运动捕捉技术是获取运动数据的一种重要手段,它是计算机动画、数学、计算机图形学、光学等多学科交叉的一项新兴技术。由于其功能强大,近年来吸引了众多国内外学者的研究兴趣。运动捕捉技术不但具有重要的理论研究意义,而且具有非常广泛的实际应用价值,目前,运动捕捉已广泛应用于动画制作、影视特效、游戏制作、医学分析、体育训练以及航天国防等领域。随着运动捕捉技术的发展和广泛应用,一些与运动捕捉相关的问题也相继被提出,国内外学者对这些问题进行了深入的研究与分析,并取得大量非常有价值的研究成果,不过目前仍然存在一些关键问题尚未得到很好地解决。本文针对运动捕捉技术中数据处理及其应用方面的一些关键问题进行了研究,并取得一些阶段性成果,主要研究内容包括以下几个方面：1)被动式光学人体运动捕捉散乱数据处理：针对运动捕捉原始数据中噪声点问题、散乱数据识别匹配问题以及缺失数据的修正问题提出了一种基于模板匹配的人体运动捕捉数据处理的方法。在噪声数据处理方面,采用聚类合并的方法,将以点簇形式存在的噪声点合并为一个有效点；在散乱数据匹配方面,将一帧已处理数据作为模板,利用人体刚性拓扑结构形状匹配完成首帧数据的初始化,采用线性预测跟踪与形状匹配相结合的方法对后续散乱数据进行识别跟踪；在缺失点处理方面,提出了关于两种不同情况下的缺失点重构算法,对于包含4个以上关节点的具有刚性结构的子模板,采用基于特征关联的缺失数据修补方法,根据相邻数据对缺失数据进行修正；对于膝关节,其关联信息不足以对缺失数据进行修补,于是提出一种局部线性预测的缺失数据修补方法,综合考虑膝关节与踝关节的关联性以及它们的运动趋势对缺失数据进行修补。最后通过实验对本文方法的有效性以及处理效率进行了验证。2)人体运动捕捉数据检索与分割技术研究：分别提出基于最小二乘距离的相似人体运动姿态检索方法和基于最小二乘距离特征曲线的人体运动序列分割方法。在人体运动姿态相似性度量方面引入最小二乘距离的概念,对不同人体运动姿态相似性度量进行了定义,设计并实现了一种相似姿态的快速检索方法,以满足从大规模数据库中进行相似检索的要求。在以上最小二乘距离概念的基础之上,将人体运动序列中每个姿态与模板之间的最小二乘距离作为人体运动序列特征,从而将人体运动序列简化为一条特征曲线,通过对人体运动层次化结构分析、局部极值点提取、动素相似性聚类分析等步骤最终实现人体运动序列在语义层次上的运动序列分割。3)基于运动捕捉的空间机器人运动控制研究：针对支持在轨模块更换的空间机器人运动仿真问题,提出了一种基于运动捕捉数据的空间机器人运动控制方法。通过对机械臂运动的捕捉建立机械臂动作数据库,根据模块更换任务的需求,提出基于语义的空间机器人运动检索方法和机械臂运动序列重构方法,在已构建的机械臂动作库中检索并合成满足任务需求的机械臂运动序列；然后通过对运动序列进行约束编辑、运动数据匹配以及平滑滤波等算法得到可以驱动机械臂运动的数据；最后将本文方法与支持在轨模块更换的空间机器人运动仿真系统相融合,实现了空间机器人的运动驱动。综上所述,本文围绕以上三个方面的研究内容,提出相应的算法及其实现方法,针对算法建立了相应仿真实验平台,并对以上方法的有效性进行了实验验证,为实现相关软件及系统的开发提供了算法基础和理论依据。