基于Maya的骨骼驱动改进蒙皮变形技术

一、引言 骨骼动画属于3D图形技术,它模拟人的肢体动作,使用关节结构作为骨架,将角色的蒙皮绑定到骨架上,由关节的运动控制蒙皮的变形.     

一种可编辑的三维人体蒙皮网格动画合成方法*

为了使虚拟人情感表达更加逼真,提出了一种可编辑的三维人体动画合成方法。首先建立了三维网格和人体骨架之间的蒙皮关系,构造了关节运动角度的参数模型;然后,对三维人体骨架进行操作,利用线性混合蒙皮算法,驱动虚拟人体的运动。在Visual C++平台上实现了在特定情感状态下的肢体动画,验证了该方法的有效性。     

基于凸壳与有向包围盒的骨架提取方法

为获取三维模型的几何及拓扑信息,提出一种基于凸壳与有向包围盒(OBB)的线性骨架提取方法.首先将三维网格模型进行分割生成多个子网格模型;然后对各子网格中的点集求取凸壳作为该子网格点集的近似,由凸壳顶点的形心构成原始骨架点;再用OBB进行重叠计算求出相交点集,以生成关节骨架点;最后对原始骨架点与关节骨架点进行连接,经冗余检测后形成完整骨架.实验结果表明,该方法快速、有效,提取出的骨架能保证连通性与中心性且能很好地提取关节骨架点,为蒙皮关节动画、模型形状分析等提供有效信息.     

三维图形引擎中骨骼蒙皮动画的一种实现方法*

提出了三维图形引擎中骨骼蒙皮动画的一种实现方法,即将现有的关节动画与单一网格动画相结合,利用骨架的继承变换和顶点混合技术使骨骼蒙皮动画平滑逼真。实验表明该方法有良好的显示效果,并具有较好的实时性,且占用的存储空间不大,能够满足当前三维图形引擎对动画技术的要求。     

三维图形引擎中骨骼蒙皮动画的一种实现方法

提出了三维图形引擎中骨骼蒙皮动画的一种实现方法，即将现有的关节动画与单一网格动画相结合，利用骨架的继承变换和顶点混合技术使骨骼蒙皮动画平滑逼真。实验表明该方法有良好的显示效果，并具有较好的实时性，且占用的存储空间不大，能够满足当前三维图形引擎对动画技术的要求。     

基于自适应蒙皮变形的点云姿态迁移

为避免全局平滑系数的DDM在点云姿态迁移时出现撕裂、扭曲以及姿态学习不充分等问题,提出一种自适应权重蒙皮变形点云姿态迁移方法.首先利用改进的拉普拉斯收缩骨架提取方法提取源点云模型和参考点云模型的同构骨架,用聚类优化关节点位置,并计算2个同构骨架之间的关节点的几何变换;然后根据顶点变形程度和聚类划分改进DDM的逐点平滑系数,利用骨架层次信息对源姿态进行刚性蒙皮权重绑定;最后将蒙皮问题重新表达成求解刚性变换矩阵,实现姿态迁移.在现有MPI DYNA的人体点云模型和MIT的动物点云模型上进行骨架提取与蒙皮变形实验,实验结果表明,所提方法可生成无冗余分支和关节点的同构骨架,得到细节保持良好、姿态学习较充分的目标姿态模型.     

正向运动学和关键帧系统的骨骼动画引擎实现

游戏角色动画一骨骼动画创作流程分为生成骨架、骨架运动、蒙皮等步骤。本文以这个流程为主线,讲述了一种基于正向运动学和关键帧系统的骨骼动画引擎的实现。     

基于LBS的辅助骨骼驱动的改进蒙皮变形技术

传统的骨骼驱动蒙皮变形技术(LBS)在大转角的关节处会发生严重的“塌陷现象”,对此在分析了LBS缺陷的基础上提出了辅助骨骼驱动的改进蒙皮变形技术。该技术在大变形的关节处添加辅助骨骼,通过辅助骨骼的小角度旋转来代替单根骨骼的大角度旋转。实验表明辅助骨骼不仅能够有效地克服LBS的缺陷,而且能够充分利用LBS的优点。     

基于XNA的人体骨骼蒙皮动画关键技术研究

人体骨骼蒙皮动画技术是计算机动画领域研究的热点和难点。针对当前骨骼蒙皮动画中关节断裂、皮肤塌陷、顶点计算量大、执行效率低等问题,首先分析了其原理及实现过程,然后以Visual Studio 2012+XNA4.0为平台,设计实现了一个骨骼蒙皮动画的引擎框架,并采用优化旋转算法、动画混合、GPU更新顶点等关键技术,提高了动画的执行效率,增强了动画的真实感。     

关节特征约束的3维模型骨架提取算法

根据多分辨率Reeb图（MRG）的原理,提出一种基于关节特征约束的骨架优化算法。它克服了基于曲率约束提取骨架方法中逐点计算顶点的曲率约束轮廓的低效性,通过分析网格顶点的离散高斯曲率,获取模型表面上具有凹陷特性的双曲极值点作为约束点, 进行关节特征区域的有效提取。进而增加关节特性点,优化MRG骨架。实验结果表明,本方法有效地突出了模型的拓扑分支特征以及模型表面的细节,提高了骨架提取的精度和效率。     

基于人体自然比例特征的参数化骨架建模方法

关节角色动画一般是由角色的骨架模型控制运动,人物角色动画作为关节动画领域热门研究方向之一,广泛应用于计算机动画,人体运动分析,人机工程,运动捕捉以及计算机视觉等领域。人体骨架的各部分长度具有一定的自然比例特点。因此,我们提出了一种基于人物骨架长度比例特点的人物角色建模方法,通过研究人体各部分骨架长度的比例特点,将骨架模型参数化,并最终建立满足运动捕捉数据的层次骨架模型。实验表明,该文提出的方法可以快速的获得标准的人体骨架模型,方便于角色动画的建立,参数化的骨架也使我们能够获得不同人物特征的骨架模型,满足于不同领域的需要。     

圆抛物面天线的结构动态计算

一、概述圆抛物面天线基本结构形式为骨架＋蒙皮结构，其口径　４３００ｍｍ，由中块（　２１００ｍｍ）和八个边块组成。中块　８５０ｍｍ以内为铸件，蒙皮也同时铸出。边块与边块之间、边块与中块之间由螺钉连接。蒙皮透孔率２８％，用铆钉与背筋固定。辐射器支架为两支杆机构，侧面由两钢索拉紧，除钢索材料为２０号钢外，其余均为铝合金材料。和一般单自由度运转的天线不同，本文分析的圆抛物面天线的运转方式除ＰＰＩ以外，还有ＲＨＩ和ＣＡＰＰＩ，而且在闭环工作条件下，因而其动态性能至关重要。本文运用Ｉ－ＤＥＡＳ软件有限元分析…     

更新的T&L核心:Charisma Engine Ⅱ

Radeon最具特色的技术当推Charisma Engine几何引擎,它拥有骨架动画技术和蒙皮技术等,可在硬件T＆L打开的情况下,生成每秒3000万个三角形,并同时具有最高8个硬化的本地或无限远的光照能力,这些技术可令电脑的3D画面看起来真实、平滑和柔和。     

基于骨架关键关节构建时空金字塔模型的人体行为识别

针对当前骨骼数据信噪比低及特征信息不足的问题,提出人体关键关节构建时空金字塔模型的动作识别方法。该算法利用人体骨架关键关节构建空间域金字塔特征,保留骨架铰链系统的空间结构;利用多层级叠加协方差,构建时序金字塔特征,解决需要预处理视频序列长度的问题。在MSR-Action3D和UTKinect数据集上的实验结果表明,该方法准确率高、实时性好,可广泛应用于行为识别的各个领域。     

基于LeapMotion的个体化手部建模与实时交互

虚拟人手的实时建模是以人机交互为核心的VR/AR系统中的重要技术难点,传统的基于LeapMotion的手部跟踪视觉反馈仅展示骨架动画信息,缺少应用演示的真实感。由此,提出了一个快速高效的个体化手部建模与实时交互系统,重点阐述了该系统的的工作原理以及算法。以含有骨架信息的静止手模型为模板,使用LeapMotion跟踪用户手的骨架数据作为输入,提出了基于骨骼尺寸的手部模型自动个体化建模算法。提供了一种基于不完整骨骼运动数据的线性蒙皮技术的改进算法,可快速计算不同手部姿势下骨架之间的变换矩阵,动态更新虚拟手的姿势。实验结果表明,此系统在实验的硬件平台上运行速度可以达到60 f/s,误差稳定在4 mm以内,能为人机交互任务实时提供真实可靠的视觉反馈。     

仿生关节链球坐标系的建立及应用

为了直观准确地记录和计算空间骨架结构的状态,提出一种仿生关节链球坐标系.对于待求活动关节,在已知与其相连的前两节节棍位置状态的前提下,利用当前节棍的长度值和链球坐标系下的2个角度值来精确计算关节新位置的三维笛卡儿坐标值.最后结合高维仿生信息学理论的应用,证明了采用该坐标系对骨架结构进行的刻画可以逼真地反映状态上细微的、连续的变化,无冗余信息,比传统方法参数少、速度快、应用范围广,可生成丰富的姿态,有利于艺术创作.     

基于融合几何特征时空图卷积网络的动作识别

最近,基于骨架的动作识别研究受到了广泛关注.因为图卷积网络可以更好地建模非规则数据的内部依赖,ST-GCN (spatial temporal graph convolutional network)已经成为该领域的首选网络框架.针对目前大多数基于ST-GCN的改进方法忽视了骨架序列所蕴含的几何特征.本文利用骨架关节几何特征,作为ST-GCN框架的特征补充,其具有视觉不变性和无需添加额外参数学习即可获取的优势,进一步地,利用时空图卷积网络建模骨架关节几何特征和早期特征融合方法,构成了融合几何特征的时空图卷积网络框架.最后,实验结果表明,与ST-GCN、2s-AGCN和SGN等动作识别模型相比,我们提出的框架在NTU-RGB+D数据集和NTU-RGB+D 120数据集上都取得了更高准确率的效果.     

基于增强型图卷积的骨架识别模型

针对现有骨架动作识别主要采用双流框架,在提取时间空间以及通道特征方法上存在的问题,提出一个ADGCN,用于骨架动作识别.首先对骨架数据进行建模,分别将关节、骨骼及其关节和骨骼的运动信息输入到多流框架的单个流.然后将输入的数据传送到提出的有向图卷积网络中进行提取关节和骨骼之间的依赖关系,再利用提出的时空通道注意力网络(STCN),增强每层网络中关键关节的时间、空间以及通道的信息.最后将四个流的信息通过加权平均计算动作识别的精度,输出动作的预测结果.此模型在两个大型数据集NTU-RGB+D和Kinectics-Skeleton中进行训练和验证,验证的结果与基线方法DGNN(有向图神经网络)相比,在NTU-RGB+D数据集上,在两个交叉子集CS和CV上的准确率分别提升了2.43％和1.2％.在Kinectics-Skeleton数据集的top1和top5上的准确率分别提升了0.7％和0.9％.提出的ADGCN可以有效地增强骨架动作识别的性能,在两个大型数据集上的效果都有所提升.     

复杂环境下的运动人体骨架提取算法*

针对复杂环境下运动人体难以检测及由人体运动自身的复杂性而引起的骨架提取难的问题,提出了一种复杂环境下视频序列中的运动人体骨架提取算法。算法首先利用区域背景建模获取复杂环境下的背景图像,利用最大色差分量结合自适应阈值分割运动人体;然后根据人体测量数据对人体骨架建模,最后利用Kalman滤波跟踪人体关节点,连接关节点生成运动人体骨架。实验结果表明,该算法能准确地提取复杂环境下视频序列中的运动人体骨架,具有低关节位置误差率。     

一种基于轮廓的人体关节位置确定方法

提出了一种基于人体轮廓图像确定人体关节位置的方法.该方法首先利用能量函数从人体轮廓中抽取人体的虚拟骨架,然后利用所定义的标准人体骨架模型中给出的确定人体虚拟骨架中的一个点是否为关节点的三个规则以及人体解剖学的相关知识确定关节的位置.实验结果表明,本文提出的算法是一种行之有效的算法.它无需对图像中的人体在运动和颜色等方面附加限制条件;同时,该方法对人体轮廓图像中的噪声亦有较好的抑制作用.这一特点使得它对人体轮廓提取的精度要求较低,在复杂背景下具有较好的性能.