本发明涉及数据处理，特别是指一种自动构建3d模型的生成方法及系统。
背景技术：
1、传统的三维游戏设计建模过程，有的是依赖于设计师使用专业软件进行手动调整，这不仅耗时而且容易出错。尽管近年来自动化建模技术在游戏设计领域取得了一些进展，但在实际应用中还是面临许多难题。以游戏场景中的建筑物建模为例，当前的自动化建模技术在从点云数据中识别建筑物的墙面、窗户、门洞等关键平面结构时，可能经常受到数据噪声和不完整性的干扰，从而导致建模结果不准确。
2、当在设计复杂且细节丰富的游戏场景时，如古老的城堡、繁华的市集等，由于建筑物之间的交错和遮挡，点云数据可能经常出现缺失或分布不均，这给自动化建模过程带来了诸多难题。
3、例如，在充满噪声的数据背景下，自动化算法可能难以精确识别出游戏建筑物的墙面、拱门等关键平面特征，从而使得建模结果与原始设计相差甚远，从而影响了游戏模型的视觉效果和整体真实感。
技术实现思路
1、本发明要解决的技术问题是提供一种自动构建3d模型的生成方法及系统，能够更准确地从噪声背景中识别出潜在的平面结构。
2、为解决上述技术问题，本发明的技术方案如下：
3、第一方面，一种自动构建3d模型的生成方法，所述方法包括：
4、获取游戏建筑物的模型参数，模型参数用于从复杂的游戏环境中初步识别出建筑物的平面结构，并根据平面结构生成平面候选集；
5、利用游戏场景中的点云数据，根据点云数据空间邻近性和属性相似性特征，将点云数据中的点分组聚集，以形成与平面候选集相对应的平面簇；
6、对每个平面簇分别计算点云分布密度，并与平面候选集内部的点云分布密度进行对比，以得到密度对比结果；
7、根据密度对比结果，确定一个动态影响因子，并根据动态影响因子，对平面簇进行动态调整，以生成平面分割结果；
8、根据平面分割结果提取各个建筑物的轮廓线；
9、对轮廓线上的几何形状变化进行分析，以将建筑物的轮廓线分解为多个独立的线段；
10、根据每个独立线段以及特定的几何特性，选取并标记关键点；
11、对关键点进行三角化处理，以生成三维游戏建筑物模型。
12、进一步的，获取游戏建筑物的模型参数，模型参数用于从复杂的游戏环境中初步识别出建筑物的平面结构，并根据平面结构生成平面候选集，包括：
13、从游戏场景中的点云数据中随机选择数据子集；
14、根据数据子集，通过最小二乘法预估模型参数；
15、根据预估的模型参数通过计算每个数据点与预估平面的距离，将空间距离＜预设阈值的点视为属于平面结构，将识别出的平面结构上的点云数据聚合起来，以形成平面候选集。
16、进一步的，利用游戏场景中的点云数据，根据点云数据空间邻近性和属性相似性特征，将点云数据中的点分组聚集，形成不同的平面簇，包括：
17、对于每个在平面候选集中的平面结构，创建一个空的平面簇，用于存储与该平面结构相对应的点云数据；
18、遍历点云数据中的每个点，计算每个点与平面候选集中各个平面结构的空间距离；
19、设定一个距离阈值，将空间距离＜距离阈值的点视为与该平面结构空间邻近，并将对应的点加入到对应的平面簇中；
20、对于每个已加入到平面簇中的点，计算点与簇内余下点的属性相似度；
21、如果点的属性与簇内余下点的属性相似，则将对应的点保留在平面簇中；否则，将对应的点从平面簇中移除或标记为异常点；
22、在初步形成平面簇后，通过聚类算法，将空间邻近且属性相似的点聚集，以形成平面簇；
23、根据平面簇之间的空间距离、角度差异以及属性相似性合并平面簇，以得到平面簇集合。
24、进一步的，对每个平面簇分别计算点云分布密度，并与平面候选集内部的点云分布密度进行对比，以得到密度对比结果，包括：
25、遍历当前平面簇中的所有点云，计算当前平面簇中所有点云的数量；
26、根据当前平面簇中所有点云的数量，计算当前平面簇覆盖的面积；
27、使用当前平面簇中所有点云的数量除以当前平面簇覆盖的面积，得到当前平面簇的点云分布密度；
28、遍历平面候选集中的所有点云，计算平面候选集中总的点云数量；
29、根据平面候选集中的总的点云数量，计算整个候选集所覆盖的总面积；
30、使用平面候选集中总的点云数量除以整个候选集所覆盖的总面积，得到平面候选集内部的平均点云分布密度；
31、将当前平面簇的点云分布密度与平面候选集内部的平均点云分布密度进行对比，以得到密度对比结果。
32、进一步的，根据密度对比结果，确定一个动态影响因子，并根据动态影响因子，对平面簇进行动态调整，以生成平面分割结果，包括：
33、根据当前平面簇的点云分布密度与平面候选集内部的平均点云分布密度，通过：
34、计算动态影响因子，其中，表示第i个平面簇的动态影响因子，ni是平面簇i中点的数量，是平面簇i中第j个点的法线向量，是平面簇i中所有点的法线向量的平均值，是平面簇i中法线向量的方差，mi是平面簇i中点的数量，是平面簇i中第j个点的颜色值，是平面簇i中所有点的颜色值的平均值，和是调整系数，表示第i个平面簇的点云分布密度，表示平面候选集内部的平均点云分布密度，是一个调整系数，i和j表示索引；
35、根据动态影响因子，通过：
36、对每个平面簇进行动态调整，以生成平面簇调整后的阈值，其中，li是平面簇i中点的数量，是平面簇i中第j个点的大小，是平面簇i中所有点的大小的平均值，是标准化函数，表示第个几何的权重，是第i个平面簇调整后的阈值，表示原始阈值，表示统计特性的数量，表示迭代变量；
37、根据平面簇调整后的阈值，重新评估平面簇内点云的归属，以得到重新评估结果；
38、根据重新评估的结果，对整个点云数据进行平面分割，生成最终的平面分割结果。
39、进一步的，根据平面分割结果提取各个建筑物的轮廓线，包括：
40、根据最终的平面分割结果，通过分析平面簇中点云的分布情况，确定位于平面边缘的点；
41、根据平面边缘的点，将平面边缘的点连接起来，形成建筑物的轮廓线。
42、进一步的，对轮廓线上的几何形状变化进行分析，以将建筑物的轮廓线分解为多个独立的线段，包括：
43、对建筑物的轮廓线上的点进行分析，以识别几何形状变化的分析结果；
44、根据几何形状变化的分析结果，确定轮廓线上的分割点，分割点对应于几何特征发生变化的位置；
45、使用分割点，将建筑物的轮廓线分解为多个独立的线段，其中，每个线段代表轮廓线上一段几何形状相对一致的部分。
46、第二方面，一种自动构建3d模型的生成系统，包括：
47、获取模块，用于获取游戏建筑物的模型参数，模型参数用于从复杂的游戏环境中初步识别出建筑物的平面结构，并根据平面结构生成平面候选集；利用游戏场景中的点云数据，根据点云数据空间邻近性和属性相似性特征，将点云数据中的点分组聚集，以形成与平面候选集相对应的平面簇；对每个平面簇分别计算点云分布密度，并与平面候选集内部的点云分布密度进行对比，以得到密度对比结果；
48、处理模块，用于根据密度对比结果，确定一个动态影响因子，并根据动态影响因子，对平面簇进行动态调整，以生成平面分割结果；根据平面分割结果提取各个建筑物的轮廓线；对轮廓线上的几何形状变化进行分析，以将建筑物的轮廓线分解为多个独立的线段；根据每个独立线段以及特定的几何特性，选取并标记关键点；对关键点进行三角化处理，以生成三维游戏建筑物模型。
49、第三方面，一种计算设备，包括：
50、一个或多个处理器；
51、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
52、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
53、本发明的上述方案至少包括以下有益效果。
54、通过迭代选择数据子集预估模型参数，本发明能够更准确地从噪声背景中识别出潜在的平面结构。利用点云数据的空间邻近性和属性相似性特征进行分组聚集，有效地区分了不同的平面结构，提高了点云分组的准确性和效果。通过对轮廓线上的几何形状变化进行分析，本发明能够更精确地将建筑物的轮廓线分解为多个独立的线段，从而提高了最终模型的精度和细节表现能力。
1.一种自动构建3d模型的生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的自动构建3d模型的生成方法，其特征在于，获取游戏建筑物的模型参数，模型参数用于从复杂的游戏环境中初步识别出建筑物的平面结构，并根据平面结构生成平面候选集，包括：
3.根据权利要求2所述的自动构建3d模型的生成方法，其特征在于，利用游戏场景中的点云数据，根据点云数据空间邻近性和属性相似性特征，将点云数据中的点分组聚集，形成不同的平面簇，包括：
4.根据权利要求3所述的自动构建3d模型的生成方法，其特征在于，对每个平面簇分别计算点云分布密度，并与平面候选集内部的点云分布密度进行对比，以得到密度对比结果，包括：
5.根据权利要求4所述的自动构建3d模型的生成方法，其特征在于，根据密度对比结果，确定一个动态影响因子，并根据动态影响因子，对平面簇进行动态调整，以生成平面分割结果，包括：
6.根据权利要求5所述的自动构建3d模型的生成方法，其特征在于，根据平面分割结果提取各个建筑物的轮廓线，包括：
7.根据权利要求6所述的自动构建3d模型的生成方法，其特征在于，对轮廓线上的几何形状变化进行分析，以将建筑物的轮廓线分解为多个独立的线段，包括：
8.一种自动构建3d模型的生成系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
