如何为虚拟人物角色创建逼真、自然的人体运动,一直是计算机动画、虚拟现实和人机交互等许多研究领域的重要课题。由于运动捕获数据保持了人体运动的细节,并能逼真地记录真人的运动轨迹,基于运动捕获数据的动画研究,已经成为近年来计算机图形学领域的一大热点。随着运动捕获数据数量的日益增长,目前基于实例的运动合成技术成为人体动画的主流研究方向,运动库在其中扮演着核心的角色。这就带来了一个问题:动画师如何从运动数据的“海洋”中找出自己需要的信息。本文的工作就是研究运动库的组织和检索方法,以便于用户搜索出合适的运动片断,供后续的运动合成过程使用。本文的主要创新之处包括以下四方面:1.提出了运动正规化算法,能够保证运动库中所有的运动帧共享相同的骨架长度。通常,运动库中包含不同来源的运动帧,它们的骨架信息可能不同,这将会影响运动间相似性的比较。本文提出的运动正规化算法简化了运动重定向算法的约束条件,从而能够以在线的方式进行数据库的预处理工作;2.利用SIGGRAPH 2005中论文[Mül05b]提出的31个布尔几何特征对运动帧进行聚类,可以大大减少运动图构造过程中运动帧之间的比较次数;此外,分类策略同时有助于解决如何自动为不同的运动类型选取合适的过渡阈值这一问题。运动捕获数据是高维时序数据,维数灾难(curse of dimensionality)现象将妨碍现有聚类算法的使用。本文使用的几何特征不受全局位置、朝向和关节局部位置变动的影响,其聚类结果在逻辑相似语义下是不变的,同时无需引入额外的数据结构(与运动检索共用同一框架),特别适合于对数据的预分类;3.对[Mül05b]提出的基于内容的运动检索框架进行了改进,在运动检索过程中集成了运动过渡能力。我们的方法结合了运动重组织和运动检索的优点,能够按照用户的高层控制,通过自动拼接,检索出库中并不存在的运动。以前