VR脚部摇杆控制空间移动方法及系统技术方案

本发明专利技术提供的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。提高VR脚部体感交互的沉浸性。提高VR脚部体感交互的沉浸性。

【技术实现步骤摘要】
VR脚部摇杆控制空间移动方法及系统


[0001]本专利技术涉及VR
，特别涉及一种VR脚部摇杆控制空间移动方法及系统。

技术介绍

[0002]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。

技术实现思路

[0003]为改善相关技术中存在的技术问题，本专利技术提供了一种VR脚部摇杆控制空间移动方法及系统。
[0004]本专利技术实施例提供了一种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。
[0005]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。
[0006]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。
[0007]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。
[0008]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。
[0009]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。
[0010]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。
[0011]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。
[0012]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。
[0013]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。本专利技术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。
[0014]本专利技术实施例还提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：阳序运，张寄望，刘卓，钟泽生，张志成，
申请(专利权)人：广州卓远虚拟现实科技有限公司，
类型：发明
国别省市：