现实场景虚拟化方法和装置与流程

1.本公开涉及计算机仿真领域，并且更具体地，涉及一种现实场景虚拟化方法和装置。


背景技术：

2.基础的vr(virtual reality)技术已经逐步成熟，vr产品也慢慢的进入到人们的家庭中，同时大空间的vr娱乐场所和vr模拟运动设备也在发展与面向市场。在家庭场景中vr的体验受到空间的限制，而在其他场景中则在场地和设备上需要更多的投入才能实现在虚拟世界中的自由活动。
3.目前的vr技术仍存在以下问题：虚拟场景的准确性与真实性；人与虚拟场景交互的自然性；用户无法根据实际需求选择所需风格的虚拟场景。
4.前两个问题为vr技术的建模带来了很大困难，尤其是现实场景虚拟化建模，唯有达成高效化的建模体系，才能使虚拟场景更加准确真实，人与虚拟场景的交互更加自然。


技术实现要素：

5.本公开提供了一种现实场景虚拟化的方法、装置、设备以及存储介质。
6.根据本公开的第一方面，提供了一种现实场景虚拟化方法。该方法包括：
7.获取现实场景的空间信息；
8.根据所述空间信息，建立现实场景的虚拟空间模型；
9.根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；
10.利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。
11.在第一方面的一些可实现方式中，获取现实场景的空间信息包括：
12.通过空间信息捕捉器对现实场景进行扫描，获取所述现实场景的空间信息。
13.在第一方面的一些可实现方式中，空间信息捕捉器包括空间扫描设备和视觉传感器；其中，
14.空间扫描设备用于获取现实场景所在空间的边界信息和现实场景中物体的位置、形状、大小；
15.视觉传感器用于采集现实场景图像；
16.根据现实场景图像对所述边界信息和现实场景中物体的位置、形状、大小进行校准，生成空间信息。
17.在第一方面的一些可实现方式中，建立现实场景的虚拟空间模型包括：
18.将现实场景的空间信息根据最小空间单位按照比例构建虚拟空间模型；其中，最小空间单位包括：虚拟空间中最小的细节；
19.最小空间单位最大与对现实场景扫描得到的空间大小相同；
20.最小空间单位越小，生成的虚拟空间模型越大。
21.在第一方面的一些可实现方式中，生成虚拟空间模型中各物体的空间属性标签包括：
22.利用部署在云端数据分析主机上的机器学习算法对现实场景的空间信息进行分析，生成虚拟空间模型中各物体的空间属性标签；其中，
23.部署在云端数据分析主机上的机器学习算法，通过对大量不同现实场景的空间信息进行训练，学习出一个关于现实场景的空间信息与虚拟空间模型中物体的空间属性标签之间关系的模型，当再次输入新的现实场景的空间信息，所述模型会直接输出所述新的现实场景对应的虚拟空间模型中各物体的空间属性标签；其中，
24.空间属性标签包括：在属性标签的基础上，对虚拟空间模型中的物体进一步描述、限定，生成空间属性标签；其中，
25.属性标签，包括但不限于功能标签，材质标签，外形标签。
26.在第一方面的一些可实现方式中，利用机器学习，根据用户实际需求，将虚拟空间模型进一步生成用户所需风格的虚拟场景包括：
27.机器学习通过对现实场景的各种风格进行训练，学习生成一个关于用户所需虚拟场景的风格与虚拟空间模型之间关系的模型，当输入用户所需虚拟场景的风格时，机器学习得到的模型会将没有具体风格的虚拟空间模型生成具有该用户所需风格的虚拟场景。
28.根据本公开的第二方面，提供了一种现实场景虚拟化装置。该装置包括：
29.空间信息捕捉模块，用于对现实场景进行扫描，获取现实场景的空间信息；
30.虚拟空间模型建立模块，用于根据所述空间信息，建立现实场景的虚拟空间模型；
31.空间属性标签生成模块，用于根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；
32.风格化虚拟场景生成模块，用于根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。
33.根据本公开的第三方面，提供了一种电子设备。该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上所述的方法。
34.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如上所述的方法。
35.根据本公开的第五方面，本公开实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现如以上所述的方法。
36.在本公开中，首先通过获取现实场景的空间信息，建立现实场景的虚拟空间模型，再根据空间信息分析现实空间场景，生成虚拟空间模型中各物体的空间属性标签，最后利用机器学习，根据用户实际需求，将没有具体风格的虚拟空间模型进一步生成用户所需风格的虚拟场景，打破了现实场景和虚拟场景的物理壁垒，使虚拟场景不仅看得见还能摸得着，用户可以在虚拟场景中有更好的体验，本公开应用场景多，发展空间大，解除了vr设备在空间上的局限性，可以在虚拟场景中对现实场景的物理系统进行复用，且对原始vr设备硬件改动小，成本低，环保。
37.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或
重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
38.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
39.图1示出了本公开实施例提供的一种现实场景虚拟化方法的流程图；
40.图2示出了本公开实施例提供的一种现实场景虚拟化装置的结构图；
41.图3示出了能够实施本公开的实施例的示例性电子设备的结构图。
具体实施方式
42.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
43.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
44.针对背景技术中出现的问题，本公开实施例提供了一种现实场景虚拟化方法和装置。具体地，通过获取现实场景的空间信息，建立现实场景的虚拟空间模型，再根据空间信息分析现实空间场景，生成虚拟空间模型中各物体的空间属性标签，最后利用机器学习，根据用户实际需求，将没有具体风格的虚拟空间模型进一步生成用户所需风格的虚拟场景，从而打破了现实场景和虚拟场景的物理壁垒，使虚拟场景不仅看得见还能摸得着，用户可以在虚拟场景中有更好的体验，本公开应用场景多，发展空间大，解除了vr设备在空间上的局限性，可以在虚拟场景中对现实场景的物理系统进行复用，且对原始vr设备硬件改动小，成本低，环保。
45.下面结合附图，通过具体的实施例对本公开实施例提供的现实场景虚拟化方法和装置进行详细地说明。
46.图1示出了本公开实施例提供的一种现实场景虚拟化方法的流程图，该方法100包括以下步骤：
47.s110，获取现实场景的空间信息。
48.在一些实施例中，通过空间信息捕捉器对现实场景进行扫描，获取现实场景的空间信息，其中，
49.空间信息捕捉器包括空间扫描设备和视觉传感器；
50.具体地，空间扫描设备用于获取现实场景所在空间的边界信息(如墙壁、屋顶、地板)和现实场景中物体的位置、形状、大小等信息，视觉传感器用于采集现实场景图像；
51.进一步地，根据现实场景图像对所述边界信息和现实场景中物体的位置、形状、大小进行校准，生成空间信息；
52.进一步地，由于该技术主要应用于密闭的空间中，所以对空间扫描设备的扫描范围要求不高，但需要它具有足够的精度，具有小范围高精度特性的雷达可以做为一种空间扫描设备来获取现实场景所在空间的边界信息和现实场景中物体的位置、形状、大小等信息，尤其是毫米波雷达和激光雷达都是比较理想的选择。
53.s120，根据所述空间信息，建立现实场景的虚拟空间模型。
54.在一些实施例中，建立现实场景的虚拟空间模型包括：
55.将现实场景的空间信息根据最小空间单位按照比例构建虚拟空间模型；其中，最小空间单位包括虚拟空间中最小的细节；
56.进一步地，最小空间单位最大与对现实场景扫描得到的空间大小相同，且最小空间单位越小，生成的虚拟空间模型越大，这样可以减小构建虚拟空间模型的运算量。
57.s130，根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签。
58.在一些实施例中，生成虚拟空间模型中各物体的空间属性标签包括：
59.利用部署在云端数据分析主机上的机器学习算法对现实场景的空间信息进行分析，生成虚拟空间模型中各物体的空间属性标签；具体地，
60.部署在云端数据分析主机上的机器学习算法，通过对大量不同现实场景的空间信息进行训练，学习出一个关于现实场景的空间信息与虚拟空间模型中物体的空间属性标签之间关系的模型，当再次输入新的现实场景的空间信息，所述模型会直接输出这个新的现实场景对应的虚拟空间模型中各物体的空间属性标签；
61.进一步地，空间属性标签包括：
62.在属性标签的基础上，对虚拟空间模型中的物体进一步描述、限定，生成空间属性标签，例如，固定的、不稳定的、易碎的、危险的等；
63.其中，属性标签包括但不限于功能标签(如门、茶几、柜子、沙发等用来判断物体的功能的标签)，材质标签(如金属、玻璃、柔软物体、坚硬物体等)，外形标签(如锋利、尖锐、迟钝等)；
64.进一步地，该方法可以应用于家庭游戏中，例如，家庭射击游戏中，室内场景虚拟化到虚拟空间模型，虚拟空间模型中的各物体均有空间属性标签，由此可以对应到现实场景中的物体及其属性，比如尖锐的、陡峭的等，室内家具在虚拟空间模型中为掩体、障碍物等，因此射击游戏体验者不用担心发生因看不到现实中的物体而产生碰撞、物品损害等情况，并且射击游戏体验者能在虚拟场景中进行椅靠、坐下、移动等动作，这些动作的发生是通过射击游戏体验者的身体与虚拟场景的交互完成的，大大增加了射击游戏体验者的体验感和代入感。
65.s140，利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。
66.在一些实施例中，利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景包括：
67.机器学习通过对现实场景的各种风格进行训练，学习生成一个关于用户所需虚拟场景的风格与虚拟空间模型之间关系的模型，当输入用户所需虚拟场景的风格时，机器学习得到的模型会将没有具体风格的虚拟空间模型生成具有该用户所需风格的虚拟场景；该
方法具体包括以下步骤，
68.收集与处理数据，收集现实场景的各种风格及其对应的虚拟空间模型数据，并将该数据进行清洗等处理，以保证数据质量；
69.进行特征选择和提取，从处理后的数据中选择与虚拟场景及其风格相关的特征，例如，虚拟空间的大小、形状、布局、颜色、风格的元素、色彩、形态、风格标签等，并进行特征提取；
70.建立模型，使用机器学习算法对特征提取出的数据进行训练和评估，建立关于用户所需虚拟场景的风格与虚拟空间模型之间关系的模型；具体地，可以使用神经网络(例如，卷积神经网络或循环神经网络)处理虚拟场景特征及其风格元素等特征，利用softmax函数将输出转化为概率分布，通过输入虚拟场景的特征，输出风格标签和对应的虚拟空间模型；
71.改进模型，将训练好并通过验证的模型应用到实际场景中，生成用户所需风格的虚拟场景，并对模型进行优化改进，提高生成具有某种风格的虚拟场景的质量和效率；
72.维护模型，收集用户反馈信息，并根据反馈信息不断优化和改进模型，确保模型的持续有效性和适应性；进一步地，该方法可以用于日常生活中，例如，室内装修时家具及配件的选择可以通过该方法来观察哪种风格的家具及配件更适合室内装修风格；在已装修好的房间中，用户可以通过该方法体验不同的装修风格；该方法也可以用于大型娱乐设施中，例如，根据节日或主题活动的不同，娱乐设施的管理者可以利用该方法选择合适的主题风格的虚拟娱乐设施场景，而不需要对现实娱乐设施场景进行更换、改造，节约了成本，也更加环保，娱乐设施的使用者也可以根据自己的喜好选择具有一定风格的虚拟娱乐设施场景。
73.根据本公开的实施例，实现了以下技术效果：
74.通过获取现实场景的空间信息，建立现实场景的虚拟空间模型，再根据空间信息分析现实空间场景，生成虚拟空间模型中各物体的空间属性标签，最后利用机器学习，根据用户实际需求，将没有具体风格的虚拟空间模型进一步生成用户所需风格的虚拟场景，从而打破了现实场景和虚拟场景的物理壁垒，使虚拟场景不仅看得见还能摸得着，用户可以在虚拟场景中有更好的体验，本公开应用场景多，发展空间大，解除了vr设备在空间上的局限性，可以在虚拟场景中对现实场景的物理系统进行复用，且对原始vr设备硬件改动小，成本低，环保。
75.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
76.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
77.图2示出了本公开实施例提供的一种现实场景虚拟化装置的结构图，该装置200包括：
78.空间信息捕捉模块210，用于对现实场景进行扫描，获取现实场景的空间信息；
79.虚拟空间模型建立模块220，用于根据所述空间信息，建立现实场景的虚拟空间模型；
80.空间属性标签生成模块230，用于根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；
81.风格化虚拟场景生成模块240，用于根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。
82.在一些实施例中，空间信息捕捉模块210具体用于：
83.通过空间信息捕捉器对现实场景进行扫描，获取所述现实场景的空间信息；其中，
84.空间信息捕捉器包括空间扫描设备和视觉传感器；
85.具体地，空间扫描设备用于获取现实场景所在空间的边界信息和现实场景中物体的位置、形状、大小；
86.视觉传感器用于采集现实场景图像；
87.进一步地，根据现实场景图像对所述边界信息和现实场景中物体的位置、形状、大小进行校准，生成空间信息。
88.在一些实施例中，虚拟空间模型建立模块220具体用于：
89.将现实场景的空间信息根据最小空间单位按照比例构建虚拟空间模型；其中，最小空间单位包括：虚拟空间中最小的细节；
90.进一步地，最小空间单位最大与对现实场景扫描得到的空间大小相同，且最小空间单位越小，生成的虚拟空间模型越大；
91.进一步地，虚拟空间模型建立模块220可以根据实际情况部署在云端或者用户本地设备上。
92.在一些实施例中，空间属性标签生成模块230具体用于：
93.利用部署在云端数据分析主机上的机器学习算法对所述现实场景的空间信息进行分析，生成虚拟空间模型中各物体的空间属性标签；具体地，
94.部署在云端数据分析主机上的机器学习算法，通过对大量不同现实场景的空间信息进行训练，学习出一个关于现实场景的空间信息与虚拟空间模型中物体的空间属性标签之间关系的模型，当再次输入新的现实场景的空间信息，所述模型会直接输出所述新的现实场景对应的虚拟空间模型中各物体的空间属性标签；其中，
95.空间属性标签包括：在属性标签的基础上，对虚拟空间模型中的物体进一步描述、限定，生成空间属性标签；其中，
96.属性标签包括但不限于功能标签，材质标签，外形标签；
97.进一步地，数据分析主机也可以根据实际情况部署在用户本地设备上。
98.在一些实施例中，风格化虚拟场景生成模块240具体用于：
99.机器学习通过对现实场景的各种风格进行训练，学习生成一个关于用户所需虚拟场景的风格与虚拟空间模型之间关系的模型，当输入用户所需虚拟场景的风格时，机器学习得到的模型会将没有具体风格的虚拟空间模型生成具有该用户所需风格的虚拟场景；
100.进一步地，风格化虚拟场景生成模块240可以根据实际情况部署在云端或者用户本地设备上。
101.可以理解的是，图2所示装置200中的各个模块/单元具有实现本公开实施例提供
的方法100中的各个步骤的功能，并能达到其相应的技术效果，为了简洁，在此不再赘述。
102.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
103.图3示出了一种能够实施本公开的实施例的示例性电子设备的结构图。电子设备300旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备300还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
104.如图3所示，电子设备300包括计算单元301，其可以根据存储在只读存储器(rom)302中的计算机程序或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序，来执行各种适当的动作和处理。在ram303中，还可存储电子设备300操作所需的各种程序和数据。计算单元301、rom302以及ram303通过总线304彼此相连。i/o接口305也连接至总线304。
105.电子设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许电子设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
106.计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom302和/或通信单元309而被载入和/或安装到电子设备300上。当计算机程序加载到ram303并由计算单元301执行时，可以执行上文描述的方法100的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。
107.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
108.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的
功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
109.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
110.需要注意的是，本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行方法100，并达到本公开实施例执行其方法达到的相应技术效果，为简洁描述，在此不再赘述。
111.另外，本公开还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现方法100。
112.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
113.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
114.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
115.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
116.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种现实场景虚拟化方法，其特征在于，所述方法包括：获取现实场景的空间信息；根据所述空间信息，建立现实场景的虚拟空间模型；根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。2.根据权利要求1所述的方法，其特征在于，所述获取现实场景的空间信息，包括：通过空间信息捕捉器对现实场景进行扫描，获取所述现实场景的空间信息。3.根据权利要求2所述的方法，其特征在于，所述空间信息捕捉器包括空间扫描设备和视觉传感器；所述空间扫描设备用于获取现实场景所在空间的边界信息和现实场景中物体的位置、形状、大小；所述视觉传感器用于采集现实场景图像；根据所述现实场景图像对所述边界信息和所述现实场景中物体的位置、形状、大小进行校准，生成空间信息。4.根据权利要求1所述的方法，其特征在于，所述建立现实场景的虚拟空间模型，包括：将所述现实场景的空间信息根据最小空间单位按照比例构建虚拟空间模型。5.根据权利要求4所述的方法，其特征在于，所述最小空间单位，包括：虚拟空间中最小的细节；所述最小空间单位最大与对现实场景扫描得到的空间大小相同；所述最小空间单位越小，生成的虚拟空间模型越大。6.根据权利要求1所述的方法，其特征在于，所述生成所述虚拟空间模型中各物体的空间属性标签，包括：利用部署在云端数据分析主机上的机器学习算法对所述现实场景的空间信息进行分析，生成虚拟空间模型中各物体的空间属性标签；所述部署在云端数据分析主机上的机器学习算法，通过对大量不同现实场景的空间信息进行训练，学习出一个关于现实场景的空间信息与虚拟空间模型中物体的空间属性标签之间关系的模型，当再次输入新的现实场景的空间信息，所述模型会直接输出所述新的现实场景对应的虚拟空间模型中各物体的空间属性标签；所述空间属性标签，包括：在属性标签的基础上，对虚拟空间模型中的物体进一步描述、限定，生成空间属性标签；所述属性标签，包括但不限于功能标签，材质标签，外形标签。7.根据权利要求1所述的方法，其特征在于，所述利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景，包括：所述机器学习通过对现实场景的各种风格进行训练，学习生成一个关于用户所需虚拟场景的风格与虚拟空间模型之间关系的模型，当输入用户所需虚拟场景的风格时，所述机器学习得到的模型会将没有具体风格的虚拟空间模型生成具有该用户所需风格的虚拟场
景。8.一种现实场景虚拟化装置，其特征在于，所述装置包括：空间信息捕捉模块，用于对现实场景进行扫描，获取现实场景的空间信息；虚拟空间模型建立模块，用于根据所述空间信息，建立现实场景的虚拟空间模型；空间属性标签生成模块，用于根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；风格化虚拟场景生成模块，用于根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。

技术总结
本公开的实施例提供了一种现实场景虚拟化方法和装置；应用于计算机仿真技术领域，所述方法包括获取现实场景的空间信息；根据所述空间信息，建立现实场景的虚拟空间模型；根据所述空间信息分析现实空间场景，生成所述虚拟空间模型中各物体的空间属性标签；利用机器学习，根据用户实际需求，将所述虚拟空间模型进一步生成用户所需风格的虚拟场景。以此方式，可以完成对虚拟场景的空间建模，在虚拟场景中对现实场景的物理系统进行复用，可以减小资源浪费，且对虚拟现实设备的硬件改动小，成本低；此外，用户可以根据实际需求选择所需风格的虚拟场景，发展空间较大。发展空间较大。发展空间较大。


技术研发人员：孟雷
受保护的技术使用者：天津智融创新科技发展有限公司北京分公司
技术研发日：2023.04.18
技术公布日：2023/7/12