基于內(nèi)容的運動檢索與運動合成.pdf

1、如何為虛擬人物角色創(chuàng)建逼真、自然的人體運動,一直是計算機動畫、虛擬現(xiàn)實和人機交互等許多研究領(lǐng)域的重要課題.由于運動捕獲數(shù)據(jù)保持了人體運動的細節(jié),并能逼真地記錄真人的運動軌跡,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(xué)領(lǐng)域的一大熱點. 隨著運動捕獲數(shù)據(jù)數(shù)量的日益增長,目前基于實例的運動合成技術(shù)成為人體動畫的主流研究方向,運動庫在其中扮演著核心的角色.這就帶來了一個問題:動畫師如何從運動數(shù)據(jù)的"海洋"中找出自己需要的信息

2、.本文的工作就是研究運動庫的組織和檢索方法,以便于用戶搜索出合適的運動片斷,供后續(xù)的運動合成過程使用. 本文的主要創(chuàng)新之處包括以下四方面: 1.提出了運動正規(guī)化算法,能夠保證運動庫中所有的運動幀共享相同的骨架長度.通常,運動庫中包含不同來源的運動幀,它們的骨架信息可能不同,這將會影響運動間相似性的比較.本文提出的運動正規(guī)化算法簡化了運動重定向算法的約束條件,從而能夠以在線的方式進行數(shù)據(jù)庫的預(yù)處理工作; 2.利用S

3、IGRRAPH 2005中論文[Mü105b]提出的31個布爾幾何特征對運動幀進行聚類,可以大大減少運動圖構(gòu)造過程中運動幀之間的比較次數(shù);此外,分類策略同時有助于解決如何自動為不同的運動類型選取合適的過渡閾值這一問題.運動捕獲數(shù)據(jù)是高維時序數(shù)據(jù),維數(shù)詛咒(curse 0f dimensionality)現(xiàn)象將妨礙現(xiàn)有聚類算法的使用.本文使用的幾何特征不受全局位置、朝向和關(guān)節(jié)局部位置變動的影響,其聚類結(jié)果在邏輯相似語義下是不變的,同時無需

4、引入額外的數(shù)據(jù)結(jié)構(gòu)(與運動檢索共用同一框架),特別適合于對數(shù)據(jù)的預(yù)分類; 3.對[Mü105b]提出的基于內(nèi)容的運動檢索框架進行了改進,在運動檢索過程中集成了運動過渡能力.我們的方法結(jié)合了運動重組織和運動檢索的優(yōu)點,能夠按照用戶的高層控制,通過自動拼接,檢索出庫中并不存在的運動.以前的運動檢索算法通常只能搜索運動庫中存在的較短的運動片段,這一特性適合于文本檢索,卻并不適合運動檢索.本文在運動檢索過程中引入了過渡機制,通過自動拼接