一种多对象碰撞检测方法和系统

技术领域

本说明书涉及建筑碰撞检测领域，特别涉及一种多对象碰撞检测方法和系统。

背景技术

目前，随着城市建设工作逐步开展，建造业相关问题(如成本预算、施工安全)所带来的一系列问题也越来越被人们重视。对于建筑设计图纸和施工图纸，常常用大量长短不一的线条表示钢筋分布情况。利用传统的建筑碰撞检测方法(如使用三维建模软件和专业的碰撞检测工具)对于整个图纸的钢筋进行碰撞检测，可能存在准确性和细节损失的问题，同时也会花费大量人力时间成本。

因此提供一种多对象碰撞检测方法和系统，有助于以较高的计算效率识别和避免建筑物或结构中的碰撞问题，确保施工的安全性和准确性。

发明内容

本说明书一个或多个实施例提供一种多对象碰撞检测方法，所述方法由处理器执行，包括：获取建筑设计图纸的图纸结构信息，以及所述建筑设计图纸内的图元对象的图元数量和图元分布数据，所述图纸结构信息包括结构类型、结构分布信息和结构分层信息中至少一种，所述图元对象包括钢筋图形、预埋件图形、预制构件图形中至少一种，所述图元分布数据包括至少两组三维坐标数据和图元尺寸数据；基于所述图纸结构信息，结合所述图元分布数据，确定第一分组信息，所述第一分组信息包括第一分组数量和第一图元信息，所述第一图元信息包括每一分组内的所述图元对象的所述图元数量和所述图元分布数据；基于所述第一分组信息，确定碰撞检测的预估处理时间；响应于所述预估处理时间不满足预设条件，基于所述第一分组信息，确定第二分组信息，所述第二分组信息包括第二分组数量和第二图元信息；基于所述第二分组信息，重新确定所述预估处理时间；重复前两个步骤，直至所述预估处理时间满足所述预设条件，分别对所述每一分组内的所述图元对象进行碰撞检测。

本说明书一个或多个实施例提供一种多对象碰撞检测装置，包括处理器，所述处理器用于执行本说明书实施例中任一项所述的多对象碰撞检测方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行本说明书实施例中任一项所述的多对象碰撞检测方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的多对象碰撞检测方法的示例性流程图；

图2是根据本说明书一些实施例所示的确定第一分组信息的示例性示意图；

图3是根据本说明书一些实施例所示的确定完成度的示例性示意图；

图4是根据本说明书一些实施例所示的确定碰撞检测次数和碰撞检测顺序的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的多对象碰撞检测方法的示例性流程图。在一些实施例中，流程100可以由处理器执行。如图1所示，流程100包括下述步骤：

步骤S1，获取建筑设计图纸的图纸结构信息，以及建筑设计图纸内的图元对象的图元数量和图元分布数据。

建筑设计图纸是指用于表示建筑物结构组成的有关图纸。

图纸结构信息是指图纸内部各种图形分布结构的相关信息。在一些实施例中，图纸结构信息包括结构类型、结构分布信息和结构分层信息中至少一种。在一些实施例中，处理器可以基于建筑设计图纸进行区域特征提取获得图纸结构信息。

结构类型是指图纸内部大量图形所表示的建筑结构的类型。例如，结构类型可以包括梁、板、柱、居民住宅、体育馆等。

结构分布信息可以表征图纸内部结构的位置分布。例如，结构分布信息可以包括结构中心点或中点的三维坐标。

结构分层信息可以表征图纸内部结构的层次。例如，有20层楼的居民住宅结构，可以分为1-20层。

图元对象是指图纸内部的图形。在一些实施例中，图元对象包括钢筋图形、预埋件图形、预制构件图形中至少一种。例如，图元对象可以包括表示钢筋的线条、表示预埋件的三维图形等。在一些实施例中，图元对象可以基于建筑设计图纸分析获得。

图元数量是指图纸内部的图元对象的数量。在一些实施例中，图元数量可以基于建筑设计图纸中的图元对象统计获得。

图元分布数据可以表征图元对象在图纸内部位置的信息。在一些实施例中，图元分布数据包括至少一个图元对象的坐标数据和图元尺寸数据。在一些实施例中，图元分布数据可以基于建筑设计图纸中的图元对象分析获得。

三维坐标数据是指图元对象在图纸内部的坐标。一个图元对象可以包括至少两组三维坐标数据。例如，该图元对象的两个端点的三维坐标数据。

图元尺寸数据是指图元对象在图纸内部的大小。如图元对象的半径等。

仅作为示例的，图元分布数据包括某个钢筋图元的相信信息，表示为[(x1,y1,z1,w1)，(x2,y2,z2,w2)]，其中，(x1,y1,z1)和(x2,y2,z2)为钢筋图元的两个端点的三维坐标数据，w1和w2为钢筋图元的两个端点的半径，即图元尺寸数据。

步骤S2，基于图纸结构信息，结合图元分布数据，确定第一分组信息。

第一分组信息是指对图纸内大量图元对象进行第一次分组得到的若干第一分组的分组数据。例如，第一分组信息包括第一分组的分组数量(后简称第一分组数量)和各个第一分组的图元信息(后简称第一图元信息)。

第一图元信息是指第一分组内的图元对象的相关信息。第一图元信息包括每一个第一分组内的图元对象的图元数量和图元分布数据。

处理器可以通过多种方式确定第一分组信息。在一些实施例中，第一分组信息可以按照先验经验确定。例如，两层楼的建筑物的第一分组数量按经验为5组，如可以基于楼的截面分布尺寸划分5个区域，将每个区域对应的多个图元对象的聚为一组，得到5个第一分组，进而确定第一分组信息。

在一些实施例中，处理器可以基于聚类匹配确定第一分组信息。关于聚类匹配的更多说明，参见图2及其相关描述。

步骤S3，基于第一分组信息，确定碰撞检测的预估处理时间。

碰撞检测是指建筑设计图纸中各图元对象之间的碰撞检测。例如，碰撞检测可以判断图元对象之间是否存在不合理相交情况。在一些实施例中，不同组内的图元对象间由于相距较远，不需进行碰撞检测，即可以基于合理的分组，减少不必要的碰撞检测，进而降低检测次数，以缩减检测时间。

在一些实施例中，处理器可以基于第一分组信息，通过每一第一分组内线段间的两两求交的计算操作确定是否发生碰撞。例如，若计算结果为线段有交点，则表明存在碰撞。

在一些实施例中，处理器可以基于碰撞检测模型确定各个第一分组的碰撞检测时碰撞检测次数和碰撞检测顺序。关于碰撞检测模型、碰撞检测次数和碰撞检测顺序的更多说明，参见图4及其相关内容。

预估处理时间是指预计完成每一第一分组内图元对象的线段间两两求交的计算操作所花费的时间。在一些实施例中，处理器可以预先记录并保存一个分组内的不同图元数量对应的不同预估处理时间，并生成第一预设表格，则处理器可以基于第一分组数量、每一个第一分组内的图元数量，通过查表等方式确定每个第一分组对应的碰撞检测时间，进而确定预估处理时间。

在一些实施例中，预估处理时间可以基于处理模型确定。关于处理模型的更多说明，参见图3及其相关描述。

步骤S4，响应于预估处理时间不满足预设条件，基于第一分组信息，确定第二分组信息。

预设条件是指判断是否对第一分组内部进行再次分组的条件。在一些实施例中，预设条件可以为预估处理时间小于时间阈值。时间阈值可以基于历史经验确定。在一些实施例中，预设条件可以由用户预先设置确定。

第二分组信息是指在每个第一分组内部再次分组得到若干第二分组的分组数据。第二分组信息包括第二分组的分组数量(后简称第二分组数量)和第二分组的图元信息(后简称第二图元信息)。第二分组数量、第二图元信息和第一分组数量、第一图元信息类似，可以参见图1上述相关内容。

在一些实施例中，第二分组信息可以按照先验经验确定。在一些实施例中，第二分组信息可以基于聚类匹配确定。关于聚类匹配的更多说明，参见图2及其相关描述。

例如，继续前例，两层楼的建筑物基于楼的平面分布尺寸划分为5个第一分组，处理器在每个第一分组的区域内可以进一步划分3个子区域，将每个子区域内的图元对象聚为一个第二分组，按此，可以得到15个第二分组，进而确定第二分组信息。

步骤S5，基于第二分组信息，重新确定预估处理时间。

此时，预估处理时间为预计完成每一第二分组内图元对象的线段间两两求交的计算操作所花费的时间。

在一些实施例中，处理器可以基于第二分组数量、每一个第二分组内的图元数量，通过查询第一预设表等方式确定预估处理时间。具体说明参见步骤S3中基于第一分组信息确定预估处理时间的说明。

步骤S6，重复步骤S4-S5，直至预估处理时间满足预设条件，分别对每一分组内的图元对象进行碰撞检测。

在一些实施例中，响应于预估处理时间不满足预设条件，处理器在上一步分组的基础上对每个分组内部再次分组。例如，对每个第二分组内部再次分组以此类推，直至相应分组情况下的预估处理时间满足预设条件。

本说明书一些实施例，通过获取建筑设计图纸的图纸结构信息和图元分布数据，确定更优的分组信息，可以快速准确地确定合理的碰撞检测的对象，可以减少碰撞检测的复杂度，提高检测的效率和准确性。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

在一些实施例中，处理器可以基于图纸结构信息211，结合三维坐标数据，确定第一分组数量，以及每一第一分组的分组中心和分组半径；基于每一第一分组的分组中心和分组半径，通过聚类匹配确定第一分组信息240。

关于图纸结构信息211、三维坐标数据和第一分组数量的更多说明，参见图1及其相关内容。

在一些实施例中，处理器可以根据图纸结构信息211，根据先验经验确定第一分组数量。例如，图纸内部结构空间越大，第一分组数量越多。

分组中心232是指对图元对象分组时参考的三维坐标数据。分组中心类似聚类里的簇中心。在一些实施例中，处理器可以根据图纸结构信息211，根据先验经验确定分组中心232。例如，对于居民住宅，每2层划分至少5个分组，5个分组中心分布在每2层中间的楼板上，分组半径小于1层楼的高度。

分组半径233是指以分组中心232为中心点向不同方向延伸的预设距离。在一些实施例中，处理器可以根据图纸结构信息211，根据先验经验确定分组半径233。在一些实施例中，分组中心232之间的距离越大，分组半径233越大。

在一些实施例中，处理器可以使用分组模型220确定分组数量231、每一分组的分组中心232和分组半径233。分组模型220可以为机器学习模型。例如，长短期记忆网络(LongShort Term Memory Network，LSTM)模型等或其任意组合。

在一些实施例中，分组模型220的输入可以包括图纸结构信息211、待分组的图元对象的图元数量212和图元分布数据213，输出可以包括分组数量231、每一分组的分组中心232和分组半径233。

以基于分组模型220确定对某一第一分组再次划分得到若干第二分组为例：

分组模型220的输入可以包括图纸结构信息211、该第一分组的图元数量212和图元分布数据213，输出可以包括该第一分组对应的第二分组数量231、每一第二分组的分组中心232和对应的分组半径233。

在一些实施例中，分组模型可以通过带有第一标签的第一训练样本训练得到。在一些实施例中，第一训练样本可以包括样本图纸结构信息、待分组的样本图元对象的图元数量和图元分布数据，第一标签可以为样本分组数量、各个样本分组中心和对应的样本分组半径。

在一些实施例中，第一训练样本可以基于历史处理数据获得，第一标签可以为历史处理数据中，对于图纸结构信息的历史处理数据中，满足碰撞检测需求的实际处理时间最短时的分组中心数量、每一分组的分组中心和分组半径。

例如，对于某个居民住宅建筑设计图纸，确定图纸结构信息后，按先验经验，对于每2层楼，分别划分3个、4个、5个、6个分组中心，和人为设定合理的分组半径，通过聚类确定每个分组内的图元对象，然后分别对每个分组内的图元对象进行碰撞检测，统计实际花费时间或通过处理模型预测预估处理时间，则将时间最短的分组数量，以及对应的分组中心和分组半径作为标签。关于处理模型的更多说明，参见图3及其相关描述。

本说明书一些实施例，不同建筑设计图纸其图纸结构信息不同，如果统一按相同预设方法进行碰撞检测处理，可能存在处理时间波动幅度较大，处理效率较低的问题；处理器通过使用训练好的分组模型，根据图纸结构信息等数据，将图纸内部的图元对象合理地划分为不同分组，可以在一定程度上保证碰撞检测处理效率。

在一些实施例中，处理器可以将多个三维坐标数据与分组中心的三维坐标数据之间的距离均小于分组半径233的图元对象，划分为该分组中心232对应的分组。

例如，处理器先根据图纸结构信息211，结合每一个分组中心232和分组半径233，为减少计算量，估计候选图元对象，其中，划分的候选图元对象分布范围略大于分组半径233；然后，分别计算不同图元对象与分组中心232的向量距离(欧氏距离、余弦距离等)，将与某一分组中心的向量距离小于分组半径233的图元对象，聚为该分组中心对应的第一分组，进而确定第一分组信息240。

其中，候选图元对象是指可能会被划分到该分组内的图元对象。不同分组中心的候选图元对象有重合，为避免没有意义地增加计算量，重合不能过大，如重合的图元对象数量不能超过预设数量，超过时，则重新确定候选图元对象。

在一些实施例中，处理器可以在第一分组中的分组中心232和分组半径233构成的若干球体内再次分组，得到第二分组信息。例如，在第一分组中的某一分组中心232和分组半径233构成的球体内再从中确定若干球心及半径，一个球心即为一个第二分组的分组中心233，半径即为该分组中心对应的分组半径。

在一些实施例中，处理器可以基于第一分组信息内的不同图元对象相对于各个分组中心232的距离(欧式距离或余弦距离)，聚类匹配多个第二分组。例如，将图元对象分配到与其距离最近或距离小于分组半径的分组中心对应的分组内。

在一些实施例中，处理器可以基于分组模型，确定每次分组时的分组信息，如分组数量、分组中心和分组半径。

在一些实施例中，不同分组之间不相交，多个分组中心232和分组半径233构成的球体之间存在空隙。如分组时会存在与不同分组中心232的距离均大于分组半径233的图元对象，或只有部分坐标落入分组半径233内的图元对象，这些图元对象需要划分为第三分组。关于第三分组的更多说明，参见图3及其相关内容。

本说明书一些实施例，基于图纸结构信息，可以确定分组数量、分组中心和分组半径，进而使用聚类匹配确定分组信息，可以精确地将图元对象进行分组，以便后续的碰撞检测工作，同时，聚类匹配可以更好地保证分组的准确性和一致性。

在一些实施例中，处理器可以确定第三分组信息311。

第三分组信息311是指对没有包含在第一分组和/或第二分组内的图元对象进行分组时确定的分组数据。在一些实施例中，第三分组信息311包括关联图元及关联图元的关联图元数量和关联图元分布数据。在一些实施例中，第三分组信息311可以结合第一分组信息和/或第二分组信息，根据先验经验确定。

关联图元为与第一分组信息和/或第二分组信息中的图元对象有碰撞风险的图元对象。

关联图元数量和关联图元分布数据类似图元数量和图元分布数据，具体参见图1及其相关描述。

在一些实施例中，第三分组信息311还包括第三分组数量，以及与第三分组内部图元对象关联的第一分组和/或第二分组。

例如，若第三分组内某个图元对象有一部分可以落入第一分组和/或第二分组，则该第一分组和/或第二分组即与该第三分组关联。

本说明书一些实施例，第三分组信息还包括第三分组数量，以及与第三分组内部图元对象关联的第一分组和/或第二分组，便于后续计算碰撞信息时关联与该分组对应的第三分组的关联图元，增加计算碰撞信息的准确度，减少计算时间和成本。

在一些实施例中，处理器可以基于图元对象的图元分布数据213，判断是否将该图元对象确定为关联图元。

在一些实施例中，关联图元可以为部分或没有三维坐标数据位于某个分组的分组半径之内的图元对象。例如，某个钢筋图元对象，只有一部分符合某个分组的分组要求(如与分组中心的距离小于分组半径)，则该钢筋图元对象不能划分到该分组或其他分组，需要单独划分为第三分组。即该钢筋图元对象可以作为关联图元。。

本说明书一些实施例，基于不同图元对象的图元分布数据来确定图元对象是否为关联图元，可以保证确定结果的可靠性和准确度。

本说明书一些实施例，在前述进行第一分组和第二分组的过程中，可能存在不满足分组条件的图元对象，通过合理地确定第三分组信息，可以保证分组信息的可靠性与全面性，避免遗漏现象发生，提高碰撞检测的准确性。

在一些实施例中，处理器可以基于处理模型320确定预估处理时间。

处理模型320可以为机器学习模型。例如，循环神经网络(Recurrent NeuralNetwork，RNN)模型等或其任意组合。

在一些实施例中，处理模型320的输入可以包括分组中心的数量310和分组半径233、每一分组内的图元数量212和图元分布数据213、第三分组信息311和预设处理时间312，输出可以为完成度330。

预设处理时间312是指预先设定的处理时间。在一些实施例中，处理器可以基于历史处理数据建立第一预设表格，基于每一分组内的图元数量212，通过查表等方式，确定每一分组对应的检测时间，进而确定预设处理时间312。具体说明参见图1的相应内容。

完成度330是指图元对象之间碰撞检测的进度。

在一些实施例中，处理模型可以基于带有第二标签的第二训练样本训练得到。在一些实施例中，第二训练样本可以包括样本分组中心的数量和分组半径、样本分组内的图元数量和图元分布数据、样本第三分组信息和样本预设处理时间，第二标签可以为样本完成度。

在一些实施例中，第二训练样本可以基于历史处理数据获得，第二标签可以根据第二训练样本中与样本数据相同或相似的历史数据对应的，完成度为100％及以上的记作1；完成度小于100％的记作0。例如，在模型建立前，基于大量历史实际碰撞检测数据和/或模拟碰撞检测数据确定第二训练样本和第二标签。又例如，对于居民住宅、公共建筑、工业建筑等，分别进行分类统计，作为不同的样本数据，将相同或相似的样本数据划分为一类，其对应的是否完成作为这类样本数据的第二标签。

预估处理时间是指预计的碰撞检测的计算时间。在一些实施例中，处理器可以将模型输出的完成度大于等于100％，且时间最小的预设处理时间，作为预估处理时间。

本说明书一些实施例，通过使用训练好的处理模型对相关分组数据进行分析，可以快速地确定比较准确的预估处理时间，进而可以提前得知前述分组处理是否满足要求，提高碰撞检测效率。

图4是根据本说明书一些实施例所示的确定碰撞检测次数和碰撞检测顺序的示例性示意图。

在一些实施例中，处理器可以确定每一分组内图元对象411的风险图元412，风险图元412包括每一分组内与图元对象411有碰撞风险的其他图元对象411；基于每一分组内的图元对象411，结合风险图元412建立风险图结构410；基于风险图结构410，确定每一分组内的图元对象411的碰撞检测次数431和碰撞检测顺序432。

一个图元对象的风险图元412是指与该图元对象有碰撞风险的图元对象411。距离较近的图元对象之间有碰撞风险，例如，相互邻近的钢筋图元有碰撞风险。在一些实施例中，风险图元412包括每一分组内与图元对象411有碰撞风险的其他图元对象411。在一些实施例中，风险图元412可以基于先验经验确定。例如，柱子和梁板交点处的钢筋图元互为风险图元412。

在一些实施例中，风险图元412还包括每一分组内与关联图元有碰撞风险的图元对象411。关于关联图元的更多说明，参见图3及其相关描述。

例如，第二分组内的某个图元对象与第三分组的图元对象有碰撞风险，则该图元对象为风险图元。

本说明书一些实施例，对于第三分组内的关联图元，其仍有同其他第一分组、第二分组内图元对象发生碰撞的风险，通过考虑将第三分组内的关联作为建立图结构的节点，可以提高碰撞检测的准确度。

。处理器可以基于两个图元对象的三维坐标距离中至少一维坐标对应的距离，确定该两个图元对象是否互为风险图元。例如，两个图元对象的x、y、z坐标中，三个维度的坐标值的相对距离均小于距离阈值时，即认为该两个图元对象互为风险图元。

距离阈值是指用于确定风险图元412的阈值。在一些实施例中，距离阈值可以基于先验知识确定。在一些实施例中，距离阈值负相关于图元尺寸数据。如某个图元对象的截面半径越大，则确认该图元对象的风险图元时，使用的距离阈值越小。

本说明书一些实施例，通过三维坐标数据x、y、z的距离确定风险图元，可以快速准确地确定在空间上有碰撞风险的图元，，可以提高碰撞检测的准确度。

在一些实施例中，处理器可以基于碰撞检测模型420对每一分组内的图元对象411和风险图元412进行处理，确定每一分组内图元对象411的碰撞检测次数431和碰撞检测顺序432。碰撞检测模型420为机器学习模型，例如深度神经网络模型。

在一些实施例中，处理器可以基于一个分组内的图元对象411结合风险图元412建立该分组对应的风险图结构410，碰撞检测模型420可以对风险图结构410进行处理，确定每一分组内图元对象411的碰撞检测次数431和碰撞检测顺序432。

碰撞检测次数431是指节点进行两两碰撞测试的次数。在一些实施例中，碰撞检测次数431为风险图结构410中边的数量。

碰撞检测顺序432是指相应节点进行碰撞测试的顺序。在一些实施例中，碰撞检测数据432为风险图结构410的边属性中的检测排序。在一些实施例中，检测排序可以由碰撞检测模型420输出更新获得。

在一些实施例中，风险图结构410的节点可以与每一分组内的图元对象411对应。在一些实施例中，节点还包括与该分组对应的第三分组的关联图元。例如，与该分组对应的第三分组的关联图元可以为有一半坐标落到该分组的以分组中心为球心、分组半径为半径的球内的图元对象。

节点属性可以反映对应图元对象的相关特征。例如，节点属性包括：节点对应的图元对象的周围风险图元数量等。

周围风险图元数量是指图元对象对应的风险图元的数量，可以理解为该节点引出的边的数量。

在一些实施例中，边可以用于连接互为风险图元的两个图元对象对应的节点。

边属性可以反应对应风险图元412的相关特征。例如，边属性包括：两个节点间的最小距离以及检测排序等。

最小距离是指两个图元对象411的多个三维坐标数据计算得到的最小距离。例如，两个图元对象分别基于x、y、z坐标得到的间距中的最小值。

检测排序是指对不同位置的图元对象进行一一碰撞检测的顺序。在一些实施例中，碰撞检测模型420输出前各边的检测排序均为0。

在一些实施例中，碰撞检测模型420可以是图神经网络(Graph Neural Network，GNN)模型。碰撞检测模型420输入可以是对应分组的风险结构图410，输出可以是对应分组内图元对象411的碰撞检测次数431和碰撞检测顺序432，基于风险结构图410的节点输出相应图元对象411的碰撞检测次数431和碰撞检测顺序432。

在一些实施例中，碰撞检测模型可以基于带有第三标签的第三训练样本训练获得。在一些实施例中，第三训练样本可以是基于历史处理数据确定的历史风险结构图，历史风险结构图的节点及其属性、边及其属性与风险结构图类似，标签可以为基于历史处理数据确定的各个图元对象的历史碰撞检测次数和历史碰撞检测顺序。

本说明书一些实施例，通过基于前述分组信息建立图结构，分别对不同分组内的图元对象进行碰撞检测，对比传统的两两碰撞检测，在一定程度上提高碰撞检测的效率，节约了时间成本。

本说明书实施例还提供一种多对象碰撞检测装置，装置包括至少一个存储介质和至少一个处理器，至少一个存储介质用于存储计算机指令；至少一个处理器用于执行计算机指令以实现本说明书实施例中任一项所述的多对象碰撞检测方法。

本说明书实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机指令被计算机执行时，实现本说明书实施例中任一项所述的多对象碰撞检测方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。