们喜爱。

在电子游戏中，碰撞场景是一个非常常见的场景，它可能会在各种类型的游戏中出现。在碰撞场景下，往往需要对游戏中的虚拟碰撞对象进行轮廓检测，从而判断游戏中的虚拟碰撞对象是否发生了碰撞。在对现有技术的实践中，本申请的发明人发现利用现有技术对虚拟碰撞对象进行轮廓检测存在效率较低的问题。

发明内容

本申请实施例提出了一种轮廓检测方法、装置、计算机设备和存储介质，可以自动地生成虚拟碰撞对象的轮廓，从而提高在碰撞场景下对虚拟碰撞对象进行碰撞检测的效率。

本申请实施例提供了一种轮廓检测方法，包括：

获取游戏中碰撞场景下虚拟碰撞对象的图像；

在所述图像中提取出所述虚拟碰撞对象的像素点信息；

根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息；

基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息；

根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

相应的，本申请实施例还提供了一种轮廓检测装置，包括：

第一获取单元，用于获取游戏中碰撞场景下虚拟碰撞对象的图像；

提取单元，用于在所述图像中提取出所述虚拟碰撞对象的像素点信息；轮廓检测单元，用于根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

第一筛选单元，用于基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息；

第二筛选单元，用于基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息；

生成单元，用于根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

在一实施例中，所述第一筛选单元，包括：

排序子单元，用于将每个初始轮廓像素点的位置信息进行排序，得到排序结果；

划分子单元，用于根据所述排序结果在所述至少一个初始轮廓像素点中划分出基准轮廓像素点和至少一个待筛选轮廓像素点；

查询子单元，用于以所述基准轮廓像素点为基准，对所述至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息。

在一实施例中，所述查询子单元，包括：

计算模块，用于基于所述基准轮廓像素点的位置信息和所述待筛选轮廓像素点的位置信息，计算所述基准轮廓像素点和所述待筛选轮廓像素点构成的角度信息；

第一确定模块，用于基于所述角度信息，从所述待筛选轮廓像素点中确定所述关键轮廓像素点，并获取所述关键轮廓像素点的位置信息。

在一实施例中，所述第二筛选单元，包括：

生成子单元，用于基于所述关键轮廓像素点的位置信息，生成筛选参考线；

计算子单元，用于根据所述关键轮廓像素点的位置信息，计算每个关键轮廓像素点和所述筛选参考线之间的距离信息；

筛选子单元，用于根据所述距离信息，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

在一实施例中，所述筛选子单元，包括：

排序模块，用于对所述每个关键轮廓像素点的距离信息进行排序，得到排序结果；

第二确定模块，用于根据所述排序结果，从所述至少一个关键轮廓像素点中确定参考轮廓像素点；

筛选模块，用于基于所述参考轮廓像素点，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

在一实施例中，所述筛选模块，可以用于：

基于所述参考轮廓像素点，在所述至少一个关键轮廓像素点中划分出待筛选轮廓像素点集，其中，所述待筛选轮廓像素点集包括至少一个关键轮廓像素点；

将所述参考轮廓像素点的距离信息和预设距离阈值进行匹配；

当所述参考轮廓像素点的距离信息和所述预设距离阈值相匹配时，将所述参考轮廓像素点确定为目标轮廓像素点，并从所述待筛选轮廓像素点集中继续筛选出目标轮廓像素点。

在一实施例中，所述轮廓检测单元，包括：

判别子单元，用于对所述多个像素点的颜色通道信息进行判别处理，得到判别结果；

确定子单元，用于根据判别结果从所述多个像素点中确定初始轮廓像素点；

位置识别子单元，用于对所述初始轮廓像素点进行位置识别，得到所述初始轮廓像素点的位置信

在一实施例中，所述判别子单元，包括：

匹配模块，用于将当前像素点的颜色通道信息和预设颜色通道阈值进行匹配；

确定模块，用于当所述当前像素点的颜色通道信息和所述预设颜色通道阈值不相匹配时，确定所述当前像素点的相邻像素点并获取所述相邻像素点的颜色通道信息；

判别模块，用于对所述相邻像素点的颜色通道信息进行判别处理，得到所述判别结果。

在一实施例中，所述轮廓检测装置，包括：

接收单元，用于接收轮廓调整指令；

第二获取单元，用于基于所述轮廓调整指令，获取轮廓调整信息；

调整单元，用于基于所述轮廓调整信息对所述虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓。

在一实施例中，所述调整单元，包括：

解析子单元，用于对所述轮廓调整信息进行解析，得到所述目标轮廓像素点的位置调整参数；

调整子单元，用于基于所述目标轮廓像素点的位置调整参数，对所述目标轮廓像素点的位置信息进行调整，得到调整后位置信息；

生成子单元，用于根据所述目标轮廓像素点的调整后位置信息生成所述调整后碰撞轮廓。

本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述一方面的各种可选方式中提供的方法。

相应的，本申请实施例还提供一种存储介质，所述存储介质存储有指令，所述指令被处理器执行时实现本申请实施例任一提供的轮廓检测方法。

本申请实施例可以获取游戏中碰撞场景下虚拟碰撞对象的图像；在图像中提取出虚拟碰撞对象的像素点信息；根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息；基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息；基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息；根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓，从而提高在碰撞场景下对虚拟碰撞对象进行碰撞检测的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的轮廓检测方法的场景示意图；

图2是本申请实施例提供的轮廓检测方法的流程示意图；

图3是本申请实施例提供的虚拟碰撞对象的场景示意图；

图4是本申请实施例提供的轮廓检测方法的场景应用示意图；

图5是本申请实施例提供的相邻像素点的场景示意图；

图6是本申请实施例提供的确定初始轮廓像素点的场景示意图；

图7是本申请实施例提供的目标轮廓像素点的场景示意图；

图8是本申请实施例提供的筛选关键轮廓像素点的场景示意图；

图9是本申请实施例提供的筛选目标轮廓像素点的场景示意图；

图10是本申请实施例提供的轮廓检测方法的又一流程示意图；

图11是本申请实施例提供的轮廓检测方法的场景示意图；

图12是本申请实施例提供的轮廓检测装置的结构示意图；

图13是本申请实施例提供的计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，然而，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提出了一种轮廓检测方法，该轮廓检测方法可以由轮廓检测装置执行，该轮廓检测装置可以集成在计算机设备中。其中，该计算机设备可以包括终端以及服务器等中的至少一个。即，本申请实施例提出的轮廓检测方法即可以由终端执行，还可以由服务器执行，还可以由能够进行互相通信的终端和服务器共同执行。

其中，终端可以为智能手机、平板电脑、笔记本电脑、个人电脑(PersonalComputer，PC)、智能家居、可穿戴电子设备、VR/AR设备、车载计算机等等。服务器可以为多个异构系统之间的互通服务器或者后台服务器，还可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器等等。

在一实施例中，如图1所述，轮廓检测装置可以集成在终端或服务器等计算机设备上，以实施本申请实施例提出的轮廓检测方法。具体地，计算机设备可以获取游戏中碰撞场景下虚拟碰撞对象的图像；在图像中提取出虚拟碰撞对象的像素点信息；根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息；基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息；基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息；根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。

以下分别进行详细说明，需要说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例将从轮廓检测装置的角度进行描述，该轮廓检测装置可以集成在计算机设备中，该计算机设备可以是服务器，也可以是终端等设备。

如图2所述，提供了一种轮廓检测方法，具体流程包括：

101、获取游戏中碰撞场景下虚拟碰撞对象的图像。

其中，碰撞场景包括游戏中虚拟碰撞对象存在碰撞可能性的场景。

其中，虚拟碰撞对象包括碰撞场景中存在碰撞可能性的虚拟对象。

其中，虚拟对象可以包括游戏当中具有坐标信息以及能感知时间流逝的对象。例如，虚拟对象可以包括游戏当中的精灵。又例如，虚拟对象可以包括游戏当中的游戏人物和游戏物体，等等。

例如，如图3所示，游戏中的游戏人物001和002都可以是虚拟碰撞对象。图中的游戏道具004以及游戏背景003和005也可以是虚拟碰撞对象。

在一实施例中，本申请实施例提出的轮廓检测方法可以适用于具有碰撞场景的游戏中。当游戏运行时，轮廓检测装置可以分析游戏的积木逻辑，从而得到碰撞场景中可能发生的碰撞事件、碰撞积木以及虚拟碰撞对象的行为(对应精灵行为)。通过分析碰撞事件、碰撞积木以及虚拟碰撞对象的行为，可以知道哪些虚拟碰撞对象会参与轮廓检测，并对虚拟碰撞对象进行分组，得到碰撞对。然后，可以基于碰撞对获取虚拟碰撞对象的图像。例如，如图4所述，通过分析碰撞事件、碰撞积木以及虚拟碰撞对象的行为，得到碰撞对A-B、B-C 和C-D。因此，可以获取虚拟碰撞对象A、B和C的图像，然后对虚拟碰撞对象 A、B和C的图像进行轮廓检测。

102、在图像中提取出虚拟碰撞对象的像素点信息。

在一实施例中，在获取得到虚拟碰撞对象的图像中，可以对图像进行信息提取处理，从而得到虚拟碰撞对象的像素点信息。

其中，像素点信息包括组成图像的像素点的信息。

在一实施例中，图像可以由一个个的小方块组成，这些小方块都有一个明确的位置和被分配的颜色通道信息，通过这些小方块的颜色通道信息和位置可以决定图像所呈现出来的样子，而这一个个的小方块可以被称为像素点。而像素点信息可以包括图像中的像素点在图像中的位置以及对应的颜色通道信息，等等。

其中，颜色通道信息包括像素点中颜色通道上的信息。例如，颜色通道信息可以包括像素点的颜色通道上的数值。

其中，颜色通道可以包括存储着图像的颜色成分的存储空间。

在一实施例中，不同颜色模式的图像，颜色通道的情况会不一样。其中，颜色模式可以是将某种颜色表现为数字形式的模型，或者说是一种记录图像颜色的方式。常见的颜色空间模式有三原色光(RedGreenandBlue，RGB)颜色模式、红绿蓝透明(RedGreenBlueandAlpha，RGBA)颜色模式等等。

例如，当图像是RGB颜色模式时，图像中像素点的颜色通道为3个，分别是红颜色通道、绿颜色通道和蓝颜色通道。

又例如，当图像是RGBA颜色模式时，图像中像素点的颜色通道为4个，分别是红颜色通道、绿颜色通道、蓝颜色通道和透明颜色通道。

在一实施例中，颜色通道信息可以包括其中一个颜色通道上的数值，也可以包括多个颜色通道上的数值。

例如，当图像是RGBA颜色模式时，颜色通道信息可以包括红颜色通道、绿颜色通道、蓝颜色通道和透明颜色通道上的数值。又例如，当图像是RGBA 颜色模式时，颜色通道信息可以仅指透明颜色通道上的数值。

在一实施例中，可以通过多种方式在图像中提取出虚拟碰撞对象的像素点信息。

例如，可以利用开源计算机视觉库(OpenSourceComputerVisionLibrary，openCV)在图像中提取出虚拟碰撞对象的像素点信息。

其中，openCV是一个跨平台计算机视觉和机器学习软件库，可以运行在多个操作系统上，同时提供了多种编程语言的接口，实现了图像处理和计算机视觉方向的很多通用算法。

又例如，可以利用画布(canvas)技术在图像中提取出虚拟碰撞对象的像素点信息。譬如，在获取得到虚拟碰撞对象的图像之后，可以将图像绘制在canvas上，并通过canvas的接口提取出虚拟碰撞对象的像素点信息。

例如，可以通过canvas的接口getImageData()获取虚拟碰撞对象的像素点信息。

其中，getImageData()可以获取虚拟碰撞对象的像素点信息，并返回该像素点信息。

例如，当虚拟碰撞对象的图像是RGBA颜色模式时，getImageData()方法可以返回图像的像素点在红颜色通道、绿颜色通道、蓝颜色通道和透明颜色通道上的数值。

其中，像素点的颜色通道上数值的取值可以在0至255的范围内。其中，对于透明颜色通道而言，当透明颜色通道上数值的取值为0时，说明该像素点是一个透明像素点；而当透明颜色通道上的数值的取值不为0时，说明该像素点是一个可见像素点。

103、根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息。

在一实施例中，在图像中提取出虚拟碰撞对象的像素点信息之后，可以根据像素点信息，对虚拟碰撞对象进行轮廓检测，得到虚拟碰撞对象的初始轮廓信息。

其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息。初始轮廓像素点包括组成虚拟碰撞对象轮廓的所有像素点。

其中，初始轮廓像素点的位置信息包括可以说明初始轮廓像素点在图像中的位置的信息。

在一实施例中，可以基于虚拟碰撞对象的图像生成一个直角坐标系，然后以直角坐标系上的坐标值表示像素点在图像中的位置信息。

例如，可以在虚拟碰撞对象的图像上生成一个直角坐标系，并将图像的左上角设置为坐标原点，则像素点在图像中的位置信息可以以坐标轴上的坐标信息表示。

在一实施例中，像素点的位置信息可以以一个矩形(Rectangle，Rect)对象来表示。其中，Rect对象可以包括四个参数，分别是(x，y，width，height)。其中，x可以表示矩形左上角的横坐标，即像素点在图像中的横坐标；y可以表示矩形左上角的纵坐标，即像素点在图像中的纵坐标；width可以表示矩形的宽，height可以表示矩形的高。

在一实施例中，由于像素点信息包括图像中的像素点对应的颜色通道信息，因此，在根据像素点信息对虚拟碰撞对象进行轮廓检测时，可以根据像素点的颜色通道信息对虚拟碰撞对象进行轮廓检测。具体的，步骤“根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息”，包括：

对多个像素点的颜色通道信息进行判别处理，得到判别结果；

根据判别结果从多个像素点中确定初始轮廓像素点；

对初始轮廓像素点进行位置识别，得到初始轮廓像素点的位置信息。

在一实施例中，可以对虚拟碰撞对象的图像的所有像素点进行判别处理，从而得到每个像素点的判别结果。然后，可以根据每个像素点的判别结果，从所有像素点中确定初始轮廓像素点。接下来，可以对初始轮廓像素点进行位置识别，从而得到初始轮廓像素点的位置信息。

其中，对多个像素点的颜色通道信息进行判别处理时，可以基于当前像素点及其相邻像素点判断当前像素点是否是初始轮廓像素点。具体的，步骤“对多个像素点的颜色通道信息进行判别处理，得到判别结果”，可以包括：

将当前像素点的颜色通道信息和预设颜色通道阈值进行匹配；

当当前像素点的颜色通道信息和预设颜色通道阈值不相匹配时，确定当前像素点的相邻像素点并获取相邻像素点的颜色通道信息；

对相邻像素点的颜色通道信息进行判别处理，得到判别结果。

其中，当前像素点包括当前进行判别处理的像素点。例如，图像中包括像素点1和像素点2。当前进行判别处理的像素点是像素点1，则像素点1是当前像素点。

其中，相邻像素点包括和当前像素点相邻的像素点。例如，如图5所示，当当前像素点为006时，其相邻像素点可以是007、008和009。又例如，如图5 所示，当当前像素点为010时，其相邻像素点可以是包围010的其他8个像素点。

在一实施例中，由于颜色通道信息可以包括像素点的颜色通道上的数值，因此可以将当前像素点的颜色通道信息和预设颜色通道阈值进行匹配。其中，当当前像素点的颜色通道信息和预设颜色通道阈值不相匹配时，可以确定当前像素点的相邻像素点，并获取相邻像素点的颜色通道信息。

在一实施例中，当虚拟碰撞对象的图像的颜色模式是RGBA颜色模式时，可以基于当前像素点及其相邻像素点的透明颜色通道上的数值判断当前像素点是否是初始轮廓像素点。因此当当前像素点是初始轮廓像素点时，当前像素点的透明颜色通道上的数值不为0，而其部分相邻像素点的透明颜色通道上的数值为0。

因此，在一实施例中，当颜色通道信息为透明颜色通道上的数值时，可以将预设颜色通道阈值设置为0。在对多个像素点的颜色通道信息进行判别处理时，可以将当前像素点的透明通道信息和0进行匹配。当当前像素点的透明通道信息不相匹配时，可以确定当前像素点的相邻像素点并获取该相邻像素点的透明通道信息。然后，对相邻像素点的颜色通道信息进行判别处理，从而得到判别结果。

在一实施例中，在对相邻像素点的颜色通道信息进行判别处理时，也可以将相邻像素点的颜色通道信息和预设颜色通道阈值进行匹配。具体的，步骤“对相邻像素点的颜色通道信息进行判别处理，得到判别结果”，包括：

将相邻像素点的颜色通道信息和预设颜色通道阈值进行匹配；

当相邻像素点的颜色通道信息和所述预设颜色通道阈值相匹配时，生成相邻像素点的颜色通道信息和预设颜色通道阈值相匹配的判别结果。

例如，可以将相邻像素点的透明颜色通道信息和0进行匹配，其中，当当前像素点存在相邻像素点的透明颜色通道信息为0时，可以将当前像素点确定为初始轮廓像素点。

例如，如图6所示，当当前像素点为011时，由于当前像素点011存在部分相邻像素点的透明颜色通道为0，因此可以将当前像素点011确定为初始轮廓像素点。又例如，如图6所示，当当前像素点为012时，由于当前像素点012的相邻像素点的透明颜色通道都不为0，因此当前像素点012不是初始轮廓像素点。

在一实施例中，通过对虚拟碰撞对象的图像的所有像素点进行判别处理，可以得到至少一个初始轮廓像素点。然后，可以对初始轮廓像素点进行位置识别，得到初始轮廓像素点的位置信息。

其中，在对初始轮廓像素点进行位置识别时，可以在虚拟碰撞对象的图像上生成一个直角坐标系，并将图像的左上角设置为坐标原点，然后将初始轮廓像素点在之间坐标系中的坐标轴值作为初始轮廓像素点的位置信息。

104、基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息。

在一实施例中，在获取得到虚拟碰撞对象的初始轮廓像素点之后，由于初始轮廓像素点的数量较多，这会不满足游戏运行时对性能的要求，所以还需要对至少一个初始轮廓像素点进行轮廓像素点筛选，从而不会影响游戏运行时的性能。

在一实施例中，初始轮廓像素点可能包括许多并不是轮廓像素点的像素点。例如，如图6所示，像素点013由于存在相邻像素点的透明颜色通道为0，所以像素点013会被确定为初始轮廓像素点。但是，像素点013并不是轮廓像素点，因此，可以对初始轮廓像素点进行关键轮廓像素点筛选，从而得到关键轮廓像素点。

其中，关键轮廓像素点包括可以正确地组成虚拟碰撞对象轮廓的像素点。

在一是实施例中，关键轮廓像素点中可能包括冗余的像素点。例如，如图 7所示，对于直线而言，点014和点015便可以表示这条直线，而这条直线上的其他点都可以被看作是冗余轮廓像素点。而点014和点015可以被看做是目标轮廓像素点。因此，在一实施例中，可以对关键轮廓像素点进行目标轮廓像素点筛选，从而得到目标轮廓像素点。

其中，目标轮廓像素点可以包括组成虚拟碰撞对象轮廓必不可少的像素点。

所以，在一实施例中，步骤“基于初始轮廓像素点的位置信息对至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息”，可以包括：

基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息；

基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息。

在一实施例中，可以采用多种方法对初始轮廓像素点进行关键轮廓像素点筛选，从而得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息。

例如，可以利用凸包算法等等对初始轮廓像素点进行关键轮廓像素点筛选，从而得到关键轮廓像素点。

其中，凸包指。在一个实数向量空间V中，对于给定集合X，所有包含X 的凸集的交集S被称为X的凸包。通过凸包算法，可以形成一个描述虚拟碰撞对象的轮廓的最大包围圈。

在一实施例中，步骤“基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息”，可以包括：

将每个初始轮廓像素点的位置信息进行排序，得到排序结果；

根据排序结果在至少一个初始轮廓像素点中划分出基准轮廓像素点和至少一个待筛选轮廓像素点；

以基准轮廓像素点为基准，对至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息。

在一实施例中，由于每个初始轮廓像素点的位置可以以一个Rect对象来表示，因此可以依据每个初始轮廓像素点的位置信息进行排序，得到排序结果。例如，可以依据每个初始轮廓像素点的横坐标对初始轮廓像素点进行排序。又例如，可以依据每个初始轮廓像素点的纵坐标对初始轮廓像素点进行排序，等等。

例如，如图8中的017所示，p0至p12可以是初始轮廓像素点。依据p0至p12 的纵坐标对p0至p12进行排序，可以得到p0的纵坐标值最小和p10的纵坐标值最大的排序结果。

在一实施例中，可以根据排序结果在至少一个初始轮廓像素点中划分出基准轮廓像素点和至少一个待筛选轮廓像素点。

其中，基准轮廓像素点可以包括排序结果中处于最值地位的初始轮廓像素点。例如，如图8中的017所示，由于p0的纵坐标值最小，而p10的纵坐标值最大，所以可以将p0确定为基准轮廓像素点，也可以将p10确定为轮廓像素点。其中，基准轮廓像素点一般都是关键轮廓像素点。

其中，在确定了轮廓像素点之后，便可以将其余的初始轮廓像素点确定为待筛选轮廓像素点。例如，当将p0确定为基准轮廓像素点时，可以将p1至p12 确定为待筛选轮廓像素点。

在一实施例中，在确定了基准轮廓像素点之后，便可以以基准轮廓像素点为基准，对至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息。具体的，步骤“以基准轮廓像素点为基准，对至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息”，可以包括：

基于基准轮廓像素点的位置信息和待筛选轮廓像素点的位置信息，计算待筛选轮廓像素点相对于所述基准轮廓像素点的方向信息；

基于所述方向信息，从待筛选轮廓像素点中确定关键轮廓像素点，并获取关键轮廓像素点的位置信息。

其中，方向信息包括衡量待筛选轮廓像素点相当于基准轮廓像素点的方向的信息。

例如，如图8中的017所示，以p0为基准轮廓像素点，其中，由于基准轮廓像素点一般是关键轮廓像素点，所以可以将p0添加到关键轮廓像素点存储容器中。

其中，关键轮廓像素点存储容器用于存储关键轮廓像素点。例如，该关键轮廓像素点存储容器可以是栈，也可以是队列，等等。

例如，由于基准轮廓像素点一般都是关键轮廓像素点，所以可以将p0添加到栈中。

此外，还可以利用关键轮廓像素点存储容器从待筛选轮廓像素点中确定关键轮廓像素点。

例如，可以将待筛选轮廓像素点添加到栈中，并将基准轮廓像素点和处于栈顶的待筛选轮廓像素点进行连接，得到直线L。然后，看待筛选轮廓像素点是在直线L的右边还是左边。如果待筛选轮廓像素点在直线的右边，则说明该待筛选轮廓像素点不是关键轮廓像素点，并将待筛选轮廓像素点移出栈。而若待筛选轮廓像素点在直线的左边，则说明该待筛选轮廓像素点是关键轮廓像素点。

例如，如图8中的018至026所示，可以将p1、p2和p3也添加到栈里面，由于p0、p1和p2构成的角度是向左转的，而p0、p1和p3构成的角度是向右转的，所以将p2出栈，并将p4和p5添加到栈中。接下来，由于p1、p3和p4构成的角度是向右转的，而p3、p4和p5是向左转的，所以p4出栈，并将p6和p7添加到栈中。同理，由于p3、p5和p6构成的角度是向左转的，且p5、p6和p7构成的角度也是向左转的，所以保留p6和p7在栈中，并将p9添加到栈中。而根据上面的原理，会将p7和p8移出栈中，而将p10和p11添加到栈中，但遇到p12之后，p11有出栈，然后p12进栈。最终，栈中只剩下p0、p1、p3、p10和p12，而这5个点也作为关键轮廓像素点。

105、基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息。

在一实施例中，通过对初始轮廓像素点进行关键轮廓像素点筛选，可以过滤掉大部分的初始轮廓像素点。但是，为了进一步地提高游戏运行的性能，在本申请实施例中还会对关键轮廓像素点进行目标轮廓像素点筛选，从而对虚拟碰撞对象的轮廓进行进一步地简化。

在一实施例中，在对关键轮廓像素点进行目标轮廓像素点筛选之前，可以确定关键轮廓像素点的数量，并基于关键轮廓像素点的数量设置筛选率的大小。例如，当关键轮廓像素点的数量较大时，可以将筛选率设置得较小，而当关键像素点的数量较小时，可以将筛选率设置得较大。

其中，筛选率包括目标轮廓像素点和关键轮廓像素点的比率。例如，当筛选率为20％时，说明目标轮廓像素点和关键轮廓像素点的比率为20％。又例如，当筛选率为40％时，说明目标轮廓像素点和关键轮廓像素点的比率为40％。

通过基于关键轮廓像素点的数量设置筛选率的大小，可以对虚拟碰撞对象的轮廓进行进一步地简化的同时，保证轮廓的准确性。

在一实施例中，可以采用多种方法对关键轮廓像素点进行目标轮廓像素点筛选。例如，可以采用凸包算法或道格拉斯-普克(Douglas–Peucker algorithm) 算法等等对关键轮廓像素点进行目标轮廓像素点筛选。

在一实施例中，步骤“基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息”，可以包括：

基于关键轮廓像素点的位置信息，生成筛选参考线；

根据关键轮廓像素点的位置信息，计算每个关键轮廓像素点和筛选参考线之间的距离信息；

根据距离信息，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。

其中，筛选参考线包括对关键轮廓像素点进行筛选时起参考作用的线段。

在一实施例中，可以将特征轮廓像素点进行连接，从而得到筛选参考线。

其中，特征轮廓像素点可以包括位置信息是最值的关键轮廓像素点。

例如，如图9中的027所示，包括8个关键轮廓像素点，分别是关键轮廓像素点1至关键轮廓像素点8。其中，关键轮廓像素点1和关键轮廓像素点8在坐标轴上的横坐标值分别是最小值和最大值，所以可以将关联轮廓像素点1和关键轮廓像素点8进行连接，得到筛选参考线。即，关联轮廓像素点1和关键轮廓像素点8生成的线段可以是筛选参考线。

其中，距离信息包括可以表示关键轮廓像素点和筛选参考线之间的距离的信息。例如，该距离信息可以是数值，等等。

在一实施例中，可以就将特征轮廓像素点确定为目标轮廓像素点。例如，由于关键轮廓像素点1和关键轮廓像素点8的横坐标值分别是最大值和最小值，所以可以将关键轮廓像素点1和关键轮廓像素点8确定为目标轮廓像素点。

在一实施例中，可以根据关键轮廓像素点的位置信息，计算每个关键轮廓像素点和筛选参考线之间的距离信息，并根据距离信息，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。

例如，如图9中的027所示，可以分别计算关键轮廓像素点2、关键轮廓像素点3、关键轮廓像素点4、关键轮廓像素点5、关键轮廓像素点6和关键轮廓像素点7和筛选参考线之间的距离信息。

然后，可以根据距离信息，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。具体的，步骤“根据距离信息，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息”，可以包括：

对每个关键轮廓像素点的距离信息进行排序，得到排序结果；

根据排序结果，从至少一个关键轮廓像素点中确定参考轮廓像素点；

基于参考轮廓像素点，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。

例如，关键轮廓像素点2、关键轮廓像素点3、关键轮廓像素点4、关键轮廓像素点5、关键轮廓像素点6和关键轮廓像素点7和筛选参考线之间的距离信息分别是a₂、a₃、a₄、a₅、a₆和a₇。然后，可以对a₂、a₃、a₄、a₅、a₆和 a₇进行排序，并将距离信息最大的关键轮廓像素点作为参考轮廓像素点。

例如，在图9中的027中，关键轮廓像素点4和筛选参考线之间的距离信息最大，所以可以将关键轮廓像素点4作为参考轮廓像素点。

在一实施例中，确定了参考轮廓像素点了，便可以基于参考轮廓像素点，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。具体的，步骤“基于参考轮廓像素点，从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息”，可以包括：

基于参考轮廓像素点，在至少一个关键轮廓像素点中划分出待筛选轮廓像素点集，其中，待筛选轮廓像素点集包括至少一个关键轮廓像素点；

将参考轮廓像素点的距离信息和预设距离阈值进行匹配；

当参考轮廓像素点的距离信息和预设距离阈值相匹配时，将参考轮廓像素点确定为目标轮廓像素点，并从待筛选轮廓像素点集中继续筛选出目标轮廓像素点。

在一实施例中，确定了参考轮廓像素点之后，可以将其余的关键轮廓像素点划分为待筛选轮廓像素点集。

例如，如图9所示，将关键轮廓像素点4确定为参考轮廓像素点之后，可以将关键轮廓像素点2、关键轮廓像素点3、关键轮廓像素点5、关键轮廓像素点6 和关键轮廓像素点7划分为待筛选轮廓像素点集。

在一实施例中，可以将参考轮廓像素点的距离信息和预设距离阈值进行匹配，当参考轮廓像素点的距离信息和预设距离阈值相匹配时，将参考轮廓像素点确定为目标轮廓像素点，并从待筛选轮廓像素点集中继续筛选出目标轮廓像素点。

例如，如图9所示，可以将参考轮廓像素点4的距离信息和预设距离阈值进行比较，其中，当参考轮廓像素点4的距离信息大于或等于预设距离阈值时，可以将参考轮廓像素点4确定为目标轮廓像素点，并从关键轮廓像素点2、关键轮廓像素点3、关键轮廓像素点5、关键轮廓像素点6和关键轮廓像素点7中继续筛选目标轮廓像素点。

在一实施例中，从待筛选轮廓像素点中继续筛选出目标轮廓像素点时，可以采用和上述类似的方法。

例如，由于关键轮廓像素点2和关键轮廓像素点3位于关键轮廓像素点4的左方，而关键轮廓像素点5、关键轮廓像素点6和关键轮廓像素点7位于关键轮廓像素点4的右方，所以可以将关键轮廓像素点1、关键轮廓像素点2、关键轮廓像素点3和关键轮廓像素点4划分为第一待筛选轮廓像素点集，而将关键轮廓像素点4、关键轮廓像素点5、关键轮廓像素点6、关键轮廓像素点7和关键轮廓像素点8划分为第二待筛选轮廓像素点集。

然后，可以基于第一待筛选轮廓像素点集和第二待筛选轮廓像素点集中关键轮廓像素点的位置信息，生成筛选参考线。然后，计算关键轮廓像素点和筛选参考线之间的距离信息，并根据距离信息从至少一个关键轮廓像素点中筛选出目标轮廓像素点并得到目标轮廓像素点的位置信息。

例如，如图9中的028所示，在第一待筛选轮廓像素点集中，可以将关键轮廓像素点1和关键轮廓像素点4进行连接，得到筛选参考线。然后，分别计算关键轮廓像素点2和关键轮廓像素点3的距离信息，并将关键轮廓像素点2确定为参考轮廓像素点。接下来，可以将关键轮廓像素点2的距离信息和预设距离阈值进行比较。其中，当关键轮廓像素点2的距离信息大于或等于预设距离阈值时，可以将关键轮廓像素点2确定为目标轮廓像素点。其中，当关键轮廓像素点2小于预设距离阈值时，可以将关键轮廓像素点2和关键轮廓像素点3进行过滤。

例如，在图9的028中，由于关键轮廓像素点2小于预设距离阈值，因此可以将关键轮廓像素点2和关键轮廓像素点3进行过滤。

同理，在第二待筛选轮廓像素点集中，可以将关键轮廓像素点4和关键轮廓像素点8进行连接，得到筛选参考线。然后，分别计算关键轮廓像素点5、关键轮廓像素点6和关键轮廓像素点7的距离信息，并将关键轮廓像素点6确定为参考轮廓像素点。接下来，可以将关键轮廓像素点6的距离信息和预设距离阈值进行比较。

其中，如图9中的029所示，由于关键轮廓像素点6的距离信息大于或等于预设距离阈值，所以可以将关键轮廓像素点6确定为目标轮廓像素点，并以关键轮廓像素点6为基准，将关键轮廓像素点4、关键轮廓像素点5和关键轮廓像素点6划分为第三待筛选轮廓像素点集，而将关键轮廓像素点6、关键轮廓像素点7和关键轮廓像素点8划分为第四待筛选轮廓像素点集。接下来，可以对第三待筛选轮廓像素点集以及第四待筛选轮廓像素点集重复和第一待筛选轮廓像素点集以及第二待筛选轮廓像素点集相似的步骤。

通过上述的步骤，便可以将关键轮廓像素点1、关键轮廓像素点4、关键轮廓像素点6、关键轮廓像素点7和关键轮廓像素点8确定为目标轮廓像素点，例如，如图9中的030所示。

106、根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。

其中，虚拟碰撞对象的碰撞轮廓包括在对虚拟碰撞对进行碰撞计算时的依据。例如，游戏中包括虚拟碰撞对象Andy和虚拟碰撞对象Bella。通过对虚拟碰撞对象Andy和虚拟碰撞对象Bella的碰撞轮廓进行计算，可以得到虚拟碰撞对象Andy和虚拟碰撞对象Bella是否有发生碰撞，碰撞强度为多大，等等。

在一实施例中，在得到目标轮廓像素点之后，便可以根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。例如，可以将目标轮廓像素点的位置信息将目标轮廓像素点进行连接，从而得到虚拟碰撞对象的碰撞轮廓。

在一实施例中，如图4所示，在自动生成虚拟碰撞对象的碰撞轮廓之后，本申请实施例还为开发人员提供了一个调整虚拟碰撞对象的碰撞轮廓的平台，从而使得开发人员可以对虚拟碰撞对象的碰撞轮廓进行调整，从而得到调整后碰撞轮廓。例如，如图4所示，开发人员可以对虚拟碰撞对象的碰撞轮廓进行调整。例如，如图4所示，当虚拟碰撞对象的碰撞轮廓为圆形时，开发人员可以调整碰撞轮廓的半径。又例如，如图4所示，当虚拟碰撞对象的碰撞轮廓为矩形时，开发人员可以调整碰撞轮廓的宽和高，等等。具体的，本申请实施例提出的方法还包括：

接收轮廓调整指令；

基于所述轮廓调整指令，获取轮廓调整信息；

基于所述轮廓调整信息对所述虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓。

例如，当开发人员对碰撞轮廓调整时，轮廓检测装置可以接收到轮廓调整指令，并基于轮廓调整指令获取轮廓调整信息。

其中，轮廓调整信息包括开发人员对碰撞轮廓进行调整时所产生的信息。例如，轮廓调整信息可以包括碰撞轮廓的半径的调整程度，譬如半径调整为多少厘米等等。又例如，轮廓调整信息可以包括碰撞轮廓的宽和高的调整程度，譬如宽和高分别调整多少厘米，等等。又例如，轮廓调整信息可以包括碰撞轮廓形状的调整程度，譬如将碰撞轮廓从矩形调整为多边形等等。

在一实施例中，轮廓装置在获取到轮廓调整信息之后，可以基于轮廓调整信息对虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓。具体的，步骤“基于轮廓调整信息对虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓”，可以包括：

对轮廓调整信息进行解析，得到目标轮廓像素点的位置调整参数；

基于目标轮廓像素点的位置调整参数，对目标轮廓像素点的位置信息进行调整，得到调整后位置信息；

根据目标轮廓像素点的调整后位置信息生成调整后碰撞轮廓。

其中，位置调整参数包括对目标轮廓像素点的位置进行调整的参数。

在一实施例中，由于可以在虚拟碰撞对象的图像上生成一个直角坐标系，并将图像的左上角设置为坐标原点，所以像素点在图像中的位置信息可以以坐标轴上的坐标信息表示。因此，位置调整参数可以是对目标轮廓像素点的坐标信息进行调整的参数。例如，目标轮廓像素点原来的坐标信息为(1，2)，位置调整参数可以为(0，1)，则调整后位置信息可以为(1，3)。又例如，目标轮廓像素点原来的坐标信息为(1，2)，位置调整参数可以为(0，-1)，则调整后位置信息可以为(1，1)。又例如，目标轮廓像素点原来的坐标信息为(1， 2)，位置调整参数可以为(3，-2)，则调整后位置信息可以为(4，0)。

在一实施例中，在得到目标像素点的调整后位置信息之后，可以根据目标轮廓像素点的调整后位置信息生成调整后碰撞轮廓。

本申请实施例通过为开发人员提供了一个调整虚拟碰撞对象的碰撞轮廓的平台，从而使得当开发人员可以对虚拟碰撞对象的碰撞轮廓进行自定义，从而可以提高调整后碰撞轮廓可以和虚拟碰撞对象的实际轮廓的匹配度，提高了本申请实施例提出的轮廓检测方法的精确度、可靠性以及便捷性。

在一实施例中，如图4所示，在得到调整后虚拟碰撞轮廓之后，可以将调整后碰撞轮廓存储到游戏配置中，并使得碰撞算法可以基于游戏配置中调整后碰撞轮廓对虚拟碰撞对象进行碰撞计算。

本申请实施例提出了一种轮廓检测方法，该轮廓检测方法包括：获取游戏中碰撞场景下虚拟碰撞对象的图像；在图像中提取出虚拟碰撞对象的像素点信息；根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息；基于初始轮廓像素点的位置信息，对至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及关键轮廓像素点的位置信息；基于关键轮廓像素点的位置信息，对至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息；根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。在本申请实施例中，可以自动地生成虚拟碰撞对象的轮廓，而不需要手绘生成虚拟碰撞对象的轮廓，从而提高在碰撞场景下对虚拟碰撞对象进行碰撞检测的效率。

而且，在本申请实施例中，会对初始轮廓像素点进行两次筛选。第一次筛选是关键轮廓像素点筛选，从而得到关键轮廓像素点以及关键轮廓像素点的位置信息。第二次筛选是目标轮廓像素点筛选，从而得到目标轮廓像素点以及目标轮廓像素点的位置信息。通过对初始轮廓像素点进行两次筛选，可以在从初始轮廓像素点中得到可以正确地表示虚拟碰撞对象轮廓，且是必不可少的目标轮廓像素点，从而在保证游戏运行性能的同时，保证了虚拟碰撞对象轮廓的准确性。

此外，本申请实施例通过为开发人员提供了一个调整虚拟碰撞对象的碰撞轮廓的平台，从而使得当开发人员可以对虚拟碰撞对象的碰撞轮廓进行自定义，从而可以提高调整后碰撞轮廓可以和虚拟碰撞对象的实际轮廓的匹配度，提高了本申请实施例提出的轮廓检测方法的精确度、可靠性以及便捷性。

根据上面实施例所描述的方法，以下将举例作进一步详细说明。

本申请实施例将以轮廓检测方法集成在计算机设备上为例来介绍本申请实施例方法。

在一实施例中，如图10所示，一种轮廓检测方法，具体流程如下：

201、计算机设备获取游戏中碰撞场景下虚拟碰撞对象的图像。

在一实施例中，当游戏运行时，计算机设备可以分析游戏的积木逻辑，从而得到碰撞场景中可能发生的碰撞事件、碰撞积木以及虚拟对象的行为。通过碰撞事件、碰撞积木以及虚拟对象的行为，可以知道哪些虚拟对象会进行碰撞，然后，可以将会进行碰撞的虚拟对象确定为虚拟碰撞对象，并获取虚拟碰撞对象的图像。

例如，如图11所示，计算机设备获取得到虚拟碰撞对象的图像031。

202、计算机设备在图像中提取出虚拟碰撞对象的像素点信息。

在一实施例中，计算机设备获取到虚拟碰撞对象的图像之后，可以将图像绘制在canvas上，并通过canvas的接口getImageData提取出虚拟对象的像素点信息。

例如，如图中的032所示，计算机设备通过在图像中提取出虚拟碰撞对象的像素点信息，从而实现将虚拟碰撞对象的图像转换为像素点信息。

其中，当图像是RGBA颜色模式时，像素点信息可以包括构成图像的像素点在透明颜色通道上的数值。

203、计算机设备根据像素点信息，对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息。

在一实施例中，可以根据像素点在透明颜色通道上的数值确定像素点是否是初始轮廓像素点。

例如，可以将像素点在透明颜色通道上的数值和0进行比较，当该像素点在透明颜色通道上的数值大于0时，确定该像素点的相邻像素点，并将相邻像素点在透明颜色通道上的数值和0进行比较。其中，当存在相邻像素点在透明颜色通道上的数值等于0或超出像素边界时，则可以该像素点确定为初始轮廓像素点。

通过遍历图像的所有像素点在透明颜色通道上的数值，便可以得到虚拟碰撞对象的初始轮廓信息。

例如，假设要采集一张PNG格式的图片，尺寸大小为260x340，那么像素点一共有88400个。通过上述查找边缘像素点的算法，可以找到将近2300个像素点，

例如，如图11中的033所示，可以生成虚拟碰撞对象的初始轮廓信息。

204、计算机设备基于初始轮廓像素点的位置信息对至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息。

在一实施例中，计算机设备通过2300个像素点所描绘出来的轮廓会比较细腻，但是由于数据量比较大，会导致碰撞运算的速率较低，耗时较长，满足不了实际的碰撞运算的性能要求。因此可以对初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息。

在一实施例中，计算机设备可以利用凸包算法对初始轮廓点进行第一次筛选，从而得到关键轮廓像素点。

例如，计算机设备通过利用凸包算法对2300个像素点进行第一次筛选，可以得到110个关键轮廓像素点。

又例如，如图11中的033和034所示，计算机设备通过利用凸包算法对033 进行第一次筛选，从而得到034。

在一实施例中，计算机设备可以利用道格拉斯-普克算法对关键轮廓像素点进行第二次筛选，得到目标轮廓点。

例如，如图11所示，计算机设备利用道格拉斯-普克算法对图中035进行筛选后，可以得到图11中的036，但是轮廓并没有改变。

其中，计算机设备在采用道格拉斯-普克算法之前，可以确定关键轮廓像素点的数量，并基于关键轮廓像素点的数量设置筛选率的大小。例如，当关键轮廓像素点的数量较大时，可以将筛选率设置得较小，而当关键像素点的数量较小时，可以将筛选率设置得较大。

计算机设备通过基于关键轮廓像素点的数量设置筛选率的大小，可以对虚拟碰撞对象的轮廓进行进一步地简化的同时，保证轮廓的准确性。

经过凸包算法提取后，碰撞性能有明显的提升，但是还是不能够满足需求。经过道格拉斯-普克简化特征点后，碰撞轮廓无明显变化，但耗时明显提审。

205、计算机设备根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。

例如，如图11所示，计算机设备根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓037。

本申请实施例中，计算机设备获取游戏中碰撞场景下虚拟碰撞对象的图像；在图像中提取出虚拟碰撞对象的像素点信息；根据像素点信息，计算机设备对虚拟碰撞对象进行轮廓检测处理，得到虚拟碰撞对象的初始轮廓信息，其中，初始轮廓信息包括至少一个初始轮廓像素点的位置信息；基于初始轮廓像素点的位置信息计算机设备对至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及目标轮廓像素点的位置信息；根据目标轮廓像素点的位置信息生成虚拟碰撞对象的碰撞轮廓。在本申请实施例中，计算机设备可以自动地生成虚拟碰撞对象的轮廓，而不需要手绘生成虚拟碰撞对象的轮廓，从而提高在碰撞场景下对虚拟碰撞对象进行碰撞检测的效率。

为了更好地实施本申请实施例提供的轮廓检测方法，在一实施例中还提供了一种轮廓检测装置，该轮廓检测装置可以集成于计算机设备中。其中名词的含义与上述轮廓检测方法中相同，具体实现细节可以参考方法实施例中的说明。

在一实施例中，提供了一种轮廓检测装置，该轮廓检测装置具体可以集成在计算机设备中，如图12所示，该轮廓检测装置包括：第一获取单元301、提取单元302、轮廓检测单元303、第一筛选单元304、第二筛选单元305和生成单元306，具体如下：

第一获取单元301，用于获取游戏中碰撞场景下虚拟碰撞对象的图像；

提取单元302，用于在所述图像中提取出所述虚拟碰撞对象的像素点信息；

轮廓检测单元303，用于根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

第一筛选单元304，用于基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息；

第二筛选单元305，用于基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息；

生成单元306，用于根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

在一实施例中，所述第一筛选单元304，包括：

排序子单元，用于将每个初始轮廓像素点的位置信息进行排序，得到排序结果；

划分子单元，用于根据所述排序结果在所述至少一个初始轮廓像素点中划分出基准轮廓像素点和至少一个待筛选轮廓像素点；

查询子单元，用于以所述基准轮廓像素点为基准，对所述至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息。

在一实施例中，所述查询子单元，包括：

计算模块，用于基于所述基准轮廓像素点的位置信息和所述待筛选轮廓像素点的位置信息，计算所述基准轮廓像素点和所述待筛选轮廓像素点构成的角度信息；

第一确定模块，用于基于所述角度信息，从所述待筛选轮廓像素点中确定所述关键轮廓像素点，并获取所述关键轮廓像素点的位置信息。

在一实施例中，所述第二筛选单元305，包括：

生成子单元，用于基于所述关键轮廓像素点的位置信息，生成筛选参考线；

计算子单元，用于根据所述关键轮廓像素点的位置信息，计算每个关键轮廓像素点和所述筛选参考线之间的距离信息；

筛选子单元，用于根据所述距离信息，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

在一实施例中，所述筛选子单元，包括：

排序模块，用于对所述每个关键轮廓像素点的距离信息进行排序，得到排序结果；

第二确定模块，用于根据所述排序结果，从所述至少一个关键轮廓像素点中确定参考轮廓像素点；

筛选模块，用于基于所述参考轮廓像素点，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

在一实施例中，所述筛选模块，可以用于：

基于所述参考轮廓像素点，在所述至少一个关键轮廓像素点中划分出待筛选轮廓像素点集，其中，所述待筛选轮廓像素点集包括至少一个关键轮廓像素点；

将所述参考轮廓像素点的距离信息和预设距离阈值进行匹配；

当所述参考轮廓像素点的距离信息和所述预设距离阈值相匹配时，将所述参考轮廓像素点确定为目标轮廓像素点，并从所述待筛选轮廓像素点集中继续筛选出目标轮廓像素点。

在一实施例中，所述轮廓检测单元303，包括：

判别子单元，用于对所述多个像素点的颜色通道信息进行判别处理，得到判别结果；

确定子单元，用于根据判别结果从所述多个像素点中确定初始轮廓像素点；

位置识别子单元，用于对所述初始轮廓像素点进行位置识别，得到所述初始轮廓像素点的位置信

在一实施例中，所述判别子单元，包括：

匹配模块，用于将当前像素点的颜色通道信息和预设颜色通道阈值进行匹配；

确定模块，用于当所述当前像素点的颜色通道信息和所述预设颜色通道阈值不相匹配时，确定所述当前像素点的相邻像素点并获取所述相邻像素点的颜色通道信息；

判别模块，用于对所述相邻像素点的颜色通道信息进行判别处理，得到所述判别结果。

在一实施例中，所述轮廓检测装置，包括：

接收单元，用于接收轮廓调整指令；

第二获取单元，用于基于所述轮廓调整指令，获取轮廓调整信息；

调整单元，用于基于所述轮廓调整信息对所述虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓。

在一实施例中，所述调整单元，包括：

解析子单元，用于对所述轮廓调整信息进行解析，得到所述目标轮廓像素点的位置调整参数；

调整子单元，用于基于所述目标轮廓像素点的位置调整参数，对所述目标轮廓像素点的位置信息进行调整，得到调整后位置信息；

生成子单元，用于根据所述目标轮廓像素点的调整后位置信息生成所述调整后碰撞轮廓。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

通过上述的轮廓检测装置可以提高对虚拟碰撞对象进行轮廓检测的效率。

本申请实施例还提供一种计算机设备，该计算机设备可以包括终端或服务器，比如，计算机设备可以作为轮廓检测终端，该终端可以为手机、平板电脑等等；又比如计算机设备可以为服务器，如轮廓检测服务器等。如图13所示，其示出了本申请实施例所涉及的终端的结构示意图，具体来讲：

该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图13中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户页面和应用程序等，调制解调处理器主要处理无线通讯。可以理解的是，上述调制解调处理器也可以不集成到处理器401 中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402 可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401 来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

获取游戏中碰撞场景下虚拟碰撞对象的图像；

在所述图像中提取出所述虚拟碰撞对象的像素点信息；

根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

基于所述初始轮廓像素点的位置信息对所述至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及所述目标轮廓像素点的位置信息；

根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中各种可选实现方式中提供的方法。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成，或通过计算机程序控制相关的硬件来完成，该计算机程序可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例还提供一种存储介质，其中存储有计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种轮廓检测方法中的步骤。例如，该计算机程序可以执行如下步骤：

获取游戏中碰撞场景下虚拟碰撞对象的图像；

在所述图像中提取出所述虚拟碰撞对象的像素点信息；

根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

基于所述初始轮廓像素点的位置信息对所述至少一个初始轮廓像素点进行轮廓像素点筛选，得到目标轮廓像素点以及所述目标轮廓像素点的位置信息；

根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种轮廓检测方法中的步骤，因此，可以实现本申请实施例所提供的任一种轮廓检测方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种轮廓检测方法、装置、计算机设备和存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (15)

1.一种轮廓检测方法，其特征在于，包括：

获取游戏中碰撞场景下虚拟碰撞对象的图像；

在所述图像中提取出所述虚拟碰撞对象的像素点信息；

根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息；

基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息；

根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

2.如权利要求1所述的轮廓检测方法，其特征在于，所述基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息，包括：

将每个初始轮廓像素点的位置信息进行排序，得到排序结果；

根据所述排序结果在所述至少一个初始轮廓像素点中划分出基准轮廓像素点和至少一个待筛选轮廓像素点；

以所述基准轮廓像素点为基准，对所述至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息。

3.如权利要求2所述的轮廓检测方法，其特征在于，所述以所述基准轮廓像素点为基准，对所述至少一个待筛选轮廓像素点的位置信息进行查询，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息，包括：

基于所述基准轮廓像素点的位置信息和所述待筛选轮廓像素点的位置信息，计算所述待筛选轮廓像素点相对于所述基准轮廓像素点的方向信息；

基于所述方向信息，从所述待筛选轮廓像素点中确定所述关键轮廓像素点，并获取所述关键轮廓像素点的位置信息。

4.如权利要求1所述的轮廓检测方法，其特征在于，所述基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息，包括：

基于所述关键轮廓像素点的位置信息，生成筛选参考线；

根据所述关键轮廓像素点的位置信息，计算每个关键轮廓像素点和所述筛选参考线之间的距离信息；

根据所述距离信息，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

5.如权利要求4所述的轮廓检测方法，其特征在于，所述根据所述距离信息，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息，包括：

对所述每个关键轮廓像素点的距离信息进行排序，得到排序结果；

根据所述排序结果，从所述至少一个关键轮廓像素点中确定参考轮廓像素点；

基于所述参考轮廓像素点，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息。

6.如权利要求5所述的轮廓检测方法，其特征在于，所述基于所述参考轮廓像素点，从所述至少一个关键轮廓像素点中筛选出所述目标轮廓像素点并得到所述目标轮廓像素点的位置信息，包括：

基于所述参考轮廓像素点，在所述至少一个关键轮廓像素点中划分出待筛选轮廓像素点集，其中，所述待筛选轮廓像素点集包括至少一个关键轮廓像素点；

将所述参考轮廓像素点的距离信息和预设距离阈值进行匹配；

当所述参考轮廓像素点的距离信息和所述预设距离阈值相匹配时，将所述参考轮廓像素点确定为目标轮廓像素点，并从所述待筛选轮廓像素点集中继续筛选出目标轮廓像素点。

7.如权利要求1所述的轮廓检测方法，其特征在于，所述像素点信息包括多个像素点的颜色通道信息；

所述根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息，包括：

对所述多个像素点的颜色通道信息进行判别处理，得到判别结果；

根据判别结果从所述多个像素点中确定初始轮廓像素点；

对所述初始轮廓像素点进行位置识别，得到所述初始轮廓像素点的位置信息。

8.如权利要求7所述的轮廓检测方法，其特征在于，所述对所述多个像素点的颜色通道信息进行判别处理，得到判别结果，包括：

将当前像素点的颜色通道信息和预设颜色通道阈值进行匹配；

当所述当前像素点的颜色通道信息和所述预设颜色通道阈值不相匹配时，确定所述当前像素点的相邻像素点并获取所述相邻像素点的颜色通道信息；

对所述相邻像素点的颜色通道信息进行判别处理，得到所述判别结果。

9.如权利要求8所述的轮廓检测方法，其特征在于，所述对所述相邻像素点的颜色通道信息进行判别处理，得到所述判别结果，包括：

将所述相邻像素点的颜色通道信息和预设颜色通道阈值进行匹配；

当所述相邻像素点的颜色通道信息和所述预设颜色通道阈值相匹配时，生成所述相邻像素点的颜色通道信息和所述预设颜色通道阈值相匹配的判别结果；

所述根据判别结果从所述多个像素点中确定初始轮廓像素点，包括：

当所述相邻像素点的颜色通道和预设颜色通道阈值相匹配时，将所述当前像素点确定为所述初始轮廓像素点。

10.如权利要求1所述的轮廓检测方法，其特征在于，所述方法还包括：

接收轮廓调整指令；

基于所述轮廓调整指令，获取轮廓调整信息；

基于所述轮廓调整信息对所述虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓。

11.如权利要求10所述的轮廓检测方法，其特征在于，所述基于所述轮廓调整参数对所述虚拟碰撞对象的碰撞轮廓进行调整，得到调整后碰撞轮廓，包括：

对所述轮廓调整信息进行解析，得到所述目标轮廓像素点的位置调整参数；

基于所述目标轮廓像素点的位置调整参数，对所述目标轮廓像素点的位置信息进行调整，得到调整后位置信息；

根据所述目标轮廓像素点的调整后位置信息生成所述调整后碰撞轮廓。

12.一种轮廓检测装置，其特征在于，包括：

获取单元，用于获取游戏中碰撞场景下虚拟碰撞对象的图像；

提取单元，用于在所述图像中提取出所述虚拟碰撞对象的像素点信息；

轮廓检测单元，用于根据所述像素点信息，对所述虚拟碰撞对象进行轮廓检测处理，得到所述虚拟碰撞对象的初始轮廓信息，其中，所述初始轮廓信息包括至少一个初始轮廓像素点的位置信息；

第一筛选单元，用于基于所述初始轮廓像素点的位置信息，对所述至少一个初始轮廓像素点进行关键轮廓像素点筛选，得到至少一个关键轮廓像素点以及所述关键轮廓像素点的位置信息；

第二筛选单元，用于基于所述关键轮廓像素点的位置信息，对所述至少一个关键轮廓像素点进行目标轮廓像素点筛选，得到所述目标轮廓像素点以及所述目标轮廓像素点的位置信息；

生成单元，用于根据所述目标轮廓像素点的位置信息生成所述虚拟碰撞对象的碰撞轮廓。

13.一种计算机设备，其特征在于，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至11任一项所述的轮廓检测方法中的操作。

14.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至11任一项所述的轮廓检测方法中的步骤。

15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-11所述轮廓检测方法的步骤。

Images