论文部分内容阅读
传统动作捕捉设备存在的穿戴复杂、逼真度低、实时性差、捕捉环境要求高、高成本等问题,这些问题使得它们在现实中很难被广泛应用。最近,作为新一代的全自由式体感设备,Kinect依靠复杂而又精密的的硬件和领先的机器学习算法有效的缓解了这些问题,从而被应用于各种动作捕捉应用中。本文的研究重点在于将Kinect的运动捕捉数据重定向到虚拟物体上,即运动重定向。另外也系统分析了Kinect捕捉数据的实时跟踪算法和动作数据持久化方法,并最终实现了基于kinect的实时运动重定向软件。本文的主要工作如下:1、深入研究了Kinect骨骼实时跟踪算法,并结合第三方类库实现了再次封装,使Kinect动作捕捉能作为一个独立的模块进行测试和移植。2、将Kinect捕获的运动数据转化成通用的BVH文件格式。BVH作为简单通用的数据存储文件,能将Kinect捕捉到的动作数据以关节点的方式存储下来。为后续的动画编辑提供真实数据。3、提出了基于正向运动学的重定向方法。该方法能实时将Kinect捕获的关节点信息利用正向运动学解析方法求得虚拟人模型坐标系下各个关节点的三维坐标和旋转四元数,然后更新关节点信息,同时驱动模型表面顶点运动。4、针对重定向过程中出现的悬空、穿透和部分关节点丢失现象,提出了平移补偿算法和关节点丢失保持方法来解决这些问题。5、基于以上的方法,结合三维图形引擎Ogre和Kinect官方开发库实现了一个完整的虚拟人实时重定向软件,具有良好的效果。