基于人工智能的AR防抖方法、系统、设备及存储介质技术方案

本发明专利技术涉及应用人工智能的计算机模型技术领域，特别涉及一种基于人工智能的AR防抖方法、系统、设备及存储介质，该方法包括：基于预先获取的实物图像，构建三维立体模型；基于三维立体模型进行模型压缩，建立简模；根据AR相机的空间定位，进行简模中心点与实物中心点的位置匹配，确定生成简模的具体位置；基于人工智能进行简模尺寸的计算，确定生成简模的尺寸比例；基于生成简模的具体位置和尺寸比例，在AR场景中进行模型加载，并根据AR相机在虚拟空间中的定位点和视觉半径，进行简模的删除或转换为贴图。提高了模型在场景中的加载速度，使得模型与实物稳稳贴合，防止抖动，有效实现低功耗，低延迟的效果。低延迟的效果。低延迟的效果。

【技术实现步骤摘要】
基于人工智能的AR防抖方法、系统、设备及存储介质


[0001]本专利技术涉及应用人工智能的计算机模型
，具体为一种基于人工智能的AR防抖方法、系统、设备及存储介质。

技术介绍

[0002]AR 增强现实（Augmented Reality，简称 AR），是一种实时地计算相机影像的位置及角度并加上相应图像的技术，是在屏幕上将虚拟世界嵌套于现实世界并进行互动的技术。
[0003]目前在AR领域，抖动一直是在探讨的问题，使用者在佩戴AR相机去体验所展示的三维模型时，通常会因模型内容帧率掉帧，遭到播放时卡顿和不稳定，而造成抖动的原因是在现场实时识别时，因采集的现场识别图的质量不唯一，现场由于光线和角度的差变，导致模型会不停的抖动。另外有些识别图在建模时较为复杂，模型在进行加载时会出现延迟现象，导致模型数据存在误差，造成抖动现象。

技术实现思路

[0004]为解决上述的问题，本专利技术提供了一种基于人工智能的AR防抖方法、系统、设备及存储介质，通过对模型进行精简和压缩，提高了模型在场景中的加载速度，并利用人工智能进行模型的尺寸匹配，使得模型与实物稳稳贴合，防止抖动，有效实现低功耗，低延迟的效果。
[0005]第一方面，本专利技术提供了一种基于人工智能的AR防抖方法，应用于AR相机上，其方法步骤如下：基于预先获取的实物图像，构建三维立体模型；基于三维立体模型进行模型压缩，建立简模；根据AR相机的空间定位，进行简模中心点与实物中心点的位置匹配，确定生成简模的具体位置；基于人工智能进行简模尺寸的计算，确定生成简模的尺寸比例；基于生成简模的具体位置和尺寸比例，在AR场景中进行模型加载，并根据AR相机在虚拟空间中的定位点和视觉半径，进行简模的删除或转换为贴图。
[0006]在第一方面的一些实现方式中，所述基于三维立体模型进行模型压缩，具体为减少三维立体模型的背面、阴影面或穿刺面。
[0007]在第一方面的一些实现方式中，所述简模的删除的具体操作为：根据AR相机在虚拟空间中所在位置进行定位，确认定位点，根据在定位点处可视范围内显示的模型，将被遮挡的简模进行删除。
[0008]进一步的，所述简模替换为贴图是根据AR相机在虚拟空间中所在位置进行定位，以定位点为原点，预设一个视觉半径，若简模位于视觉半径以内，则显示简模；
若简模位于视觉半径以外，则将简模转换成贴图进行显示；若简模位于视觉半径上，则显示简模。
[0009]在第一方面的一些实现方式中，所述确定生成简模的具体位置是通过获取得到实物中心点的位置O，并确定简模中心点的位置O1，将位置O1的坐标转换为世界坐标，将O与O1进行位置匹配，从而确定简模生成的具体位置。
[0010]作为具体的实施方式，所述人工智能为卷积神经网络，所述卷积神经网络每层中的神经元采用四叉树数据结构与下层中的神经元进行连接。
[0011]进一步的，所述确定生成简模的尺寸比例，包括：将预先采集的实物尺寸作为输入数据尺寸，其尺寸为W1×
H1×
D1,W1为输入数据体的宽度，H1为输入数据体的高度，D1为输入数据体的深度；并定义输出数据尺寸为W2×
H2×
D2，输出数据尺寸计算为：，其中，W2为输出数据体的宽度，H2为输出数据体的高度，D2为输出数据体的深度；F为卷积神经网络中神经元的感受野尺寸，S为卷积神经网络神经元的步长，K为卷积神经网络的滤波器数量，P为零填充的数量。
[0012]第二方面提供了一种基于人工智能的AR防抖系统，包括：视觉处理模块，用于基于预先获取的实物图像，构建三维立体模型；简模建立模块，用于基于三维立体模型进行模型压缩，建立简模；位置匹配模块，根据AR相机的空间定位，进行简模中心点与实物中心点的位置匹配，确定生成简模的具体位置；尺寸计算模块，基于人工智能进行简模尺寸的计算，确定生成简模的尺寸比例；加载处理模块，基于生成简模的具体位置和尺寸比例，在AR场景中进行模型加载，并根据AR相机在虚拟空间中的定位点和视觉半径，进行简模的删除或转换为贴图。
[0013]第三方面提供了一种基于人工智能的AR防抖设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的程序数据时实现如上所述的基于人工智能的AR防抖方法。
[0014]第四方面提供了一种计算机可读介质，用于存储控制程序数据，其中，所述控制程序数据被处理器执行时实现如上所述的基于人工智能的AR防抖方法。
[0015]有益效果在于：本专利技术通过对三维立体模型进行模型压缩，减少模型面数，提高了模型在AR场景中的加载速度，并减少了延迟效果；并采用卷积神经网络进行模型的尺寸计算，保证模型和实物有相同的空间尺寸，能够使简模与实物稳稳贴合；同时，以AR相机所在位置为定位点，在进行模型加载时通过遮挡剔除部分模型，减少空间内的简模的数量，提高AR相机对可视范围内的简模加载显示速度，提高显示的稳定性，防止模型抖动，并根据视觉半径进行模型的贴图转换，从而使得AR相机能够更好的构建虚拟空间，实现低功耗、低延迟的效果。
附图说明
[0016]图1为本申请基于人工智能的AR防抖方法的流程示意图；图2为本申请基于人工智能的AR防抖系统的结构示意图。
具体实施方式
[0017]下面将结合附图更详细地描述本公开的示例性实施方式。
[0018]如图1所示，本专利技术提供了一种基于人工智能的AR防抖方法，具体步骤实现如下：S1、基于预先获取的实物图像，构建三维立体模型；通过对预先获取的实物图像进行识别处理，从图像中提取多个特征矢量，并通过三维引擎对所提取的特征矢量进行点云样本制作，构建实物个体的三维立体模型。
[0019]S2、基于三维立体模型进行模型压缩，建立简模；使用multsec（减模）优化方法对三维立体模型进行模型压缩，减少三维立体模型的背面、阴影面或穿刺面，使模型面数减少，建立三维立体模型的简模。
[0020]通过建立简模，在不影响观看体验的基础上，提高了模型在AR场景中的加载速度，并减少了延迟效果。
[0021]S3、根据AR相机的空间定位，进行简模中心点与实物中心点的位置匹配，确定生成简模的具体位置；根据AR相机的空间定位以及AR相机采集的数据信息，获取得到实物中心点的位置O；同时，确定简模中心点的位置O1，并将位置O1的坐标转换为世界坐标，将O与O1进行位置匹配，从而确定简模生成的具体位置。
[0022]S4、基于人工智能进行简模尺寸的计算，确定生成简模的尺寸比例；将预先采集的实物尺寸作为输入数据尺寸，其尺寸为W1×
H1×
D1,W1为输入数据体的宽度，H1为输入数据体的高度，D1为输入数据体的深度；并定义输出数据尺寸为W2×
H2×
D2，W2为输出数据体的宽度，H2为输出数据体的高度，D2为输出数据体的深度；作为具体的实施方式，人工智能采用卷积神经网络，并通过四叉树数据结构将卷积神经网络各层中的神经元与下层中神经元连接，进行简模和实物的尺寸比例计算。卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的AR防抖方法，应用于AR相机上，其特征在于，包括以下步骤：基于预先获取的实物图像，构建三维立体模型；基于三维立体模型进行模型压缩，建立简模；根据AR相机的空间定位，进行简模中心点与实物中心点的位置匹配，确定生成简模的具体位置；基于人工智能进行简模尺寸的计算，确定生成简模的尺寸比例；基于生成简模的具体位置和尺寸比例，在AR场景中进行模型加载，并根据AR相机在虚拟空间中的定位点和视觉半径，进行简模的删除或转换为贴图。2.根据权利要求1所述的一种基于人工智能的AR防抖方法，其特征在于，所述基于三维立体模型进行模型压缩，具体为减少三维立体模型的背面、阴影面或穿刺面。3.根据权利要求1所述的一种基于人工智能的AR防抖方法，其特征在于，所述简模的删除的具体操作为：根据AR相机在虚拟空间中所在位置进行定位，确认定位点，根据在定位点处可视范围内显示的模型，将被遮挡的简模进行删除。4.根据权利要求1所述的一种基于人工智能的AR防抖方法，其特征在于，所述简模替换为贴图的具体操作为：根据AR相机在虚拟空间中所在位置进行定位，以定位点为原点，预设一个视觉半径，若简模位于视觉半径以内，则显示简模；若简模位于视觉半径以外，则将简模转换成贴图进行显示；若简模位于视觉半径上，则显示简模。5.根据权利要求1所述的一种基于人工智能的AR防抖方法，其特征在于，所述确定生成简模的具体位置是通过获取得到实物中心点的位置O，并确定简模中心点的位置O1，将位置O1的坐标转换为世界坐标，将O与O1进行位置匹配，从而确定简模生成的具体位置。6.根据权利要求1所述的一种基于人工智能的AR防抖方法，其特征在于，所述人工智能为卷积神经网络，所述卷积神经网络每层的神经元采用四叉树数据结构与...

【专利技术属性】
技术研发人员：王涛，曲洁，王春博，赵元汉，钟伟，
申请(专利权)人：山东捷瑞信息技术产业研究院有限公司，
类型：发明
国别省市：