CN104077798A - 一种可形变物体的高真实感动画合成方法 - Google Patents

Abstract

本发明公开了一种可形变物体的高真实感动画合成方法，该方法包括：基于扫描设备重建可形变物体的精确三维网格模型；从该三维网格模型中提取若干用于驱动该可形变物体发生形变的网格点作为控制点，并将若干控制点的真实位移作为输入，获得形变后的若干控制点的位置；根据控制点形变后的位置，并将该可形变物体体积不变作为约束条件，通过最小化形变能量函数，计算得到该三维网格模型中其余网格点形变后的位置，从而获得该可形变物体的高真实感动画。通过采用本发明公开的方法，简化了工作过程，且可合成较高真实度的可形变物体的动画。

Description

一种可形变物体的高真实感动画合成方法

技术领域

本发明涉及计算机动画领域，尤其涉及一种可形变物体的高真实感动画合成方法。

背景技术

合成可形变物体的高真实感动画在影视制作、电脑游戏、可视语音合成、人脸动画、多模态人机交互等领域有着广泛的应用前景。

所述可形变物体主要包括：舌头、人脸、肌肉与人体躯干等。

以舌头为例，合成高真实感的舌头动画可以帮助人们更好地学习各种语言，也有助于声道发音机制的研究。在人脸动画中，通过增加舌头动画，可以极大地提高人脸动画的视觉效果。人的舌头和发音密切相关，通过舌头内部和外部的肌肉激励，舌头可以产生各式各样的形变。

为了逼真地模拟舌头的形变，《可视化和计算机动画》杂志2001年第12期107-115页提出了一种基于B样条曲面的舌头模型。该模型包含60个控制点，这60个控制点的位移又由6个控制参数进行线性控制，其基本原理是：通过权值矩阵确定每个控制参数对控制点位移的影响,控制点最终的位移通过6个控制参数加权求和得到。该方法需要人工设定权值矩阵，非常耗时，且舌头形变不自然，形变过程中也无法保证舌头的体积不变性。此外，还有学者提出了基于有限元的舌头模型，这种方法是通过肌肉激励驱动舌头发生形变。

基于有限元的舌头模型主要有以下缺点：一是需要将舌头网格模型实体化，即在舌头内部构建稠密的四面体结构，而现有的方法很难自动且准确地完成这一过程；二是有限元模型计算复杂度极大，无法合成实时的动画；三是在舌头形变或舌头协助发音过程中，很难确定是哪些肌肉组合产生了激励，因而很难合成高真实的舌头动画。

总之，现有的方法在进行可形变物体动画合成时工作较为复杂，且其真实度也较低。

发明内容

本发明的目的是提供一种可形变物体的高真实感动画合成方法，简化了工作过程，且可合成较高真实度的可形变物体的动画。

本发明的目的是通过以下技术方案实现的：

一种可形变物体的高真实感动画合成方法，该方法包括：

基于扫描设备重建可形变物体的精确三维网格模型；

从该三维网格模型中提取若干用于驱动该可形变物体发生形变的网格点作为控制点，并将若干控制点的真实位移作为输入，获得形变后的若干控制点的位置；

根据所述形变后的若干控制点的位置，并将该可形变物体体积不变作为约束条件，通过最小化形变能量函数，计算得到该三维网格模型中其余网格点形变后的位置，从而获得该可形变物体的高真实感动画。

由上述本发明提供的技术方案可以看出，利用扫描设置重建获得三维网格模型，而不需要对可形变物体模型进行实体化，可极大地简化了可形变物体动画合成的预处理过程；同时，通过设置少量控制点来控制可形变物体的整体形变，并通过这些控制点真实的运动数据驱动该可形变物体发生形变，最终合成具有高真实的可形变物体的动画。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例一提供的一种可形变物体的高真实感动画合成方法的流程图；

图2为本发明实施例一提供的舌头的三维网格模型的示意图；

图3为本发明实施例一提供的合成的舌头动画的示意图；

图4为本发明实施例一提供的皮球在两端拉伸时球体形变的动画过程示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

实施例一

图1为本发明实施例一提供的一种可形变物体的高真实感动画合成方法的流程图。如图1所示，该方法主要包括：

步骤11、基于扫描设备重建可形变物体的精确三维网格模型。

本发明实施例中，可形变物体的精确三维网格模型可利用三维软件并结合可形变物体的尺寸比例来建立精确三维网格模型，也可结合扫描设备来建立。

示例性的，所述扫描设备可利用医学核磁共振设备来实现；具体的：

1)使用核磁共振设备扫描一组所述可形变物体的核磁共振图像。

2)提取图像中所述可形变物体的轮廓，在轮廓线上均匀地选取一定数量的特征点。

3)对所有特征点进行网格化，从而重建得到该可形变物体的精确三维网格模型。

示例性的，图2为利用本步骤重建获得的舌头的三维网格模型。

步骤12、从该三维网格模型中提取若干用于驱动该可形变物体发生形变的网格点作为控制点，并将若干控制点的真实位移作为输入，获得形变后控制点的位置。

本发明实施例中，可以利用电磁关节造影技术(EMA)测量可形变物体中若干控制点的真实位移。

示例性的，所述控制点的数量通常不少于两个；若所述可形变物体为舌头，则控制点可选择舌尖、舌中、舌背上的三个网格点。

需要强调的是，对于不同类型的可形变物体其控制点数量也会相应的变化，当然，也可以根据实际情况或者经验来确定控制点的数量。

步骤13、根据所述形变后的若干控制点的位置，并将该可形变物体体积不变作为约束条件，通过最小化形变能量函数，计算得到该三维网格模型中其余网格点形变后的位置，从而获得该可形变物体的高真实感动画。

本发明实施例中，由于物体的形变通常具有惰性，即物体总是以最小的形变能量进行形变。假设，该三维网格模型中任一三角面片上的三个网格点的初始位置分别为p₁、p₂与p₃，发生形变后的位置设为由于没有指定法向量，该三角形对应的仿射变换矩阵无法通过三个顶点位移唯一确定；因此，可以在该三角面片中添加一用于指定该三角面片法向量的辅助网格点p₄，则有：

p₄＝p₁+(p₂-p₁)×(p₃-p₁)/||(p₂-p₁)×(p₃-p₁)||；

该三角面片形变时对应的形变矩阵为[Q,d]，其中Q为3×3的变换矩阵，d为3×1的平移向量，形变前后，三角面片的网格点位置满足如下关系：

其中r＝1,2,3,4；

计算求得形变矩阵Q：

其中，P＝[p₂-p₁,p₃-p₁,p₄-p₁]；

该可形变物体的形变能量记为：其中，Q_i为三维网格模型中第i个三角面片所对应的形变矩阵，I为单位矩阵，M为该三维网格模型中三角面片的总数。上述能量函数的物理意义为：该可形变物体发生形变时，每个三角面片的变换矩阵Q_i都尽可能地最接近单位矩阵I,而单位矩阵I相当于没有发生形变，因此，可以理解为该可形变物体以最小形变的方式发生形变。

本发明实施例中，所述的可形变物体发生形变时，其体积基本保持不变。设物体形变前后的体积分别为V₀与V，则有：

$V=\frac{1}{6}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{p}_{i,1}\·(p_{i,2}\×p_{i,3});$

其中，网格点p_i,1、p_i,2、p_i,3分为网格模型中第i个三角形的三个网格点；

将该可形变物体体积保持不变作为约束条件，则有：V-V₀＝0；

若该可形变物体若干控制点的个数为三个，这三个控制点对应的模型网格点的索引号分别记为c₁、c₂与c₃，其形变后的位置分别为v₁、v₂与v₃，则利用高斯牛顿法求解下述优化问题，从而求得其余网格点形变后的位置：

Subject to V-V₀＝0；

其中，N为该三维网格模型中网格点的总数。

进一步的，所述利用高斯牛顿法求解下述优化问题，从而求得其余网格点形变后的位置包括：

将以及代入中，并将所述其余网格点形变后的位置作为未知变量，从而将上述优化问题转化如下矩阵形式：

$\min E\left(X\right)=\frac{1}{2}{\left|\right|A\·X-b\left|\right|}^2;$

Subject to g(X)＝V-V₀＝0；

其中，X为所述其余网格点形变后的位置组成的向量，A为一稀疏矩阵，仅由未发生形变的可形变物体的三维网格模型决定。

结合拉格朗日乘数法及高斯牛顿法求解上述优化问题，具体的：

在每次循环中，求解如下优化问题：

$\min E\left(h\right)=\frac{1}{2}{\left|\right|A\·(X+h)-b\left|\right|}^2;$

Subject to g(X+h)＝0；

首先，将g(X+h)线性化，得g(X+h)≈g(X)+J_g(X)h，其中，J_g(X)为雅克比矩阵；

然后，使用拉格朗日乘数法求解h；

最后，更新X：X←X+a·h；a为一常数，通过一维搜索得到；通常多次循环则可收敛，从而求得其余网格点形变后的位置。

示例性的，图3为利用本发明实施例的方法获得的高真实舌头动画。除舌头外，该方法还能合成其他可形变物体的动画。图4为利用本发明实施例的方法获得的皮球在两端拉伸时球体形变的动画过程。

本发明实施例的方案与现有技术相比主要具有如下优点：

1)通过一组核磁共振图像,重建精确的三维可形变物体模型。

2)不需要对可形变物体模型进行实体化，极大地简化了可形变物体动画合成的预处理过程。

3)使用少量的控制点，即可控制可形变物体的整体形变，并且，形变后的可形变物体模型经过所有的控制点。

4)可形变物体模型形变时，能精确地保证可形变物体体积不变。

5)使用EMA测量可形变物体表面少量控制点的位移数据，通过这些真实的运动数据驱动可形变物体形变，最终合成具有高真实的可形变物体动画。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.一种可形变物体的高真实感动画合成方法，其特征在于，该方法包括：

基于扫描设备重建可形变物体的精确三维网格模型；

从该三维网格模型中提取若干用于驱动该可形变物体发生形变的网格点作为控制点，并将若干控制点的真实位移作为输入，获得形变后的若干控制点的位置；

根据所述形变后的若干控制点的位置，并将该可形变物体体积不变作为约束条件，通过最小化形变能量函数，计算得到该三维网格模型中其余网格点形变后的位置，从而获得该可形变物体的高真实感动画。

2.根据权利要求1所述的方法，其特征在于，所述基于扫描设备重建可形变物体的精确三维网格模型的步骤包括：

使用核磁共振设备扫描一组所述可形变物体的核磁共振图像；

提取图像中所述可形变物体的轮廓，在轮廓线上均匀地选取一定数量的特征点；

对所有特征点进行网格化，从而重建得到该可形变物体的精确三维网格模型。

3.根据权利要求1所述的方法，其特征在于，该方法还包括：

利用电磁关节造影技术EMA测量可形变物体中若干控制点的真实位移。

4.根据权利要求1所述的方法，其特征在于，所述控制点的数量不少于两个。

5.根据权利要求1或3或4所述的方法，其特征在于，所述根据所述形变后的若干控制点的位置，并将该可形变物体体积不变作为约束条件，通过最小化形变能量函数，计算得到该三维网格模型中其余网格点形变后的位置，包括：

该三维网格模型中任一三角面片上的三个网格点的初始位置分别为p1、p2与p3，发生形变后的位置设为并在该三角面片上添加一用于指定该三角面片法向量的辅助网格点p₄，则有：

p₄＝p₁+(p₂-p₁)×(p₃-p₁)/||(p₂-p1₎×(p₃-p₁)||；

该三角面片形变时对应的形变矩阵为[Q,d]，其中Q为3×3的变换矩阵，d为3×1的平移向量，形变前后，三角面片的网格点位置满足如下关系：

其中r＝1,2,3,4；

计算求得形变矩阵Q：

其中，P＝[p₂-p₁,p₃-p₁,p₄-p₁]；

该可形变物体的形变能量记为：其中，Q_i为三维网格模型中第i个三角面片所对应的形变矩阵，I为单位矩阵，M为该三维网格模型中三角面片的总数；

该可形变物体形变前后的体积分别为V₀与V，则有：

$V=\frac{1}{6}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{p}_{i,1}\·(p_{i,2}\×p_{i,3});$

其中，网格点p_i,1、p_i,2、p_i,3分为网格模型中第i个三角形的三个网格点；

将该可形变物体体积保持不变作为约束条件，则有：V-V₀＝0；

若该可形变物体若干控制点的个数为三个，其初始位置分别为c₁、c₂与c₃，其形变后的位置分别为v₁、v₂与v₃，则利用高斯牛顿法求解下述优化问题，从而求得其余网格点形变后的位置：

Subject to V-V₀＝0；

其中，N为该三维网格模型中网格点的总数。

6.根据权利要求5所述的方法，其特征在于，所述利用高斯牛顿法求解下述优化问题，从而求得其余网格点形变后的位置包括：

将以及代入中，并将所述其余网格点形变后的位置作为未知变量，从而将上述优化问题转化如下矩阵形式：

$\min E\left(X\right)=\frac{1}{2}{\left|\right|A\·X-b\left|\right|}^2;$

Subject to g(X)＝V-V₀＝0；

其中，X为所述其余网格点形变后的位置组成的向量，A为一稀疏矩阵；

结合拉格朗日乘数法及高斯牛顿法求解上述优化问题，具体的：

在每次循环中，求解如下优化问题：

$\min E\left(h\right)=\frac{1}{2}{\left|\right|A\·(X+h)-b\left|\right|}^2;$

Subject to g(X+h)＝0；

首先，将g(X+h)线性化，得g(X+h)≈g(X)+J_g(X)h，其中，J_g(X)为雅克比矩阵；

然后，使用拉格朗日乘数法求解h；

最后，更新X：X←X+a·h；a为一常数，通过一维搜索得到；通常多次循环则收敛，从而求得其余网格点形变后的位置。