[发明专利]一种基于子空间筛选的三维虚拟人体物理运动生成方法

说明书

本发明公开了一种基于子空间筛选的三维虚拟人体物理运动生成方法，属于计算机三维动画技术领域，该方法包括：将人体抽象为多刚体以及铰链结构关节组成的物理模型，对关节施加力矩驱动模型运动；对给定的人体运动数据进行滤波去噪、随机取样变异，作为进化算法输入的初始种群；种群个体集合作为初始的目标姿态集合；利用进化算法对其进行求解，结合PD控制器和当前目标姿态对物理模型进行物理仿真，获得若干候选个体；采用基于子空间筛选算法对多个个体进行筛选，选择最优的个体，作为下一时刻初始解；进而进行多次迭代获得物理控制轨迹，生成物理运动。

技术领域

本发明涉及计算机三维动画技术领域，具体是一种基于子空间筛选的三维虚拟人体物理运动生成方法。

背景技术

人体运动广泛应用于动画影视特效、交互式游戏、机器人仿真和生物力学等领域。现阶段，人体运动数据大部分来自于动捕设备。虚拟场景中包含不同的地形或障碍物，若直接应用动捕数据，则会导致角色穿地、穿墙或滑步等不正常现象，因此往往需要动画师手工调整和后期运动编辑，期间涉及的工作量繁重。并且，针对一些复杂的运动，例如翻滚、跳跃、跨越等动作，角色多个部位与环境接触，涉及多个碰撞约束，依靠手工调整和运动编辑，虽然可以保证几何方面层次的约束，但是仍然可能会破坏人体运动的物理约束，导致关节加速度过大，或超过最大生理运动极限等问题，很难保证运动的真实性。

鉴于上述问题，基于物理的人体运动生成方法被提出并成为主要解决方案。该方法将人体抽象为具体的物理模型，并将人体置于虚拟环境中进行仿真，来生成满足物理和几何约束的运动。该类方法将人体建模为多个刚体链接的铰链结构，通过时空优化方法求解驱动物理模型所需的关节力矩和外部力。

现有的物理运动生成有轨迹规划法、低维物理模型方法，控制策略方法和数据驱动方法等。

轨迹规划法通过结合运动学规律设置一些目标约束函数，采取手工调节或者离线时空优化等算法，调整运动物理参数或轨迹来获取目标运动，可以生成走、跑等运动；轨迹规划法需要人为调整关键帧，工作量大，而且不能生成复杂运动，无法满足运动多样性要求。

低维物理模型方法采用一阶倒立摆或弹簧倒立摆模型模拟人体重心，结合逆向运动学和动力信息来生成运动，能够生成适应不同地形、具备转向功能的不同风格运动。由于低维物理模型方法仅对下肢物理建模计算重心和足部等重要关节信息，而其他关节利用骨骼约束与运动学规律反算，因此只能生成与足迹相关的步行运动，不能生成空翻，跳起等复杂动作；此外如果不借助外部输入，无法真实还原上肢运动。

控制策略方法也用来生成人体物理运动，且可以生成人体上肢的物理运动。控制策略方法通过设置一组运动规则并采用多组最优控制来生成运动。通过设置一组动量、末端效应器、落地点时机评估等目标函数，通过基于优先权的优化算法，生成角色的不同行走运动，包括不同风格、速度的运动。控制策略生成的运动方法需要要求研究者对运动序列的关键点，状态转移条件十分熟悉；另外生成的运动种类有一定的局限性，创建新的运动需要重新设计一套复杂运动规则。

上述方法采用优化算法或基于规则来生成运动，难免会导致得到的运动比较僵硬,类似机器人的运动。随着动作捕捉设备的普及与运动数据库的建立，获取运动数据相对较易，研究人员利用运动数据来指导生成物理运动，解决物理运动不够自然的问题，还可以生成类似翻滚等腾空的复杂运动。由于人体物理模型多自由度，强耦合特点，求解困难，导致目前的方法求解时间长；针对复杂人体物理运动(比如翻滚跳跃等)的生成则容易进入局部极小值，导致最终求解失败；其次生成运动抖动较大。

发明内容

本发明的目的是提供一种基于子空间筛选的三维虚拟人体物理运动生成方法，以解决现有技术轨迹规划法、低维物理模型方法难于生成复杂运动且生成运动不够自然的问题，以及传统动捕数据驱动生成运动“抖动”较大，且优化时间长，对动捕数据质量有一定要求的问题。

为了达到上述目的，本发明所采用的技术方案为：