论文部分内容阅读
人体运动捕捉技术是虚拟现实、计算机视觉和计算机图形学领域研究的热点和难点之一,被广泛应用于人体动画、运动分析、人机交互、模拟训练、生物力学研究等领域。人体运动捕获主要捕捉表演者的动作甚至表情,然后使用这些动作或表情数据直接驱动动画及虚拟对象等模型,可以制作出形象逼真的动画。本文针对被动式光学运动捕捉系统中的人体运动数据进行姿态估计,研究内容主要包括标志点注册、缺失标志点预测、标志点数据刚性修正及关节中心估计,归纳总结如下:首先,针对被运动式光学运动系统中未标记的运动数据提出一种标志点注册方法。该方法通过寻找模板数据和首帧运动数据的对应关系来完成首帧运动数据的注册,根据同一肢体段上标志点的时空特征及局部刚性特征来完成标志点跟踪过程。由于人体运动等原因导致标志点之间相对距离发生变化,因此需要对注册后的标志点数据进行刚性修正。实验表明,该方法可有效地识别出运动数据中的每个标志点。其次,针对运动数据中的标志点缺失现象,提出了一种缺失标志点预测方法。本文根据相邻帧标志点运动连续性的特征,假设同一肢体段上的标志点在相邻帧的运动参数不变的情况下,使用同一肢体段上可见标志点位置对缺失标志点进行预测。本方法根据前两帧运动数据和当前帧可见标志点来对缺失数据进行预测,实现过程简单且快速,能应用于实时运动捕获系统。最后,本文基于注册后的标志点数据提出了一种关节中心估计方法,当某个肢体段上至少有三个标志点,而与其相邻的肢体段上的标志点个数少于三时,使用非线性最小二乘算法对关节中心参数进行估计。由于噪声及算法过程中所产生的误差等原因使得求解的关节中心并不满足固定长度约束条件,因此需要对估计的关节中心数据进行规整。实验表明,该方法能有效地恢复出人体姿态。