基于运动捕捉数据的人体运动合成

论文摘要

基于运动捕捉数据的人体运动合成是虚拟现实领域中的一个重点和难点,它着重于对现有运动捕捉数据的重用,目的是提高运动捕捉数据的可利用性,生成丰富的人体运动序列。由于运动捕捉技术的设备昂贵,操作复杂,基于运动捕捉数据的人体运动合成研究可以很好的降低人体运动合成的制作成本,提高合成效率,具有很强的研究意义和应用前景。本文针对运动捕捉数据,围绕着人体运动合成的相关关键技术的研究,设计并实现了基于运动图表的人体运动合成系统。针对现有运动捕捉数据的有效重用,基于运动数据特征提取计算,构建运动类型模板,并实现对运动数据的自动标注,从语义描述层次上进行运动分析和相似性匹配计算,从而建立起结合语义描述信息的运动图表,借助运动过渡及插补运算,实现人体运动合成,生成符合用户要求的新的人体运动序列。论文主要研究工作包括：研究和实现了人体运动特征描述及特征计算方法。在底层上针对运动序列帧的姿态数据,计算典型的数值运动特征；在高层使用关系特征对运动序列进行描述,分析不同的人体运动状态,为运动图表提供基于运动特征的语义描述信息。研究和实现了人体运动相似性计算方法。通过欧氏距离公式,计算出运动序列帧间的相似性；使用动态时间变形算法,完成不同长度运动序列间的相似性计算。研究和实现了人体运动数据的自动标注计算。结合人体运动特征描述,通过动态时间变形和自学习过程,建立典型运动类别模板；将运动模板与未知运动序列进行局部相似性匹配,完成未知运动序列的自动标注。实现了基于运动图表的人体运动合成。结合运动相似性计算结果,构建运动图表,使用Dijkstra算法对运动图表进行运动合成的最短路径搜索；基于测地线距离计算过渡长度,通过偏移映射线性计算和球型线性插值计算,得到过渡运动段；借助人体运动数据的自动标注,在基于运动图表合成中,引入用户对合成运动要求的语义描述,方便用户对运动合成的控制,提高运动合成的质量；构建了人体运动合成系统,通过对现有运动捕捉数据的有效重用,实时生成满足用户要求的新的人体运动数据。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 人体运动生成方式
• 1.2.2 运动捕捉技术
• 1.2.3 人体运动的分析与合成
• 1.3 论文主要工作
• 1.4 论文组织内容
• 2 基于人体运动捕捉数据的特征计算
• 2.1 人体运动数据格式
• 2.1.1 BVH文件骨骼数据内容
• 2.1.2 BVH文件运动数据内容
• 2.1.3 人体运动数据的扩展
• 2.1.4 人体运动数据的可视化
• 2.2 关系特征状态概念的引入
• 2.3 关系特征函数
• 2.4 阈值的选取
• 2.5 关系特征函数定义和计算
• 3 人体运动的相似性计算
• 3.1 基于帧的相似性计算
• 3.1.1 数据表达方式
• 3.1.2 欧几里得距离公式
• 3.1.3 动态时间变形
• 3.2 基于特征的相似性分析
• 4 人体运动序列标注
• 4.1 运动模板
• 4.1.1 运动模板数据结构
• 4.1.2 运动模板自学习过程
• 4.2 运动标注
• 4.3 基于运动标注的相似性分析
• 5 基于运动图表的人体运动合成
• 5.1 运动过渡生成
• 5.1.1 距离公式
• 5.1.2 最优化权重
• 5.1.3 过渡长度计算
• 5.1.4 运动插补计算
• 5.2 基于运动图表的运动合成
• 5.3 结合语义描述的运动合成
• 6 结论
• 参考文献
• 作者简历
• 学位论文数据集