人體運動數(shù)據(jù)處理及合成中的關(guān)鍵算法

第1章 緒論 1

1．1 人體動畫縱覽 1

1．1．1 運動學(xué)控制 2

1．1．2 簡單動力學(xué)控制 2

1．1．3 運動捕獲 3

1．1．4 物理控制器 4

1．1．5 混合方法 5

1．2 人體基本模型 6

1．3 本章小結(jié) 8

參考文獻 8

第2章 人體運動數(shù)據(jù)壓縮技術(shù) 11

2．1 運動捕獲數(shù)據(jù)壓縮流程 11

2．1．1 壓縮前數(shù)據(jù)預(yù)處理 12

2．1．2 幾何編碼 13

2．1．3 數(shù)據(jù)量化 13

2．1．4 熵編碼 13

2．1．5 誤差控制與矯正 13

2．2 運動捕獲數(shù)據(jù)壓縮方法分類原則 14

2．2．1 基于運動數(shù)據(jù)中的冗余類別進行分類 15

2．2．2 基于運動數(shù)據(jù)是否損失進行分類 16

2．2．3 基于算法部署平臺進行分類 16

2．2．4 基于運動數(shù)據(jù)傳送方式進行分類 16

2．3 基于消除時空域數(shù)據(jù)冗余的方法 17

2．3．1 基于曲線擬合的方法 17

2．3．2 基于數(shù)據(jù)降維的方法 17

2．3．3 基于信號處理的方法 18

2．3．4 基于四元數(shù)空間稀疏表達的方法 19

2．3．5 基于關(guān)鍵幀提取的方法 20

2．4 基于消除片段域數(shù)據(jù)冗余的方法 20

2．4．1 基于動作片段分析的方法 20

2．4．2 基于聚類及降維的方法 21

2．5 本章小結(jié) 22

參考文獻 23

第3章 人體運動數(shù)據(jù)檢索技術(shù) 29

3．1 運動捕獲數(shù)據(jù)檢索算法中的關(guān)鍵問題 30

3．1．1 數(shù)值相似性與邏輯相似性 30

3．1．2 骨架的層次結(jié)構(gòu)分解 31

3．1．3 索引的構(gòu)建 31

3．1．4 特征的選取 32

3．2 基于數(shù)值相似性的檢索算法 32

3．2．1 基于SOM的方法 32

3．2．2 基于PCA的方法 34

3．2．3 其他基于數(shù)值相似性的方法 34

3．3 基于邏輯相似性的檢索算法 34

3．4 本章小結(jié) 37

參考文獻 37

第4章 低維空間人體運動合成技術(shù) 42

4．1 運動合成算法流程 43

4．1．1 運動數(shù)據(jù)預(yù)處理 43

4．1．2 運動數(shù)據(jù)降維 44

4．1．3 基于最優(yōu)化的運動模型及運動合成 45

4．1．4 人體運動合成技術(shù) 45

4．2 運動控制算法流程 51

4．2．1 低維信號模擬 51

4．2．2 基于最近鄰查找的運動模型 51

4．2．3 局部在線模型及運動控制 51

4．2．4 人體運動控制技術(shù) 52

4．3 本章小結(jié) 54

參考文獻 55

第5章 基于預(yù)測的實時運動捕獲數(shù)據(jù)無損壓縮方法 61

5．1 數(shù)據(jù)的分組處理 62

5．2 預(yù)測規(guī)則 63

5．3 最佳α值與α值查找表的構(gòu)建 65

5．4 實驗結(jié)果與討論 66

5．4．1 不同參數(shù)組合下的壓縮比 67

5．4．2 平均預(yù)測誤差與壓縮比 69

5．4．3 與其他壓縮方法對比 70

5．5 本章小結(jié) 71

參考文獻 72

第6章 關(guān)鍵幀提取與浮點壓縮方法 73

6．1 特征表示方式和維度約減 73

6．1．1 骨骼夾角特征表示方法 74

6．1．2 優(yōu)化的骨骼夾角特征表示方法 75

6．2 并行曲線簡化方法 77

6．3 基于局部最小生成樹的點模型浮點壓縮方法 79

6．3．1 預(yù)測及浮點數(shù)壓縮 80

6．3．2 實驗結(jié)果與分析 81

6．4 基于GPU的無損浮點壓縮方法 83

6．4．1 Lorenzo預(yù)測器 84

6．4．2 Lorenzo的并行方案 85

6．5 本章小結(jié) 86

參考文獻 87

第7章 基于樣例的實時人體運動數(shù)據(jù)檢索 89

7．1 預(yù)處理 90

7．1．1 特征定義 91

7．1．2 運動索引提取 92

7．2 實時檢索 94

7．2．1 基本相關(guān)性系數(shù)計算 94

7．2．2 等長規(guī)格化 95

7．2．3 計算匹配分數(shù) 95

7．2．4 兩階段匹配過程 96

7．3 結(jié)果和討論 97

7．3．1 預(yù)處理階段結(jié)果 97

7．3．2 實時檢索結(jié)果 99

7．4 本章小結(jié) 103

參考文獻 104

第8章 人體運動捕獲數(shù)據(jù)庫集成框架 106

8．1 系統(tǒng)概述 106

8．2 運動索引和EigenDis定義 107

8．3 對壓縮的運動數(shù)據(jù)庫進行多步檢索 108

8．4 結(jié)果與討論 108

8．4．1 數(shù)據(jù)庫創(chuàng)建階段結(jié)果 109

8．4．2 實時檢索階段結(jié)果 110

8．5 本章小結(jié) 111

第9章 基于草繪的快速位姿檢索與位姿創(chuàng)建 112

9．1 引言 112

9．2 相關(guān)工作 113

9．3 系統(tǒng)概述 114

9．4 運動數(shù)據(jù)預(yù)處理 115

9．5 圖像描述符 117

9．6 局部匹配和快速位姿檢索 118

9．7 基于采樣的位姿提煉 120

9．8 實驗 122

9．9 用戶調(diào)查 127

9．10 本章小結(jié) 130

參考文獻 131

第10章 基于高斯過程動態(tài)模型的人體節(jié)奏運動合成 134

10．1 引言 134

10．2 相關(guān)工作 135

10．3 算法概述 136

10．3．1 節(jié)奏和運動特征提取 137

10．3．2 節(jié)奏提取 137

10．3．3 運動特征提取 138

10．4 節(jié)奏和運動特征匹配 139

10．5 運動節(jié)奏轉(zhuǎn)移 139

10．6 實驗結(jié)果 140

10．6．1 節(jié)奏提取結(jié)果 140

10．6．2 運動特征提取結(jié)果 141

10．6．3 GPDM插值和節(jié)奏轉(zhuǎn)移 142

10．7 本章小結(jié) 144

參考文獻 145

第11章 基于生物力學(xué)的最優(yōu)化觸碰運動合成 147

11．1 引言 147

11．2 相關(guān)工作 148

11．3 基于生物力學(xué)的真實感觸碰控制器 150

11．4 數(shù)據(jù)預(yù)處理 150

11．4．1 手臂觸碰工作區(qū)計算 150

11．4．2 策略分類 152

11．4．3 低維空間構(gòu)造 152

11．5 基于最優(yōu)化的運動合成 153

11．5．1 快速最近鄰查找 153

11．5．2 目標函數(shù) 153

11．6 實驗 154

11．6．1 實驗設(shè)置 154

11．6．2 結(jié)果 154

11．6．3 結(jié)果分析 155

11．7 本章小結(jié) 158

參考文獻 158

第12章 基于組合控制器的觸碰運動合成 161

12．1 引言 161

12．2 相關(guān)工作 162

12．2．1 觸碰和抓取運動合成 162

12．2．2 基于模型的運動合成 163

12．2．3 基于組合控制器的運動合成 163

12．3 系統(tǒng)框架 163

12．4 控制器定義 164

12．4．1 靜態(tài)控制器 164

12．4．2 過渡控制器 166

12．5 觸碰運動合成 166

12．6 實驗 167

12．6．1 實驗環(huán)境設(shè)置 167

12．6．2 基于靜態(tài)控制器的單次和連續(xù)觸碰 168

12．6．3 結(jié)合過渡控制器的試探性觸碰 169

12．6．4 手眼協(xié)同 169

12．7 本章小結(jié) 170

參考文獻 171