CN117333646B - 一种ar地图联动跑步机的漫游方法 - Google Patents
一种ar地图联动跑步机的漫游方法 Download PDFInfo
- Publication number
- CN117333646B CN117333646B CN202311630111.6A CN202311630111A CN117333646B CN 117333646 B CN117333646 B CN 117333646B CN 202311630111 A CN202311630111 A CN 202311630111A CN 117333646 B CN117333646 B CN 117333646B
- Authority
- CN
- China
- Prior art keywords
- adopting
- user
- generating
- model
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000003993 interaction Effects 0.000 claims abstract description 101
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 230000002452 interceptive effect Effects 0.000 claims abstract description 61
- 238000005516 engineering process Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000003064 k means clustering Methods 0.000 claims abstract description 10
- 230000006978 adaptation Effects 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 238000007637 random forest analysis Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 53
- 230000006399 behavior Effects 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 19
- 230000008451 emotion Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 238000012300 Sequence Analysis Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000013439 planning Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 230000006397 emotional response Effects 0.000 claims description 5
- 238000000556 factor analysis Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000013515 script Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 208000025174 PANDAS Diseases 0.000 claims description 4
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 4
- 235000016496 Panda oleosa Nutrition 0.000 claims description 4
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000003058 natural language processing Methods 0.000 claims description 4
- 229910052711 selenium Inorganic materials 0.000 claims description 4
- 239000011669 selenium Substances 0.000 claims description 4
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 240000000220 Panda oleosa Species 0.000 claims 1
- 230000003190 augmentative effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 240000004718 Panda Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及增强现实AR、互动地图技术领域，具体为一种AR地图联动跑步机的漫游方法，包括以下步骤，基于用户历史运动记录，采用K‑均值聚类算法进行兴趣分析，生成用户兴趣聚类结果；本发明中，通过K‑均值聚类算法和随机森林算法对用户历史运动记录进行分析，能准确地识别用户偏好，从而创建个性化的运动环境，结合地理空间数据处理技术和数字高程模型技术，生成的三维场景模型不仅逼真，还富有教育和文化价值，通过整合STTAPI和TTSAPI的语音交互模型，提供了更自然、便捷的交互方式，运用数据分析技术和场景适应算法对虚拟环境进行动态调整，确保了运动体验的连续性和动态性，使用户在每次锻炼中都能获得新鲜感和更好的体验。
Description
技术领域
本发明涉及增强现实AR、互动地图技术领域，尤其涉及一种AR地图联动跑步机的漫游方法。
背景技术
增强现实AR、互动地图领域专注于利用AR技术提升传统健身设备的交互性和娱乐性，使健身体验更加沉浸和有趣，增强现实技术通过在用户的视觉中增添虚拟元素，改变或增强现实世界的感知，在健身器材上的应用，通过将这种技术与运动设备结合，创造出虚拟的运动环境，从而为用户提供丰富和互动的运动体验。
AR地图联动跑步机的漫游方法是一种将AR技术应用于跑步机的创新方法，这种方法的目的是通过模拟多环境和场景，增加跑步训练的趣味性和参与度，用户在跑步机上运动时，可以通过AR设备看到自己仿佛在真实世界的多个地点漫游。
这种方法通常通过将跑步机与AR软件和硬件系统相连接实现，在硬件层面，需要使用头戴显示设备、传感器或智能手机设备捕捉和渲染虚拟环境，在软件层面，程序能根据跑步机的速度和方向调整虚拟环境中的运动。
现有的AR地图联动跑步机方法在个性化和互动性方面存在不足，没有充分利用用户的历史运动数据优化运动体验，在虚拟环境的真实感和互动性方面不够成熟，限制了用户的沉浸感和参与度，在语音交互方面，缺乏流畅和自然的交互体验，而且缺乏动态场景调整机制，使用户在反复运动中容易感到单调和乏味，缺乏持续的动力和新鲜感。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种AR地图联动跑步机的漫游方法。
为了实现上述目的，本发明采用了如下技术方案：一种AR地图联动跑步机的漫游方法，包括以下步骤：
S1：基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果；
S2：基于所述用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型；
S3：基于所述三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境；
S4：基于所述具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境；
S5：基于所述具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型；
S6：基于所述AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型；
S7：基于所述语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据；
S8：基于所述运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景；
S9：基于所述用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告。
所述用户兴趣聚类结果包括用户偏好的历史时期、文化主题、生态环境类型，所述具有内容的虚拟环境包括历史事件、文化背景、生态信息环境，所述具有互动性的虚拟环境包括虚拟导游、任务挑战、互动展览，所述AR体验模型具体为增强的视觉和听觉效果，所述语音交互模型包括对多种语言的支持、互动，所述运动反馈数据包括用户的速度、距离、心率运动指标，所述用户响应的动态场景具体为根据运动强度变化的场景元素和互动事件。
作为本发明的进一步方案，基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果的步骤具体为：
S101：基于用户历史运动记录，采用Pandas库进行异常数据去除，生成清洗后的数据集；
S102：基于所述清洗后的数据集，采用随机森林算法进行特征提取，生成特征集；
S103：基于所述特征集，采用Scikit-learn库进行特征集聚类，生成初步的聚类结果；
S104：基于所述初步的聚类结果，采用轮廓系数评估工具，进行聚类参数优化，生成用户兴趣聚类结果。
作为本发明的进一步方案，基于所述用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型的步骤具体为：
S201：基于所述用户兴趣聚类结果，进行场景主题的选择，采用ArcGIS软件创建基础地形，生成基础地形模型；
S202：基于所述基础地形模型，采用Blender软件进行建模，生成初步三维模型；
S203：基于所述初步三维模型，采用数字高程模型技术进行场景优化，生成地理信息增强的三维模型；
S204：基于所述地理信息增强的三维模型，采用Unity3D进行场景集成，并进行纹理映射和光照处理，生成三维场景模型。
作为本发明的进一步方案，基于所述三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境的步骤具体为：
S301：基于所述三维场景模型，采用SQLServer查询选定历史资料库，生成选定历史信息源；
S302：基于所述选定历史信息源，采用SQL关联查询技术和数据融合工具，进行信息整合，生成信息融合结果；
S303：基于所述信息融合结果，采用数据质量管理工具进行内容审核和逻辑校验，生成审核后的信息内容；
S304：基于所述生成审核后的信息内容，采用数据集成软件完成信息与三维模型的融合，生成具有内容的虚拟环境。
作为本发明的进一步方案，基于所述具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境的步骤具体为：
S401：基于所述具有内容的虚拟环境，采用场景布局工具进行互动元素和交互逻辑规划，生成互动元素布局方案；
S402：基于所述互动元素布局方案，在Unity引擎中采用C#脚本进行互动功能的初步开发，生成初步互动功能原型；
S403：基于所述初步互动功能原型，采用JavaScript和PlayMaker插件，进行互动元素细节和逻辑复杂性的优化，生成互动元素；
S404：基于所述互动元素，采用UI设计软件进行用户体验和界面的优化，生成具有互动性的虚拟环境。
作为本发明的进一步方案，基于所述具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型的步骤具体为：
S501：基于所述具有互动性的虚拟环境，进行ARCore框架选择，生成AR框架选择结果；
S502：基于所述AR框架选择结果，采用ARCore进行图像追踪和虚拟对象渲染，生成基础AR功能集；
S503：基于所述基础AR功能集，采用Shader编程和光影效果调整工具进行视觉效果的增强，生成增强视觉效果的AR模型；
S504：基于所述增强视觉效果的AR模型，采用性能分析工具进行调整和优化，生成AR体验模型。
作为本发明的进一步方案，基于所述AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型的步骤具体为：
S601：基于所述AR体验模型，采用自然语言处理技术，进行语音交互功能和场景的规划，生成语音交互方案；
S602：基于所述语音交互方案，集成STTAPI进行用户语音指令的识别和转录，生成语音识别模型；
S603：基于所述语音识别模型，集成TTSAPI进行用户语音指令的响应，生成语音反馈模型；
S604：基于所述语音反馈模型，采用Selenium框架进行语音识别测试，生成语音交互模型。
作为本发明的进一步方案，基于所述语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据的步骤具体为：
S701：基于所述语音交互模型，采用蓝牙低功耗技术，进行跑步机与AR的无线连接，生成蓝牙连接配置；
S702：基于所述蓝牙连接配置，采用GATT协议进行运动数据的传输收集，生成原始运动数据；
S703：基于所述原始运动数据，采用回归移动平均模型，进行运动趋势和模式的分析，生成规范化运动数据；
S704：基于所述规范化运动数据，采用混合神经网络与模糊逻辑推理算法，生成运动反馈数据。
作为本发明的进一步方案，基于所述运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景的步骤具体为：
S801：基于所述运动反馈数据，采用时间序列分析，生成时间序列分析报告；
S802：基于所述时间序列分析报告，采用决策树分析进行用户行为模式分析，生成用户行为模式报告；
S803：基于所述用户行为模式报告，采用模拟退火算法，进行虚拟环境参数调整，生成优化的虚拟环境参数；
S804：基于所述优化的虚拟环境参数，采用光线追踪技术进行场景渲染，生成用户响应的动态场景。
作为本发明的进一步方案，基于所述用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告的步骤具体为：
S901：基于所述用户响应的动态场景，采用路径分析算法，进行用户行为路径和交互模式的分析，生成用户行为路径分析报告；
S902：基于所述用户行为路径分析报告，采用情绪分析算法，进行用户对场景情绪反应的分析，生成用户情绪分析报告；
S903：基于所述用户情绪分析报告，采用因子分析法，进行多变量统计分析，并进行行为和情绪数据整合，生成综合体验分析报告；
S904：基于所述综合体验分析报告，采用遗传算法，进行虚拟环境的调整，生成优化后的用户体验报告。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，通过K-均值聚类算法和随机森林算法对用户历史运动记录进行分析，能准确地识别用户偏好，从而创建个性化的运动环境，结合地理空间数据处理技术和数字高程模型技术，生成的三维场景模型不仅逼真，还富有教育和文化价值，增强了用户的沉浸感，通过整合STTAPI和TTSAPI的语音交互模型，提供了更自然、便捷的交互方式，增加了用户的参与度和互动乐趣，运用数据分析技术和场景适应算法对虚拟环境进行动态调整，确保了运动体验的连续性和动态性，使用户在每次锻炼中都能获得新鲜感和更好的体验。
附图说明
图1为本发明的主步骤示意图；
图2为本发明的S1细化示意图；
图3为本发明的S2细化示意图；
图4为本发明的S3细化示意图；
图5为本发明的S4细化示意图；
图6为本发明的S5细化示意图；
图7为本发明的S6细化示意图；
图8为本发明的S7细化示意图；
图9为本发明的S8细化示意图；
图10为本发明的S9细化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
请参阅图1，本发明提供一种技术方案：一种AR地图联动跑步机的漫游方法，包括以下步骤：
S1：基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果；
S2：基于用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型；
S3：基于三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境；
S4：基于具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境；
S5：基于具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型；
S6：基于AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型；
S7：基于语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据；
S8：基于运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景；
S9：基于用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告。
用户兴趣聚类结果包括用户偏好的历史时期、文化主题、生态环境类型，具有内容的虚拟环境包括历史事件、文化背景、生态信息环境，具有互动性的虚拟环境包括虚拟导游、任务挑战、互动展览，AR体验模型具体为增强的视觉和听觉效果，语音交互模型包括对多种语言的支持、互动，运动反馈数据包括用户的速度、距离、心率运动指标，用户响应的动态场景具体为根据运动强度变化的场景元素和互动事件。
通过K-均值聚类算法对用户的历史运动数据进行分析，实现了运动体验的个性化定制，不仅提高了用户的参与度，还增强了其满意度，利用地理空间数据处理技术创建的三维场景模型，结合丰富的历史、文化和生态背景，为用户打造沉浸式的虚拟运动环境，使得原本单调的跑步锻炼转变为充满探索和发现的趣味体验，通过JavaScript和Unity工具设计的互动元素如虚拟导游和任务挑战，以及ARCore框架增强的交互层，提高了用户的互动性和参与感，语音交互功能的集成使得用户可以通过自然而便捷的方式与系统互动，提高了运动时的安全性和便利性，实时收集的运动反馈数据，结合场景适应算法的动态调整，使得虚拟环境能够根据用户的运动强度进行实时调整，增加了训练的个性化和适应性，通过数据分析技术对用户体验进行持续优化，为用户提供反馈和建议，用户能够更好地理解自身的运动习惯，从而不断提高运动效率和质量。
请参阅图2，基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果的步骤具体为：
S101：基于用户历史运动记录，采用Pandas库进行异常数据去除，生成清洗后的数据集；
S102：基于清洗后的数据集，采用随机森林算法进行特征提取，生成特征集；
S103：基于特征集，采用Scikit-learn库进行特征集聚类，生成初步的聚类结果；
S104：基于初步的聚类结果，采用轮廓系数评估工具，进行聚类参数优化，生成用户兴趣聚类结果。
S101步骤涉及使用Pandas库对用户的历史运动记录进行数据清洗，从而识别并去除异常数据，比如不完整的记录或明显错误的输入，确保后续分析的数据质量，在S102步骤中，利用随机森林算法对清洗后的数据集进行特征提取，能够识别和突出那些对用户运动行为模式最有影响力的特征，如运动类型、时长、强度，在S103步骤中，使用Scikit-learn库，对特征集进行K-均值聚类分析，将数据点分成不同的群组，代表了不同类型的用户运动偏好，在S104步骤中，使用轮廓系数评估工具对初步的聚类结果进行优化，通过调整K-均值算法中的参数，如群集数量，获得更准确的聚类结果，最终生成用户兴趣的聚类结果。
请参阅图3，基于用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型的步骤具体为：
S201：基于用户兴趣聚类结果，进行场景主题的选择，采用ArcGIS软件创建基础地形，生成基础地形模型；
S202：基于基础地形模型，采用Blender软件进行建模，生成初步三维模型；
S203：基于初步三维模型，采用数字高程模型技术进行场景优化，生成地理信息增强的三维模型；
S204：基于地理信息增强的三维模型，采用Unity3D进行场景集成，并进行纹理映射和光照处理，生成三维场景模型。
在S201步骤中，依据用户兴趣聚类的结果确定场景主题，比如用户偏好的特定历史时期或自然景观，利用ArcGIS软件创建主题的基础地形模型，在S202步骤，采用Blender软件对基础地形模型进行更加详细的三维建模，从而添加更多细节和特色元素到基础模型中，如建筑物、植被和水体等，使模型更加丰富和逼真，在S203步骤中，运用数字高程模型技术对初步的三维模型进行进一步的场景优化，从而增强场景的地理信息细节，比如山脉的高度、河流的流向等，提升了模型的真实感和准确性，在S204步骤中，使用Unity3D软件来进行场景的最终集成，Unity3D不仅能够整合之前的地形和建模工作，还能添加纹理映射和光照处理，使整个场景看起来更加生动和真实，通过这一步骤，最终生成了完整的三维场景模型，不仅反映了用户的兴趣，还提供了高度沉浸的视觉体验。
请参阅图4，基于三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境的步骤具体为：
S301：基于三维场景模型，采用SQLServer查询选定历史资料库，生成选定历史信息源；
S302：基于选定历史信息源，采用SQL关联查询技术和数据融合工具，进行信息整合，生成信息融合结果；
S303：基于信息融合结果，采用数据质量管理工具进行内容审核和逻辑校验，生成审核后的信息内容；
S304：基于审核后的信息内容，采用数据集成软件完成信息与三维模型的融合，生成具有内容的虚拟环境。
在S301步骤中，使用SQL Server来查询并选择适合的历史资料库，根据三维场景模型的主题，比如特定的历史时期或文化背景，筛选出相关的历史信息源，在S302步骤中，利用SQL的关联查询技术和数据融合工具对选定的历史信息源进行细致的整合，通过这些技术，可以确保信息的连贯性和完整性，为场景提供更丰富的历史和文化内容，在S303步骤中，采用数据质量管理工具对信息融合的结果进行严格的内容审核和逻辑校验，目的是确保虚拟环境中的信息不仅准确无误，而且逻辑一致，避免了可能的历史错误或文化误解，在S304步骤中，使用数据集成软件将审核后的信息内容与三维模型进行融合，这一步骤涉及将文本、图像等信息内容以适当的形式嵌入到三维场景中，使其成为虚拟环境的一部分，当用户在虚拟环境中探索时，不仅能够享受视觉上的沉浸体验，还能获取有价值的历史和文化知识。
请参阅图5，基于具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境的步骤具体为：
S401：基于具有内容的虚拟环境，采用场景布局工具进行互动元素和交互逻辑规划，生成互动元素布局方案；
S402：基于互动元素布局方案，在Unity引擎中采用C#脚本进行互动功能的初步开发，生成初步互动功能原型；
S403：基于初步互动功能原型，采用JavaScript和PlayMaker插件，进行互动元素细节和逻辑复杂性的优化，生成互动元素；
其中，步骤S403具体包括如下子步骤：
S4031，基于所述初步互动功能原型，从所述初步互动功能原型中确认所包含的互动功能类型以及对应的互动功能等级；
S4032，根据所述互动功能类型以及对应的互动功能等级在预设互动系数映射表中查找得到对应的互动功能难度系数；
S4033，根据多个互动功能难度系数计算得到所述初步互动功能原型的最终互动难度指数；
其中，初步互动功能原型的最终互动难度指数的计算公式表示为：
；
其中，表示初步互动功能原型的最终互动难度指数，/>表示初步互动功能原型的互动难度指数的基准值，/>表示第/>项互动功能类型对应的权重因子，/>表示第/>项互动功能类型中第/>级的互动功能等级对应的互动功能难度系数，/>，/>，/>表示互动功能类型的最大数量，/>表示互动功能等级的最大等级。
S4034，根据所述初步互动功能原型所包含的互动功能类型以及最终互动难度指数，在预设互动元素构建表中查找确认对应的互动功能元素类型以及每种互动功能元素类型中的互动元素数量；
S4035，基于查找得到的互动功能元素类型以及每种互动功能元素类型中的互动元素数量，通过JavaScript和PlayMaker插件在预设互动元素库中进行对应调取，以得到多种互动元素。
S404：基于互动元素，采用UI设计软件进行用户体验和界面的优化，生成具有互动性的虚拟环境。
在S401步骤中，基于已有的内容丰富的虚拟环境，使用场景布局工具规划互动元素和交互逻辑，从而确定哪些元素将具有互动性，如点击触发的信息窗口、导航指引或其他互动任务，并规划它们在场景中的布局，这一规划旨在确保互动元素与环境的整体布局和主题相协调，同时为用户提供直观且引人入胜的互动体验，S402步骤中，在Unity游戏引擎中，使用C#脚本根据布局方案开发互动功能的初步原型，Unity的强大和灵活性使用户可以创建多样的互动功能，而C#脚本提供了所需的编程能力来实现这些功能的具体逻辑，在S403步骤中，使用JavaScript和PlayMaker插件对初步的互动功能原型进行细节和逻辑复杂性的优化，PlayMaker插件为非编程专家提供了一个直观的可视化界面来创建复杂的交互逻辑，而JavaScript则用于添加更多动态和交互性的元素，在S404步骤中，利用UI设计软件对互动元素进行用户体验和界面的优化，这一步骤确保了互动元素不仅功能齐全，还易于使用和美观，提升了整个虚拟环境的用户友好性和吸引力。
请参阅图6，基于具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型的步骤具体为：
S501：基于具有互动性的虚拟环境，进行ARCore框架选择，生成AR框架选择结果；
S502：基于AR框架选择结果，采用ARCore进行图像追踪和虚拟对象渲染，生成基础AR功能集；
S503：基于基础AR功能集，采用Shader编程和光影效果调整工具进行视觉效果的增强，生成增强视觉效果的AR模型；
S504：基于增强视觉效果的AR模型，采用性能分析工具进行调整和优化，生成AR体验模型。
在S501步骤中，基于已有的互动性虚拟环境进行ARCore框架的选择，包括了框架的兼容性、功能性以及对现有环境的支持度，在S502步骤中，基于选定的ARCore框架实现图像追踪和虚拟对象渲染，包括使用ARCore的核心功能来识别用户环境中的特定图像或对象，并在这些对象上渲染虚拟内容，这些基础AR功能集是构建沉浸式体验的基石，为用户提供了与虚拟环境交互的可能性，在S503步骤中，使用Shader编程和光影效果调整工具对基础AR功能集中的视觉效果进行增强，Shader编程允许创建复杂的视觉效果和光照模拟，进一步提升虚拟内容的真实感和吸引力，在S504步骤中，利用性能分析工具对增强视觉效果的AR模型进行调整和优化，性能分析确保AR体验在不同设备上运行流畅，同时优化资源使用，提供了无缝且高效的用户体验。
请参阅图7，基于AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型的步骤具体为：
S601：基于AR体验模型，采用自然语言处理技术，进行语音交互功能和场景的规划，生成语音交互方案；
S602：基于语音交互方案，集成STTAPI进行用户语音指令的识别和转录，生成语音识别模型；
S603：基于语音识别模型，集成TTSAPI进行用户语音指令的响应，生成语音反馈模型；
S604：基于语音反馈模型，采用Selenium框架进行语音识别测试，生成语音交互模型。
在S601步骤中，基于AR体验模型采用自然语言处理技术来规划语音交互功能和场景，确定语音交互将如何融入整个AR体验，包括识别可能的用户指令和预期的虚拟环境响应，在S602步骤中，根据制定的语音交互方案，集成语音到文本STTAPI来实现用户语音指令的识别和转录，S603步骤中，基于语音识别模型，进一步集成文本到语音TTSAPI来构建用户语音指令的响应系统，在S604步骤中，使用Selenium框架对整个语音交互模型进行测试，这个测试旨在验证语音识别的准确性和响应系统的效率，确保语音交互模型在实际应用中的可靠性和用户友好性。
请参阅图8，基于语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据的步骤具体为：
S701：基于语音交互模型，采用蓝牙低功耗技术，进行跑步机与AR的无线连接，生成蓝牙连接配置；
S702：基于蓝牙连接配置，采用GATT协议进行运动数据的传输收集，生成原始运动数据；
S703：基于原始运动数据，采用回归移动平均模型，进行运动趋势和模式的分析，生成规范化运动数据；
S704：基于规范化运动数据，采用混合神经网络与模糊逻辑推理算法，生成运动反馈数据。
在S701步骤中，基于语音交互模型采用蓝牙低功耗技术建立跑步机与AR设备之间的无线连接，确保跑步机的数据能够实时且稳定地传输到AR设备，蓝牙低功耗技术在保持连接稳定性的同时，还能有效降低能源消耗，在S702步骤中，基于已建立的蓝牙连接，采用通用属性配置文件GATT协议进行跑步机的运动数据传输和收集，GATT协议是蓝牙技术中用于数据交换的标准方法，它可以确保数据的正确传输和接收，在S703步骤中，使用回归移动平均模型对收集到的原始运动数据进行分析，有助于识别运动趋势和模式，从而生成规范化的运动数据，回归移动平均模型能够平滑数据波动，提供更准确的趋势分析，在S704步骤中，基于规范化的运动数据，采用混合神经网络和模糊逻辑推理算法来生成最终的运动反馈数据，混合神经网络结合了传统神经网络和模糊逻辑的优势，能够处理不确定性和复杂性较高的数据，生成更准确和有用的反馈。
请参阅图9，基于运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景的步骤具体为：
S801：基于运动反馈数据，采用时间序列分析，生成时间序列分析报告；
S802：基于时间序列分析报告，采用决策树分析进行用户行为模式分析，生成用户行为模式报告；
S803：基于用户行为模式报告，采用模拟退火算法，进行虚拟环境参数调整，生成优化的虚拟环境参数；
S804：基于优化的虚拟环境参数，采用光线追踪技术进行场景渲染，生成用户响应的动态场景。
在S801步骤中，使用时间序列分析对运动反馈数据进行处理，时间序列分析能够理解用户运动数据中的趋势和模式，比如运动强度的变化规律或运动习惯的周期性变化，在S802步骤中，基于时间序列分析报告使用决策树分析来进一步分析用户的行为模式，决策树分析能够从复杂的数据集中提取出决策规则，从而更好地理解用户的运动行为和偏好，生成的用户行为模式报告为虚拟环境的个性化调整提供了依据，在S803步骤中，使用模拟退火算法对虚拟环境的参数进行调整，模拟退火算法是一种有效的优化算法，通过模拟物理退火过程来寻找问题的全局最优解，从而能够根据用户行为模式报告中的发现，调整虚拟环境的参数，如场景难度、环境元素等，以更好地适应用户的运动表现和需求，
在S804步骤中，基于优化后的虚拟环境参数使用光线追踪技术进行场景渲染，光线追踪技术能够生成高度逼真的图像，提升场景的真实感，这一步骤的目的是确保调整后的虚拟环境在视觉上依然吸引人并且富有沉浸感。
请参阅图10，基于用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告的步骤具体为：
S901：基于用户响应的动态场景，采用路径分析算法，进行用户行为路径和交互模式的分析，生成用户行为路径分析报告；
S902：基于用户行为路径分析报告，采用情绪分析算法，进行用户对场景情绪反应的分析，生成用户情绪分析报告；
S903：基于用户情绪分析报告，采用因子分析法，进行多变量统计分析，并进行行为和情绪数据整合，生成综合体验分析报告；
S904：基于综合体验分析报告，采用遗传算法，进行虚拟环境的调整，生成优化后的用户体验报告。
在S901步骤中，采用路径分析算法对用户在动态场景中的行为路径和交互模式进行分析，从而理解用户如何与场景互动，包括选择的路径、停留的区域、以及与特定环境元素的交互方式，通过这种分析，能够生成用户行为路径分析报告，在S902步骤中，基于用户行为路径分析报告采用情绪分析算法来分析用户对场景的情绪反应，情绪分析可能包括分析用户的语音、表情或其他反馈，以理解用户对不同场景元素的情感反应，在S903步骤中，采用因子分析法对用户的行为和情绪数据进行多变量统计分析，并进行数据整合，因子分析能够识别影响用户体验的关键因素，从而在综合体验分析报告中提供全面的用户体验视角，在S904步骤中，基于综合体验分析报告采用遗传算法对虚拟环境进行调整，从而更好地适应用户的需求和偏好，这一步骤的结果是一个优化后的用户体验报告，提供具体的建议和改进措施，进一步提升用户的整体体验。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (10)
1.一种AR地图联动跑步机的漫游方法，其特征在于，所述方法包括以下步骤：
基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果；
基于所述用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型；
基于所述三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境；
基于所述具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境；
基于所述具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型；
基于所述AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型；
基于所述语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据；
基于所述运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景；
基于所述用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告；
所述用户兴趣聚类结果包括用户偏好的历史时期、文化主题、生态环境类型，所述具有内容的虚拟环境包括历史事件、文化背景、生态信息环境，所述具有互动性的虚拟环境包括虚拟导游、任务挑战、互动展览，所述AR体验模型具体为增强的视觉和听觉效果，所述语音交互模型包括对多种语言的支持、互动，所述运动反馈数据包括用户的速度、距离、心率运动指标，所述用户响应的动态场景具体为根据运动强度变化的场景元素和互动事件。
2.根据权利要求1所述的AR地图联动跑步机的漫游方法，其特征在于，基于用户历史运动记录，采用K-均值聚类算法进行兴趣分析，生成用户兴趣聚类结果的步骤具体为：
基于用户历史运动记录，采用Pandas库进行异常数据去除，生成清洗后的数据集；
基于所述清洗后的数据集，采用随机森林算法进行特征提取，生成特征集；
基于所述特征集，采用Scikit-learn库进行特征集聚类，生成初步的聚类结果；
基于所述初步的聚类结果，采用轮廓系数评估工具，进行聚类参数优化，生成用户兴趣聚类结果。
3.根据权利要求2所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述用户兴趣聚类结果，采用地理空间数据处理技术，生成三维场景模型的步骤具体为：
基于所述用户兴趣聚类结果，进行场景主题的选择，采用ArcGIS软件创建基础地形，生成基础地形模型；
基于所述基础地形模型，采用Blender软件进行建模，生成初步三维模型；
基于所述初步三维模型，采用数字高程模型技术进行场景优化，生成地理信息增强的三维模型；
基于所述地理信息增强的三维模型，采用Unity3D进行场景集成，并进行纹理映射和光照处理，生成三维场景模型。
4.根据权利要求3所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述三维场景模型，采用关联数据库技术进行信息融合，生成具有内容的虚拟环境的步骤具体为：
基于所述三维场景模型，采用SQLServer查询选定历史资料库，生成选定历史信息源；
基于所述选定历史信息源，采用SQL关联查询技术和数据融合工具，进行信息整合，生成信息融合结果；
基于所述信息融合结果，采用数据质量管理工具进行内容审核和逻辑校验，生成审核后的信息内容；
基于所述审核后的信息内容，采用数据集成软件完成信息与三维模型的融合，生成具有内容的虚拟环境。
5.根据权利要求4所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述具有内容的虚拟环境，采用JavaScript和Unity工具进行互动元素设计，生成具有互动性的虚拟环境的步骤具体为：
基于所述具有内容的虚拟环境，采用场景布局工具进行互动元素和交互逻辑规划，生成互动元素布局方案；
基于所述互动元素布局方案，在Unity引擎中采用C#脚本进行互动功能的初步开发，生成初步互动功能原型；
基于所述初步互动功能原型，采用JavaScript和PlayMaker插件，进行互动元素细节和逻辑复杂性的优化，生成互动元素；
基于所述互动元素，采用UI设计软件进行用户体验和界面的优化，生成具有互动性的虚拟环境。
6.根据权利要求5所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述具有互动性的虚拟环境，采用ARCore框架，进行交互层增强，生成AR体验模型的步骤具体为：
基于所述具有互动性的虚拟环境，进行ARCore框架选择，生成AR框架选择结果；
基于所述AR框架选择结果，采用ARCore进行图像追踪和虚拟对象渲染，生成基础AR功能集；
基于所述基础AR功能集，采用Shader编程和光影效果调整工具进行视觉效果的增强，生成增强视觉效果的AR模型；
基于所述增强视觉效果的AR模型，采用性能分析工具进行调整和优化，生成AR体验模型。
7.根据权利要求6所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述AR体验模型，通过整合STTAPI和TTSAPI完成语音交互，生成语音交互模型的步骤具体为：
基于所述AR体验模型，采用自然语言处理技术，进行语音交互功能和场景的规划，生成语音交互方案；
基于所述语音交互方案，集成STTAPI进行用户语音指令的识别和转录，生成语音识别模型；
基于所述语音识别模型，集成TTSAPI进行用户语音指令的响应，生成语音反馈模型；
基于所述语音反馈模型，采用Selenium框架进行语音识别测试，生成语音交互模型。
8.根据权利要求7所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述语音交互模型，采用蓝牙低功耗技术进行跑步机数据收集，生成运动反馈数据的步骤具体为：
基于所述语音交互模型，采用蓝牙低功耗技术，进行跑步机与AR的无线连接，生成蓝牙连接配置；
基于所述蓝牙连接配置，采用GATT协议进行运动数据的传输收集，生成原始运动数据；
基于所述原始运动数据，采用回归移动平均模型，进行运动趋势和模式的分析，生成规范化运动数据；
基于所述规范化运动数据，采用混合神经网络与模糊逻辑推理算法，生成运动反馈数据。
9.根据权利要求8所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述运动反馈数据，采用场景适应算法进行虚拟环境调整，生成用户响应的动态场景的步骤具体为：
基于所述运动反馈数据，采用时间序列分析，生成时间序列分析报告；
基于所述时间序列分析报告，采用决策树分析进行用户行为模式分析，生成用户行为模式报告；
基于所述用户行为模式报告，采用模拟退火算法，进行虚拟环境参数调整，生成优化的虚拟环境参数；
基于所述优化的虚拟环境参数，采用光线追踪技术进行场景渲染，生成用户响应的动态场景。
10.根据权利要求9所述的AR地图联动跑步机的漫游方法，其特征在于，基于所述用户响应的动态场景，采用数据分析技术进行体验分析，生成优化后的用户体验报告的步骤具体为：
基于所述用户响应的动态场景，采用路径分析算法，进行用户行为路径和交互模式的分析，生成用户行为路径分析报告；
基于所述用户行为路径分析报告，采用情绪分析算法，进行用户对场景情绪反应的分析，生成用户情绪分析报告；
基于所述用户情绪分析报告，采用因子分析法，进行多变量统计分析，并进行行为和情绪数据整合，生成综合体验分析报告；
基于所述综合体验分析报告，采用遗传算法，进行虚拟环境的调整，生成优化后的用户体验报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630111.6A CN117333646B (zh) | 2023-12-01 | 2023-12-01 | 一种ar地图联动跑步机的漫游方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630111.6A CN117333646B (zh) | 2023-12-01 | 2023-12-01 | 一种ar地图联动跑步机的漫游方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117333646A CN117333646A (zh) | 2024-01-02 |
| CN117333646B true CN117333646B (zh) | 2024-03-29 |
Family
ID=89283423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311630111.6A Active CN117333646B (zh) | 2023-12-01 | 2023-12-01 | 一种ar地图联动跑步机的漫游方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117333646B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117873837A (zh) * | 2024-03-11 | 2024-04-12 | 国网四川省电力公司信息通信公司 | 一种存储设备容量耗尽趋势的分析方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105944332A (zh) * | 2016-05-10 | 2016-09-21 | 欧昊 | 一种可联网的虚拟现实智能健身系统 |
| CN108279768A (zh) * | 2017-11-16 | 2018-07-13 | 深圳市诺诺易购网络科技有限公司 | 一种多人交互式三维虚拟环境的生成方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101780321B (zh) * | 2009-12-30 | 2012-01-25 | 永春至善体育用品有限公司 | 一种高临场感的运动健身器材虚拟实景的制作方法以及基于该虚拟实景的互动系统和方法 |
| CN107754212A (zh) * | 2016-08-16 | 2018-03-06 | 上海掌门科技有限公司 | 跑步运动设备及其虚拟现实交互方法 |
| US10957103B2 (en) * | 2017-11-03 | 2021-03-23 | Adobe Inc. | Dynamic mapping of virtual and physical interactions |
-
2023
- 2023-12-01 CN CN202311630111.6A patent/CN117333646B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105944332A (zh) * | 2016-05-10 | 2016-09-21 | 欧昊 | 一种可联网的虚拟现实智能健身系统 |
| CN108279768A (zh) * | 2017-11-16 | 2018-07-13 | 深圳市诺诺易购网络科技有限公司 | 一种多人交互式三维虚拟环境的生成方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| control of adaptive running platform based on machine vision technologies and neural networks;Artem D.Obukhov等;《SPRINGER LINK》;20220325;全文 * |
| 跑步机速度跟踪算法在联合收割机运动控制中的应用;冯建富 等;《农机化研究》;20181231(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117333646A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110227266A (zh) | 使用真实世界虚拟现实地图来构建虚拟现实游戏玩耍环境 | |
| CN117333646B (zh) | 一种ar地图联动跑步机的漫游方法 | |
| CN107423398A (zh) | 交互方法、装置、存储介质和计算机设备 | |
| CN109446618A (zh) | 一种基于vr的古建筑构件搭建模拟方法 | |
| CN110465089A (zh) | 基于图像识别的地图探索方法、装置、介质及电子设备 | |
| Navarro-Newball et al. | Gesture based human motion and game principles to aid understanding of science and cultural practices | |
| CN117391122A (zh) | 一种基于元宇宙中建立的3d数字人互助式聊天方法 | |
| Verma et al. | Generative agents in the streets: Exploring the use of Large Language Models (LLMs) in collecting urban perceptions | |
| Kang et al. | Animation Character Generation and Optimization Algorithm Based on Computer Aided Design and Virtual Reality | |
| Feng et al. | The virtual wandering system of Han Chang'an city based on information recommendation | |
| Shen et al. | Application of Folk Art Modeling in Modern Art Design Based on Human-computer Interaction | |
| Zhang | Design of Digital Display Platform for Intangible Cultural Heritage Based on VR Intelligent Technology | |
| Lin et al. | The application of unmanned aerial vehicle oblique photography technology in online tourism design | |
| Tang | From agent to avatar | |
| Hu | Visual Presentation Algorithm of Dance Arrangement and CAD Based on Big Data Analysis | |
| Xinyi | Metaverse-oriented visual art quality enhancement strategies: a field architecture design and fuzzy assessment theory perspective | |
| Wu et al. | [Retracted] Design and Research of Interactive Animation of Immersive Space Scene Based on Computer Vision Technology | |
| Wang et al. | Constructing Digital Content of Intangible Cultural Heritage Based on Artistic Image Enhancement Algorithm | |
| Zhou et al. | Intelligent Urban Landscape Design Based on Deep Learning | |
| Zhao et al. | Application of computer virtual simulation technology in tourism industry | |
| Wang | CAD Modeling Process in Animation Design Using Data Mining Methods | |
| Chen | Implementing Personalized Recommendation in Digital Media Art Design Using Machine Learning | |
| CN117292094B (zh) | 一种岩洞内演艺剧场的数字化应用方法及系统 | |
| Fan et al. | Immersive Experience of Art Design Based on improved Generative Confrontation Network | |
| Zhang et al. | Optimization of CAD Application in Tourism Landscape Planning with Deep Learning |
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 |