一种细节层次模型检测方法及装置

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种细节层次模型检测方法及装置。

背景技术

在虚拟三维场景下，通常需要展示各种各样的虚拟模型，一些虚拟模型需要部署有一个甚至多个细节层次模型，细节层次(Levels of Detail，简称LOD)模型，是一种在图像显示领域中，认为当物体覆盖屏幕较小区域时，可以使用该物体描述较为粗糙、面数较低的模型，并给出了一个用于可见面判定算法的几何层次模型，以便对复杂场景进行快速绘制的技术。

对于LOD模型的构建，由于其复杂的结构，不易把握计算性能与模型视觉效果之间的平衡，难以对LOD模型进行精确的检测，导致LOD模型难以优化。

发明内容

本公开实施例至少提供一种细节层次模型检测方法及装置。

第一方面，本公开实施例提供了一种细节层次模型检测方法，包括：

获取目标虚拟对象的标准模型及细节层次模型；

对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；

基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；

在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。

一种可选的实施方式中，所述第一观测图像与所述第二观测图像之间的几何差异特征包括所述第一观测图像中各个第一平面顶点的第一几何差异特征，以及所述第二观测图像中各个第二平面顶点的第二几何差异特征；

通过以下步骤获取所述第一观测图像与所述第二观测图像之间的几何差异特征：

调整所述第一观测图像及所述第二观测图像在所述观测坐标系下的位置，使所述第一观测图像及所述第二观测图像的中心点重合；

确定所述第一观测图像中的每个第一平面顶点到所述第二观测图像中各个第二平面的第一距离；针对所述第一观测图像中的每个第一平面顶点，将最小的所述第一距离作为所述第一平面顶点的第一几何差异特征；以及，

确定所述第二观测图像中的每个第二平面顶点到所述第一观测图像中各个第一平面的第二距离；针对所述第二观测图像中的每个第二平面顶点，将最小的所述第二距离作为所述第二平面顶点的第二几何差异特征。

一种可选的实施方式中，基于所述第一观测图像与所述第二观测图像之间的几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

确定所述第一几何差异特征和所述第二几何差异特征中最大的几何差异特征为目标几何差异特征；

基于所述第一观测图像或所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸，以及所述目标几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，通过以下步骤确定所述第一观测图像与所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸：

获取所述第一观测图像或所述第二观测图像中任一像素点的第二尺寸、所述第一观测图像或所述第二观测图像的画面高度、预处理所述标准模型或细节层次模型时相机的拍摄视角参数，以及所述相机与所述标准模型或细节层次模型之间的第三距离；

基于所述第二尺寸、所述拍摄视角参数以及所述第三距离与所述画面高度之间的比值，确定所述第一尺寸。

一种可选的实施方式中，通过以下步骤获取所述第一观测图像与所述第二观测图像之间的属性差异特征：

将所述第一观测图像及所述第二观测图像转换为体素，得到所述第一观测图像对应的第一网格化模型及所述第二观测图像对应的第二网格化模型；

针对每个关键点，确定所述关键点在所述第一网格化模型中所在的第一平面，以及所述关键点在所述第二网格化模型中所在的第二平面；

基于所述第一平面的各个第一平面顶点匹配的第一网格的属性信息，确定所述关键点在所述第一观测图像中的属性信息；

基于所述第二平面的各个第二平面顶点匹配的第二网格的属性信息，确定所述关键点在所述第二观测图像中的属性信息；

确定所述关键点在所述第一观测图像中的属性信息与所述关键点在所述第二观测图像中的属性信息之间的目标比值，并将各个关键点的目标比值作为所述第一观测图像与所述第二观测图像之间的属性差异特征。

一种可选的实施方式中，基于所述第一观测图像与所述第二观测图像之间的属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

针对每个关键点，基于所述关键点的目标比值，确定该关键点的属性差异权重；

基于各个关键点的属性差异权重，从多个关键点中筛选出多个相邻的目标关键点，使所述目标关键点组成的立方体的差异评价值最大，所述差异评价值基于所述立方体中各个关键点的属性差异权重确定；

基于所述目标关键点组成的立方体的边长的中位数，与所述第一观测图像或所述第二观测图像中任一像素点在世界坐标系下的第一尺寸之间的比值，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，基于所述第一观测图像与所述第二观测图像之间的几何差异特征和属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

基于所述几何差异特征，确定所述第一观测图像与所述第二观测图像之间的第一差异度；

基于所述属性差异特征，确定所述第一观测图像与所述第二观测图像之间的第二差异度；

基于所述第一差异度及所述第二差异度，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

第二方面，本公开实施例还提供一种细节层次模型检测装置，包括：

获取模块，用于获取目标虚拟对象的标准模型及细节层次模型；

预处理模块，用于对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；

检测模块，用于基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；

判断模块，用于在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。

一种可选的实施方式中，所述第一观测图像与所述第二观测图像之间的几何差异特征包括所述第一观测图像中各个第一平面顶点的第一几何差异特征，以及所述第二观测图像中各个第二平面顶点的第二几何差异特征；

所述获取模块在获取所述第一观测图像与所述第二观测图像之间的几何差异特征时，用于：

调整所述第一观测图像及所述第二观测图像在所述观测坐标系下的位置，使所述第一观测图像及所述第二观测图像的中心点重合；

确定所述第一观测图像中的每个第一平面顶点到所述第二观测图像中各个第二平面的第一距离；针对所述第一观测图像中的每个第一平面顶点，将最小的所述第一距离作为所述第一平面顶点的第一几何差异特征；以及，

确定所述第二观测图像中的每个第二平面顶点到所述第一观测图像中各个第一平面的第二距离；针对所述第二观测图像中的每个第二平面顶点，将最小的所述第二距离作为所述第二平面顶点的第二几何差异特征。

一种可选的实施方式中，所述检测模块在基于所述第一观测图像与所述第二观测图像之间的几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

确定所述第一几何差异特征和所述第二几何差异特征中最大的几何差异特征为目标几何差异特征；

基于所述第一观测图像或所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸，以及所述目标几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述检测模块在确定所述第一观测图像与所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸时，用于：

获取所述第一观测图像或所述第二观测图像中任一像素点的第二尺寸、所述第一观测图像或所述第二观测图像的画面高度、预处理所述标准模型或细节层次模型时相机的拍摄视角参数，以及所述相机与所述标准模型或细节层次模型之间的第三距离；

基于所述第二尺寸、所述拍摄视角参数以及所述第三距离与所述画面高度之间的比值，确定所述第一尺寸。

一种可选的实施方式中，所述检测模块在获取所述第一观测图像与所述第二观测图像之间的属性差异特征时，用于：

将所述第一观测图像及所述第二观测图像转换为体素，得到所述第一观测图像对应的第一网格化模型及所述第二观测图像对应的第二网格化模型；

针对每个关键点，确定所述关键点在所述第一网格化模型中所在的第一平面，以及所述关键点在所述第二网格化模型中所在的第二平面；

基于所述第一平面的各个第一平面顶点匹配的第一网格的属性信息，确定所述关键点在所述第一观测图像中的属性信息；

基于所述第二平面的各个第二平面顶点匹配的第二网格的属性信息，确定所述关键点在所述第二观测图像中的属性信息；

确定所述关键点在所述第一观测图像中的属性信息与所述关键点在所述第二观测图像中的属性信息之间的目标比值，并将各个关键点的目标比值作为所述第一观测图像与所述第二观测图像之间的属性差异特征。

一种可选的实施方式中，所述检测模块在基于所述第一观测图像与所述第二观测图像之间的属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

针对每个关键点，基于所述关键点的目标比值，确定该关键点的属性差异权重；

基于各个关键点的属性差异权重，从多个关键点中筛选出多个相邻的目标关键点，使所述目标关键点组成的立方体的差异评价值最大，所述差异评价值基于所述立方体中各个关键点的属性差异权重确定；

基于所述目标关键点组成的立方体的边长的中位数，与所述第一观测图像或所述第二观测图像中任一像素点在世界坐标系下的第一尺寸之间的比值，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述检测模块在基于所述第一观测图像与所述第二观测图像之间的几何差异特征和属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

基于所述几何差异特征，确定所述第一观测图像与所述第二观测图像之间的第一差异度；

基于所述属性差异特征，确定所述第一观测图像与所述第二观测图像之间的第二差异度；

基于所述第一差异度及所述第二差异度，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

第三方面，本公开可选实现方式还提供一种电子设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

本公开实施例提供的细节层次模型检测方法及装置，获取目标虚拟对象的标准模型及细节层次模型；对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。本公开实施例通过对细节层次模型及标准模型进行预处理，得到观测坐标系下的第一观测图像及第二观测图像，再基于第二观测图像与第二观测图像之间的几何差异特征和/或属性差异特征确定目标差异度，使目标差异度更加精确，进而提高质量检测的精确度，便于提高细节层次模型的质量。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本公开实施例所提供的一种细节层次模型检测方法的流程图；

图2示出了本公开实施例所提供的一种细节层次模型检测装置的示意图；

图3示出了本公开实施例所提供的一种电子设备的示意图。

具体实施方式

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，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

经研究发现，在虚拟三维场景下，一些虚拟对象会使用细节层次LOD模型，LOD模型相较于虚拟对象的标准模型本身具有更少的平面数，在相机与虚拟对象之间存在一定距离时，通常会利用对应距离范围的LOD模型来进行画面预处理，距离越远，虚拟对象的可见平面就越少，因此，其对应的LOD模型也越少。每个LOD模型都对应一个距离范围，当相机与虚拟对象之间的距离超过当前LOD模型的距离范围时，就会进行LOD切换，因此，随着距离的变化，LOD模型会进行相应的切换，由于LOD模型较为复杂，在生成时可能会造成形变，不同的LOD模型可能与标准模型之间存在较大差异，在切换时会产生画面的跳变，若跳变过于明显，则会对虚拟对象的视觉效果带来较大的破坏。

基于上述研究，本公开提供了一种细节层次模型检测方法，通过对细节层次模型及标准模型进行预处理，得到观测坐标系下的第一观测图像及第二观测图像，再基于第二观测图像与第二观测图像之间的几何差异特征和/或属性差异特征确定目标差异度，使目标差异度更加精确，进而提高质量检测的精确度，便于提高细节层次模型的质量。

针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种细节层次模型检测方法进行详细介绍，本公开实施例所提供的细节层次模型检测方法的执行主体一般为具有一定计算能力的计算机设备。在一些可能的实现方式中，该细节层次模型检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

下面以执行主体为计算机为例对本公开实施例提供的细节层次模型检测方法加以说明。

参见图1所示，为本公开实施例提供的细节层次模型检测方法的流程图，所述方法包括步骤S101～S104，其中：

S101、获取目标虚拟对象的标准模型及细节层次模型。

其中，上述目标虚拟对象可以为三维虚拟对象，可以部署于游戏场景、虚拟真实场景、增强现实场景等三维场景之中，目标虚拟对象对应标准模型以及一个或多个细节层次模型，细节层次模型可以基于标准模型得到，细节层次模型的平面数低于标准模型的平面数。

S102、对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像。

在获取到细节层次模型及标准模型后，可以对标准模型及细节层次模型在观测坐标系下进行预处理，在细节层次模型匹配的观测坐标系下对预处理结果进行观测，分别得到标准模型对应的第一观测图像，以及细节层次模型对应的第二观测图像，进行观测的摄像机位置可以为细节层次模型对应的距离范围之内的任一位置，其中，观测图像可以为三维图像。

S103、基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

其中，上述几何差异特征可以为第一观测图像与第二观测图像之间的在形状结构上的差异特征；属性差异特征可以为第一观测图像与第二观测图像的在颜色、纹理贴图上的差异特征。

若第一观测图像及第二观测图像为三维图像，则几何差异特征可以包括第一观测图像中各个第一平面顶点的第一几何差异特征，以及所述第二观测图像中各个第二平面顶点的第二几何差异特征。

在观测图像中，可以展示有各个模型的表面及各个表面的顶点，上述模型的表面可以被称为平面，第一几何差异特征与第一观测图像中的平面顶点对应，第一观测图像中的任一平面顶点可以被称为第一平面顶点，相似的，第二平面顶点也即第二观测图像中的任一平面顶点。

要获取第一观测图像与第二观测图像之间的几何差异特征，可以对第一观测图像及第二观测图像在观测坐标系下的位置进行调整，使第一观测图像及第二观测图像的中心点重合，也即在观测坐标系下，标准模型及细节层次模型的中心点的坐标相同。

之后，可以确定第一观测图像中每个第一平面顶点到第二观测图像中各个第二平面的第一距离，然后，将每个第一平面顶点的最大的第一距离作为第一平面顶点的第一几何差异特征，也即，将第一平面顶点与距离最近的第二平面之间的距离作为该第一平面顶点的第一几何差异特征，由于细节层次模型是对标准模型进行减面得到的模型，难以确定细节层次模型与标准模型中各个面及顶点之间的对应关系，两者之间比较的相对物较难确定，也难以确定二者之间的差异，为此，可以取距离最小的点与面之间的距离作为几何差异特征，能够有效反映两者之间的差异。

相似的，可以确定第二观测图像中的每个第二平面顶点到第一观测图像中各个第一平面的第二距离；针对第二观测图像中的每个第二平面顶点，将最小的第二距离作为第二平面顶点的第二几何差异特征，能够起到相同的作用。

在基于几何差异特征的情况下，可以从第一集合差异特征和第二几何差异特征中最大的几何差异特征为目标几何差异特征，然后，确定第一观测图像或第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸。

示例性的，可以获取第一观测图像或第二观测图像中任一像素点的第二尺寸、第一观测图像或第二观测图像的画面高度、预处理标准模型或细节层次模型时相机的拍摄视角参数，以及相机与标准模型或细节层次模型之间的第三距离，其中，由于第一观测图像及第二观测图像都是在观测坐标系下观测得到的，两者的第二尺寸、画面高度、拍摄视角参数及第三距离都一致，之后，可以计算相机角度与π/360的比值，并对计算得到的比值计算正切值，将其乘以2，再乘以第三距离与画面高度之间的比值，将得到的值作为上述第一尺寸。其中，上述拍摄视角参数可以为视场角角度，视场角可以为相机的上下两个拍摄边界平面的夹角。

在得到第一尺寸后，可以计算上述目标几何差异特征与第一尺寸之间的比值，将得到的比值作为目标差异度。

相对应的，可以通过以下步骤获取第一观测图像与第二观测图像之间的属性差异特征：

将所述第一观测图像及所述第二观测图像转换为体素，得到所述第一观测图像对应的第一网格化模型及所述第二观测图像对应的第二网格化模型；

针对每个关键点，确定所述关键点在所述第一网格化模型中所在的第一平面，以及所述关键点在所述第二网格化模型中所在的第二平面；

基于所述第一平面的各个第一平面顶点匹配的第一网格的属性信息，确定所述关键点在所述第一观测图像中的属性信息；

基于所述第二平面的各个第二平面顶点匹配的第二网格的属性信息，确定所述关键点在所述第二观测图像中的属性信息；

确定所述关键点在所述第一观测图像中的属性信息与所述关键点在所述第二观测图像中的属性信息之间的目标比值，并将各个关键点的目标比值作为所述第一观测图像与所述第二观测图像之间的属性差异特征。

其中，第一观测图像及第二观测图像中可以包含三维模型图像，可以将三维模型图像转换为体素，形成多个体素点，得到由关键点组成的第一网格化模型及第二网格化模型，然后，可以从网格化模型对应的坐标系中确定出多个关键点，关键点可以为预设的固定点，在确定关键点后，可以确定关键点所在第一网格化模型及第二网格化模型所在的平面，在基于关键点所在第一网格化模型的第一平面的各个顶点匹配的第一网格的属性信息，确定该关键点的在第一观测图像中的属性信息。

其中，该第一网格的属性信息包括顶点对应的纹理图像的坐标，通过各个第一网格的属性信息，可以确定各个第一网格对应平面的中心点的属性信息，并将该属性信息作为该关键点在第一观测图像中的属性信息。

相应的，可以采用类似的方式确定各个关键点在第二观测图像中的属性信息。

在分别得到关键点在第一观测图像和第二观测图像中的属性信息之后，可以确定关键点在第一观测图像中属性信息与在第二观测图像中的属性信息之间的目标比值，并将目标比值作为该关键点的属性信息。

确定属性信息之后，可以确定关键点在第一观测图像中的属性信息与关键点在第二观测图像中的属性信息之间的目标比值，然后将确定的目标比值作为第一观测图像与第二观测图像之间的属性差异值。属性差异值中包含各个关键点的目标比值。

之后，针对每个关键点，可以基于该关键点的对应的属性差异权重，从多个关键点中筛选出多个相邻的目标关键点，形成一个立方体，使立方体的差异评价值最大。其中，上述差异评价值可以基于立方体中各个关键点的属性差异权重确定，目标权重值可以为数值大于预设值的权重值。这样，立方体即为两个模型之间属性差异最大的部分。

示例性的，可以使用收益函数，计算上述差异评价值，通过对收益函数进行优化，可以使立方体中包含尽可能多的等于目标权重值的关键点，且尽量少的包含不等于目标权重值的关键点。

之后，可以先确定立方体的边长的中位数，与上述第一尺寸之间的比值，将该比值作为第一观测图像与第二观测图像之间的目标差异度。

若同时利用几何差异特征和属性差异特征确定目标差异度，则可以利用上述步骤分别确定几何差异特征对应的第一差异度，以及属性差异特征对应的第二差异度，再基于第一差异度及第二差异度，确定目标差异度。

示例性的，可以对第一差异度及第二差异度加权求和，确定目标差异度，或者，也可以取第一差异度及第二差异度之中值最大的差异度为目标差异度。

S104、在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。

在目标差异度大于或等于合格阈值的情况下，说明细节层次模型与标准模型之间的差异过大，视觉效果不佳，可以确定该细节层次模型未通过质量检测，使用户对细节层次模型进行修改，优化其视觉效果。

本公开实施例提供的细节层次模型检测方法，获取目标虚拟对象的标准模型及细节层次模型；对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。本公开实施例通过对细节层次模型及标准模型进行预处理，得到观测坐标系下的第一观测图像及第二观测图像，再基于第二观测图像与第二观测图像之间的几何差异特征和/或属性差异特征确定目标差异度，使目标差异度更加精确，进而提高质量检测的精确度，便于提高细节层次模型的质量。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

基于同一发明构思，本公开实施例中还提供了与细节层次模型检测方法对应的细节层次模型检测装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述细节层次模型检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参照图2所示，为本公开实施例提供的一种细节层次模型检测装置的示意图，该装置包括：

获取模块210，用于获取目标虚拟对象的标准模型及细节层次模型；

预处理模块220，用于对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；

检测模块230，用于基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；

判断模块240，用于在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。

一种可选的实施方式中，所述第一观测图像与所述第二观测图像之间的几何差异特征包括所述第一观测图像中各个第一平面顶点的第一几何差异特征，以及所述第二观测图像中各个第二平面顶点的第二几何差异特征；

所述获取模块210在获取所述第一观测图像与所述第二观测图像之间的几何差异特征时，用于：

调整所述第一观测图像及所述第二观测图像在所述观测坐标系下的位置，使所述第一观测图像及所述第二观测图像的中心点重合；

确定所述第一观测图像中的每个第一平面顶点到所述第二观测图像中各个第二平面的第一距离；针对所述第一观测图像中的每个第一平面顶点，将最小的所述第一距离作为所述第一平面顶点的第一几何差异特征；以及，

确定所述第二观测图像中的每个第二平面顶点到所述第一观测图像中各个第一平面的第二距离；针对所述第二观测图像中的每个第二平面顶点，将最小的所述第二距离作为所述第二平面顶点的第二几何差异特征。

一种可选的实施方式中，所述检测模块230在基于所述第一观测图像与所述第二观测图像之间的几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

确定所述第一几何差异特征和所述第二几何差异特征中最大的几何差异特征为目标几何差异特征；

基于所述第一观测图像或所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸，以及所述目标几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述检测模块230在确定所述第一观测图像与所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸时，用于：

获取所述第一观测图像或所述第二观测图像中任一像素点的第二尺寸、所述第一观测图像或所述第二观测图像的画面高度、预处理所述标准模型或细节层次模型时相机的拍摄视角参数，以及所述相机与所述标准模型或细节层次模型之间的第三距离；

基于所述第二尺寸、所述拍摄视角参数以及所述第三距离与所述画面高度之间的比值，确定所述第一尺寸。

一种可选的实施方式中，所述检测模块230在获取所述第一观测图像与所述第二观测图像之间的属性差异特征时，用于：

将所述第一观测图像及所述第二观测图像转换为体素，得到所述第一观测图像对应的第一网格化模型及所述第二观测图像对应的第二网格化模型；

针对每个关键点，确定所述关键点在所述第一网格化模型中所在的第一平面，以及所述关键点在所述第二网格化模型中所在的第二平面；

基于所述第一平面的各个第一平面顶点匹配的第一网格的属性信息，确定所述关键点在所述第一观测图像中的属性信息；

基于所述第二平面的各个第二平面顶点匹配的第二网格的属性信息，确定所述关键点在所述第二观测图像中的属性信息；

确定所述关键点在所述第一观测图像中的属性信息与所述关键点在所述第二观测图像中的属性信息之间的目标比值，并将各个关键点的目标比值作为所述第一观测图像与所述第二观测图像之间的属性差异特征。

一种可选的实施方式中，所述检测模块230在基于所述第一观测图像与所述第二观测图像之间的属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

针对每个关键点，基于所述关键点的目标比值，确定该关键点的属性差异权重；

基于各个关键点的属性差异权重，从多个关键点中筛选出多个相邻的目标关键点，使所述目标关键点组成的立方体的差异评价值最大，所述差异评价值基于所述立方体中各个关键点的属性差异权重确定；

基于所述目标关键点组成的立方体的边长的中位数，与所述第一观测图像或所述第二观测图像中任一像素点在世界坐标系下的第一尺寸之间的比值，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述检测模块在基于所述第一观测图像与所述第二观测图像之间的几何差异特征和属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度时，用于：

基于所述几何差异特征，确定所述第一观测图像与所述第二观测图像之间的第一差异度；

基于所述属性差异特征，确定所述第一观测图像与所述第二观测图像之间的第二差异度；

基于所述第一差异度及所述第二差异度，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

本公开实施例还提供了一种电子设备，如图3所示，为本公开实施例提供的电子设备结构示意图，包括：

处理器31和存储器32；所述存储器32存储有处理器31可执行的机器可读指令，处理器31用于执行存储器32中存储的机器可读指令，所述机器可读指令被处理器31执行时，处理器31执行下述步骤：

获取目标虚拟对象的标准模型及细节层次模型；

对所述标准模型及所述细节层次模型进行预处理，得到所述标准模型在所述细节层次模型匹配的观测坐标系下的第一观测图像，以及所述细节层次模型在所述观测坐标系下的第二观测图像；

基于所述第一观测图像与所述第二观测图像之间的几何差异特征和/或属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度；

在所述目标差异度大于或等于合格阈值的情况下，确定所述细节层次模型未通过质量检测。

一种可选的实施方式中，所述处理器31执行的指令中，所述第一观测图像与所述第二观测图像之间的几何差异特征包括所述第一观测图像中各个第一平面顶点的第一几何差异特征，以及所述第二观测图像中各个第二平面顶点的第二几何差异特征；

所述处理器31在执行获取所述第一观测图像与所述第二观测图像之间的几何差异特征时，用于执行：

调整所述第一观测图像及所述第二观测图像在所述观测坐标系下的位置，使所述第一观测图像及所述第二观测图像的中心点重合；

确定所述第一观测图像中的每个第一平面顶点到所述第二观测图像中各个第二平面的第一距离；针对所述第一观测图像中的每个第一平面顶点，将最小的所述第一距离作为所述第一平面顶点的第一几何差异特征；以及，

确定所述第二观测图像中的每个第二平面顶点到所述第一观测图像中各个第一平面的第二距离；针对所述第二观测图像中的每个第二平面顶点，将最小的所述第二距离作为所述第二平面顶点的第二几何差异特征。

一种可选的实施方式中，所述处理器31执行的指令中，基于所述第一观测图像与所述第二观测图像之间的几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

确定所述第一几何差异特征和所述第二几何差异特征中最大的几何差异特征为目标几何差异特征；

基于所述第一观测图像或所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸，以及所述目标几何差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述处理器31执行的指令中，确定所述第一观测图像与所述第二观测图像中的任一像素点在世界坐标系下的坐标范围对应的第一尺寸，包括：

获取所述第一观测图像或所述第二观测图像中任一像素点的第二尺寸、所述第一观测图像或所述第二观测图像的画面高度、预处理所述标准模型或细节层次模型时相机的拍摄视角参数，以及所述相机与所述标准模型或细节层次模型之间的第三距离；

基于所述第二尺寸、所述拍摄视角参数以及所述第三距离与所述画面高度之间的比值，确定所述第一尺寸。

一种可选的实施方式中，所述处理器31执行的指令中，获取所述第一观测图像与所述第二观测图像之间的属性差异特征，包括：

将所述第一观测图像及所述第二观测图像转换为体素，得到所述第一观测图像对应的第一网格化模型及所述第二观测图像对应的第二网格化模型；

针对每个关键点，确定所述关键点在所述第一网格化模型中所在的第一平面，以及所述关键点在所述第二网格化模型中所在的第二平面；

基于所述第一平面的各个第一平面顶点匹配的第一网格的属性信息，确定所述关键点在所述第一观测图像中的属性信息；

基于所述第二平面的各个第二平面顶点匹配的第二网格的属性信息，确定所述关键点在所述第二观测图像中的属性信息；

确定所述关键点在所述第一观测图像中的属性信息与所述关键点在所述第二观测图像中的属性信息之间的目标比值，并将各个关键点的目标比值作为所述第一观测图像与所述第二观测图像之间的属性差异特征。

一种可选的实施方式中，所述处理器31执行的指令中，基于所述第一观测图像与所述第二观测图像之间的属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

针对每个关键点，基于所述关键点的目标比值，确定该关键点的属性差异权重；

基于各个关键点的属性差异权重，从多个关键点中筛选出多个相邻的目标关键点，使所述目标关键点组成的立方体的差异评价值最大，所述差异评价值基于所述立方体中各个关键点的属性差异权重确定；

基于所述目标关键点组成的立方体的边长的中位数，与所述第一观测图像或所述第二观测图像中任一像素点在世界坐标系下的第一尺寸之间的比值，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

一种可选的实施方式中，所述处理器31执行的指令中，基于所述第一观测图像与所述第二观测图像之间的几何差异特征和属性差异特征，确定所述第一观测图像与所述第二观测图像之间的目标差异度，包括：

基于所述几何差异特征，确定所述第一观测图像与所述第二观测图像之间的第一差异度；

基于所述属性差异特征，确定所述第一观测图像与所述第二观测图像之间的第二差异度；

基于所述第一差异度及所述第二差异度，确定所述第一观测图像与所述第二观测图像之间的目标差异度。

上述存储器32包括内存321和外部存储器322；这里的内存321也称内存储器，用于暂时存放处理器31中的运算数据，以及与硬盘等外部存储器322交换的数据，处理器31通过内存321与外部存储器322进行数据交换。

上述指令的具体执行过程可以参考本公开实施例中所述的细节层次模型检测方法的步骤，此处不再赘述。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的细节层次模型检测方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例所提供的细节层次模型检测方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的细节层次模型检测方法的步骤，具体可参见上述方法实施例，在此不再赘述。

本公开实施例还提供一种计算机程序，该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software DevelopmentKit，SDK)等等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。