基于改进萤火虫算法的动态自动聚集路径规划方法*

针对群体动画中自动聚集场景的特点及现有方法中存在的计算代价高、行为单一、逼真程度不够、缺乏涌现特征的不足,提出了基于改进萤火虫算法的群体动态自动聚集路径规划方法。在群体自动聚集过程中,不但无须提前指定聚集目标点,而且根据外界环境的动态变化,自动寻找最优的聚集目标点。通过该方法可以为每个粒子生成运动路径,并能保证每次生成的聚集路径不完全一致,使制作的群体动画体现出群体运动的涌现特征,有效地提高群体动画的逼真效果。通过所开发的动态自动聚集路径规划系统有效地模拟群体聚集行为,验证了本方法的可行性和有效性。     

基于ABC算法的群体动画研究与应用

对群体行为的模拟一直是动画研究领域的重点,如何表现出个体运动的独立性以及群体运动的整体性是群体行为模拟的难点所在,同时传统的群体动画制作手段工作量大,制作出的效果不能满足人们的需求。针对此问题文中将人工蜂群算法应用于群体行为模拟路径规划中,并针对群体动画的特征进行修改,从而产生一种新的简单、高效的制作群体动画的方法。仿真实验表明改进后的人工蜂群算法能够真实模拟出群体在运动过程中的心里状态及群体运动行为。     

基于人工蜂群算法的群体动画研究与应用

对群体行为的仿真一直是动画研究领域的重点,传统的群体动画制作手段工作量大,制作出的效果不能满足人们的需求,同时如何表现出个体运动的独立性以及群体运动的整体性是群体行为仿真的难点所在。为解决上述问题,将人工蜂群算法应用于群体行为仿真中。首先对人工蜂群算法原理分析,然后将人工蜂群算法的智能性应用于群体动画中,即使用了人工蜂群算法的思想,又针对不同群体行为进行了修改,从而产生了一种新的快速的制作群体动画的方法。仿真结果表明,人工蜂群算法能够真实模拟群体行为,为设计提供了依据。     

基于人工蜂群算法的群体动画路径生成方法

大多数群体智能算法容易陷入局部最优,且收敛速度较慢。为此,将粒子群优化算法引入人工蜂群算法中,提出一种改进的路径生成算法NewABC,实现最优目标位置的选取及粒子个体的路径规划。将该方法生成的路径数据导入maya三维动画制作软件中进行仿真实验,结果表明,该方法生成的群体动画效果逼真,动画创作效率有较大的提高。     

面向三维动画自动生成的路径规划

全过程计算机辅助自动生成动画技术由中科院陆汝钤院士于上世纪90年代提出,这一技术的目标是将适当的故事以受限自然语言的方式输入计算机,由开始一直到动画的生成,每一步都是在计算机的辅助下完成.在动画生成过程中,如何规划运动对象路径是影响动画效果的重要因素.为此,提出基于动画场景规划信息的路径规划方法,该方法通过预定义的路径定性规划语言PADL描述规划需求,然后通过利用扩展的A*算法规划路径并生成路径定量规划语言PCAL描述的路径,最后采用运动图方法合成路径运动动画.实验表明,该方法能有效地自动生成符合指定要求的路径动画.     

基于骨干长度比例之运动重定目标算法

为了减轻动画制作劳动强度，提高动画制作产能以及自动产生仿真动画，提出了一种结合运动捕获器（Motion Capture)技术与逆向运动学原理的用于完成关节动画中实时运动重定目标（Motion Retargeting)的新算法，该算法的主要概念是首先根据“原动者”与“标的者”之身材比例，推算出、标的者”末端效应器之定位，然后再利用逆向运动学之算法求得“标的者”各关节之旋转角度，因为该算法充分地利用了捕获器所纪录的“原动者”运动信息的密集重复性，而且所设计之定位法则能满足原运动对未端效应器之约束，所以该方法能展现出与原运动十分相似的动画，同时不违背原设定之约束，实验数据也展示，并说明了该算法之效能与优点。     

基于改进群搜索优化算法的群体路径规划方法

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题,提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中,克服算法易陷入局部最优的问题;其次,通过结合多线程和路径随机拼接技术,将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性,能够很好地满足在复杂动画环境下路径规划的要求。     

群体动画设计中常用的几种优化算法

群体动画是计算机应用的一个重要领域,成为计算机图形学中的一个热点。由于控制群体行为的复杂性,群体动画仍然是计算机动画中的一个具有挑战性的研究工作。本文介绍了群体动画的特点和基本原则,以及在群体动画中经常使用的优化算法:遗传算法、模拟退火算法、微粒群算法和人工蜂群算法,主要通过介绍算法的基本思想,简单分析了各算法的优缺点。     

三维人体模型构建

人体动画制作技术是计算机动画领域的研究热点和难点。在制作真实感人体动画时,除了要有真实的人体运动和灵活的运动控制方法外,还需要有逼真的人体造型和皮肤变形效果。本文给出计算机动画中的三维人体建模的一种算法,实现骨骼-皮肤动画,可以高效率创作出高度真实感的人体模型。     

群组动画中的队形约束与控制方法

针对影视制作中对大规模虚拟群体运动控制的需求,提出一种基于队形约束的群体运动编辑与控制方法.首先利用贪心算法构建从初始队形到目标队形中个体位置的配对关系;然后对其进行优化,在保持个体相对位置的同时尽可能减少路线交叉;最后通过匹配虚拟角色的运动来合成流畅、逼真的群组动画.采用文中方法用户只需输入群体规模以及群体队形轮廓,即可实现对群体运动的编辑与控制.实验结果表明,该方法能够对不同规模、不同队形间的群体运动实现有效控制,从而提高群组动画制作的效率.     

Coordinated Crowd Simulation With Topological Scene Analysis

This paper proposes a new algorithm to produce globally coordinated crowds in an environment with multiple paths and obstacles. Simple greedy crowd control methods easily lead to congestion at bottlenecks within scenes, as the characters do not cooperate with one another. In computer animation, this problem degrades crowd quality especially when ordered behaviour is needed, such as soldiers marching towards a castle. Similarly, in applications such as real‐time strategy games, this often causes player frustration, as the crowd will not move as efficiently as it should. Also, planning of building would usually require visualization of ordered evacuation to maximize the flow. Planning such globally coordinated crowd movement is usually labour intensive. Here, we propose a simple solution that is easy to use and efficient in computation. First, we compute the harmonic field of the environment, taking into account the starting points, goals and obstacles. Based on the field, we represent the topology of the environment using a Reeb Graph, and calculate the maximum capacity for each path in the graph. With the harmonic field and the Reeb Graph, path planning of crowd can be performed using a lightweight algorithm, such that any blocking of one another's paths is minimized. Comparing to previous methods, our system can synthesize globally coordinated crowd with smooth and efficient movement. It also enables control of the crowd with high‐level parameters such as the degree of cooperation and congestion. Finally, the method is scalable to thousands of characters with minimal impact to computation time. It is best applied in interactive crowd synthesis systems such as animation designs and real‐time strategy games.     

基于智能体方法的人群疏散三维仿真

研究建筑物在不同出口条件设置下人员的安全疏散问题。针对人群仿真中如何计算疏散路径问题,文中采用导航图技术和agent技术来对个体进行疏散路径的规划。同时为表现人群运动过程当中个体之间的相互碰撞问题,结合碰撞规避规则进行穿透矫正。并且采用三维引擎DeltaSD在Vc＋＋9．0环境下进行仿真并搭建了一套三维人群运动模拟平台。最后分别在三种不同出口条件下的虚拟场景中进行仿真。对比仿真结果表明该平台能直观地展现整个人群疏散的运动过程,并能够对建筑物出口安全设计的合理陛提供有效的数据依据。     

基于马尔可夫决策过程的群体动画运动轨迹生成

近些年来,群体动画在机器人学、电影、游戏等领域得到了广泛的研究和应用,但传统的群体动画技术均涉及复杂的运动规划或碰撞避免操作,计算效率较低.本文提出了一种基于马尔可夫决策过程（MDPs）的群体动画运动轨迹生成算法,该算法无需碰撞检测即可生成各智能体的无碰撞运动轨迹.同时本文还提出了一种改进的值迭代算法用于求解马尔可夫决策过程的状态-值,利用该算法在栅格环境中进行实验,结果表明该算法的计算效率明显高于使用欧氏距离作为启发式的值迭代算法和Dijkstra算法.利用本文提出的运动轨迹生成算法在三维（3D）动画场景中进行群体动画仿真实验,结果表明该算法可实现群体无碰撞地朝向目标运动,并具有多样性.     

基于全局路径规划的相互速度障碍物人群疏散方法

针对相互速度障碍物（RVO）模型缺少全局路径规划,只依靠局部碰撞避免不能很好地模拟复杂的疏散场景问题,提出了一种剩余路径代价尽量小的动态全局路径选择方法。该方法包含路径预处理和路径实时更新两部分:第一部分使用快速最短路径算法（SPFA）求取场景最短路径（SSP）;第二部分根据SSP快速动态地计算每个个体的最优疏散路径,并使用KD树优化障碍物阻挡判断过程。最后将方法扩展到多楼层、多障碍物、多通道、多出口的复杂场景实现了近千人的仿真实验。实验结果表明,该方法在多个场景中都取得了良好的路径规划效果。     

基于全局和局部路径规划的人群运动研究与仿真

虚拟现实技术是多媒体技术广泛应用后兴起的计算机高新技术。大规模虚拟人群仿真得到了国内外很多学者的关注。大规模的虚拟人群仿真又分为人群绘制和路径规划两个研究方向。本文在复杂的环境中利用全局和局部路径二级规划算法,为大规模的虚拟人群实时规划出一条无碰撞的路径。     

融入情绪模型的人群实时路径规划

目的 人群仿真中高效性和逼真性是群体路径规划的关键问题。已有人群路径规划算法忽略了人群情绪造成的路径选择差异,在大规模实时仿真中仍存在一定的局限性。方法 提出一种融入情绪模型的人群实时路径规划算法(EPP)。使用人格特征理论对人群的情绪进行建模并设定不同情绪所具有的路径选择偏好。在路径建模阶段,通过单次搜索建立全局有向导航图,确定全局层面的可行路径;在路径搜索阶段,提出以期望时间最短为原则的路径规划目标函数,采用局部搜索策略为个体实时规划一条最优或次优的路径。结果 EPP算法可有效地仿真不同场景下大规模人群的路径选择现象;与已有工作的仿真效果和量化指标对比说明了该算法的有效性和高效性;通过不同情绪状态下人群路径选择差异的讨论以及在不同人群运动模型的兼容性实验进一步说明了该算法的健壮性。结论 本文算法具有良好的高效性和健壮性,适用于不同场景下大规模人群路径规划的相关应用。     

Wandering crowd simulation based on space syntax theory

Space syntax has proven there appears to be a fundamental process that informs human and social usage of an environment,and the effects of spatial configuration on movement patterns are consistent with a model of individual decision behavior.Introducing space syntax to crowd simulation will enable space structure guide the random movement of the crowd with no specific targets.This paper proposes a simulation method of the wandering crowd,which calculates the crowd distribution corresponding to the space through space syntax and uses a hybrid path planning algorithm to dynamically navigate the crowd to conform to the distribution.Experiments show the presented method can obtain reasonable and vision-realistic simulation results.     

数据驱动的人群场景动画合成方法

为了向虚拟城区环境加入复杂而灵活的人群动画,提出一种数据驱动的人群场景动画合成方法.通过采集各种典型场景下人群流动的视频,提取出agent状态响应数据集;并将这些状态响应数据集嵌入到虚拟城区知识模型中.最后基于该虚拟城区知识模型实现了一个虚拟城区中人群流动场景的动画合成系统.     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.