基于深度图像的虚拟人动作控制方法研究

论文摘要

虚拟人是人在计算机的数字世界中的形象表示。随着计算机技术和工业技术的不断发展,虚拟人技术在近几年有了快速的提高。目前虚拟人技术在航天航空、军事、医疗、教育等领域有着非常广泛的应用。随着互联网的普及、电子商务的不断推广,人们生活的虚拟化程度也越来越高,这就对虚拟人技术提出了更高的要求。虚拟人技术主要分为两个大的方向,一是虚拟人建模,二是虚拟人动作仿真,虽然经过这几年的迅猛发展,虚拟人技术有了长足的进步,但仍然没有达到工业界所要求的完美程度。本文提出一种使用深度图像提取人体运动信息进而控制虚拟人运动的方法。利用深度摄像机采集到的深度图像,是一种二维灰度图,每个像素点上所带的信息,不同于普通图像的像素点的亮度、色彩、色调等信息,而是目标物体距离摄像机的物理距离。通过深度图像捕捉和跟踪人体动作具有使用普通图像难以企及的优势:使用者可以在任意光照背景下完成动作捕捉过程,也无需穿戴任何附加设备或反光点;获取图像之后的二次处理较为简单,噪音小、阈值高。本文首先介绍了虚拟人运动控制的特点、研究内容和关键技术;对虚拟人运动控制的主要方法进行了归纳比较,将目前的主要方法分类。分别对各类方法进行了基本原理探讨与研究现状介绍,并作了较深入的对比分析与讨论,指出了各个方法的优劣。然后对深度图像的获取和处理方法进行了研究。介绍了深度图像的几种处理方法,利用背景差分法将运动部分从背景中分割出来。边缘分割之后的关节区域作为粒子滤波的跟踪的目标,得到人体的运动信息。将运动信息转化为欧拉角,用于驱动虚拟人模型动作。最后,采用VC++与3DS MAX结合编程的方式,在3DS MAX中建立人体骨骼系统,将从深度图像中提取的人体动作信息传递到3DS MAX环境中的虚拟人身上,实现了对控制虚拟人运动的控制。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 虚拟人应用概述
• 1.3 虚拟人技术
• 1.3.1 虚拟人技术的发展过程
• 1.3.2 虚拟人模型
• 1.4 虚拟人技术的国内外现状
• 1.5 虚拟人技术存在的问题
• 1.6 本文的研究内容
• 1.7 论文架构
• 第2章 虚拟人动作控制技术
• 2.1 虚拟人动作控制的主要方法
• 2.1.1 关键帧
• 2.1.2 运动学方法
• 2.1.3 动力学方法
• 2.1.4 运动捕捉技术
• 2.1.5 运动编辑技术
• 2.2 各种方法的比较
• 2.3 本章小结
• 第3章 深度图像
• 3.1 引言
• 3.2 深度图像的数学表达式
• 3.3 深度图像的获取
• 3.3.1 激光雷达测距技术
• 3.3.2 立体视觉技术
• 3.3.3 结构光法
• 3.4 本文采用的深度图像来源
• 3.4.1 Prime Sensor 深度摄像机的原理
• 3.4.2 Prime Sensor 深度摄像机的应用
• 3.4.3 深度摄像机开发框架OpenNI
• 3.5 深度图像处理
• 3.5.1 边缘检测
• 3.5.2 背景差分法
• 3.6 本章小结
• 第4章 人体运动数据的获取和转换
• 4.1 粒子滤波方法跟踪人体关节运动
• 4.1.1 粒子滤波的基本过程
• 4.1.2 使用粒子滤波跟踪人体运动
• 4.1.3 关节运动跟踪过程
• 4.2 运动捕捉数据的处理
• 4.2.1 BVH 文件的构成
• 4.2.2 BVH 文件的具体结构
• 4.3 用欧拉角确定物体的空间位置
• 4.4 运动数据的转换
• 4.4.1 坐标系的设定
• 4.4.2 关节欧拉角的计算
• 4.5 人体骨骼的生理约束
• 4.6 本章小结
• 第5章 实验结果
• 5.1 实验素材与实验平台
• 5.2 虚拟人模型的建立
• 5.3 实验总体流程
• 5.4 实验结果
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢