[發明專利]一種智能模型訓練方法及裝置、一種碰撞檢測方法及裝置

有效

• 申請號: 201811433780.3
• 申請日: 2018-11-28
• 公開（公告）號: CN109493427B
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 梁宇軒
• 申請（專利權）人: 珠海金山數字網絡科技有限公司;成都西山居世游科技有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06N20/00
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 吳肖肖

1.一種智能模型訓練方法，其特征在于，包括：

獲取物體樣本集的集合，其中，所述物體樣本集的集合包含多組物體樣本集以及每組所述物體樣本集對應的物體樣本集標簽，每組所述物體樣本集包含物體樣本的大小、物體樣本的數量、物體樣本的密集度，所述物體樣本集標簽包括網格層建立方法，所述網格層建立方法為所述物體樣本集建立網格層，確定所述物體樣本集中物體樣本在對應網格層的網格層坐標，并根據所述物體樣本集中物體樣本在對應網格層的網格層坐標，確定所述物體樣本集中物體樣本的碰撞關系；

通過所述物體樣本集的集合對智能模型進行訓練，得到所述智能模型，所述智能模型使得所述物體樣本集和所述物體樣本集標簽相關聯，所述智能模型根據所述物體樣本集即獲得對應的所述物體樣本集標簽即網格層建立方法。

2.根據權利要求1所述的方法，其特征在于，獲取物體樣本集的集合之前，還包括：

確定每組所述物體樣本集對應的物體樣本集標簽。

3.根據權利要求2所述的方法，其特征在于，確定每組所述物體樣本集對應的物體樣本集標簽包括：

根據包括至少兩種網格層建立方法的集合為每組所述物體樣本集建立至少兩種對應的網格層；根據所述至少兩種網格層確定每組所述物體樣本集中物體樣本的至少兩種碰撞關系；

根據所述至少兩種碰撞關系確定每組所述物體樣本集中物體樣本的至少兩種碰撞檢測結果，其中，所述碰撞檢測結果包括檢測一次所述物體樣本集中物體樣本的碰撞檢測耗時；

從所述至少兩種碰撞檢測結果中選擇一種碰撞檢測結果對應的網格層建立方法作為所述物體樣本集對應的物體樣本集標簽。

4.根據權利要求3所述的方法，其特征在于，從所述至少兩種碰撞檢測結果中選擇一種碰撞檢測結果對應的網格層建立方法作為所述物體樣本集對應的物體樣本集標簽之后，還包括：接收新的網格層建立方法，并將所述新的網格層建立方法添加至所述包括至少兩種網格層建立方法的集合中。

5.根據權利要求3所述的方法，其特征在于，根據所述至少兩種網格層確定每組所述物體樣本集中物體樣本的至少兩種碰撞關系包括：

確定每組所述物體樣本集中物體樣本在其對應的所述至少兩種網格層的至少兩個網格層坐標；根據每組所述物體樣本集中物體樣本的所述至少兩個網格層坐標確定每組所述物體樣本集中物體樣本的至少兩種碰撞關系。

6.根據權利要求5所述的方法，其特征在于，所述網格層坐標包括每組所述物體樣本集中物體樣本的物體粒度，每組所述物體樣本集中物體樣本在所述網格層的橫坐標以及每組所述物體樣本集中物體樣本在所述網格層的縱坐標，

確定每組所述物體樣本集中物體樣本在其對應的所述至少兩種網格層的至少兩個網格層坐標包括：

以每組所述物體樣本集中物體樣本的物體粒度為z軸，每組所述物體樣本集中物體樣本在所述網格層的橫坐標為x軸以及每組所述物體樣本集中物體樣本在所述網格層的縱坐標為y軸，將所述至少兩個網格層轉換為至少兩個粒度坐標系，確定每組所述物體樣本集中物體樣本在所述至少兩個粒度坐標系的坐標。

7.根據權利要求6所述的方法，其特征在于，根據每組所述物體樣本集中物體樣本的所述至少兩個網格層坐標確定每組所述物體樣本集中物體樣本的至少兩種碰撞關系包括：

根據每組所述物體樣本集中物體樣本在所述至少兩個粒度坐標系的坐標確定每組所述物體樣本集中物體樣本的至少兩種碰撞關系。

8.一種碰撞檢測方法，其特征在于，包括：

獲取包括至少兩個待檢測物體的待檢測物體集，其中，所述待檢測物體集包括待檢測物體的大小、待檢測物體的數量以及待檢測物體的密集度；

根據預先生成的智能模型為所述待檢測物體集確定網格層建立方法，并根據所述網格層建立方法為所述待檢測物體集建立對應的網格層，其中，所述智能模型為如上述權利要求1-7任意一項所述的智能模型訓練方法預先生成的智能模型；

確定所述待檢測物體集中待檢測物體在其對應的網格層的網格層坐標；

根據所述待檢測物體集中待檢測物體各自的網格層坐標確定所述待檢測物體集中待檢測物體的碰撞關系。