CN115857703B - Vr脚部摇杆控制空间移动方法及系统 - Google Patents
Vr脚部摇杆控制空间移动方法及系统 Download PDFInfo
- Publication number
- CN115857703B CN115857703B CN202310191093.XA CN202310191093A CN115857703B CN 115857703 B CN115857703 B CN 115857703B CN 202310191093 A CN202310191093 A CN 202310191093A CN 115857703 B CN115857703 B CN 115857703B
- Authority
- CN
- China
- Prior art keywords
- parameter matrix
- sensing data
- foot rocker
- mechanical
- control
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供的VR脚部摇杆控制空间移动方法及系统,通过AI技术快速准确地确定空间移动辅助控制数据,然后基于空间移动辅助控制数据的VR大空间控制记录进行拟分析VR脚部摇杆传感数据的控制响应信息的生成,一方面能够基于配对的空间移动辅助控制数据快速获得之前的VR大空间控制记录以进行控制响应信息的关联生成,这样可以提高控制响应处理的时效性,另一方面,由于空间移动辅助控制数据的匹配过程依据了准确的力学操控参数矩阵,因而可以保障生成的控制响应信息的精度,这样可以灵活、快速且精准地对拟分析VR脚部摇杆传感数据进行响应,提高VR脚部体感交互的沉浸性。
Description
技术领域
本发明涉及VR技术领域,特别涉及一种VR脚部摇杆控制空间移动方法及系统。
背景技术
VR技术的不断更新换代,使得用户可以在VR大空间中通过对应的虚拟人物进行空间移动,以进行VR大空间的多人游戏。用户可以通过摇杆等控制部件实现对虚拟人物的移动进行控制。但是传统控制技术存在响应时效性和精度低下的问题。
发明内容
为改善相关技术中存在的技术问题,本发明提供了一种VR脚部摇杆控制空间移动方法及系统。
本发明实施例提供了一种VR脚部摇杆控制空间移动方法,应用于VR空间移动控制系统,所述方法包括:
获得拟分析VR脚部摇杆传感数据,通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,得到第一力学操控参数矩阵,所述第一力学参数矩阵识别指示为依据AI残差处理的识别指示;
依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,得到第二力学操控参数矩阵,所述第二力学参数矩阵识别指示为依据AI膨胀卷积处理的识别指示;所述第二力学操控参数矩阵为局部力学操控特征关系网;
依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,将所述不少于一个历史VR脚部摇杆传感数据中的第一VR脚部摇杆传感数据确定为空间移动辅助控制数据,所述第一VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间配对的传感控制项目个数大于设定个数;
通过所述空间移动辅助控制数据的VR大空间控制记录,生成针对所述拟分析VR脚部摇杆传感数据的控制响应信息。
在一些可能的实施例中,所述通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,包括:依据AI残差网络对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,所述AI残差网络是依据第一调校示例集合和第二调校示例集合调校得到的;其中,所述第一调校示例集合为添加了训练认证信息的样本集合,所述第二调校示例集合为没有添加训练认证信息的样本集合。
在一些可能的实施例中,所述AI残差网络包括参数矩阵挖掘子网、参数矩阵分团子网和参数矩阵识别子网,所述AI残差网络的调校过程,包括:
将所述第一调校示例集合和所述第二调校示例集合中包括的VR脚部摇杆传感数据示例加载到所述参数矩阵挖掘子网;
基于所述参数矩阵分团子网的参数矩阵分团子网,循环地对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据进行分团,将得到的分团结果作为训练干扰信息传入到所述参数矩阵识别子网;
基于所述参数矩阵识别子网的识别算子,获得依据所述训练干扰信息的训练代价变量,根据所述训练代价变量循环地优化所述参数矩阵挖掘子网的配置参数。
在一些可能的实施例中,所述获得依据所述训练干扰信息的训练代价变量,包括:
将所述训练干扰信息、所述参数矩阵挖掘子网生成的力学操控参数矩阵数据、以及所述识别算子对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据的识别结果,作为依据所述训练干扰信息的训练代价变量。
在一些可能的实施例中,所述方法还包括:
获得连续两次分团结果的基础交叉特征,所述基础交叉特征指示了所述AI残差网络的波动性,所述基础交叉特征的特征值越大反映所述AI残差网络越趋于稳定状态;
根据所述基础交叉特征确定所述AI残差网络的稳定状态,在所述AI残差网络达到稳定状态后完成网络调校过程,其中,所述AI残差网络的稳定要求为所述基础交叉特征的特征值达到一个预设变量。
在一些可能的实施例中,所述依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,包括:
获得所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵与力学操控参数矩阵池中记录的第一力学操控参数矩阵之间的力学操控参数矩阵差异,通过力学操控参数矩阵差异降序的规则,对与记录的第一力学操控参数矩阵对应的待处理VR脚部摇杆传感数据进行整理;
将排序靠前的X个待处理VR脚部摇杆传感数据,确定为所述不少于一个历史VR脚部摇杆传感数据;X个为正整数。
在一些可能的实施例中,对各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括:
获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵;
分别获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵与所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵之间的力学操控参数矩阵差异,对所述不少于一个历史VR脚部摇杆传感数据中的第二VR脚部摇杆传感数据进行第二力学参数矩阵识别;
其中,所述第二VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间的力学操控参数矩阵差异小于第一差异限值。
在一些可能的实施例中,所述获得拟分析VR脚部摇杆传感数据,包括:接收VR平台系统发送的VR脚部摇杆传感数据处理申请,从所述VR脚部摇杆传感数据处理申请中获得所述拟分析VR脚部摇杆传感数据;
在得到所述空间移动辅助控制数据之后,所述方法还包括:将所述空间移动辅助控制数据下发给所述VR平台系统。
在一些可能的实施例中,所述通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括:
对于待进行力学参数矩阵识别的任意一个VR脚部摇杆传感数据,在所述VR脚部摇杆传感数据中进行传感控制项目捕捉,得到若干个传感控制项目;
分别为捕捉到的每一个传感控制项目配置一个表征字段,其中,所述表征字段通过设定规模的线性数组表示。
在一些可能的实施例中,所述依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,包括:
获得所述拟分析VR脚部摇杆传感数据的第一传感控制项目表征字段集和任意一个历史VR脚部摇杆传感数据的第二传感控制项目表征字段集;
确定任意两个传感控制项目表征字段之间的力学操控参数矩阵差异,所述任意两个传感控制项目表征字段中的一个传感控制项目表征字段源于所述第一传感控制项目表征字段集,另一个传感控制项目表征字段源于所述第二传感控制项目表征字段集;
依据得到的力学操控参数矩阵差异,在所述拟分析VR脚部摇杆传感数据和所述历史VR脚部摇杆传感数据中确定配对的传感控制项目,任意一对配对的传感控制项目对应的力学操控参数矩阵差异小于第二差异限值;
对配对的传感控制项目进行清洗处理,得到最后配对的传感控制项目。本发明实施例还提供了一种VR空间移动控制系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述方法。
本发明实施例综合考虑第一力学操控参数矩阵和第二力学操控参数矩阵进行VR脚部摇杆传感数据处理,第一力学操控参数矩阵是通过第一力学参数矩阵识别指示识别出的力学操控参数矩阵,第二力学操控参数矩阵是通过第二力学参数矩阵识别指示识别出的力学操控参数矩阵,其中,第一力学参数矩阵识别指示为依据AI残差处理的识别指示,第二力学参数矩阵识别指示为依据AI膨胀卷积处理的识别指示。
进一步地,本发明实施例引入了两种力学操控参数矩阵的不同长处,其中,依据第一力学操控参数矩阵进行VR脚部摇杆传感数据处理的具有资源节约的优点,而依据第二力学操控参数矩阵进行VR脚部摇杆传感数据处理可以确保VR脚部摇杆传感数据配对的准确性和可信度。示例性的,本发明实施例包括两级思路,第一级思路可以挖掘第一力学操控参数矩阵以及依据识别出的第一力学操控参数矩阵进行VR脚部摇杆传感数据采样,并仅将采样后得到的历史VR脚部摇杆传感数据加载到第二级思路进行第二力学参数矩阵识别,显著节约了第二级思路依据第二力学操控参数矩阵进行VR脚部摇杆传感数据配对的资源开销,提高控制处理时效性,且在依据第一力学操控参数矩阵采样完VR脚部摇杆传感数据之后还会再依据第二力学操控参数矩阵进行VR脚部摇杆传感数据配对,提高了控制处理匹配的准确性,这样可以兼顾VR脚部摇杆控制的时效性和精度;在此基础上,能够以空间移动辅助控制数据的VR大空间控制记录为参照,快速准确地生成拟分析VR脚部摇杆传感数据的控制响应信息,从而实现VR脚部摇杆的高效准确控制。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种VR脚部摇杆控制空间移动方法的流程示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明实施例所提供的方法实施例可以在VR空间移动控制系统、计算机设备或者类似的运算装置中执行。以运行在VR空间移动控制系统上为例,VR空间移动控制系统可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器,可选地,上述VR空间移动控制系统还可以包括用于通信功能的传输装置。
存储器可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种VR脚部摇杆控制空间移动方法对应的计算机程序,处理器通过运行存储在存储器内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至VR空间移动控制系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括VR空间移动控制系统的通信供应商提供的无线网络。在一个实例中,传输装置包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图1,图1是本发明实施例所提供的一种VR脚部摇杆控制空间移动方法的流程示意图,该方法应用于VR空间移动控制系统,进一步所述方法至少可以包括以下步骤1-步骤4所记录的技术方案。
步骤1、获得拟分析VR脚部摇杆传感数据,通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,得到第一力学操控参数矩阵。
在本发明实施例中,所述第一力学参数矩阵识别指示为依据AI残差处理的识别指示。依据AI残差处理的识别指示可以是基于深度学习的特征提取思路。其中,拟分析VR脚部摇杆传感数据的获取方式可以是:VR空间移动控制系统直接接收VR脚部体感设备传输的拟分析VR脚部摇杆传感数据。比如用户通过VR脚部体感设备进行作用(比如走、跑、跳、滑步等),VR脚部体感设备将采集到的拟分析VR脚部摇杆传感数据上传给VR空间移动控制系统。相应的,力学操控参数矩阵用于反映拟分析VR脚部摇杆传感数据所对应的力学操控特征,也可以理解为用户的脚部作用特征。
步骤2、依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,得到第二力学操控参数矩阵。
在本发明实施例中,所述第二力学参数矩阵识别指示为依据AI膨胀卷积处理的识别指示。进一步地,依据AI膨胀卷积处理的识别指示可以是基于空洞卷积的特征提取思路。历史VR脚部摇杆传感数据可以是之前的VR脚部摇杆传感数据,历史VR脚部摇杆传感数据可以作为参考数据或者备选数据。
步骤3、依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,将所述不少于一个历史VR脚部摇杆传感数据中的第一VR脚部摇杆传感数据确定为空间移动辅助控制数据。
在本发明实施例中,所述第一VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间配对的传感控制项目个数大于设定个数。传感控制项目可以是VR脚部摇杆传感数据中的传感控制事件数据,比如跑跳控制数据、滑步控制数据等。空间移动辅助控制数据可以作为确定拟分析VR脚部摇杆传感数据的控制响应信息的参考。
步骤4、通过所述空间移动辅助控制数据的VR大空间控制记录,生成针对所述拟分析VR脚部摇杆传感数据的控制响应信息。
在实际应用时,拟分析VR脚部摇杆传感数据是灵活多变且随机的,因而快速准确地响应拟分析VR脚部摇杆传感数据是传统技术难以攻克的难点。但是本发明实施例通过AI技术快速准确地确定空间移动辅助控制数据,然后基于空间移动辅助控制数据的VR大空间控制记录进行拟分析VR脚部摇杆传感数据的控制响应信息的生成,一方面能够基于配对的空间移动辅助控制数据快速获得之前的VR大空间控制记录以进行控制响应信息的关联生成,这样可以提高控制响应处理的时效性,另一方面,由于空间移动辅助控制数据的匹配过程依据了准确的力学操控参数矩阵,因而可以保障生成的控制响应信息的精度,这样可以灵活、快速且精准地对拟分析VR脚部摇杆传感数据进行响应,提高VR脚部体感交互的沉浸性。
在一些可能的示例中,步骤1中的通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,包括:依据AI残差网络对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,所述AI残差网络是依据第一调校示例集合和第二调校示例集合调校得到的。
在本发明实施例中,所述第一调校示例集合为添加了训练认证信息的样本集合,所述第二调校示例集合为没有添加训练认证信息的样本集合。
在另一些实施例中,所述AI残差网络包括参数矩阵挖掘子网、参数矩阵分团子网和参数矩阵识别子网。基于此,所述AI残差网络的调校过程包括S100-S300。
S100、将所述第一调校示例集合和所述第二调校示例集合中包括的VR脚部摇杆传感数据示例加载到所述参数矩阵挖掘子网。
S200、基于所述参数矩阵分团子网的参数矩阵分团子网,循环地对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据进行分团,将得到的分团结果作为训练干扰信息传入到所述参数矩阵识别子网。
S300、基于所述参数矩阵识别子网的识别算子,获得依据所述训练干扰信息的训练代价变量,根据所述训练代价变量循环地优化所述参数矩阵挖掘子网的配置参数。
进一步地,S300中的获得依据所述训练干扰信息的训练代价变量,包括:将所述训练干扰信息、所述参数矩阵挖掘子网生成的力学操控参数矩阵数据、以及所述识别算子对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据的识别结果,作为依据所述训练干扰信息的训练代价变量。
在上述内容的基础上,所述方法还包括S400和S500。
S400、获得连续两次分团结果的基础交叉特征(基础互特征),所述基础交叉特征指示了所述AI残差网络的波动性,所述基础交叉特征的特征值越大反映所述AI残差网络越趋于稳定状态。
S500、根据所述基础交叉特征确定所述AI残差网络的稳定状态,在所述AI残差网络达到稳定状态后完成网络调校过程,其中,所述AI残差网络的稳定要求为所述基础交叉特征的特征值达到一个预设变量。
在另一些设计思路下,步骤2中的依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,包括:获得所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵与力学操控参数矩阵池中记录的第一力学操控参数矩阵之间的力学操控参数矩阵差异,通过力学操控参数矩阵差异降序的规则,对与记录的第一力学操控参数矩阵对应的待处理VR脚部摇杆传感数据进行整理;将排序靠前的X个待处理VR脚部摇杆传感数据,确定为所述不少于一个历史VR脚部摇杆传感数据。
在又一些设计思路下,步骤3中的对各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括:获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵;分别获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵与所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵之间的力学操控参数矩阵差异,对所述不少于一个历史VR脚部摇杆传感数据中的第二VR脚部摇杆传感数据进行第二力学参数矩阵识别;其中,所述第二VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间的力学操控参数矩阵差异小于第一差异限值。
在一些可选的实施例中,步骤1中的获得拟分析VR脚部摇杆传感数据,包括:接收VR平台系统发送的VR脚部摇杆传感数据处理申请,从所述VR脚部摇杆传感数据处理申请中获得所述拟分析VR脚部摇杆传感数据。基于此,在另一些可选的实施例中,在得到所述空间移动辅助控制数据之后,所述方法还包括:将所述空间移动辅助控制数据下发给所述VR平台系统。
如此,可以提高VR脚部摇杆传感数据的获取灵活性,并且将空间移动辅助控制数据下发给VR平台系统,可以辅助VR平台系统进行响应处理。
在另一些可能的实施例中,步骤2中的通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括步骤21和步骤22。
步骤21、对于待进行力学参数矩阵识别的任意一个VR脚部摇杆传感数据,在所述VR脚部摇杆传感数据中进行传感控制项目捕捉,得到若干个传感控制项目。
步骤22、分别为捕捉到的每一个传感控制项目配置一个表征字段,其中,所述表征字段通过设定规模的线性数组表示。
在本发明实施例中,表征字段可以理解为描述向量,设定规模的线性数组可以理解为设定维度的特征向量。
进一步地,步骤3所描述的依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,包括步骤31-步骤34。
步骤31、获得所述拟分析VR脚部摇杆传感数据的第一传感控制项目表征字段集和任意一个历史VR脚部摇杆传感数据的第二传感控制项目表征字段集。
步骤32、确定任意两个传感控制项目表征字段之间的力学操控参数矩阵差异,所述任意两个传感控制项目表征字段中的一个传感控制项目表征字段源于所述第一传感控制项目表征字段集,另一个传感控制项目表征字段源于所述第二传感控制项目表征字段集。
步骤33、依据得到的力学操控参数矩阵差异,在所述拟分析VR脚部摇杆传感数据和所述历史VR脚部摇杆传感数据中确定配对的传感控制项目,任意一对配对的传感控制项目对应的力学操控参数矩阵差异小于第二差异限值。
步骤34、对配对的传感控制项目进行清洗处理,得到最后配对的传感控制项目。
在一些示例下,所述第二力学操控参数矩阵为局部力学操控特征关系网。局部力学操控特征关系网可以理解为尺度不变的特征关系网或者特征图。
本发明实施例还提供了一种VR空间移动控制系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述方法。
在本发明实施例所提供j的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种VR脚部摇杆控制空间移动方法,其特征在于,应用于VR空间移动控制系统,所述方法包括:
获得拟分析VR脚部摇杆传感数据,通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,得到第一力学操控参数矩阵,所述第一力学参数矩阵识别指示为依据AI残差处理的识别指示;
依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,得到第二力学操控参数矩阵,所述第二力学参数矩阵识别指示为依据AI膨胀卷积处理的识别指示;所述第二力学操控参数矩阵为局部力学操控特征关系网;
依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,将所述不少于一个历史VR脚部摇杆传感数据中的第一VR脚部摇杆传感数据确定为空间移动辅助控制数据,所述第一VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间配对的传感控制项目个数大于设定个数;
通过所述空间移动辅助控制数据的VR大空间控制记录,生成针对所述拟分析VR脚部摇杆传感数据的控制响应信息。
2.根据权利要求1所述的方法,其特征在于,所述通过第一力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,包括:依据AI残差网络对所述拟分析VR脚部摇杆传感数据进行力学参数矩阵识别,所述AI残差网络是依据第一调校示例集合和第二调校示例集合调校得到的;其中,所述第一调校示例集合为添加了训练认证信息的样本集合,所述第二调校示例集合为没有添加训练认证信息的样本集合。
3.根据权利要求2所述的方法,其特征在于,所述AI残差网络包括参数矩阵挖掘子网、参数矩阵分团子网和参数矩阵识别子网,所述AI残差网络的调校过程,包括:
将所述第一调校示例集合和所述第二调校示例集合中包括的VR脚部摇杆传感数据示例加载到所述参数矩阵挖掘子网;
基于所述参数矩阵分团子网的参数矩阵分团子网,循环地对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据进行分团,将得到的分团结果作为训练干扰信息传入到所述参数矩阵识别子网;
基于所述参数矩阵识别子网的识别算子,获得依据所述训练干扰信息的训练代价变量,根据所述训练代价变量循环地优化所述参数矩阵挖掘子网的配置参数;
其中,所述获得依据所述训练干扰信息的训练代价变量,包括:将所述训练干扰信息、所述参数矩阵挖掘子网生成的力学操控参数矩阵数据、以及所述识别算子对所述参数矩阵挖掘子网生成的力学操控参数矩阵数据的识别结果,作为依据所述训练干扰信息的训练代价变量。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获得连续两次分团结果的基础交叉特征,所述基础交叉特征指示了所述AI残差网络的波动性,所述基础交叉特征的特征值越大反映所述AI残差网络越趋于稳定状态;
根据所述基础交叉特征确定所述AI残差网络的稳定状态,在所述AI残差网络达到稳定状态后完成网络调校过程,其中,所述AI残差网络的稳定要求为所述基础交叉特征的特征值达到一个预设变量。
5.根据权利要求1所述的方法,其特征在于,所述依据所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵,确定与所述拟分析VR脚部摇杆传感数据配对的不少于一个历史VR脚部摇杆传感数据,包括:
获得所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵与力学操控参数矩阵池中记录的第一力学操控参数矩阵之间的力学操控参数矩阵差异,通过力学操控参数矩阵差异降序的规则,对与记录的第一力学操控参数矩阵对应的待处理VR脚部摇杆传感数据进行整理;
将排序靠前的X个待处理VR脚部摇杆传感数据,确定为所述不少于一个历史VR脚部摇杆传感数据;X个为正整数。
6.根据权利要求1所述的方法,其特征在于,对各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括:
获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵;
分别获得各个历史VR脚部摇杆传感数据的第一力学操控参数矩阵与所述拟分析VR脚部摇杆传感数据的第一力学操控参数矩阵之间的力学操控参数矩阵差异,对所述不少于一个历史VR脚部摇杆传感数据中的第二VR脚部摇杆传感数据进行第二力学参数矩阵识别;
其中,所述第二VR脚部摇杆传感数据与所述拟分析VR脚部摇杆传感数据之间的力学操控参数矩阵差异小于第一差异限值。
7.根据权利要求1所述的方法,其特征在于,所述获得拟分析VR脚部摇杆传感数据,包括:接收VR平台系统发送的VR脚部摇杆传感数据处理申请,从所述VR脚部摇杆传感数据处理申请中获得所述拟分析VR脚部摇杆传感数据;
在得到所述空间移动辅助控制数据之后,所述方法还包括:将所述空间移动辅助控制数据下发给所述VR平台系统。
8.根据权利要求1所述的方法,其特征在于,所述通过第二力学参数矩阵识别指示对所述拟分析VR脚部摇杆传感数据和各个历史VR脚部摇杆传感数据进行力学参数矩阵识别,包括:
对于待进行力学参数矩阵识别的任意一个VR脚部摇杆传感数据,在所述VR脚部摇杆传感数据中进行传感控制项目捕捉,得到若干个传感控制项目;
分别为捕捉到的每一个传感控制项目配置一个表征字段,其中,所述表征字段通过设定规模的线性数组表示;
其中,所述依据识别出的第二力学操控参数矩阵,将所述拟分析VR脚部摇杆传感数据依次与各个历史VR脚部摇杆传感数据进行传感控制项目配对处理,包括:
获得所述拟分析VR脚部摇杆传感数据的第一传感控制项目表征字段集和任意一个历史VR脚部摇杆传感数据的第二传感控制项目表征字段集;
确定任意两个传感控制项目表征字段之间的力学操控参数矩阵差异,所述任意两个传感控制项目表征字段中的一个传感控制项目表征字段源于所述第一传感控制项目表征字段集,另一个传感控制项目表征字段源于所述第二传感控制项目表征字段集;
依据得到的力学操控参数矩阵差异,在所述拟分析VR脚部摇杆传感数据和所述历史VR脚部摇杆传感数据中确定配对的传感控制项目,任意一对配对的传感控制项目对应的力学操控参数矩阵差异小于第二差异限值;
对配对的传感控制项目进行清洗处理,得到最后配对的传感控制项目。
9.一种VR空间移动控制系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现上述权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310191093.XA CN115857703B (zh) | 2023-03-02 | 2023-03-02 | Vr脚部摇杆控制空间移动方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310191093.XA CN115857703B (zh) | 2023-03-02 | 2023-03-02 | Vr脚部摇杆控制空间移动方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115857703A CN115857703A (zh) | 2023-03-28 |
CN115857703B true CN115857703B (zh) | 2023-05-09 |
Family
ID=85659690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310191093.XA Active CN115857703B (zh) | 2023-03-02 | 2023-03-02 | Vr脚部摇杆控制空间移动方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115857703B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117629616B (zh) * | 2024-01-26 | 2024-04-26 | 广东控银实业有限公司 | 摇杆测试方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184006A (zh) * | 2010-02-22 | 2011-09-14 | 艾利维公司 | 具有最小延迟的动作识别的系统和方法 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
CN114259693A (zh) * | 2021-12-28 | 2022-04-01 | 广州卓远虚拟现实科技有限公司 | 一种虚拟现实跑步机的控制方法及系统 |
CN114904273A (zh) * | 2022-06-07 | 2022-08-16 | 网易(杭州)网络有限公司 | 游戏中虚拟对象控制方法、装置、电子设备和存储介质 |
CN218338965U (zh) * | 2022-09-21 | 2023-01-20 | 广州卓远虚拟现实科技有限公司 | 一种模拟平衡车的脚控游戏设备 |
-
2023
- 2023-03-02 CN CN202310191093.XA patent/CN115857703B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184006A (zh) * | 2010-02-22 | 2011-09-14 | 艾利维公司 | 具有最小延迟的动作识别的系统和方法 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
CN114259693A (zh) * | 2021-12-28 | 2022-04-01 | 广州卓远虚拟现实科技有限公司 | 一种虚拟现实跑步机的控制方法及系统 |
CN114904273A (zh) * | 2022-06-07 | 2022-08-16 | 网易(杭州)网络有限公司 | 游戏中虚拟对象控制方法、装置、电子设备和存储介质 |
CN218338965U (zh) * | 2022-09-21 | 2023-01-20 | 广州卓远虚拟现实科技有限公司 | 一种模拟平衡车的脚控游戏设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115857703A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2499844B1 (en) | A mobile device controlled by context awareness | |
CN115857703B (zh) | Vr脚部摇杆控制空间移动方法及系统 | |
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN105938557B (zh) | 图像识别方法、图像识别装置 | |
CN111091200A (zh) | 训练模型的更新方法、系统、智能体、服务器及存储介质 | |
CN110470333B (zh) | 传感器参数的标定方法及装置、存储介质和电子装置 | |
CN109952596B (zh) | 皮肤信息处理方法及皮肤信息处理装置 | |
CN111279209B (zh) | 用于改进定位模型的指纹数据预处理方法 | |
KR102009608B1 (ko) | 센서 네트워크에서 uav의 센싱 데이터 정보 최대화를 위한 pso 기반 uav 위치 탐색 방법 및 장치 | |
US9995564B2 (en) | Terminal and server for modifying magnetic field and method thereof | |
CN104320591A (zh) | 一种控制摄像头前后切换的方法、装置和一种智能终端 | |
CN111521971B (zh) | 一种机器人的定位方法及系统 | |
CN111090688A (zh) | 一种时序数据的平滑处理方法和装置 | |
CN108159694B (zh) | 柔体飘动模拟方法、柔体飘动模拟装置及终端设备 | |
CN107851313B (zh) | 计算机可读介质及信息处理装置 | |
JP7135829B2 (ja) | 測位システム、情報処理装置、及び、測位校正プログラム | |
CN110392115B (zh) | 区块链节点管理方法、装置和可读存储介质 | |
CN110298912B (zh) | 三维场景的复现方法、系统、电子装置及存储介质 | |
CN112286185A (zh) | 扫地机器人及其三维建图方法、系统及计算机可读存储介质 | |
KR102150276B1 (ko) | 통신 네트워크에서 무선 맵을 위한 핑거 프린트 생성 방법 및 장치 | |
KR101936130B1 (ko) | 로봇팔을 이용한 블록 조립 시스템 및 그 방법 | |
CN111563134B (zh) | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 | |
CN114459482A (zh) | 边界简化方法、路径规划方法、装置、设备及系统 | |
JP6973509B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
Bâce et al. | Lightweight indoor localization system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |