物体建模方法、装置、计算机设备和存储介质

技术领域

本申请涉及虚拟现实技术领域，特别是涉及一种物体建模方法、装置、计算机设备和存储介质。

背景技术

随着虚拟现实技术的不断发展，虚拟现实图像构建方式也变得多种多样。然而，为了实现用户与虚拟现实场景中的物体进行互动，以实现虚拟现实实验过程，需要对现实环境的物体进行建模。因此如何构建现实环境的物体模型是当前的研究重点。

传统的技术方案是通过现实图像分割技术，该技术利用深度学习模型对现实环境中的物体结构数据进行虚拟分割，同时利用计算机视觉算法对现实场景进行3D(three-dimensional，三维立体)重建和跟踪，从而构建现实环境的物体模型。但是该方式由于对物体进行分割处理，使得基于现实场景构建的物体模型在虚拟现实环境中出现的图像失真、以及错位的情况，从而导致构建的物体模型的稳定性较差。

发明内容

基于此，有必要针对上述技术问题，提供一种物体建模方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种物体建模方法。所述方法包括：

获取现实环境的物体的各结构信息、每个结构信息对应的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息，并通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据；

针对每个结构信息，基于所述结构信息的三维图像信息的图像特征数据，构建所述结构信息的初始图像模型，并基于所述结构信息的各形变图像信息的形变特征数据，调整所述结构信息的初始图像模型中的形变参数，得到所述结构信息的图像模型；

基于各所述结构信息的图像模型，构建所述物体的初始物体模型，并确定所述初始物体模型在不同虚拟现实环境中的运动过程，得到所述初始物体模型在不同虚拟现实环境中的运动轨迹；

基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。

可选的，所述通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据，包括：

通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各所述特征图像进行去重处理，得到各图像特征数据；

针对每个结构信息，基于所述结构信息的各形变图像信息之间的形变图像、以及所述三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。

可选的，所述基于所述结构信息的各形变图像信息的形变特征数据，调整所述结构信息的初始图像模型中的形变参数，得到所述结构信息的图像模型，包括：

识别所述结构信息的每个形变特征数据对应的所述结构信息的结构部位；

基于每个形变特征数据，调整每个形变特征数据对应的结构部位的结构部位参数，得到每个形变特征数据对应的结构部位的新结构部位参数，并基于每个形变特征数据对应的新结构部位参数，确定所述结构信息的图像模型。

可选的，所述基于各所述结构信息的图像模型，构建所述物体的初始物体模型，包括：

识别各所述结构信息之间的连接关系，以及每个结构信息之间的连接点，并基于各所述结构信息的图像模型、各所述结构信息之间的连接点、各所述结构信息之间的连接关系、以及建模算法，构建所述物体的初始物体模型。

可选的，所述确定所述初始物体模型在不同虚拟现实环境中的运动过程，得到所述初始物体模型在不同虚拟现实环境中的运动轨迹，包括：

获取所述物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于所述运动任务，确定所述初始物体模型在所述运动任务对应的虚拟现实环境中的运动过程；

在每个运动过程中，确定所述初始物体模型的各结构信息的位置点变化信息，并分别连接各所述结构信息的位置点变化信息，得到所述初始物体模型的各结构信息的子运动轨迹；

基于各所述结构信息的子运动轨迹，确定所述初始物体模型的运动轨迹。

可选的，所述基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型，包括：

获取所述物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹，并基于所述识别所述物体的各结构信息的实际子运动轨迹；

基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息，并基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息；

基于各所述结构信息的实际连接变化信息、以及各所述结构信息的虚拟连接变化信息，调整所述初始物体模型的各结构信息的图像模型之间的动态连接参数，得到所述物体的物体模型。

第二方面，本申请还提供了一种物体建模装置。所述装置包括：

获取模块，用于获取现实环境的物体的各结构信息、每个结构信息对应的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息，并通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据；

调整模块，用于针对每个结构信息，基于所述结构信息的三维图像信息的图像特征数据，构建所述结构信息的初始图像模型，并基于所述结构信息的各形变图像信息的形变特征数据，调整所述结构信息的初始图像模型中的形变参数，得到所述结构信息的图像模型；

构建模块，用于基于各所述结构信息的图像模型，构建所述物体的初始物体模型，并确定所述初始物体模型在不同虚拟现实环境中的运动过程，得到所述初始物体模型在不同虚拟现实环境中的运动轨迹；

确定模块，用于基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。

可选的，所述获取模块，具体用于：

通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各所述特征图像进行去重处理，得到各图像特征数据；

针对每个结构信息，基于所述结构信息的各形变图像信息之间的形变图像、以及所述三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。

可选的，所述调整模块，具体用于：

识别所述结构信息的每个形变特征数据对应的所述结构信息的结构部位；

基于每个形变特征数据，调整每个形变特征数据对应的结构部位的结构部位参数，得到每个形变特征数据对应的结构部位的新结构部位参数，并基于每个形变特征数据对应的新结构部位参数，确定所述结构信息的图像模型。

可选的，所述构建模块，具体用于：

识别各所述结构信息之间的连接关系，以及每个结构信息之间的连接点，并基于各所述结构信息的图像模型、各所述结构信息之间的连接点、各所述结构信息之间的连接关系、以及建模算法，构建所述物体的初始物体模型。

可选的，所述构建模块，具体用于：

获取所述物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于所述运动任务，确定所述初始物体模型在所述运动任务对应的虚拟现实环境中的运动过程；

在每个运动过程中，确定所述初始物体模型的各结构信息的位置点变化信息，并分别连接各所述结构信息的位置点变化信息，得到所述初始物体模型的各结构信息的子运动轨迹；

基于各所述结构信息的子运动轨迹，确定所述初始物体模型的运动轨迹。

可选的，所述确定模块，具体用于：

获取所述物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹，并基于所述识别所述物体的各结构信息的实际子运动轨迹；

基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息，并基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息；

基于各所述结构信息的实际连接变化信息、以及各所述结构信息的虚拟连接变化信息，调整所述初始物体模型的各结构信息的图像模型之间的动态连接参数，得到所述物体的物体模型。

第三方面，本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质。其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

第五方面，本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

上述物体建模方法、装置、计算机设备和存储介质，通过获取现实环境的物体的各结构信息、每个结构信息的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息，并通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据；针对每个结构信息，基于所述结构信息的三维图像信息的图像特征数据，构建所述结构信息的初始图像模型，并基于所述结构信息的各形变图像信息的形变特征数据，调整所述结构信息的初始图像模型中的形变参数，得到所述结构信息的图像模型；基于各所述结构信息的图像模型，构建所述物体的初始物体模型，并确定所述初始物体模型在不同虚拟现实环境中的运动过程，得到所述初始物体模型在不同虚拟现实环境中的运动轨迹；基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。通过提取现实环境的物体的结构信息、各结构信息的三维图像信息、以及各结构信息在不同现实环境的形变图像信息，特征数据，从而构建每个结构信息的图像模型，不仅提升了每个图像模型的构建精准度，同时提升了每个图像模型对不同现实环境的适应度，以及每个图像模型的实际性。然后，通过确定所述物体模型在不同虚拟现实环境中的运动过程，得到初始物体模型在不同虚拟现实环境中的运动轨迹；再基于该运动轨迹基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。在确保该物体模型在静态环境的稳定性的情况下，提升了该物体模型在动态环境的稳定性。并且，通过不同虚拟现实环境中的运动轨迹共同调整该物体的动态连接关系，提升了该物体模型对不同虚拟现实环境的动态稳定性。从而综合提升了构建的物体模型的稳定性。

附图说明

图1为一个实施例中物体建模方法的流程示意图；

图2为一个实施例中物体建模示例的流程示意图；

图3为一个实施例中物体建模装置的结构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的物体建模方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中，终端通过提取现实环境的物体的结构信息、各结构信息的三维图像信息、以及各结构信息在不同现实环境的形变图像信息，特征数据，从而构建每个结构信息的图像模型，不仅提升了每个图像模型的构建精准度，同时提升了每个图像模型对不同现实环境的适应度，以及每个图像模型的实际性。然后，通过确定所述物体模型在不同虚拟现实环境中的运动过程，得到初始物体模型在不同虚拟现实环境中的运动轨迹；再基于该运动轨迹基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。在确保该物体模型在静态环境的稳定性的情况下，提升了该物体模型在动态环境的稳定性。并且，通过不同虚拟现实环境中的运动轨迹共同调整该物体的动态连接关系，提升了该物体模型对不同虚拟现实环境的动态稳定性。从而综合提升了构建的物体模型的稳定性。

在一个实施例中，如图1所示，提供了一种物体建模方法，以该方法应用于终端为例进行说明，包括以下步骤：

步骤S101，获取现实环境的物体的各结构信息、每个结构信息的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息，并通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据。

本实施例中，终端响应于用户的数据上传操作，获取需要进行构建的物体在现实环境中的每个结构的结构信息，以及每个结构信息的三维图像信息。其中该物体可以但不限于是任意一种能够在现实环境所探知的物体，例如床头柜，冰箱、桌子等。其中，三维图像信息为以大地坐标系构建的结果信息的三维图像信息。然后，终端通过采集不同现实环境中，每个结构信息的形变图像，得到每个结构信息的形变图像信息。其中，不同现实环境可以但不限于是，水下环境，高密度空气环境，高温高压环境、雪天环境、雨天环境、多物体运动环境等。形变图像为该结构信息的形状变化所对应的每个结构部位的位移变化图像。

终端通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据。具体的识别过程后续将详细说明。其中三维图像识别网络为基于强化学习的图像特征提取卷积神经网络。

步骤S102，针对每个结构信息，基于结构信息的三维图像信息的图像特征数据，构建结构信息的初始图像模型，并基于结构信息的各形变图像信息的形变特征数据，调整结构信息的初始图像模型中的形变参数，得到结构信息的图像模型。

本实施例中，终端针对每个结构信息，基于该结构信息的三维图像信息的图像特征数据，通过模型构建算法，构建该结构信息的初始图像模型。其中模型构建算法为三维SLAM(simultaneous localization and mapping，同步定位与建图)建模算法。然后，终端基于结构信息的各形变图像信息的形变特征数据，调整结构信息的初始图像模型中的形变参数，得到结构信息的图像模型。具体的调整过程后续将详细说明。

步骤S103，基于各结构信息的图像模型，构建物体的初始物体模型，并确定初始物体模型在不同虚拟现实环境中的运动过程，得到初始物体模型在不同虚拟现实环境中的运动轨迹。

本实施例中，终端基于各结构信息的图像模型，以及各结构信息之间的连接关系，构建该物体的初始物体模型。然后，终端通过仿真模型，确定该初始物体模型在不同虚拟现实环境中的运动过程，得到该初始物体模型在不同虚拟现实环境中的运动轨迹。其中每个虚拟现实环境为显示环境投射至虚拟环境的虚拟现实环境。每个虚拟现实环境对应一个现实环境。其中，运动轨迹为三维运动轨迹。具体的确定过程，后续将详细说明。

步骤S104，基于各运动轨迹，调整初始物体模型的各结构信息的图像模型之间的动态连接关系，得到物体的物体模型。

本实施例中，终端采集每个现实环境的各结构信息的实际运动轨迹，并基于各运动轨迹、以及各实际运动轨迹，调整初始物体模型的各结构信息的图像模型之间的动态连接关系，得到物体的物体模型。其中，动态连接关系为物体的各结构信息之间的连接关系的参数变化范围。具体的调整过程，后续将详细说明。

基于上述方案，通过提取现实环境的物体的结构信息、各结构信息的三维图像信息、以及各结构信息在不同现实环境的形变图像信息，特征数据，从而构建每个结构信息的图像模型，不仅提升了每个图像模型的构建精准度，同时提升了每个图像模型对不同现实环境的适应度，以及每个图像模型的实际性。然后，通过确定所述物体模型在不同虚拟现实环境中的运动过程，得到初始物体模型在不同虚拟现实环境中的运动轨迹；再基于该运动轨迹基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。在确保该物体模型在静态环境的稳定性的情况下，提升了该物体模型在动态环境的稳定性。并且，通过不同虚拟现实环境中的运动轨迹共同调整该物体的动态连接关系，提升了该物体模型对不同虚拟现实环境的动态稳定性。从而综合提升了构建的物体模型的稳定性。

可选的，通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据，包括：通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各特征图像进行去重处理，得到各图像特征数据；针对每个结构信息，基于结构信息的各形变图像信息之间的形变图像、以及三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。

本实施例中，终端通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各特征图像进行去重处理，得到各图像特征数据。其中，特征图像为每个结构信息的特征结构对应的图像，例如，桌子的桌腿形状图像，桌腿与桌面的连接处的图像，以及桌腿的颜色图像等。

终端针对每个结构信息，识别该结构信息的各形变图像信息之间的形变图像，然后，终端基于该结构信息的各形变图像信息之间的形变图像、以及三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。其中形变图像为在结构信息发生形变时，形变部位的位移变化图像。例如冰箱的冰箱门的门脚的旋转变化位移图像，以及抽屉的抽屉脚的抽拉变化位移图像等。

基于上述方案，通过对图像的特征进行提取，从而得到各结构信息的特征图像数据，在确保了构建的结构信息的图像模型的精准度的情况下，提升了后续构建图像模型的效率。

可选的，基于结构信息的各形变图像信息的形变特征数据，调整结构信息的初始图像模型中的形变参数，得到结构信息的图像模型，包括：识别结构信息的每个形变特征数据对应的结构信息的结构部位，以及每个形变特征数据对应的现实环境；基于每个形变特征数据，调整每个形变特征数据对应的结构部位的结构部位参数，得到每个形变特征数据对应的结构部位的新结构部位参数，并基于每个形变特征数据对应的新结构部位参数、确定该结构信息的图像模型。

本实施例中，终端基于每个形变特征数据，识别该形变特征数据对应的该结构信息的结构部位，并获取产生每个形变特征数据对识别结构信息的每个形变特征数据对应的结构信息的结构部位，在该结构信息的初始图像模型中的结构部位参数。然后，终端识别基于每个形变特征数据对于每个形变特征数据对应的结构部位的参数变化量，然后终端将每个形变特征数据对应的结构部位的结构部位参数添加参数变化量，得到每个形变特征数据对应的结构部位的新结构部位参数。其中，每个新结构部位参数为多个该结构部位的参数范围。最后，终端基于每个形变特征数据对应的新结构部位参数，确定所述结构信息的图像模型。

基于上述方案，通过形变特征数据，调整每个结构部位的参数范围，提升了结构信息的图像模型的实际性与精准度。

可选的，基于各结构信息的图像模型，构建物体的初始物体模型，包括：识别各结构信息之间的连接关系，以及每个结构信息之间的连接点，并基于各结构信息的图像模型、各结构信息之间的连接点、各结构信息之间的连接关系、以及建模算法，构建物体的初始物体模型。

本实施例中，终端识别各结构信息之间的连接关系，以及每个结构信息之间的连接点。其中连接关系包括但不限于拼接、紧挨、嵌入、活动连接、固定连接、隔空连接等，其中每个连接点对应一个三维位置点，该三维位置点为以大地坐标系为三维坐标系的位置点。然后，终端基于各结构信息的图像模型、各结构信息之间的连接点、各结构信息之间的连接关系、以及建模算法，构建物体的初始物体模型。

其中，该建模算法与图像模型的建模算法相同，且该建模算法在此处的作用为用于将各图像模型按照各图像模型对应的结构信息之间的连接关系，和连接点进行模型连接处理，得到该物体的初始物体模型。

可选的，确定初始物体模型在不同虚拟现实环境中的运动过程，得到初始物体模型在不同虚拟现实环境中的运动轨迹，包括：获取物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于运动任务，确定初始物体模型在运动任务对应的虚拟现实环境中的运动过程；实时记录每个运动过程中，初始物体模型的各结构信息的位置点变化信息，并分别连接各结构信息的位置点变化信息，得到初始物体模型的各结构信息的子运动轨迹；基于各结构信息的子运动轨迹，确定初始物体模型的运动轨迹。

本实施例中，终端获取物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于该运动任务，确定初始物体模型在运动任务对应的虚拟现实环境中的运动过程。然后，终端实时记录每个运动过程中，该初始物体模型中的各结构信息的位置点变化信息，并将每个结构信息的所有位置点变化信息按照记录的时间顺序进行连接，得到该初始物体模型的各结构信息的子运动轨迹。终端基于各结构信息的子运动轨迹的趋近值，作为该初始物体模型的运动轨迹。

基于上述方案，通过确定运动任务得到初始物体模型的运动轨迹，提升了获取该物体模型的各结构信息的动态连接关系的精准度。

可选的，基于各运动轨迹，调整初始物体模型的各结构信息的图像模型之间的动态连接关系，得到物体的物体模型，包括：获取物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹，并基于识别物体的各结构信息的实际子运动轨迹；基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息，并基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息；基于各结构信息的实际连接变化信息、以及各结构信息的虚拟连接变化信息，调整初始物体模型的各结构信息的图像模型之间的动态连接参数，得到物体的物体模型。

本实施例中，终端通过接收摄像设备发送的该摄像设备在每个现实环境中采集的该物体的运动轨迹图像，然后，通过图像特征识别网络(同步骤S101中的三维图像识别网络)识别该物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹。

终端识别每个实际运动轨迹中该物体的各结构信息的实际子运动轨迹。然后，基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息。其中，连接变化关系为两个结构信息之间的连接点处的结构部位的位移信息。再后，终端基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息。该确定连接变化关系，与连接变化关系的表征意义相同。最后，终端计算各结构信息的实际连接变化信息、与各结构信息的虚拟连接变化信息之间的偏差值，并基于各偏差值，调整该初始物体模型的各结构信息的图像模型之间的动态连接参数，得到各结构信息的图像模型之间的动态连接参数范围。终端将包含所有结构信息的图像模型之间的动态连接参数范围的初始物体模型，作为该物体的物体模型。

基于上述方案，通过运动轨迹调整初始物体模型之间的动态连接关系，提升了该物体模型的动态稳定性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

本申请还提供了一种物体建模示例，如图2所示，具体处理过程包括以下步骤：

步骤S201，获取现实环境的物体的各结构信息、每个结构信息对应的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息。

步骤S202，通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各特征图像进行去重处理，得到各图像特征数据。

步骤S203，针对每个结构信息，基于结构信息的各形变图像信息之间的形变图像、以及三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。

步骤S204，针对每个结构信息，基于结构信息的三维图像信息的图像特征数据，构建结构信息的初始图像模型。

步骤S205，识别结构信息的每个形变特征数据对应的结构信息的结构部位。

步骤S206，基于每个形变特征数据，调整每个形变特征数据对应的结构部位的结构部位参数，得到每个形变特征数据对应的结构部位的新结构部位参数，并基于每个形变特征数据对应的新结构部位参数，确定结构信息的图像模型。

步骤S207，识别各结构信息之间的连接关系，以及每个结构信息之间的连接点，并基于各结构信息的图像模型、各结构信息之间的连接点、各结构信息之间的连接关系、以及建模算法，构建物体的初始物体模型。

步骤S208，获取物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于运动任务，确定初始物体模型在运动任务对应的虚拟现实环境中的运动过程。

步骤S209，在每个运动过程中，确定初始物体模型的各结构信息的位置点变化信息，并分别连接各结构信息的位置点变化信息，得到初始物体模型的各结构信息的子运动轨迹。

步骤S210，基于各结构信息的子运动轨迹，确定初始物体模型的运动轨迹。

步骤S211，获取物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹，并基于识别物体的各结构信息的实际子运动轨迹。

步骤S212，基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息，并基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息。

步骤S213，基于各结构信息的实际连接变化信息、以及各结构信息的虚拟连接变化信息，调整初始物体模型的各结构信息的图像模型之间的动态连接参数，得到物体的物体模型。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的物体建模方法的物体建模装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个物体建模装置实施例中的具体限定可以参见上文中对于物体建模方法的限定，在此不再赘述。

在一个实施例中，如图3所示，提供了一种物体建模装置，包括：获取模块310、调整模块320、构建模块330和确定模块340，其中：

获取模块310，用于获取现实环境的物体的各结构信息、每个结构信息对应的三维图像信息、以及每个结构信息在不同现实环境的形变图像信息，并通过三维图像识别网络，分别识别每个三维图像信息的图像特征数据、以及每个形变图像信息的形变特征数据；

调整模块320，用于针对每个结构信息，基于所述结构信息的三维图像信息的图像特征数据，构建所述结构信息的初始图像模型，并基于所述结构信息的各形变图像信息的形变特征数据，调整所述结构信息的初始图像模型中的形变参数，得到所述结构信息的图像模型；

构建模块330，用于基于各所述结构信息的图像模型，构建所述物体的初始物体模型，并确定所述初始物体模型在不同虚拟现实环境中的运动过程，得到所述初始物体模型在不同虚拟现实环境中的运动轨迹；

确定模块340，用于基于各所述运动轨迹，调整所述初始物体模型的各结构信息的图像模型之间的动态连接关系，得到所述物体的物体模型。

可选的，所述获取模块310，具体用于：

通过三维图像识别网络，识别每个三维图像信息的特征图像，并对各所述特征图像进行去重处理，得到各图像特征数据；

针对每个结构信息，基于所述结构信息的各形变图像信息之间的形变图像、以及所述三维图像识别网络，识别每个形变图像的特征图像，得到每个形变图像信息的形变特征数据。

可选的，所述调整模块320，具体用于：

识别所述结构信息的每个形变特征数据对应的所述结构信息的结构部位；

基于每个形变特征数据，调整每个形变特征数据对应的结构部位的结构部位参数，得到每个形变特征数据对应的结构部位的新结构部位参数，并基于每个形变特征数据对应的新结构部位参数，确定所述结构信息的图像模型。

可选的，所述构建模块330，具体用于：

识别各所述结构信息之间的连接关系，以及每个结构信息之间的连接点，并基于各所述结构信息的图像模型、各所述结构信息之间的连接点、各所述结构信息之间的连接关系、以及建模算法，构建所述物体的初始物体模型。

可选的，所述构建模块330，具体用于：

获取所述物体在不同虚拟现实环境对应的运动任务，并针对每个运动任务，基于所述运动任务，确定所述初始物体模型在所述运动任务对应的虚拟现实环境中的运动过程；

在每个运动过程中，确定所述初始物体模型的各结构信息的位置点变化信息，并分别连接各所述结构信息的位置点变化信息，得到所述初始物体模型的各结构信息的子运动轨迹；

基于各所述结构信息的子运动轨迹，确定所述初始物体模型的运动轨迹。

可选的，所述确定模块340，具体用于：

获取所述物体在每个虚拟现实环境对应的现实环境的中的实际运动轨迹，并基于所述识别所述物体的各结构信息的实际子运动轨迹；

基于各结构信息的实际子运动轨迹，识别在每个现实环境中的各结构信息的实际连接变化信息，并基于各结构信息的子运动轨迹，识别在每个虚拟现实环境中的各结构信息的虚拟连接变化信息；

基于各所述结构信息的实际连接变化信息、以及各所述结构信息的虚拟连接变化信息，调整所述初始物体模型的各结构信息的图像模型之间的动态连接参数，得到所述物体的物体模型。

上述物体建模装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种物体建模方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。