动作捕捉中的动画驱动及运动编辑技术综述

动画驱动是一个将动作捕捉数据应用于虚拟角色的过程,而运动编辑则是对动画驱动后的数据进行编辑处理,这两项技术对动作捕捉技术的发展应用有着十分重要的意义成为近年来国内外研究的热点.详细介绍目前已有的动画驱动及运动编辑技术方法,分析比较各种方法的优缺点及存在的问题,并对未来的研究进行了展望.     

数据驱动人体动画的关键帧技术研究综述

基于关键帧技术的运动捕获数据驱动人体动画,因其捕获的数据具有高度逼真性和实时处理能力使之成为应用广泛的人体动画方法。对现有基于运动捕获数据的3维人体动画关键帧技术进行了系统分析和阐述,介绍了运动捕获数据及其表现形式,从捕获数据的角度分析并比较了基于自适应采样的关键帧提取技术、基于运动速度控制的关键帧插值技术及基于运动特征和运动模型的关键帧检索技术,对3维人体运动关键帧技术中的难点问题及进一步研究方向进行了展望。     

人体运动数据重构方法进展*

运动捕捉系统产生的人体运动数据是标记点在运动序列中的位置数据,用于驱动人体模型产生真实感的动画。在对近几年有关人体运动数据重构的文献进行综合和分析的基础上,首先对人体运动数据重构进行了问题描述,并对人体运动数据在重构过程中难以避免的噪声问题和特征点(虚拟空间中的标记点)缺失问题的研究分别进行了总结和分析;然后对人体运动数据获取的光学式原型捕捉系统开发的研究进行了讨论,评述了人体运动数据驱动人体几何模型的相关研究;最后对未来研究提出了一些展望。     

3维人体运动编辑与合成技术综述

为了使人们对3维人体运动编辑与合成技术有个概略了解,对当前3维人体运动编辑和合成技术的研究现状进行了系统阐述。首先对4大类3维人体运动合成方法进行了分析比较;然后按照运动捕获数据的表示方法、运动编辑技术、运动合成技术3个方面着重分析了运动捕获数据驱动的运动合成方法的发展现状;最后对目前3维人体运动编辑与合成技术研究中的难点问题及未来研究重点进行了展望。     

基于视觉的人体运动捕捉技术研究

运动捕捉技术是计算机视觉和人体运动分析领域的研究热点,在计算机动画等领域拥有广泛的应用前景。在总结基于视觉的人体运动捕捉技术进展的基础上,分析运动跟踪、捕捉方法及技术难点,提出一种新的从视频提取人体运动信息,重现人体运动轨迹的方法、流程及系统设计框架。     

人体运动合成中的机器学习技术综述

近年来,机器学习技术被广泛应用于人体运动合成,取得了很多研究成果,这得益于运动捕获技术的成熟和使用.运动捕获技术使数据驱动的方法成为人体运动合成的主流,而机器学习技术能够有效地处理人体运动数据这类维数高且在时间和空间两个维度都具有较大相关性的数据.文中以机器学习方法为主线,结合各类方法的特点,对人体运动合成中的应用进行总结和归纳;同时,还展望了人体运动合成和运动数据处理技术未来的发展趋势.     

运动捕捉及其在动画制作中的应用

提出了基于运动捕捉技术的动画制作，介绍了运动捕捉技术的过程及其3个关键技术的实现。给出了运动捕捉系统的模型和具体的实现方法。对于图像捕捉的同步问题进行了分析和解决。论述了基于运动捕捉技术的动画制作过程中的动画合成和消除滑步等技术。     

基于动作单元分析的人体动画合成方法研究

从运动捕获数据中提取出反映人体运动规律的基本动作单元,合成新的人体动画已成为研究热点.但已有动作单元提取方法忽略了运动序列的时序性和不同关节之间的运动相关性.针对该问题,提出了一种新的基本动作单元提取方法,首先,采用PCA方法对高维人体运动数据进行降维分析,并采用马氏距离平方度量姿态间的相似性;其次,结合动态时间归整方法和误差平方和准则对时序运动序列进行自动切分和标注;最后,建立不同动作单元之间的概率转移模型构建运动图,并根据约束条件合成新的逼真人体动画.     

一种人体运动展示平台的设计与实现

系统提出了一种基于人体运动捕捉文件的人体运动展示方案,通过进行结构层次化的人体建模,并借助由特种设备“运动捕捉仪”生成的运动数据文件,通过转换算法,生成人体运动所需的运动角,驱动人体模型实现相应动画,同时可以操纵视点的变化,得到了较好的人机交互效果。     

通过语义控制改进运动合成

运动相似性度量是基于运动图的人体运动合成技术的关键.现有方法主要使用运动捕捉数据姿态数值特征进行相似性度量与合成控制,很难处理语义描述上同类型运动数据集中的不同运动实现版本间的时间与空间特征分布变化的问题.提出了引入用户语义控制来改进基于运动图的人体运动合成方法.使用关系特征作为高层语义描述,刻画同类型运动的空间变化特征;通过自学习过程,获得运动类模板,作为同类型运动的空-时特征语义描述;通过将运动类模板数据与人体运动序列文件进行匹配,实现运动类型识别和自动语义信息标注;借助关系特征语义描述及运动序列文件的语义标注信息,实现在基于运动图的运动合成中引入用户直观的高层语义控制.运动合成实验结果显示了该方法的有效性,为获得高质量人体运动合成数据提供途径.