The invention relates to a progressive DVE pre download method and system based on social recommendation and push and pull strategy. Based on the current incarnation: including the PVs to judge Tyson polygon, the current incarnation of the scene data of the region of interest were drawn to download; social recommendation to predict potential future incarnation of the visual scene based on set, by pulling push mixed pre download mechanisms on the future incarnation of the scene data within the region of interest and the periphery pre download, and the scene data corresponding to the corresponding distribution of the incarnation. The present invention applies the concept to the social scene pre download mechanism, quantitative node incarnation interest prediction algorithm is presented to calculate the similarity algorithm and the recommended pre incarnate scenes; the characteristics of the node scene picking region based on the proposed Pull Push strategy in different areas, make full use of the characteristics of cooperative nodes in peer-to-peer network and reduce the data transmission delay, improve the overall efficiency of data transmission DVE.
【技术实现步骤摘要】
基于社交推荐和推拉策略的渐进DVE预下载方法及系统
本专利技术涉及一种虚拟环境预加载方法,特别涉及一种基于社交推荐和推拉策略的渐进DVE预下载方法及系统。
技术介绍
预加载是指对用户节点即将加载的场景数据进行提前拾取,以减少场景渲染的等待时间,提高用户漫游的流畅度。节点在虚拟场景中漫游时,节点化身为保证最基本的视觉需求,首先要加载其兴趣区域(areaofinterest,AOI)内的场景数据,在网络带宽充分的情况下,可以对未来可能加载的场景数据进行预测并提前加载,为化身漫游的流畅性提供保障。而数据分发策略是调度预加载场景数据的实现过程,是研究在所构建的覆盖网上,节点之间如何进行调度从而实现场景数据的高效实时传输。目前,基本的分发策略有两种:推(Push)策略和拉(Pull)策略。Pull/Push策略是根据客户端主动或被动的获取数据而划分出的两种传输策略,在Push模式中,客户端不断地将自身的视点信息发送给服务器,服务器根据这些信息对数据请求者的所需场景进行判断,并将场景模型数据发送给该客户端。在Pull模式中,每一个客户端都已载入了整个虚拟场景的描述文件,客户端可以根据自身的视点信息,来判断还要下载哪些场景文件,并向服务器或者其他节点发出请求。已有的预下载策略都是通过预判化身的运动趋势并进行场景的预下载,主要方法有基于历史运动轨迹的预下载和基于领域扩张的预下载,这些预下载方式主要有以下不足:1)节点协作性低,现有的DVE预下载机制主要是针对C/S架构的DVE,皆为根据化身各自的历史运动轨迹或趋势孤立来判断每个节点的预加载场景,没有考虑到用户节点之间的协作 ...
【技术保护点】
一种基于社交推荐和推拉策略的渐进DVE预下载方法,其特征在于:包括以下步骤:步骤A00:基于泰森多边形图对化身的当前潜在可视场景集进行判断,对化身当前兴趣区域的场景数据进行拉取下载;步骤B00:基于社交推荐对化身的未来潜在可视场景集进行预测,通过拉‑推混合预下载机制对化身未来兴趣区域内及外围的场景数据进行预下载,并将相应的场景数据分发至对应的化身。
【技术特征摘要】
1.一种基于社交推荐和推拉策略的渐进DVE预下载方法,其特征在于:包括以下步骤:步骤A00:基于泰森多边形图对化身的当前潜在可视场景集进行判断,对化身当前兴趣区域的场景数据进行拉取下载;步骤B00:基于社交推荐对化身的未来潜在可视场景集进行预测,通过拉-推混合预下载机制对化身未来兴趣区域内及外围的场景数据进行预下载,并将相应的场景数据分发至对应的化身。2.根据权利要求1所述的基于社交推荐和推拉策略的渐进DVE预下载方法,其特征在于:所述的步骤A00中,通过基于泰森多边形图的邻居发现机制、场景拾取机制来保障化身当前兴趣区域的场景数据进行拉取下载。3.根据权利要求1所述的基于社交推荐和推拉策略的渐进DVE预下载方法,其特征在于:所述的步骤B00包括以下步骤:步骤b10:不同化身间进行状态信息的周期性交互;步骤b20:根据不同化身的状态信息计算不同化身间的兴趣相似度;步骤b30:根据计算出的不同化身间的兴趣相似度构建邻居集合;步骤b40:根据邻居集合得出不同化身预推荐的场景集,按照化身的兴趣度对这些场景集进行排序,并将化身兴趣度高的场景集数据推荐给化身;步骤b50:通过拉-推混合预下载机制对不同化身未来兴趣区域内及外围的场景数据进行预下载,并将不同的场景数据分发至对应的化身。4.根据权利要求3所述的基于社交推荐和推拉策略的渐进DVE预下载方法,其特征在于:所述的步骤b20至步骤b40通过以下过程实现:化身u对其场景兴趣集中虚拟物体的兴趣度向量为Du={Du1,Du2,…,Dun},其中,n=|mt|为场景兴趣集的大小,采用修正的余弦相似度来计算不同化身间的相似度Ssim(u,v),其中,Su,Sv,Suv分别为化身u和化身v的场景兴趣集及其它们的交集,Dui和Dvi分别为化身u和化身v对虚拟物体i的兴趣度,和分别为u和v的平均兴趣度;给定阈值ε,当Ssim(u,v)>ε时,v将成为u的兴趣集邻居,建立邻居集合N={v1,v2,…,vk},反之,v和u不会互为兴趣集邻居;根据当前化身u和所有邻居v的场景集,生成u的预推荐场景集S=Sv1∪Sv2∪…∪Svk-Su,对于S中的任意虚拟物体,使用加权平均算法预测化身u对它们的兴趣度最后,将...
【专利技术属性】
技术研发人员:贾金原,白立明,范辰,王明飞,
申请(专利权)人:吉林动画学院,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。