学位论文 > 优秀研究生学位论文题录展示

人体动画合成及其风格化处理研究

作　者: 刘更代
导　师: 潘志庚
学　校: 浙江大学
专　业: 计算机科学与技术
关键词: 人体动画虚拟人运动捕获风格逆运动学行为建模情感计算
分类号: TP391.41
类　型: 博士论文
年　份: 2009年
下　载: 210次
引　用: 2次
阅　读: 论文下载

内容摘要

人体动画是计算机图形学领域的重要组成部分,人们不仅希望合成真实的人体运动,而且想要创作具有丰富个性和情感表达能力的虚拟人。本文针对这一需求,对人体动画合成及其风格化处理技术展开了研究,提出了基于风格子空间的运动编辑算法、数据驱动和逆运动学结合的风格化运动合成技术以及基于流形学习的运动合成方法,并给出了一个能够表达虚拟人个性和情感的动画创作平台。这些研究为动画师提供了一套从运动编辑到行为编辑的角色创作工具,让角色动画的创作更加便捷。在人体运动的风格合成方面,本文提出了一种基于子空间模型的快速编辑算法。该方法使用了一种非监督的机器学习技术——独立特征子空间分析,它是多维独立成分分析和不变特征子空间的结合。该技术可以将人体运动数据分解为若干独立的子空间,并定义其中之一为风格子空间。动画师可以通过对提取出的若干风格子空间进行操作,实现运动风格的调节、转移和合并。该方法的优点是只需要一个运动数据对就可以训练出运动模型,简便易用。实验结果表明该方法对于循环运动如行走、跑步等效果很好。为了在编辑运动风格的同时还能够让运动满足指定约束,本文又改进了上一章中的低维参数化运动模型,提出了一种使用优化技术合成满足约束的风格化人体运动的方法。该方法使用链式法则将高维雅可比和低维雅可比矩阵建立关联,使得我们能够在低维空间中求解逆运动学问题,并在风格子空间中响应用户输入的风格参数,允许用户在求解逆运动学的同时对风格进行编辑。本文使用拳击运动为例,展示了如何生成击打某一指定目标的各种平勾拳动画。结果证明该方法效率较高,能够用于动画的交互式编辑和与合成。然而当约束增多时,线性降维方法很难得到满意的结果,因此本文使用了一种结合黎曼流形和李群的流形学习技术——主测地线分析进行运动合成。该方法首先将运动数据投影至黎曼流形上的测地线,目的是寻找运动数据内在的非线性流形嵌入,然后通过优化技术来合成新的运动。该方法与前文中的线性子空间方法比较,有更好的泛化能力,能够更好地刻画运动数据的结构,与其它流形学习方法相比又具有更加简洁的解析形式,计算速度快,更适用于运动数据合成。本文详细介绍了使用该技术进行运动合成及风格编辑操作的方法。最后,我们还开发了一个风格化和情绪化虚拟人创作平台。该平台有两个主要层次:底层是基于子空间运动模型的运动合成引擎,高层是一个结合行为和情感模型的个性化虚拟人动画创作系统。该平台通过一个高层语义和底层行为的映射关系整合了风格化运动处理技术以及具有个性和情感的虚拟智能体合成技术,给动画师提供一套富有表现力的角色动画编辑工具。

全文目录

摘要  3-5
Abstract  5-13
第1章绪论  13-31
  1.1 人体动画的发展  14-17
  1.2 人体动画的基本模型  17-18
  1.3 人体运动合成技术概述  18-25
    1.3.1 手工驱动  18-19
    1.3.2 模型驱动  19-21
    1.3.3 数据驱动  21-24
    1.3.4 各方法之间的比较  24-25
  1.4 风格化运动处理技术  25-28
    1.4.1 求差  25
    1.4.2 插值  25-26
    1.4.3 信号处理  26-27
    1.4.4 机器学习  27
    1.4.5 物理方法  27-28
  1.5 本文工作和论文组织  28-31
第2章基于风格子空间的人体运动合成算法  31-49
  2.1 引言  31-35
    2.1.1 相关研究  32-34
    2.1.2 问题及解决方案  34-35
  2.2 独立特征子空间分析  35-37
  2.3 数据预处理  37-40
    2.3.1 数据格式转换  37-38
    2.3.2 时间对齐  38-40
    2.3.3 时域滤波  40
    2.3.4 白化  40
  2.4 风格化运动模型  40-42
  2.5 运动编辑与合成  42-44
    2.5.1 风格调节  43
    2.5.2 风格传输  43
    2.5.3 风格合并  43-44
    2.5.4 后处理  44
  2.6 实验结果  44-48
  2.7 本章小结  48-49
第3章满足约束的风格化运动合成算法  49-67
  3.1 引言  49-52
    3.1.1 相关研究  49-51
    3.1.2 问题及解决方案  51-52
  3.2 逆运动学求解方法  52-53
    3.2.1 解析法  52
    3.2.2 数值法  52-53
    3.2.3 混合法  53
  3.3 数据集创建  53-56
    3.3.1 数据采集  53-55
    3.3.2 数据预处理  55-56
  3.4 低维运动模型  56-57
  3.5 风格可编辑的低维IK  57-60
  3.6 实验结果  60-65
    3.6.1 风格提取结果  60-61
    3.6.2 收敛性能  61-63
    3.6.3 最终效果  63-65
  3.7 本章小结  65-67
第4章基于流形学习的运动合成方法  67-83
  4.1 引言  67-70
    4.1.1 相关研究  67-69
    4.1.2 问题及解决方案  69-70
  4.2 主测地线分析  70-74
    4.2.1 黎曼流形  70-71
    4.2.2 李群  71-72
    4.2.3 主测地线分析  72-74
  4.3 非线性运动模型  74-75
  4.4 基于PGA的逆运动学  75-76
  4.5 基于PGA的运动合成  76-78
  4.6 实验结果  78-81
    4.6.1 运动帧重建  78-80
    4.6.2 基于末端轨迹的运动变换  80
    4.6.3 基于关键姿态的运动合成  80-81
  4.7 本章小结  81-83
第5章虚拟人个性化行为动画创作平台  83-99
  5.1 引言  83-86
    5.1.1 相关研究  83-85
    5.1.2 问题及解决方案  85-86
  5.2 虚拟人运动建模  86-88
  5.3 虚拟人情感与行为建模  88-93
    5.3.1 个性模型  88
    5.3.2 情感模型  88-90
    5.3.3 情绪模型  90-91
    5.3.4 行为模型  91-93
    5.3.5 虚拟人综合模型  93
  5.4 系统实现  93-95
  5.5 实验结果  95-96
  5.6 本章小结  96-99
第6章总结与展望  99-103
  6.1 本文的研究成果  99-101
  6.2 未来的工作  101-103
参考文献  103-115
攻读博士学位期间主要的研究成果  115-117
致谢  117-118

人体动画合成及其风格化处理研究

内容摘要

全文目录

相似论文