本发明属于虚拟现实及人机交互，具体涉及一种基于概率密度分布的预测重定向漫游优化方法及终端。
背景技术：
1、在虚拟现实中进行真实行走可以增强虚拟漫游用户体验的沉浸感和真实感，已经成为当前的研究热点之一。虽然传统方式可以使用对等映射实现基于真实行走的虚拟漫游，但是其难以解决虚拟空间和真实空间尺寸不同时的映射问题。目前主要的解决方案是采用重定向行走技术，其通过在用户的虚拟和真实运动间增加细微偏移量，在用户未察觉的前提下主动调整用户的真实运动趋势，从而实现小范围真实空间在大范围虚拟场景中的漫游。受限于用户灵敏的感知能力，重定向行走采用的运动偏差只能在一定程度上调整用户运动，影响用户的使用体验。为此，重定向行走技术主要采用重置策略，在发生边界碰撞时主动干预用户漫游，直接对用户的前进方向进行调整使其重新回到真实空间中。虽然重置策略能够保证漫游过程的顺利进行，但是仍存在如下缺陷：
2、1、传统重置策略较少考虑用户漫游运动趋势的变化，缺乏对未来运动状态的预测，优化程度不高；
3、2、主流重置策略利用固有模式或调整方向对用户进行引导，在真实空间布局更为复杂时，可能导致用户在重置后很快再次发生碰撞，技术灵活度低；
4、3、现有重置策略一般针对特定重定向行走方法进行设计，与其他重定向方法结合使用时可能出现性能下降，通用程度有待提升。
技术实现思路
1、本发明提供一种基于概率密度分布的预测重定向漫游优化方法，方法可以实现各种类型虚拟空间和真实空间下重定向重置策略的优化，有效保证预测结果的鲁棒性。
2、方法包括：
3、步骤一、根据输入的虚拟空间和真实空间的静态空间布局以及动态用户状态，计算虚拟空间和真实空间反映用户未来行走概率分布的潜在区域能量图；
4、步骤二、通过合并虚拟空间和真实空间的能量图以创建空间融合能量图；
5、步骤三、计算不同重置方向下真实空间的能量图，获取提供最大空间融合能量的最佳重置方向。
6、进一步需要说明的是，步骤一中，将影响用户决策的因素分别建模为三个能量分量，将所述能量分量组合以生成每个空间的最终能量图m。
7、进一步需要说明的是，定义用户在时间τ的运动状态为χτ＝(pτ,vτ)，pτ表示位置，vτ表示方向；设置用户的平均行走速度为la，运行的下一个位置为pτ+1用户运动分布的圆形区域为dn，将dn的半径设置为3la，每个pτ+1∈dn的相关能量m(χτ,pτ+1)通过将三个能量分量相乘来计算，定义如下：
8、m(χτ,pτ+1)＝elay(pτ+1)eint(χτ,pτ+1)aobs(pτ,pτ+1) (1)
9、s.t.pτ+1∈dn
10、elay是静止场景布局的能量图，eint是预测用户运动意图的能量分布函数图，aobs是考虑附近障碍物影响的能量衰减系数。
11、进一步需要说明的是，方法中，静止场景布局的能量图elay采用位置能量模型进行计算，具体包括如下计算过程：
12、设为自由行走区域，为障碍区域，sfree∪sobs＝s，位置p∈s对应的能量elay表示为：
13、
14、其中，λ是用于调整p与其最近障碍物q之间距离影响的缩放权重，||·||2表示l2范数函数。
15、进一步需要说明的是，方法中，预测用户运动意图的能量分布函数图eint是针对用户前进方向和行走速度进行概率能量建模，通过合并计算获得最终能量结果，具体包括如下步骤：
16、设用户位于位置pτ并朝向方向vτ，下一个位置则分布在dn中的pτ周围；
17、以高斯分布的形式对用户选择运动方向的概率进行建模，定义能量函数eori(χτ,pτ+1)描述用户的方向意图，其公式如下：
18、
19、其中，θ(·)是计算两个向量之间夹角的函数；
20、描述用户直线行走意图的能量函数edis(pτ,pτ+1)表示为：
21、
22、通过将式(3)和式(4)逐元素相乘，定义表示在无外部影响下到达dn中下一个位置pτ+1的意图的概率能量eint(χτ,pτ+1)，如下所示：
23、
24、进一步需要说明的是，方法中，能量衰减系数aobs的计算是基于用户预期行走范围内每个位置与其周围一定范围内障碍物的距离和方位偏差，获得周围障碍物对该位置造成的能量衰减，从而建模外部影响条件下用户的运动趋势。
25、进一步需要说明的是，能量衰减系数aobs的计算还包括如下步骤：
26、设置一虚拟空间sv和障碍物点q，令pτ和pτ+1分别表示用户的当前和目标位置；
27、定义q的方向影响为：
28、
29、当q与pτ之间的距离小于la时，等式(6)允许q产生显著影响；
30、能量衰减系数的公式定义为：
31、
32、通过等式(7)，构建潜在区域能量图来预测用户的潜在运动区域，并为每个位置分配反映用户出现概率的能量。
33、进一步需要说明的是，步骤二中，创建空间融合能量图包括如下步骤：
34、给定一对虚拟空间sv和真实空间sr，用户的虚拟和真实状态分别表示为和
35、定义对应所应用的虚拟-真实投影转换函数基于如下所示：
36、
37、其中，φ是和之间的夹角，采用式(8)来获得在sr中的映射区域
38、对于每个位置应用式(1)来确定相应的潜在区域能量图和
39、利用线性方程的形式来定义融合能量其模型为：
40、
41、
42、其中，α是缩放常数。
43、进一步需要说明的是，步骤三中能量图e的表示方式为：
44、
45、当重置被启用时，用户的虚拟状态将被冻结，从范围[-π,π]中选择一个重置角度δr来确定重置后用户的真实前进方向
46、将行走区域表示为δr的函数，即当δr变化时，获得相应的能量图e，揭示出对用户未来移动的不同期望；重置的优化是找到提供两个空间最大总能量的最优定义为：
47、
48、通过利用来重置前进方向，使用户被引导向最优的行走区域，所述行走区域提供两个空间的最大融合能量。
49、本发明还提供一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述基于概率密度分布的预测重定向漫游优化方法的步骤。
50、从以上技术方案可以看出，本发明具有以下优点：
51、本发明提供的基于概率密度分布的预测重定向漫游优化方法通过概率密度函数对虚拟和真实空间中用户的运动趋势进行预测，针对两空间各自进行预测建模并生成相应概率密度分布能量图，继而将虚实空间能量图进行融合，从而在预测时同时考虑虚实空间的共同影响，并最终计算具有最高能量分布的重置方向，实现重置策略的优化。并且采用概率密度分布方法对用户的未来运动趋势进行预测，计算用户在某一区域每个位置出现的概率，而不是估计单个或多个可能位置假设，有效保证预测结果的鲁棒性。
52、本发明采用潜在区域能量图表示各自空间的运动预测结果，并通过用户意图推理模型和障碍物衰减项对用户的行走趋势进行评估，有效提升预测的准确性。
53、本发明将各自空间的潜在区域能量图进行融合，充分考虑虚实空间预测结果的共同作用，在进行重定向重置时选择引导用户朝向具有最佳预测期望的重置方向进行调整，显著提升方法的有效性和适用性。
1.一种基于概率密度分布的预测重定向漫游优化方法，其特征在于，方法包括：
2.根据权利要求1所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，步骤一中，将影响用户决策的因素分别建模为三个能量分量，将所述能量分量组合以生成每个空间的最终能量图m。
3.根据权利要求2所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，定义用户在时间τ的运动状态为χτ＝(pτ,vτ)，pτ表示位置，vτ表示方向；设置用户的平均行走速度为la，运行的下一个位置为pτ+1用户运动分布的圆形区域为dn，将dn的半径设置为3la，每个pτ+1∈dn的相关能量m(χτ,pτ+1)通过将三个能量分量相乘来计算，定义如下：
4.根据权利要求3所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，方法中，静止场景布局的能量图elay采用位置能量模型进行计算，具体包括如下计算过程：
5.根据权利要求3所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，方法中，预测用户运动意图的能量分布函数图eint是针对用户前进方向和行走速度进行概率能量建模，通过合并计算获得最终能量结果，具体包括如下步骤：
6.根据权利要求3所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，方法中，能量衰减系数aobs的计算是基于用户预期行走范围内每个位置与其周围一定范围内障碍物的距离和方位偏差，获得周围障碍物对该位置造成的能量衰减，从而建模外部影响条件下用户的运动趋势。
7.根据权利要求6所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，能量衰减系数aobs的计算还包括如下步骤：
8.根据权利要求3所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，步骤二中，创建空间融合能量图包括如下步骤：
9.根据权利要求8所述的基于概率密度分布的预测重定向漫游优化方法，其特征在于，步骤三中能量图e的表示方式为：
10.一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至9任一项所述基于概率密度分布的预测重定向漫游优化方法的步骤。
