微软专利提出根据风险评分来生成AR数字对象放置位置

(映维网Nweon2022年08月09日)增强现实为计算机游戏设计师带来了全新的机遇 。 通过在现实世界视图叠加数字对象 , 这可以产生一种虚实结合的感觉 。 但当预期用户与数字元素交互时 , 在特定位置生成数字对象或会产生问题 。 例如 , 在繁忙公路中心生成数字对象非常危险 。 又如 , AR游戏应用不应该在军事禁区等场所生成数字对象 。
针对这个问题 , 微软在名为“Generatinglocationsforplacementofaugmentedelements”的专利申请中提出了一种根据风险评分来生成数字对象放置位置的技术 。
在一个实施例中 , 可以将存在固有风险的区域直接归类为“排除区域” , 这样系统就可以避免在所述区域生成用于放置数字对象的游戏位置 。 例如 , 道路、地铁、悬崖、深沟等位置 , 以及战争纪念馆、政府机构和军事机构所在地等等 。
除了将存在固有风险的区域排除在游戏位置生成列表之外 , 生成的游戏位置可以具有与位置相关的风险评估分数 。 风险评估分数可以根据不断变化的条件和/或用户反馈随时间更新 。 例如 , 游戏位置原本是在低风险的位置生成 , 但与所述位置相关的映射数据可能已过时 , 并随时间推移而变得危险 。 所以 , 可以接收来自用户的输入 , 从而更新风险评估分数 , 以反映当前的物理环境 。 在一个实施例中 , 更新后的风险评估分数可能会超过风险阈值 , 而游戏位置可能会更新归类为排除区域 。 这种持续的用户反馈可以用于提供一种不断发展的风险评估机制 , 以确定生成的游戏位置是否应该继续存在 。
在一个实施例中 , 世界各地可能存在地图数据稀疏或不存在的地方 。 具体来说 , 在世界特定地区可能只支持卫星图像 , 可能无法获得高度详细的地理定位数据 。 在这种情况下 , 可以使用机器学习来分析给定区域的卫星图像 , 并且可以基于卫星图像的分析为所述区域生成游戏位置 。 例如 , 机器学习算法可以确定卫星图像的特定部分指定为公路系统 , 并可以自动将所述区域标记为排除区域 , 同时将其从潜在可用区域的考虑中删除 。
所以 , 微软介绍的过程可以利用多种类型的不同数据的组合 , 以便基于确定的风险量有效地确定特定位置是否适合作为游戏生成位置 。 另外 , 相关过程可以基于各种数据量化风险水平 , 并持续调整可能代表位置在游戏性和用户体验方面质量的分数 。
总的来说 , 微软的解决方案用于确定真实世界位置是否适合放置游戏元素 , 并且可以在游戏交互过程中确定位置质量的评估 。 基于评估 , 可以根据需要修改位置和/或生成的元素 , 从而改善玩家体验 。
微软专利提出根据风险评分来生成AR数字对象放置位置
文章图片
如图1A所示 , 移动设备102可以利用摄像头来捕获真实场景 。 真实场景可以包括各种元素 , 例如草地公园104、人行道106和道路108 。 移动设备可以配置为从可通过设备的网络功能访问的数据库加载位置数据 。 例如 , 系统可以基于GPS数据确定设备位于大西雅图地区内 。 然后 , 系统可以访问数据库 , 下载一组与GPS数据对应的游戏位置对应的遭遇 。
如图1B所示 , 一旦确定了移动设备102的位置 , 就可以访问游戏位置数据库 , 以确定是否应该显示任何遭遇 。 数据库可以填充将地理位置数据与与地理位置数据相关联的分数相关联的数据 , 例如指定由地理位置数据表示的位置的整体可用性或相对等级的分数 。 作为过程结果 , 可以利用与位置相关联的数据来指示道路108是排除区域 , 而草地公园104和人行道106则可指示为可与游戏元素一起使用的位置 。 因此 , 通过下面更详细描述的放置过程 , 可以在草地公园104生成可遭遇110(野猪) , 而可以在人行道106上生成另一个遭遇112(例如树) 。 然后 , 移动设备102的用户可以与遭遇110或遭遇112交互 , 从而推进游戏 。