CN118037981A - 一种基于人工智能生成的三维大世界地形的方法 - Google Patents
一种基于人工智能生成的三维大世界地形的方法 Download PDFInfo
- Publication number
- CN118037981A CN118037981A CN202410438109.7A CN202410438109A CN118037981A CN 118037981 A CN118037981 A CN 118037981A CN 202410438109 A CN202410438109 A CN 202410438109A CN 118037981 A CN118037981 A CN 118037981A
- Authority
- CN
- China
- Prior art keywords
- generated
- grid
- scene
- terrain
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012876 topography Methods 0.000 title claims abstract description 34
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 48
- 238000009877 rendering Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 32
- 230000000694 effects Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 239000004576 sand Substances 0.000 description 7
- 239000011435 rock Substances 0.000 description 6
- 241000283070 Equus zebra Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 241000242759 Actiniaria Species 0.000 description 2
- 241000334163 Amphiprion percula Species 0.000 description 2
- 241000282373 Panthera pardus Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 244000062645 predators Species 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005428 wave function Effects 0.000 description 2
- 241001133760 Acoelorraphe Species 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 241001116389 Aloe Species 0.000 description 1
- 235000010585 Ammi visnaga Nutrition 0.000 description 1
- 244000153158 Ammi visnaga Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 241000270722 Crocodylidae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000208152 Geranium Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241001145025 Saussurea involucrata Species 0.000 description 1
- 235000011399 aloe vera Nutrition 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- -1 snow mountain Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供了一种基于人工智能生成的三维大世界地形的方法,涉及人工智能技术领域。该方法包括:生成地形高度图,并转换得到地形高度网格;生成不同地表类型的候选贴图,根据地形高度网格中每一区域的高度值,在候选贴图中确定目标贴图;将目标贴图渲染至对应区域生成目标地形网格;生成不同类型的生物网格,为地形高度网格中每一区域分配目标生物网格;生成基础路径,将基础路径与地形高度网格贴合得到道路网格;生成建筑群落,并确定建筑群落的分布位置,按照分布位置生成建筑群落网格;结合目标地形网格、目标生物网格、道路网格和建筑群落网格,生成三维场景。与现有技术相比,应用本发明实施例提供的方案,可以生成三维场景。
Description
技术领域
本发明涉及人工智能技术领域,特别是涉及一种基于人工智能生成的三维大世界地形的方法。
背景技术
随着人们生活水平的提高,游戏或其他虚拟平台逐渐成为了生活娱乐的重要组成部分。游戏或虚拟平台中包含虚拟场景,为了提高虚拟场景的场景效果,制作方通常会将虚拟场景制作为3D(三维,three dimension)场景,也就是说,将虚拟场景的呈现效果由二维的平面效果转换为三维的立体效果,从而,尽可能地提高所制作的三维场景的真实性,以提高用户在三维场景中的沉浸式体验效果。
基于此,如何生成三维场景,成为当前亟需解决的技术问题。
发明内容
本发明实施例的目的在于提供一种基于人工智能生成的三维大世界地形的方法,以生成三维场景。具体技术方案如下:
第一方面,本发明实施例提供了一种基于人工智能生成的三维大世界的方法,上述方法包括:
生成待生成场景的地形高度图,并将上述地形高度图转换为三维的地形高度网格;
生成不同地表类型的候选贴图,针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图;
将目标贴图渲染至所对应的区域,生成上述待生成场景的目标地形网格;
生成不同类型的生物网格,针对上述地形高度网格中每一区域,为该区域分配目标生物网格;
生成上述待生成场景的基础路径,并调整上述基础路径与上述地形高度网格相贴合,得到上述待生成场景的道路网格;
生成建筑群落,并基于上述道路网格确定建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格;
结合上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
本发明一个实施例中,上述生成待生成场景的地形高度图,包括:
随机生成多个随机数,分别作为二维图像中各个点对应的地形高度值,将添加上述地形高度值的上述二维图像作为上述待生成场景的地形高度图。
本发明一个实施例中,上述将添加上述地形高度值的上述二维图像作为上述待生成场景的地形高度图,包括:
对上述二维图像中的地形高度值进行平滑处理;
将平滑处理后的二维图像,作为上述待生成场景的地形高度图。
本发明一个实施例中,上述生成上述待生成场景的基础路径,包括:
确定上述待生成场景所包含的区域,将上述区域划分为子区域;
将相邻子区域之间的边界线,确定为上述待生成场景的基础路径。
本发明一个实施例中,上述建筑群落中包含建筑,通过以下方式生成上述建筑群落中的每个建筑:
从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;
对上述初始建筑结构进行结构合理化处理,生成上述建筑群落中的建筑。
本发明一个实施例中,上述针对上述地形高度网格中每一区域,为该区域分配目标生物网格,包括:
对上述地形高度网格进行三角化处理,得到用于表征上述待生成场景的地形表面的三角网格;
为各个三角网格随机配置不同的地形特征值;
基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
本发明一个实施例中,上述生成不同地表类型的候选贴图,包括:
将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图,上述贴图生成模型为生成式人工智能模型。
第二方面,本发明实施例提供了一种基于人工智能生成的三维大世界地形的装置,上述装置包括:
高度网格生成模块,用于生成待生成场景的地形高度图,并将上述地形高度图转换为三维的地形高度网格;
目标贴图确定模块,用于生成不同地表类型的候选贴图,针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图;
贴图渲染模块,用于将目标贴图渲染至所对应的区域,生成上述待生成场景的目标地形网格;
生物网格分配模块,用于生成不同类型的生物网格,针对上述地形高度网格中每一区域,为该区域分配目标生物网格;
道路网格生成模块,用于生成上述待生成场景的基础路径,并调整上述基础路径与上述地形高度网格相贴合,得到上述待生成场景的道路网格;
建筑群落生成模块,用于生成建筑群落,并基于上述道路网格确定建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格;
三维场景渲染模块,用于结合上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
本发明一个实施例中,上述高度网格生成模块,包括:
地形高度随机生成子模块,用于随机生成多个随机数,分别作为二维图像中各个点对应的地形高度值,将添加上述地形高度值的上述二维图像作为上述待生成场景的地形高度图。
本发明一个实施例中,上述地形高度随机生成子模块,具体用于:
对上述二维图像中的地形高度值进行平滑处理;
将平滑处理后的二维图像,作为上述待生成场景的地形高度图。
本发明一个实施例中,上述道路网格生成模块,具体用于:
确定上述待生成场景所包含的区域,将上述区域划分为子区域;
将相邻子区域之间的边界线,确定为上述待生成场景的基础路径。
本发明一个实施例中,上述建筑群落中包含建筑,通过以下模块生成上述建筑群落中的每个建筑:
单元组合模块,用于从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;
建筑生成模块,用于对上述初始建筑结构进行结构合理化处理,生成上述建筑群落中的建筑。
本发明一个实施例中,上述生物网格分配模块,具体用于:
对上述地形高度网格进行三角化处理,得到用于表征上述待生成场景的地形表面的三角网格;
为各个三角网格随机配置不同的地形特征值;
基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
本发明一个实施例中,上述目标贴图确定模块,具体用于:
将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图,上述贴图生成模型为生成式人工智能模型。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面中任一的方法步骤。
第八方面,本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质内存储有计算机程序,上述计算机程序被处理器执行时实现第一方面中任一的方法步骤。
本发明实施例有益效果:
以上可见,应用本发明实施例提供的方案,在生成三维场景时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的第一种基于人工智能生成的三维大世界地形的方法的流程示意图;
图2为本发明实施例提供的第二种基于人工智能生成的三维大世界地形的方法的流程示意图;
图3为本发明实施例提供的第三种基于人工智能生成的三维大世界地形的方法的流程示意图;
图4为为本发明实施例提供的一种道路网格的生成示意图;
图5为本发明实施例提供的一种四叉树的部分示意图;
图6为本发明实施例提供的一种建筑生成方式的流程示意图;
图7为本发明实施例提供的一种具体实施例的流程示意图;
图8为本发明实施例提供的一种基于人工智能生成的三维大世界地形的装置的结构示意图;
图9为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员基于本发明所获得的所有其他实施例,都属于本发明保护的范围。
随着人们生活水平的提高,游戏或其他虚拟平台逐渐成为了生活娱乐的重要组成部分。游戏或虚拟平台中包含虚拟场景,为了提高虚拟场景的场景效果,制作方通常会将虚拟场景制作为3D场景,也就是说,将虚拟场景的呈现效果由二维的平面效果转换为三维的立体效果,从而,尽可能地提高所制作的三维场景的真实性,以提高用户在三维场景中的沉浸式体验效果。基于此,如何生成三维场景,成为当前亟需解决的技术问题。
为了解决上述技术问题,本发明实施例提供了一种基于人工智能生成的三维大世界地形的方法。
其中,该方法可以适用于生成三维场景的各类应用场景。例如,生成游戏中的三维场景、生成虚拟现实中的三维场景等。并且,该方法可以应用于笔记本电脑、平板电脑、台式电脑等各类电子设备中,以下简称电子设备。基于此,本发明实施例不对该方法的应用场景和执行主体进行限定。
下面,结合附图,对本发明实施例提供的一种基于人工智能生成的三维大世界地形的方法进行具体说明。
参见图1,为本发明实施例提供的一种基于人工智能生成的三维大世界地形的方法的流程示意图,上述方法包括如下步骤S101至步骤S107。
步骤S101:生成待生成场景的地形高度图,并将地形高度图转换为三维的地形高度网格。
在生成三维场景时,电子设备首先可以生成待生成场景的地形高度图,从而,确定在二维空间中上述地形高度图中每个点对应的地形高度值。然而,由于所需生成的场景是三维空间的场景,因此,在生成得到待生成场景的地形高度图后,便可以直接将上述地形高度图转换为三维的地形高度网格。
由于地形高度图是二维图像,因此,为了直观地体现上述地形高度图中每个点的地形高度值,针对不同的地形高度值,可以利用不同的像素值进行表征。
基于此,本发明的一个实施例中,可以预先设置关于地形高度值与像素值的对应关系,这样,在确定上述地形高度图中每个点对应的地形高度值后,便可以基于上述关于地形高度值与像素值的对应关系,确定每个点对应的像素值。
例如,在上述像素值为RGB值时,利用不同的颜色表征不同的地形高度值。又例如,在上述像素值为灰度值时,利用不同深浅等级的灰度值表征不同的地形高度值。
此外,为了提高三维场景的生成效率,上述待生成场景的地形高度图的尺寸和地形高度网格的尺寸相同。这样,地形高度图中每个点可以与地形高度网格在二维平面上的每个点一一对应,从而,简化后续三维场景的生成过程。
本发明的一个实施例中,上述地形高度网格可以表征每个点的高程数据、坡度数据和经纬度数据。
其中,高程数据为该点对应的高度值,坡度数据可以基于该点与附近预设范围内的点的高度值计算得到的,经纬度数据以该点所在位置的横纵坐标表示。
步骤S102:生成不同地表类型的候选贴图,针对地形高度网格中每一区域,根据该区域的高度值,在候选贴图中,确定与该区域的地表类型相匹配的目标贴图。
对于地形来说,随着高度值的增加,该高度值所对应的海拔高度随之增加,相应的,该高度值所对应的点的地形区域随之变化。例如,海拔大于3800米的区域为冰川区域,海拔在200至500米的区域可以为丘陵区域。然而,不同的地形区域所对应的地表类型不同,例如,冰川区域的地表类型为冰川,丘陵区域的地表类型为草地。
因此,在本发明实施例中,利用不同类型的贴图呈现不同地形区域所对应的地表类型,也就是说,在本发明实施例中,不同高度值所对应的区域的地表类型不同,即不同高度值所对应的区域的贴图不同。例如,用于表征高度值大于3800米的冰川区域的贴图可以为冰川贴图;用于表征高度值在200至500米的丘陵区域的贴图可以为草地贴图。
具体的,在生成待生成场景的目标地形网格时,电子设备可以生成不同地表类型的候选贴图。
其中,上述地表类型可以为湿地、岩石、雪山、沙地等。对此,本发明实施例不做具体限定。相应的,地表类型为湿地,则对应生成的候选贴图为湿地植被贴图;地表类型为岩石,则对应生成的候选贴图岩石贴图;地表类型为雪山,则对应生成的候选贴图为雪地贴图;地表类型为沙地,则对应生成的候选贴图为棕色沙子贴图。
在本发明的一种实施例中,可以预先获取不同地表类型的多个贴图,作为待融合贴图,从而,在生成候选贴图时,直接将任两个待融合贴图进行融合得到候选贴图。
为了提高所生成的候选贴图的合理性,在本发明的一种实施例中,在生成候选贴图时,可以将相同地表类型的至少两个待融合贴图进行融合,生成与上述待融合贴图的地表类型相同的新的贴图,作为该地表类型的候选贴图。
这样,电子设备在生成不同地表类型的候选贴图后,便可以针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。
例如,若地形高度值表征该区域为湿地区域,该区域的地表类型为湿地,则可以确定湿地植被贴图,作为与该区域的地表类型相匹配的目标贴图;若地形高度值表征该区域为平原区域,该区域的地表类型为岩石,则可以确定岩石贴图,作为与该区域的地表类型相匹配的目标贴图;若地形高度值表征该区域为沙滩区域,该区域的地表类型为沙地,则可以确定棕色沙子贴图,作为与该区域的地表类型相匹配的目标贴图。
在区域地表的形成过程中,不同区域的地表类型还会受到该区域所处的坡度的影响。例如,坡度为55度到90度,该区域为垂直壁,则在该区域中不会生长大量的植被,不可以将草地植被贴图作为该区域的目标贴图;坡度为0度到0.5度,该区域为平原,则在该区域中可以生长大量的植被,可以将草地植被贴图作为该区域的目标贴图。
基于此,在本发明的一个实施例中,针对上述地形高度网格中每一区域,首先根据该区域的高度值,从候选贴图中,筛选出与该区域的高度值相匹配的多个候选贴图,然后,根据该区域所处坡度,在所筛选出的多个候选贴图中,确定与该区域的地表类型相匹配的目标贴图。从而,结合该区域的高度值和所处坡度,确定该区域的目标贴图,以提高所确定的目标贴图的精确度。
其中,该区域所处坡度可以基于该区域与附近预设范围内的区域的高度值计算得到。
此外,在区域地表的形成过程中,不同的地表类型还会受到该区域所处的经纬度的影响。例如,冰原带的地表类型与热带雨林带的地表类型不同,因此,与冰原带的地表类型相匹配的贴图,不能作为作为热带雨林带的目标贴图。
基于此,在本发明的一个实施例中,针对上述地形高度网格中每一区域,首先根据该区域所处经纬度,从候选贴图中,筛选出与该区域所处经纬度相匹配的多个候选贴图,然后,根据该区域的高度值,在所筛选出的多个候选贴图中,确定与该区域的地表类型相匹配的目标贴图,从而,综合考虑经纬度和高度值对地表类型的影响,以提高所确定的目标贴图的精确度。
步骤S103:将目标贴图渲染至所对应的区域,生成待生成场景的目标地形网格。
具体的,电子设备在针对地形高度网格中每一区域,根据该区域的高度值,在候选贴图中,确定与该区域的地表类型相匹配的目标贴图后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。
在本发明实施例中,所生成的地形高度网格是在三维场景生成过程中的地形高度白模,即白色的三维场景模型,因此,在将所确定的目标贴图渲染至上述地形高度网格后,便可以得到有色彩的三维场景模型,即上述待生成场景的目标地形网格。
例如,若地形高度值表征该区域为湿地区域,则将湿地植被贴图渲染至该区域;若地形高度值表征该区域为平原区域,则将草地或森林贴图渲染至该区域;若地形高度值表征该区域为沙滩区域,则将棕色沙子贴图渲染至该区域。
其中,上述将所确定的目标贴图渲染至所对应的区域的过程即为将目标贴图附加至三维建模所涉及到的程序化材质上,并将附加后的程序化材质附加至地形高度网格所对应的区域的过程。
步骤S104:生成不同类型的生物网格,针对地形高度网格中每一区域,为该区域分配目标生物网格。
具体的,在生成三维场景时,场景中的生物也是必不可少的场景元素之一。并且,随着地形高度值的增加,该地形高度值所对应区域所能生存的生物类型不同。例如,雪莲生长在地形高度值大于3800米的冰川区域,椰子树生长在地形高度值在150米左右的沙滩区域。因此,不同地形高度值所对应的区域所能分配的生物类型不同。
基于此,电子设备可以生成不同类型的生物网格,从而,针对上述地形高度网格中每一区域,为该区域分配目标生物网格。其中,上述生物网格的类型可以包括动物和植物,对此,本发明实施例不做具体限定。
在本发明的一种实施例中,为了提高目标生物网格的生成效率,电子设备可以确定上述地形高度网格中的每个区域的地表类型,从而,基于该区域的地表类型直接分配与该区域的地表类型相匹配的目标生物网格。
例如,若区域的地表类型为湿地,则为该区域分配荷花和芦苇的生物网格;若区域的地表类型为平原,则为该区域分配灌木的生物网格;若区域的地表类型为沙地,则为该区域分配芦荟的生物网格。
又例如,若区域的地表类型为海洋,则为该区域分配鱼类的生物网格;若区域的地表类型为湿地,则为该区域分配白鹳的生物网格。
步骤S105:生成待生成场景的基础路径,并调整基础路径与地形高度网格相贴合,得到待生成场景的道路网格。
在进行三维场景生成的过程中,待生成场景的路径是决定该场景内生物群落和建筑群落如何分布的重要因素。具体的,在生成三维场景时,电子设备可以生成上述待生成场景的基础路径,并且,为了提高三维场景的真实性和合理性,调整上述基础路径与上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。
例如,地形陡峭的悬崖上不能有路径,湖泊中不能有路径等。
步骤S106:生成建筑群落,并基于道路网格确定建筑群落的分布位置,按照所确定的分布位置生成待生成场景的建筑群落网格。
为了增加上述待生成场景的多样性,电子设备可以生成用于分布在上述待生成场景中的建筑群落,并基于所生成的道路网格确定上述建筑群落的分布位置,从而,按照所确定的分布位置生成上述待生成场景的建筑群落网格。
为了提高所生成的建筑群落网格的合理性和真实性,本发明的一种实施例中,按照建筑群落分布规则,在所生成的道路网格,确定建筑群落的分布位置。其中,上述建筑群落分布规则可以为建筑不能分布在道路上、只能在平坦的陆地上分布建筑群落等,对此,本发明实施例不做具体限定。
此外,建筑群落的分布位置是基于上述道路网格确定的,而上述道路网格是基础路径与地形高度网格相贴合所生成的,因此,按照所确定的分布位置生成的上述待生成场景的建筑群落网格也是与上述地形高度网格所贴合的,进一步,可以提高所生成的待生成场景的呈现效果。
步骤S107:结合目标地形网格、各个区域对应的目标生物网格、道路网格和建筑群落网格,生成待生成场景的三维场景。
电子设备在生成上述待生成场景的目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格后,便可以结合上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,直接渲染生成上述待生成场景的三维场景,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
此外,上述待生成场景的目标地形网格是基于候选贴图和地形高度网格生成的,上述各个区域对应的目标生物网格是基于目标地形网格生成的,上述道路网格是基础路径与地形高度网格相贴合所生成的,上述建筑群落网格中的建筑群落的分布位置是基于上述道路网格确定的,综上,可以确定所生成的上述目标生物网格、道路网格和上述建筑群落网格是与上述待生成场景的地形高度网格相匹配的,从而,提高所生成的待生成场景的三维场景的呈现效果。
本发明的一种实施例中,为了实时观测到三维场景的生成过程,可以将上述生成过程输出至显示器中呈现。其中,上述显示器与上述电子设备可以设置在同一设备,也可以设置在不同设备,这都是合理的。对此,本发明实施例不做具体限定。
以上可见,应用本发明实施例提供的方案,在生成三维场景时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
参见图2,为本发明实施例提供的第二种基于人工智能生成的三维大世界地形的方法的流程示意图。与前述图1所示的实施例相比,前述步骤S101可以由以下步骤S101A实现。
步骤S101A:随机生成多个随机数,分别作为二维图像中各个点对应的地形高度值,将添加地形高度值的二维图像作为待生成场景的地形高度图,并将地形高度图转换为三维的地形高度网格。
具体的,电子设备在生成待生成场景的地形高度图时,为了提高所生成的地形高度图的随机性和真实性,首先,随机生成多个随机数,分别作为二维图像中各个点对应的地形高度值,并将每个地形高度值添加至对应点,从而,将添加有地形高度值的二维图像作为上述待生成场景的地形高度图,以使得所生成的地形高度图可以模拟自然地形的高度变化,然后,便可以将所生成的地形高度图转换为三维的地形高度网格,以提高所生成的地形高度网格的随机性和真实性。
本发明的一个实施例中,利用噪波生成算法随机生成多个噪声数据,分别作为二维图像中各个点对应的地形高度值,并将添加地形高度值的上述二维图像作为待生成场景的地形高度图。上述噪声数据即为本发明实施例所提供的随机数。
其中,上述噪波生成算法可以为柏林噪波、单形噪声等生成算法。对此,本发明实施例不做具体限定。
一些情况下,由于上述随机数的随机性过高,可能导致所生成的地形高度值所表征的地形情况不符合现实世界中的实际情况,使得所生成的三维场景的地形规划不合常理。例如,在地形高度图中依次相邻的三个点中,第一个点的地形高度值为100米,第二个点的地形高度值为0米,第三个点的地形高度值为1000米。这明显是不合常理的。
因此,为了提高所生成的三维场景的合理性,提高所生成三维场景的真实性。本发明的一个实施例中,上述步骤S101A中,将添加地形高度值的二维图像作为待生成场景的地形高度图的步骤,可以包括如下步骤A1-A2:
步骤A1:对二维图像中的地形高度值进行平滑处理。
步骤A2:将平滑处理后的二维图像,作为待生成场景的地形高度图。
具体的,电子设备在生成得到待生成场景的二维图像中各个点对应的地形高度值后,可以对上述二维图像中的地形高度值进行平滑处理,从而,将平滑处理后的上述二维图像,作为上述待生成场景的地形高度图,以提高所生成的三维场景的合理性和真实性。
其中,可以利用分形算法对上述二维图像中的地形高度值进行平滑处理,对此,本发明实施例不做具体限定。
一些情况下,为了提高所需的候选贴图的生成效率,可以利用贴图生成模型直接生成所需的地表类型的候选贴图。
在本发明的一个实施例中,上述步骤S102中,生成不同地表类型的候选贴图的步骤,包括如下步骤B:
步骤B:将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图。
其中,贴图生成模型为生成式人工智能模型。
具体的,可以利用预先训练的贴图生成模型,生成不同地表类型的候选贴图。其中,上述贴图生成模型为生成式人工智能模型,即将提示词输入至上述模型中,该模型便可以生成所需的贴图。
因此,电子设备可以将表示不同地表类型的提示词输入至上述贴图生成模型中,从而,上述贴图生成模型生成各个提示词表示的地表类型对应的贴图,作为候选贴图。
其中,上述提示词可以为沙滩、沙漠、湿地、雪山、悬崖等,对此,本发明实施例不做具体限定。
此外,利用上述贴图生成模型贴图时,同一提示词在不同输入时刻所生成的贴图可能不同,因此,利用上述贴图生成模型生成贴图可以扩展所生成的三维场景的贴图类型,以丰富贴图的多样性,从而,提高所生成的三维场景的多样性。
并且,为了进一步提高贴图的生成效率,从而,节省生成所需的地表类型的贴图的时间,上述提示词还可以包括用于表征地表细节的词语,例如,地表颜色,地表纹理。其中,上述地表颜色可以为白色雪地、蓝色冰川、褐色岩石和棕色沙子等,上述地表纹理可以为斑状纹理、条纹状纹理等,对此,本发明实施例不做具体限定。
为了提高所生成的目标生物网格的准确度,在本发明的一种实施例中,上述步骤S104中,针对地形高度网格中每一区域,为该区域分配目标生物网格的步骤,可以包括如下步骤C1-C3:
步骤C1:对地形高度网格进行三角化处理,得到用于表征待生成场景的地形表面的三角网格;
步骤C2:为各个三角网格随机配置不同的地形特征值;
步骤C3:基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
具体的,在生成不同类型的生物网格之后,电子设备可以对上述地形高度网格进行三角化处理,从而,得到用于表征上述待生成场景的地形表面的三角网格。并且,为了提高所生成的三维场景的随机性和纹理效果,电子设备可以为各个三角网格随机配置不同的地形特征值。
本发明的一种实施例中,利用预设三角化处理算法对上述地形高度网格进行三角化处理。其中,上述预设三角化处理算法可以为泰森多边形算法,也可以为三角形剖分算法,还可以为最近邻搜索算法,这都是合理的,对此,本发明实施例不做具体限定。
本发明的一种实施例中,利用噪波图随机生成多个随机数,并将所生成的随机数作为地形特征至随机配置到各个三角网格。
为了提高所生成的三维场景的真实性和合理性,可以预先建立关于地形特征值与生物网格的类型之间的对应关系,其中,在上述对应关系中,不同的地形特征至对应于不同的生物网格的类型,例如,地形特征值为100,对应的生物网格的类型可以为椰子树;地形特征值为102,对应的生物网格的类型可以为棕榈树。
这样,在为各个三角网格随机配置不同的地形特征值后,便可以基于上述预设的地形特征值与生物网格的类型之间的对应关系,确定各个三角网格对应的目标生物网格,从而,实现三维场景中生物的分配。
并且,上述预先建立的关于地形特征值与生物网格的类型之间的对应关系,可以提高生物分配的合理性和准确性,从而,提高所生成目标生物网格的精准度。
考虑的生物之间的共生关系,例如,海葵和小丑鱼,鳄鱼与牙签鸟等。因此,在同一三角网格中可能存在多个类型的生物网格。基于此,本发明的一种实施例中,可以预先针对地形特征值设置多个地形特征区间,从而,建立关于地形特征区间与生物网格的类型之间的对应关系,即同一地形特征区间可以对应有多种类型的生物网格。
这样,在为各个三角网格随机配置不同的地形特征值后,针对每个三角网格,确定该三角网格所属的目标区间,从而,根据上述关于地形特征区间与生物网格的类型之间的对应关系,将上述目标区间所对应的各个生物网格,确定为该三角网格的各个目标生物网格。
在本发明实施例中,在同一三角网格存在多个类型的生物网格时,可以按照预设生物类型分配规则,对该三角网格的各个目标生物网格的类型和数量进行分配。
本发明的一种实施例中,上述预设生物类型分配规则可以为随机分配。例如,同一个三角网格内包括有海葵和小丑鱼,由于该两种生物类型属于共生关系,因此,可以随机分配两种生物网格各自的数量。
本发明的一种实施例中,上述预设生物类型分配规则可以为根据预先设置的每种类型的生物网格的权重系数进行分配,权重系数越小,对应的生物网格的数量越小。例如,同一个三角网格内包括斑马和猎豹,有该两种生物类型属于捕食者和被捕食者的关系,因此,可以预先设置猎豹的权重系数为1,斑马的权重系数为5,即在分配两种生物网格各自的数量时,是按照1:5的数量比进行分配的。
其中,上述实施例中所描述的权重系数与生物网格的类型之间数量关系,只是一种实例,并未对本发明实施例中的权重系数与生物网格的类型之间数量关系进行限定。
参见图3,为本发明实施例提供的第三种基于人工智能生成的三维大世界地形的方法的流程示意图。与前述图1所示的实施例相比,前述步骤S105,生成待生成场景的基础路径,并调整基础路径与地形高度网格相贴合,得到待生成场景的道路网格,可以由以下步骤S105A至步骤S105B实现。
步骤S105A:确定待生成场景所包含的区域,将区域划分为子区域;
步骤S105B:将相邻子区域之间的边界线,确定为待生成场景的基础路径,并调整基础路径与地形高度网格相贴合,得到待生成场景的道路网格。
具体的,电子设备在生成基础路径时,首先可以确定上述待生成场景所包含的区域,从而,将该区域划分为多个子区域。这样,便可以将相邻子区域之间的边界线,确定为上述待生成场景的基础路径,并且,为了提高三维场景的真实性和合理性,调整上述基础路径与上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。
示例性的,参见图4为本发明实施例提供的一种道路网格的生成示意图,图5为本发明实施例提供的一种四叉树的部分示意图。
如图4所示,利用利用L-system算法对上述待生成场景所包含的区域401进行划分,并将划分后区域内的每个节点可以作为一个子区域,得到4个子区域a、子区域b、子区域c和子区域d,并将相邻子区域之间的边界线,确定为待生成场景的路径,并将上述划分过程记录在四叉树中,从而,得到上述待生成场景的初始路径。
然后,针对每个子区域,继续L-system算法对该子区域a进行二次划分,下面,以子区域a为例,继续利用L-system算法对该子区域a进行二次划分,并将划分后子区域内的每个节点作为该子区域内的子区域,得到4个子区域a1,子区域a2、子区域a3和子区域a4,并将相邻子区域之间的边界线,确定为待生成场景的路径。
之后,将上述划分过程记录在四叉树中,对四叉树进行更新后,返回利用L-system算法进行区域划分的步骤,从而,对于包含路径的节点,将其进一步分解为更小的节点,以提高所生成的路径的精确度。
重复上述步骤,直至达到预设停止条件,得到上述待生成场景的基础路径。
其中,上述预设停止条件可以为更新次数达到预设更新次数,也可以为所划分得到的子区域的数量达到预设区域数量,还可以为所划分得到的最小子区域的区域面积小于预设区域面积。对此,本发明实施例不做具体限定。
为了提高所生成的基础路径的合理性,提高所生成的三维场景的真实性,本发明的一种实施例中,按照预设路径确定规则,将相邻子区域之间的边界线,确定为待生成场景的基础路径。
其中,上述预设路径确定规则可以为:路径的弯曲程度不能大于180度、同一边界线上所存在的交汇点的数量为预设交汇点数量等。对此,本发明实施例不做具体限定。
本发明的一种实施例中,为了提高基础路径的生成效率,在确定待生成场景所包含的区域之后,便可以利用预设划分线将上述区域划分为子区域,并将相邻子区域之间的边界线,确定为待生成场景的基础路径,从而,实现基础路径的生成。
参见图6,为本发明实施例提供的一种建筑生成方式的流程示意图,如图6所示,在本发明的一种实施例中,建筑群落中包含建筑,可以通过以下步骤S601-步骤S602,生成建筑群落中的每个建筑:
步骤S601:从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;
步骤S602:对初始建筑结构进行结构合理化处理,生成建筑群落中的建筑。
具体的,为了提高三维场景的生成效率,可以预先建立用于生成建筑的预设建筑单元组。其中,上述预设建筑单元组中可以包含墙体单元、屋顶单元、窗户单元和门单元等建筑单元,对此,本发明实施例不做具体限定。
此外,为了丰富建筑单元的形状,本发明的一种实施例中,上述预设建筑单元组所包括的每个建筑单元可以包括有至少一种建筑类型。例如,屋顶单元的建筑类型可以包括平屋顶和坡屋顶等类型。
这样,电子设备在生成上述建筑群落中的每个建筑时,便可以从上述预设建筑单元组中,选取多个建筑单元组合为初始建筑结构。
由于上述初始建筑结构是随机组合而成的,所得到的初始建筑结构可能不符合常理,例如,屋顶单元与墙体单元没有贴合、门单元没有设置在整个建筑的第一层、建筑没有设置窗户单元等。因此,在获取到初始建筑结构后,便可以对上述初始建筑结构进行结构合理化处理,从而,得到结构合理化的建筑,作为上述建筑群落中的建筑。
本发明的一种实施例中,利用波函数坍缩算法对上述初始建筑结构进行结构合理化处理,从而,根据物理规则和每个建筑单元所对应的概率分布,生成建筑群落中的建筑。从而,使得生成的建筑在具备丰富的形状和结构的同时,提高了建筑的真实性和物理属性的一致性。
其中,上述物理规则可以包括重力、材质属性和结构稳定性等。对此,本发明实施例不做具体限定。
本发明的一种实施例中,为了提高所生成的建筑的呈现效果,在生成上述建筑后,可以针对每个建筑,为其添加对应的纹理映射,从而,增加该建筑的视觉效果的真实性。其中,上述纹理映射可以为建筑单元的颜色、材质、纹理等。对此,本发明实施例不做具体限定。
本发明的一种实施例中,为了提高建筑的生成效率,预先建立预设建筑组,在该预设建筑组中包含有不同类型的多种建筑风格的独立建筑,这样,在生成建筑时,直接从上述预设建筑组中直接获取建筑即可,从而,提高建筑生成效率,进一步提高三维场景的生成效率。
为了便于理解本发明实施例所提供的一种基于人工智能生成的三维大世界地形的方法,下面利用一个实施例进行具体说明。
参见图7,为本发明实施例提供的一个具体实施例的流程示意图。
如图7所示,在生成产品3D场景时,首先,可以利用柏林噪波和分形算法生成高度图,其中,上述产品3D场景即为本发明实施例中待生成场景的三维场景,上述高度图即为本发明实施例中的地形高度图。
然后,通过采样高度图生成长、宽与高度图一致的网格数据,生成基础地形网格白模。其中,上述网格数据即为本发明实施例中的地形高度网格,上述基础地形网格白模即为本发明实施例中的地形高度白模。
之后,将沙滩、沙漠、湿地、雪山和悬崖等提示词,输入至预训练AI(ArtificialIntelligence,人工智能)贴图模型中,从而,利用上述预训练AI贴图模型生成上述提示词所表示地表类型的候选贴图。其中,上述预训练AI贴图模型即为本发明实施例中的贴图生成模型。
从上述网格数据中获取坡度、高度、经纬度,从而,基于坡度、高度、经纬度,选取与上述网格数据中每一区域的地表类型相匹配的自动化地形材质。其中,上述坡度、高度、经纬度即为本发明实施例中地形高度网格所表征的每个点的高程数据、坡度数据和经纬度数据;上述自动化地形材质即为本发明实施例中的目标贴图。
这样,便可以将生成的自动化地形材质与上述基础地形网格白模进行融合,生成基础地形网格。其中,上述基础地形网格即为本发明实施例中的目标地形网格。
然后,从上述网格数据中获取基础地形高度数据后,利用L-Systerm算法和四叉树生成基础路径数据,并通过基础路径数据和基础地形高度数据调整基础路径数据,得到调整后的贴合地形的路径,从而,利用上述贴合地形的路径作为道路网格,从而,生成道路网格。其中,上述基础地形高度数据即为本发明实施例中的地形高度网格,上述基础路径数据即为本发明实施例中的基础路径。
之后,利用波函数坍缩算法生成网格建筑,并将所得到的贴合地形的路径和上述网格建筑进行融合,得到道路周边生成建筑群落分布网格。其中,上述网格建筑即为本发明实施例中的建筑群落,上述道路周边生成建筑群落分布网格即为本发明实施例中的建筑群落网格。
利用泰森多边形算法和噪波图,对从上述网格数据中获取坡度、高度、经纬度进行融合,生成群落图数据,从而,生成植被网格。其中,上述群落图数据即为本发明实施例中的目标生物网格,上述植被网格即本发明实施例中的各个区域对应的目标生物网格。
最后,将基础地形网格、道路网格、道路周边生成建筑群落分布网格和植被网格进行融合,得到上述产品3D场景,从而,实现三维场景的自动化生成。
其中,基础地形网格、道路网格、道路周边生成建筑群落分布网格和植被网格均是基于上述网格数据生成的,即上述基础地形网格、道路网格、道路周边生成建筑群落分布网格和植被网格均与上述网格数据相贴合,使得所生成的产品3D场景更加真实合理。
相应于上述本发明实施例提供的一种基于人工智能生成的三维大世界地形的方法,本发明实施例还提供了基于人工智能生成的三维大世界地形的装置。
图8为本发明实施例提供的一种基于人工智能生成的三维大世界地形的装置的结构示意图,如图8所示,该装置可以包括如下模块:
高度网格生成模块801,用于生成待生成场景的地形高度图,并将上述地形高度图转换为三维的地形高度网格;
目标贴图确定模块802,用于生成不同地表类型的候选贴图,针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图;
贴图渲染模块803,用于将目标贴图渲染至所对应的区域,生成上述待生成场景的目标地形网格;
生物网格分配模块804,用于生成不同类型的生物网格,针对上述地形高度网格中每一区域,为该区域分配目标生物网格;
道路网格生成模块805,用于生成上述待生成场景的基础路径,并调整上述基础路径与上述地形高度网格相贴合,得到上述待生成场景的道路网格;
建筑群落生成模块806,用于生成建筑群落,并基于上述道路网格确定建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格;
三维场景渲染模块807,用于结合上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
以上可见,应用本发明实施例提供的方案,在生成三维场景时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
本发明的一个实施例中,上述高度网格生成模块801,包括:
地形高度随机生成子模块,用于随机生成多个随机数,分别作为二维图像中各个点对应的地形高度值,将添加上述地形高度值的上述二维图像作为上述待生成场景的地形高度图。
以上可见,在本发明实施例提供的方案中,将随机生成的多个随机数,分别作为二维图像中各个点对应的地形高度值,以使得所生成的地形高度图可以模拟自然地形的高度变化,进一步,提高将所生成的地形高度网格的随机性和真实性。
本发明的一个实施例中,上述地形高度随机生成子模块,具体用于:
对上述二维图像中的地形高度值进行平滑处理;
将平滑处理后的二维图像,作为上述待生成场景的地形高度图。
以上可见,在本发明实施例提供的方案中,为了避免由于上述随机数的随机性过高,所导致的生成的地形高度值所表征的地形情况不符合现实世界中的实际情况,使得所生成的三维场景的地形规划不合常理。在获取到二维图像中的地形高度值后,便可以对上述地形高度值进行平滑处理,从而,使得所生成的地形高度图所表征的地形符合现实世界中的实际情况,进而,提高所生成的三维场景的合理性和真实性。
本发明的一个实施例中,上述道路网格生成模块805,具体用于:
确定上述待生成场景所包含的区域,将上述区域划分为子区域;
将相邻子区域之间的边界线,确定为上述待生成场景的基础路径。
以上可见,在本发明实施例提供的方案中,在将待生成场景所包含的区域划分为子区域后,便可以将相邻子区域之间的边界线,作为待生成场景的基础路径,使得所生成的基础路径更加贴合实际情况,提高所生成的基础路径的合理性和规划性。
本发明的一个实施例中,上述建筑群落中包含建筑,通过以下模块生成上述建筑群落中的每个建筑:
单元组合模块,用于从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;
建筑生成模块,用于对上述初始建筑结构进行结构合理化处理,生成上述建筑群落中的建筑。
以上可见,在本发明实施例提供的方案中,由于上述初始建筑结构是随机组合而成的,所得到的初始建筑结构可能不符合常理,因此,在获取到初始建筑结构后,便可以对上述初始建筑结构进行结构合理化处理,从而,使得所生成的建筑符合实际情况,进一步,提高所生成的三维场景的真实性和合理性。
本发明的一个实施例中,上述生物网格分配模块804,具体用于:
对上述地形高度网格进行三角化处理,得到用于表征上述待生成场景的地形表面的三角网格;
为各个三角网格随机配置不同的地形特征值;
基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
以上可见,在本发明实施例提供的方案中,为了提高所生成的三维场景的随机性和纹理效果,电子设备可以为各个三角网格随机配置不同的地形特征值,并且,为了提高所生成的三维场景的真实性和合理性,基于上述预设的地形特征值与生物网格的类型之间的对应关系,确定各个三角网格对应的目标生物网格,从而,实现三维场景中生物的分配,进一步,提高所生成的三维场景的真实性和合理性。
本发明的一个实施例中,上述目标贴图确定模块802,具体用于:
将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图,上述贴图生成模型为生成式人工智能模型。
以上可见,在本发明实施例提供的方案中,为了提高所需的候选贴图的生成效率,电子设备可以将表示不同地表类型的提示词输入至上述贴图生成模型中,利用上述贴图生成模型直接生成各个提示词表示的地表类型对应的贴图,作为候选贴图。并且,利用上述贴图生成模型贴图时,同一提示词在不同输入时刻所生成的贴图可能不同,因此,利用上述贴图生成模型生成贴图可以扩展所生成的三维场景的贴图类型,以丰富贴图的多样性,从而,提高所生成的三维场景的多样性。
相应于上述本发明实施例提供的一种基于人工智能生成的三维大世界地形的方法,本发明实施例还提供了一种电子设备,如图9所示,包括处理器901、通信接口902、存储器903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信,
存储器903,用于存放计算机程序;
处理器901,用于执行存储器903上所存放的程序时,实现上述本发明实施例提供的任一基于人工智能生成的三维大世界地形的方法。
在应用本发明实施例提供的电子设备进行三维大世界地形生成时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中任一所述的基于人工智能生成的三维大世界地形的方法。
在应用本发明实施例提供的计算机可读存储介质中存储的计算机程序生成三维大世界地形时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的基于人工智能生成的三维大世界地形的方法。
在应用本发明实施例提供的计算机程序产品生成三维大世界地形时,首先,生成待生成场景的地形高度图,并为了便于三维场景的生成,将上述地形高度图转换为三维的地形高度网格。其次,由于不同地形对应的地表类型不同,因此,为了提高生成的三维场景的真实性,可以生成不同地表类型的候选贴图,并针对上述地形高度网格中每一区域,根据该区域的高度值,在上述候选贴图中,确定与该区域的地表类型相匹配的目标贴图。然后,便可以将所确定的目标贴图渲染至所对应的区域,从而,生成上述待生成场景的目标地形网格。之后,生成不同类型的生物网格,并针对上述地形高度网格中每一区域,为该区域分配目标生物网格。为了提高所生成的三维场景在道路划分时的合理性,在生成上述待生成场景的基础路径之后,可以调整上述基础路径和上述地形高度网格相贴合,从而,得到上述待生成场景的道路网格。然后,便可以在生成建筑群落后,基于上述道路网格确定所生成的建筑群落的分布位置,按照所确定的分布位置生成上述待生成场景的建筑群落网格。这样,便可以结合所生成的上述目标地形网格、各个区域对应的目标生物网格、上述道路网格和上述建筑群落网格,生成上述待生成场景的三维场景。
基于此,应用本发明实施例提供的方案,在生成三维场景时,电子设备可以自动生成关于待生成场景的各类数据,并利用所生成的数据直接渲染生成三维场景。也就是说,在本发明实施例提供的方案中,三维场景的生成过程是由电子设备主导的,即上述三维场景的生成过程不需要人为干预,从而,实现三维场景的生成过程自动化,降低三维场景的制作周期,进一步,提高三维场景的生成效率。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、电子设备实施例、计算机可读存储介质实施例,以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (12)
1.一种基于人工智能生成的三维大世界地形的方法,其特征在于,所述方法包括:
生成待生成场景的地形高度图,并将所述地形高度图转换为三维的地形高度网格;
生成不同地表类型的候选贴图,针对所述地形高度网格中每一区域,根据该区域的高度值,在所述候选贴图中,确定与该区域的地表类型相匹配的目标贴图;
将目标贴图渲染至所对应的区域,生成所述待生成场景的目标地形网格;
生成不同类型的生物网格,针对所述地形高度网格中每一区域,为该区域分配目标生物网格;
生成所述待生成场景的基础路径,并调整所述基础路径与所述地形高度网格相贴合,得到所述待生成场景的道路网格;
生成建筑群落,并基于所述道路网格确定建筑群落的分布位置,按照所确定的分布位置生成所述待生成场景的建筑群落网格;
结合所述目标地形网格、各个区域对应的目标生物网格、所述道路网格和所述建筑群落网格,生成所述待生成场景的三维场景;
其中,所述生成待生成场景的地形高度图,包括:
利用噪波生成算法随机生成多个随机数,分别作为待生成场景的二维图像中各个点对应的地形高度值,并将每个地形高度值添加至对应点;
将添加所述地形高度值的所述二维图像作为所述待生成场景的地形高度图;其中,所述添加所述地形高度值的所述二维图像表示所述待生成场景的自然地形的高度变化;
所述生成不同地表类型的候选贴图,包括:
将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图,所述贴图生成模型为生成式人工智能模型。
2.根据权利要求1所述的方法,其特征在于,所述将添加所述地形高度值的所述二维图像作为所述待生成场景的地形高度图,包括:
对所述二维图像中的地形高度值进行平滑处理;
将平滑处理后的二维图像,作为所述待生成场景的地形高度图。
3.根据权利要求1所述的方法,其特征在于,所述生成所述待生成场景的基础路径,包括:
确定所述待生成场景所包含的区域,将所述区域划分为子区域;
将相邻子区域之间的边界线,确定为所述待生成场景的基础路径。
4.根据权利要求1所述的方法,其特征在于,所述建筑群落中包含建筑,通过以下方式生成所述建筑群落中的每个建筑:
从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;其中,所述预设建筑单元组中包含墙体单元、屋顶单元、窗户单元和门单元中至少两个建筑单元;
对所述初始建筑结构进行结构合理化处理,生成所述建筑群落中的建筑。
5.根据权利要求1所述的方法,其特征在于,所述针对所述地形高度网格中每一区域,为该区域分配目标生物网格,包括:
对所述地形高度网格进行三角化处理,得到用于表征所述待生成场景的地形表面的三角网格;
为各个三角网格随机配置不同的地形特征值;
基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
6.一种基于人工智能生成的三维大世界地形的装置,其特征在于,所述装置包括:
高度网格生成模块,用于生成待生成场景的地形高度图,并将所述地形高度图转换为三维的地形高度网格;
目标贴图确定模块,用于生成不同地表类型的候选贴图,针对所述地形高度网格中每一区域,根据该区域的高度值,在所述候选贴图中,确定与该区域的地表类型相匹配的目标贴图;
贴图渲染模块,用于将目标贴图渲染至所对应的区域,生成所述待生成场景的目标地形网格;
生物网格分配模块,用于生成不同类型的生物网格,针对所述地形高度网格中每一区域,为该区域分配目标生物网格;
道路网格生成模块,用于生成所述待生成场景的基础路径,并调整所述基础路径与所述地形高度网格相贴合,得到所述待生成场景的道路网格;
建筑群落生成模块,用于生成建筑群落,并基于所述道路网格确定建筑群落的分布位置,按照所确定的分布位置生成所述待生成场景的建筑群落网格;
三维场景渲染模块,用于结合所述目标地形网格、各个区域对应的目标生物网格、所述道路网格和所述建筑群落网格,生成所述待生成场景的三维场景;
其中,所述高度网格生成模块,包括:
地形高度随机生成子模块,用于利用噪波生成算法随机生成多个随机数,分别作为待生成场景的二维图像中各个点对应的地形高度值,并将每个地形高度值添加至对应点;将添加所述地形高度值的所述二维图像作为所述待生成场景的地形高度图;其中,所述添加所述地形高度值的所述二维图像表示所述待生成场景的自然地形的高度变化;
所述目标贴图确定模块,具体用于:
将表示不同地表类型的提示词输入至预先训练的贴图生成模型中,得到各个提示词表示的地表类型对应的候选贴图,所述贴图生成模型为生成式人工智能模型。
7.根据权利要求6所述的装置,其特征在于,所述地形高度随机生成子模块,具体用于:
对所述二维图像中的地形高度值进行平滑处理;
将平滑处理后的二维图像,作为所述待生成场景的地形高度图。
8.根据权利要求6所述的装置,其特征在于,所述道路网格生成模块,具体用于:
确定所述待生成场景所包含的区域,将所述区域划分为子区域;
将相邻子区域之间的边界线,确定为所述待生成场景的基础路径。
9.根据权利要求6所述的装置,其特征在于,所述建筑群落中包含建筑,通过以下模块生成所述建筑群落中的每个建筑:
单元组合模块,用于从预设建筑单元组中,选取多个建筑单元组合为初始建筑结构;其中,所述预设建筑单元组中包含墙体单元、屋顶单元、窗户单元和门单元中至少两个建筑单元;
建筑生成模块,用于对所述初始建筑结构进行结构合理化处理,生成所述建筑群落中的建筑。
10.根据权利要求6所述的装置,其特征在于,所述生物网格分配模块,具体用于:
对所述地形高度网格进行三角化处理,得到用于表征所述待生成场景的地形表面的三角网格;
为各个三角网格随机配置不同的地形特征值;
基于预设的地形特征值与生物网格的类型之间对应关系,确定各个三角网格对应的目标生物网格。
11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410438109.7A CN118037981B (zh) | 2024-04-12 | 2024-04-12 | 一种基于人工智能生成的三维大世界地形的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410438109.7A CN118037981B (zh) | 2024-04-12 | 2024-04-12 | 一种基于人工智能生成的三维大世界地形的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118037981A true CN118037981A (zh) | 2024-05-14 |
CN118037981B CN118037981B (zh) | 2024-07-05 |
Family
ID=91004536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410438109.7A Active CN118037981B (zh) | 2024-04-12 | 2024-04-12 | 一种基于人工智能生成的三维大世界地形的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118037981B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201569A (zh) * | 2021-12-14 | 2022-03-18 | 珠海金山数字网络科技有限公司 | 数据处理方法及装置 |
CN114373058A (zh) * | 2021-12-29 | 2022-04-19 | 四川知周科技有限责任公司 | 一种基于虚幻引擎的海面网格动态划分及高度场生成方法 |
CN115518374A (zh) * | 2022-08-24 | 2022-12-27 | 网易(杭州)网络有限公司 | 虚拟场景中的植被生成方法、装置和电子设备 |
CN115690286A (zh) * | 2022-10-19 | 2023-02-03 | 珠海云洲智能科技股份有限公司 | 三维地形生成方法、终端设备及计算机可读存储介质 |
CN116246012A (zh) * | 2022-12-12 | 2023-06-09 | 网易(杭州)网络有限公司 | 一种虚拟建筑模型的生成方法、装置、以及电子设备 |
CN116992539A (zh) * | 2023-08-01 | 2023-11-03 | 四川省建筑设计研究院有限公司 | 基于地震动地形效应的山地区域建筑选址方法及*** |
CN117036570A (zh) * | 2023-05-06 | 2023-11-10 | 沛岱(宁波)汽车技术有限公司 | 一种3d点云模型贴图的自动生成方法及*** |
CN117667053A (zh) * | 2023-11-14 | 2024-03-08 | 广州三七极彩网络科技有限公司 | 游戏过程化内容生成方法、***、设备及存储介质 |
-
2024
- 2024-04-12 CN CN202410438109.7A patent/CN118037981B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201569A (zh) * | 2021-12-14 | 2022-03-18 | 珠海金山数字网络科技有限公司 | 数据处理方法及装置 |
CN114373058A (zh) * | 2021-12-29 | 2022-04-19 | 四川知周科技有限责任公司 | 一种基于虚幻引擎的海面网格动态划分及高度场生成方法 |
CN115518374A (zh) * | 2022-08-24 | 2022-12-27 | 网易(杭州)网络有限公司 | 虚拟场景中的植被生成方法、装置和电子设备 |
CN115690286A (zh) * | 2022-10-19 | 2023-02-03 | 珠海云洲智能科技股份有限公司 | 三维地形生成方法、终端设备及计算机可读存储介质 |
CN116246012A (zh) * | 2022-12-12 | 2023-06-09 | 网易(杭州)网络有限公司 | 一种虚拟建筑模型的生成方法、装置、以及电子设备 |
CN117036570A (zh) * | 2023-05-06 | 2023-11-10 | 沛岱(宁波)汽车技术有限公司 | 一种3d点云模型贴图的自动生成方法及*** |
CN116992539A (zh) * | 2023-08-01 | 2023-11-03 | 四川省建筑设计研究院有限公司 | 基于地震动地形效应的山地区域建筑选址方法及*** |
CN117667053A (zh) * | 2023-11-14 | 2024-03-08 | 广州三七极彩网络科技有限公司 | 游戏过程化内容生成方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118037981B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Makowski et al. | Synthetic silviculture: multi-scale modeling of plant ecosystems | |
Emilien et al. | Procedural generation of villages on arbitrary terrains | |
KR101148613B1 (ko) | 지형 생성 시스템, 지형 생성 방법 및 프로그램 저장 장치 | |
Koomen et al. | Introducing land use scanner | |
Griffin et al. | An agent-based model of prehistoric settlement patterns and political consolidation in the Lake Titicaca Basin of Peru and Bolivia | |
CN103942838A (zh) | 基于点云数据的单树三维建模与形态参数提取的方法 | |
CN108171797B (zh) | 网格物体生成方法及装置 | |
CN111617485B (zh) | 一种虚拟地形场景的制作方法及装置 | |
Beneš et al. | Urban ecosystem design | |
CN109992923A (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
Niese et al. | Procedural urban forestry | |
Hammes | Modeling of ecosystems as a data source for real-time terrain rendering | |
CN111524214B (zh) | 一种植被生物群落的制作方法及装置 | |
CN107126702A (zh) | 一种3d游戏随机地图的生成方法 | |
CN110097529A (zh) | 一种基于语义规则的农田定级单元划分方法及*** | |
CN113919185B (zh) | 一种地形地貌状况测度方法与装置 | |
Dekkers et al. | Land-use simulation for water management: Application of the Land Use Scanner in two large-scale scenario studies | |
CN101477533B (zh) | 地理格网下不易获取地理要素空间渐变信息的数字制图方法 | |
CN118037981B (zh) | 一种基于人工智能生成的三维大世界地形的方法 | |
Arıkan | Don’t abhor your neighbor for he is a pastoralist: The GIS-based modeling of the past human–environment interactions and landscape changes in the Wadi el-Hasa, west-central Jordan | |
Guth | Incorporating vegetation in viewshed and line-of-sight algorithms | |
CN108595659A (zh) | 一种网络多粒度组织方法 | |
KR102454996B1 (ko) | 3차원 지형 모델 생성 장치 및 방법 | |
CN113516744B (zh) | 虚拟场景生成、界面交互、商品展示方法及设备 | |
Keeve | Towards multispecies spaces. Rethinking architectural practice in the context of urban biodiversity loss |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |