基于運動捕獲數(shù)據(jù)的若干動畫技術研究.pdf

1、二十世紀九十年代以來,隨著運動捕獲技術的興起,計算機動畫技術得到了長足的發(fā)展,被廣泛地應用于影視、游戲、教育和國防等領域.但隨之而起的問題是如何方便、高效地利用運動捕獲數(shù)據(jù)進行動畫創(chuàng)作.在此背景下,基于運動捕獲數(shù)據(jù)的動畫研究,已經(jīng)成為近年來計算機圖形學領域的一大熱點.該文的工作就是探索利用運動捕獲數(shù)據(jù)進行動畫創(chuàng)作的新方法,提出了基于小波變換的三維運動合成及真實感處理、基于例子的運動捕獲數(shù)據(jù)檢索、基于馬爾可夫鏈的運動圖建模及相應的動畫創(chuàng)作

2、和基于多智能角色的群體動畫創(chuàng)作等技術.該文的主要內(nèi)容包括:在第一章中,介紹了該文的研究動機、研究現(xiàn)狀、該文的工作概述和內(nèi)容組織;在第二章中,綜述了運動捕獲技術和基于運動捕獲數(shù)據(jù)的計算機動畫技術的發(fā)展情況;在第三章中,提出了一種既能控制運動細節(jié),又能在抽象層次上對運動進行處理的動畫技術,它能同時在頻域和時空域?qū)\動進行處理:首先將小波變換引入運動編輯,對運動信號進行多分辨率分析,實現(xiàn)了運動特征增強、運動融合和運動特征提取與綜合等算法;接著

3、,根據(jù)運動的特征和動畫師的要求,對運動施加時空約束,建立并求解目標方程,保持運動的真實性;在第四章中,提出了一項基于運動例子的三維運動檢索技術:首先運用動態(tài)聚類算法,建立基于層次化運動描述的運動檢索樹,然后根據(jù)得到的運動檢索樹,采用k近鄰法則對例子運動進行分類,確定檢索子集,最后采用彈性匹配算法計算例子運動和被檢索運動子集間的相似度,得到檢索結(jié)果.為了提高檢索效率,采用聚類算法提取運動關鍵幀序列表征運動;在第五章中,介紹了一個基于運動圖

4、的運動合成框架:首先采用貪婪算法從已有的運動數(shù)據(jù)庫中提取運動元,各個運動元被定義為體現(xiàn)基本動力學的一個運動段,同時把具有相似動力學特征的運動元聚類到同一個運動群中;然后定義各個運動群為一階馬爾可夫過程的一個狀態(tài),把運動建模為一階馬爾可夫過程,運動群間的連接關系通過運動圖來進行建模;最后根據(jù)運動圖,采取以下兩個步驟來生成新運動:在運動圖上找出一條運動元(群)路徑,光滑連接各運動元.在此框架下,提出了兩項新的運動合成技術:隨機運動采樣和運動