复杂环境中真实感虚拟人的运动合成问题是虚拟现实研究领域中的一个难点和重点,该问题的关键在于实现复杂场景中虚拟人对于各类障碍物的动作响应,以及提高人体运动捕捉数据的重用性,使合成的人体运动序列更为真实丰富。由于先前的研究仅局限于单一环境中的运动合成,没有考虑复杂场景中虚拟人运动控制情况,并且人体运动捕捉技术应用的设备十分昂贵且操作复杂,不易采集运动数据,而基于路径控制的复杂环境真实感虚拟人运动控制的研究,不仅提出了复杂环境中虚拟人控制的新方法,还有效解决了以上两个问题,因此具有重要的研究意义及广阔的应用前景。本论文根据数据库中现有的人体运动捕捉数据,设计实现了复杂环境中基于路径指导的虚拟人运动合成框架,该框架首先根据用户在复杂环境中为虚拟人指定的运动起始点和目标点,以及环境信息,由路径规划器规划两点间的最优路径,并通过为路径标记控制锚点提取路径的有效控制信息；然后,为运动序列构建相应的运动场及过渡控制器；最后,在路径锚点的控制下,实现基于运动场的虚拟人运动合成。本论文研究工作主要包括：1.设计复杂环境,环境中包含静态障碍物及动态障碍物,基于SIPP (Safe Interval Path Planning)算法实现复杂环境中起始点到目标点的虚拟人的路径规划,并通过双向遍历的路径平滑算法优化路径。通过为路径标记控制锚点,实现路径控制信息的提取,其中控制锚点主要包括：转向锚点、时间锚点和高度锚点；2.通过采用基于运动选择过程算法,实现紧致运动数据集和运动控制器的构建,并且在不改变源控制器和目标控制器参数的前提下,通过定义评分标准,迭代检测运动序列对过渡控制器性能的贡献,选取构建过渡控制器所需的运动序列,以实现不同种类运动控制器间的平滑过渡；3.通过为运动序列构建相应的运动场,并在路径锚点控制下,利用增强学习算法,根据任务的不同定义相应的奖惩函数,以及基于运动场的虚拟人运动合成算法合成沿路径的虚拟人运动序列,实现了复杂环境中基于路径控制的真实感虚拟人运动合成。