CN110176062A - 一种基于运动捕捉数据的虚拟人体的控制方法 - Google Patents
一种基于运动捕捉数据的虚拟人体的控制方法 Download PDFInfo
- Publication number
- CN110176062A CN110176062A CN201910366554.6A CN201910366554A CN110176062A CN 110176062 A CN110176062 A CN 110176062A CN 201910366554 A CN201910366554 A CN 201910366554A CN 110176062 A CN110176062 A CN 110176062A
- Authority
- CN
- China
- Prior art keywords
- human body
- artis
- information
- movement
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000006073 displacement reaction Methods 0.000 claims abstract description 47
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 32
- 230000003287 optical effect Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 13
- 239000012636 effector Substances 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000011800 void material Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 210000003141 lower extremity Anatomy 0.000 description 7
- 239000003550 marker Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 210000003109 clavicle Anatomy 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于运动捕捉数据的虚拟人体的控制方法，属于人体运动捕捉技术领域，方法包括：建立包括关节点和骨骼信息的虚拟人体骨架结构模型并对关节点重新排列，确定关节点之间的父子关系；其中，确定父子关系后的关节点包括根节点和若干个叶子节点，节点之间通过骨骼进行连接；采集真实人体的运动捕捉数据，并根据运动捕捉数据得到根节点的位移信息、旋转信息以及叶子节点中子节点相对于其父节点的位移信息、旋转信息；根据虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对虚拟人体进行重定向，从而驱动其运动。本发明可以更有效的消除噪声点或者数据缺失对于运动捕捉数据带来的影响，从而达到最佳的驱动效果。
Description
技术领域
本发明属于人体运动捕捉技术领域，尤其涉及一种基于运动捕捉数据的虚拟人体的控制方法。
背景技术
近年来，随着计算机图形学(Computer Graphics，CG)产业的飞速发展，运动捕捉日趋成熟，成为目前广泛应用的能够真实再现运动物体运动细节的技术。运动捕捉是一种用于准确测量运动物体在三维空间运动状况的技术，运动捕捉根据原理可分为机械式、声学式、先此时和光学式，不同的原理的设备各有优缺点，不过目前主流的方式为光学式运动捕捉，光学式运动捕捉其基于计算机图形学原理，在运动物体上加装marker点，通过排布在空间中的数个视频捕捉设备采集运动物体的marker点运动图像，之后对该运动图像的图象数据进行处理，以还原运动物体的空间运动状况。
光学式运动捕捉的优点使得其在应用领域占有重要份额。但由于其数据固有问题使得其后期的数据处理尤为重要。整个采集回来的散乱数据有如下特点：1、采集的信息只有marker点的三维坐标信息，数据以散乱无序的形式存在；2、由于标记点被肢体或其他物体遮挡存在缺失点数据；3、摄像头延迟会出现噪声点；4、marker点佩戴人员在做剧烈运动时，marker点相对于人体出现唯一，改变了运动数据之间的拓补结构。所以数据后处理运算复杂度较大，如何能够提取合适的散乱数据的特征信息，解决缺失点数据缺失带来的跟踪匹配困难，如何建立快速搜索匹配算法，实时准确的对运动数据实现跟踪成为目前存在的一大难题。
发明内容
为了解决现有技术的问题，本发明提供了一种基于运动捕捉数据的虚拟人体的控制方法。
本发明实施例提供的具体技术方案如下：
建立包括关节点和骨骼信息的虚拟人体骨架结构模型并对所述关节点重新排列，确定关节点之间的父子关系；其中，确定父子关系后的关节点包括根节点和若干个叶子节点，节点之间通过所述骨骼进行连接；
采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息；
根据所述虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对虚拟人体进行重定向，从而驱动其运动。
在一些实施例中，采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息之后包括：
对任意一个或多个关节点的位移信息、旋转信息进行平滑处理。
进一步地，对一个或多个关节点的位移信息、旋转信息进行平滑处理具体包括：
根据选定的关节点的最快运动速度，修正所述关节点从当前帧到下一帧的空间位置坐标中的错误数据并计算得到所述关节点从当前帧到下一帧的空间位置坐标中的更正数据；
对更正后的所述关节点的空间位置坐标数据进行数据处理，获得平滑的位移信息；
根据选定的关节点的最快旋转速度，修正所述关节点从当前帧到下一帧的四元数中的错误数据并计算得到所述关节点从当前帧到下一帧的四元数中的更正数据；
对更正后的所述关节点的四元数数据进行数据处理，获得平滑的旋转信息。
在一些实施例中，采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息具体包括：
在所述真实人体上进行标记，得到若干个标记点；
通过采集到的真实人体运动时的光学点信息，计算得到所述标记点的空间位置坐标；
根据各个标记点之间的相对空间位置，计算得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息。
进一步地，通过采集到的真实人体运动时的光学点信息，计算得到所述标记点的空间位置坐标具体包括：
采集所述真实人体运动时的散乱的光学点信息并对其进行数据预处理；
对预处理后的光学点进行追踪、匹配，计算得到所述标记点的空间位置坐标。
进一步地，采集所述真实人体运动时的散乱的光学点信息并对其进行数据处理具体包括：
采集所述真实人体运动时的散乱的光学点信息；
设定误差范围，基于点簇聚类消除所述光学点中的伪特征点，并剔除错误的光学点；
根据人体拓扑结构，确定各光学点的空间位置坐标；
判断是否存在缺失的光学点；
若存在，利用自回归模型或牛顿插值算法进行预测。
在一些实施例中，根据所述虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对所述虚拟人体进行重定向，从而驱动其运动具体包括：
将采集到的不同真实人体的运动捕捉数据与所述虚拟骨架结构模型中的骨骼长度信息、所有关节点的位移信息、旋转信息进行匹配；
根据匹配结果修改采集到的不同真实人体的运动捕捉数据，从而实现虚拟人体的重定向并驱动所述虚拟人体进行相应的运动。
进一步地，根据匹配结果修改采集到的不同真实人体的运动捕捉数据具体包括：
读取采集到的不同真实人体的骨干信息，通过骨干中心调整算法计算所述虚拟骨架结构模型的骨干的中心位置；其中，所述骨干包括关节点和骨骼信息；
根据采集到的不同真实人体的骨干信息，预测对应于该真实人体的末端效应器的位置从而调整所述虚拟骨架结构模型中末端效应器的位置；
将调整后的所述虚拟骨架结构模型中末端效应器的位置信息传递至逆向运动解算器，得到所述虚拟骨架结构模型中各关节点的角度；
根据所述虚拟骨架结构模型中各关节点的角度、所述虚拟骨架结构模型的骨干的中心位置，得到匹配于所述虚拟骨架结构模型的真实人体的运动捕捉数据。
在一些实施例中，所述方法还包括：
根据所述真实人体的运动捕捉数据的关节点，确定所述虚拟人体的人体拓扑结构；
根据所述虚拟人体的人体拓扑结构，建立三维的虚拟人体骨架结构模型；其中，所述虚拟人体骨架结构模型包括关节点和骨骼信息。
本发明实施例具有如下有益效果：相比于现有的运动数据处理形式，本发明通过对关节点、骨骼的定义，建立层次化的虚拟人体骨架结构模型，基于该模型计算得到关节点的位移信息、旋转信息并对其进行进行平滑处理，可以更有效的消除噪声点或者数据缺失对于运动捕捉数据带来的影响，从而达到最佳的驱动效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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的附图。
图1是本发明实施例示出的一种基于运动捕捉数据的虚拟人体的控制方法的流程图；
图2是本发明实施例示出的虚拟人体骨架结构模型示意图；
图3是本发明实施例示出的虚拟人体骨架的层次化结构模型示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将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。基于本发明中的实施例，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，都属于本发明保护的范围。
图1是一种基于运动捕捉数据的虚拟人体的控制方法的流程图，参照图1所示，该方法包括如下步骤：
S1、建立包括关节点和骨骼信息的虚拟人体骨架结构模型并对关节点重新排列，确定关节点之间的父子关系；其中，确定父子关系后的关节点包括根节点和若干个叶子节点，节点之间通过骨骼进行连接。
在步骤S1之前，还包括：
1、根据真实人体的运动捕捉数据的关节点，确定虚拟人体的人体拓扑结构；
2、根据虚拟人体的人体拓扑结构，建立三维的虚拟人体骨架结构模型；其中，三维的虚拟人体骨架结构模型包括关节点和骨骼信息。
如图2所示，本实施例中，虚拟人体骨架结构模型具体包括：23块骨骼和24个关节点。其中，24个关节点具体为：腰1、左大腿2、右大腿3、左膝盖4、右膝盖5、左脚踝6、右脚踝7、左脚趾8、右脚趾9、腹10、胸11、脖子12、头13、头顶14、左锁骨15、右锁骨16、左肩膀17、右肩膀18、左手肘19、右手肘20、左手腕21、右手腕22、左手指23、右手指24。
为了便于计算虚拟人体各个关节点的空间坐标位置，需将关节点进行重新排列，确定关节点之间的父子关系。本实施例中，将人体的腰1作为根节点，其余的关节点为叶子节点。
根据虚拟人体的人体拓扑结构及各关节点相对于根节点的连接顺序构建的虚拟人体骨架的层次化结构模型，具体参见图3。
S2、采集真实人体的运动捕捉数据，并根据运动捕捉数据得到根节点的位移信息、旋转信息以及叶子节点中子节点相对于其父节点的位移信息、旋转信息。
该步骤具体包括：
S21、在真实人体上进行标记，得到若干个标记点。
S22、通过采集到的真实人体运动时的光学点信息，计算得到标记点的空间位置坐标。
该步骤具体包括：
S221、采集真实人体运动时的散乱的光学点信息并对其进行数据预处理。
其中，数据预处理具体包括：
采集真实人体运动时的散乱的光学点信息；
设定误差范围，基于点簇聚类消除所述光学点中的伪特征点，并剔除错误的光学点；
根据人体拓扑结构，确定各光学点的空间位置坐标；
判断是否存在缺失的光学点；
若存在，利用自回归模型或牛顿插值算法进行预测。
S222、对预处理后的光学点进行追踪、匹配，计算得到标记点的空间位置坐标。
具体的，采用模板匹配、自回归模型、Newton插值算法或运动轨迹追踪等方法，通过对预处理后的光学点进行追踪、匹配，从而计算出标记点的空间位置坐标信息。
S23、根据各个标记点之间的相对空间位置，计算得到根节点的位移信息、旋转信息以及叶子节点中子节点相对于其父节点的位移信息、旋转信息。
具体的，根据各个标记点之间的相对空间位置，可计算得到虚拟人体骨架结构模型中各子节点在其父节点的局部坐标系中的空间位置坐标，通过实时捕获根节点的位移信息、旋转信息及子节点相对于其父节点的旋转信息，进而得到根节点、叶子节点在全局坐标系下的空间位置坐标。
本实施例中，根节点的位移信息用空间位置坐标表示，具体为Phip(x,y,z)，根节点的旋转信息用旋转四元数表示，具体为Qhip(qhip(x),qhip(y),qhip(z),qhip(w))，而叶子节点i的位移信息用空间位置坐标表示，具体为Pi(x,y,z)，旋转信息用旋转四元数Qi(qi(x),qi(y),qi(z),qi(w))表示。
且有如下关系：
qhip(x)2+qhip(y)2+qhip(z)2+qhip(w)2＝1 (1)
qi(x)2+qi(y)2+qi(z)2+qi(w)2＝1 (2)
由于运动捕捉数据误差的影响，基于光学运动捕捉数据直接驱动虚拟人体运动，常会出现连续性差、动作有跳变的问题。并且由于数据数量多，采用滤波去噪对各项数据分别进行处理，处理过程较为复杂，而采用数据拟合的方法，处理效果又不够理想。为了改进虚拟人体运动的连续性，更真实地模拟真实人体的运动过程，对一个或多个关节点的位移信息、旋转信息进行平滑处理。
具体过程为：
1、根据选定的关节点的最快运动速度，修正所关节点从当前帧到下一帧的空间位置坐标中的错误数据并计算得到关节点从当前帧到下一帧的空间位置坐标中的更正数据；
2、对更正后的关节点的空间位置坐标数据进行数据处理，获得平滑的位移信息；
其中，数据处理主表现为对更正后的关节点的空间位置坐标数据进行滤波、去噪。
3、根据选定的关节点的最快旋转速度，修正关节点从当前帧到下一帧的四元数中的错误数据并计算得到关节点从当前帧到下一帧的四元数中的更正数据；
4、对更正后的关节点的四元数数据进行数据处理，获得平滑的旋转信息。
其中，数据处理主表现为对更正后的关节点的四元数数据进行滤波、去噪。
经过上述处理过程后，即可得出最终的运动捕捉数据进而驱动相应的虚拟人体进行对应的动作反馈。
S3、根据虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对虚拟人体进行重定向，从而驱动其运动。
该步骤具体包括：
S31、将采集到的不同真实人体的运动捕捉数据与虚拟骨架结构模型中的骨骼长度信息、所有关节点的位移信息、旋转信息进行匹配；
具体的，在该步骤之前，需要将采集到的不同真实人体的运动捕捉数据进行平移、缩放或旋转处理。随后，将采集到的不同真实人体的运动捕捉数据，与虚拟骨架结构模型中的骨骼长度信息、所有关节点的位移信息、旋转信息进行匹配。
S32、根据匹配结果修改采集到的不同真实人体的运动捕捉数据，从而实现虚拟人体的重定向并驱动虚拟人体进行相应的运动。
具体的，该步骤包括：
S321、读取采集到的不同真实人体的骨干信息，通过骨干中心调整算法计算虚拟骨架结构模型的骨干的中心位置；其中，骨干包括关节点和骨骼。
具体的，根据采集到的某个真实人体的下肢总长度与虚拟骨架结构模型中下肢的总长度的缩放比值α，调整虚拟骨架结构模型的骨干的中心位置。
其中，当前帧中虚拟骨架结构模型的骨干的中心位置可按照以下公式来调整其高度位置：
式中，为某个真实人体的骨干的中心高度，为虚拟骨架结构模型中骨干的中心高度，为某个真实人体与虚拟骨架结构模型的下肢总长度比值，其中为某个真实人体下肢第k段的长度，为虚拟骨架结构模型的下肢第k段的长度，n为下肢总段数。
下一帧的虚拟骨架结构模型的骨干的中心位置，可由前一帧的骨干的中心位置加上某个真实人体的骨干的中心位移量dr得到，d0可以通过某个真实人体的运动捕捉数据计算得到，dr与d0的关系具体表现为：
dr＝d0×α (4)
S322、根据采集到的不同真实人体的骨干信息，预测对应于该真实人体的末端效应器的位置从而调整虚拟骨架结构模型中末端效应器的位置。
具体的，将某个真实人体的骨干的下肢，按照缩放比值α进行比例缩放，得到一个虚拟骨干，随后设定此虚拟骨干末端效应器的位置为虚拟骨架结构模型的末端效应器的强制约束，以修正虚拟骨架结构模型的末端效应器的位置。如此，虚拟骨架结构模型的末端效应器的位移量便能配合其骨干中心的位移量，达到所希望满足的约束条件。
S323、将调整后的虚拟骨架结构模型中末端效应器的位置信息传递至逆向运动解算器，得到虚拟骨架结构模型中各关节点的角度。
其中，本实施例中使用雅可比矩阵来进行逆向运动解算，通过逆向运动解算后，可得到虚拟骨架结构模型的骨干的组态，再利用公式3、公式4调整虚拟骨架结构模型的骨干的中心，进而求得与某个真实人体的末端效应器高度相同的位置，进一步得到虚拟骨架结构模型中各关节点的角度。
S324、根据虚拟骨架结构模型中各关节点的角度、虚拟骨架结构模型的骨干的中心位置，得到匹配于虚拟骨架结构模型的真实人体的运动捕捉数据。
将步骤S321、步骤S323的结果组合成复位目标后可以得到匹配于虚拟骨架结构模型的真实人体的运动捕捉数据。
尽管已描述了本发明实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例中范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于运动捕捉数据的虚拟人体的控制方法，其特征在于，所述方法包括以下步骤：
建立包括关节点和骨骼信息的虚拟人体骨架结构模型并对所述关节点重新排列，确定关节点之间的父子关系；其中，确定父子关系后的关节点包括根节点和若干个叶子节点，节点之间通过所述骨骼进行连接；
采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息；
根据所述虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对虚拟人体进行重定向，从而驱动其运动。
2.根据权利要求1所述的方法，其特征在于，采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息之后包括：
对一个或多个关节点的位移信息、旋转信息进行平滑处理。
3.根据权利要求2所述的方法，其特征在于，对一个或多个关节点的位移信息、旋转信息进行平滑处理具体包括：
根据选定的关节点的最快运动速度，修正所述关节点从当前帧到下一帧的空间位置坐标中的错误数据并计算得到所述关节点从当前帧到下一帧的空间位置坐标中的更正数据；
对更正后的所述关节点的空间位置坐标数据进行数据处理，获得平滑的位移信息；
根据选定的关节点的最快旋转速度，修正所述关节点从当前帧到下一帧的四元数中的错误数据并计算得到所述关节点从当前帧到下一帧的四元数中的更正数据；
对更正后的所述关节点的四元数数据进行数据处理，获得平滑的旋转信息。
4.根据权利要求1所述的方法，其特征在于，采集真实人体的运动捕捉数据，并根据所述运动捕捉数据得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息具体包括：
在所述真实人体上进行标记，得到若干个标记点；
通过采集到的真实人体运动时的光学点信息，计算得到所述标记点的空间位置坐标；
根据各个标记点之间的相对空间位置，计算得到所述根节点的位移信息、旋转信息以及所述叶子节点中子节点相对于其父节点的位移信息、旋转信息。
5.根据权利要求4所述的方法，其特征在于，通过采集到的真实人体运动时的光学点信息，计算得到所述标记点的空间位置坐标具体包括：
采集所述真实人体运动时的散乱的光学点信息并对其进行数据预处理；
对预处理后的光学点进行追踪、匹配，计算得到所述标记点的空间位置坐标。
6.根据权利要求5所述的方法，其特征在于，采集所述真实人体运动时的散乱的光学点信息并对其进行数据处理具体包括：
采集所述真实人体运动时的散乱的光学点信息；
设定误差范围，基于点簇聚类消除所述光学点中的伪特征点，并剔除错误的光学点；
根据人体拓扑结构，确定各光学点的空间位置坐标；
判断是否存在缺失的光学点；
若存在，利用自回归模型或牛顿插值算法进行预测。
7.根据权利要求1～6任意一项所述的方法，其特征在于，根据所述虚拟人体骨架结构模型中的骨骼信息以及所有关节点的位移信息、旋转信息，对所述虚拟人体进行重定向，从而驱动其运动具体包括：
将采集到的不同真实人体的运动捕捉数据与所述虚拟骨架结构模型中的骨骼长度信息、所有关节点的位移信息、旋转信息进行匹配；
根据匹配结果修改采集到的不同真实人体的运动捕捉数据，从而实现虚拟人体的重定向并驱动所述虚拟人体进行相应的运动。
8.根据权利要求7所述的方法，其特征在于，根据匹配结果修改采集到的不同真实人体的运动捕捉数据具体包括：
读取采集到的不同真实人体的骨干信息，通过骨干中心调整算法计算所述虚拟骨架结构模型的骨干的中心位置；其中，所述骨干包括关节点和骨骼；
根据采集到的不同真实人体的骨干信息，预测对应于该真实人体的末端效应器的位置从而调整所述虚拟骨架结构模型中末端效应器的位置；
将调整后的所述虚拟骨架结构模型中末端效应器的位置信息传递至逆向运动解算器，得到所述虚拟骨架结构模型中各关节点的角度；
根据所述虚拟骨架结构模型中各关节点的角度、所述虚拟骨架结构模型的骨干的中心位置，得到匹配于所述虚拟骨架结构模型的真实人体的运动捕捉数据。
9.根据权利要求1～6任意一项所述的方法，其特征在于，所述方法还包括：
根据所述真实人体的运动捕捉数据的关节点，确定所述虚拟人体的人体拓扑结构；
根据所述虚拟人体的人体拓扑结构，建立三维的虚拟人体骨架结构模型；其中，所述虚拟人体骨架结构模型包括关节点和骨骼信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910366554.6A CN110176062A (zh) | 2019-05-05 | 2019-05-05 | 一种基于运动捕捉数据的虚拟人体的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910366554.6A CN110176062A (zh) | 2019-05-05 | 2019-05-05 | 一种基于运动捕捉数据的虚拟人体的控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110176062A true CN110176062A (zh) | 2019-08-27 |
Family
ID=67690596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910366554.6A Pending CN110176062A (zh) | 2019-05-05 | 2019-05-05 | 一种基于运动捕捉数据的虚拟人体的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110176062A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110992495A (zh) * | 2019-12-26 | 2020-04-10 | 珠海金山网络游戏科技有限公司 | 一种虚拟模型的变形方法及装置 |
| CN111598005A (zh) * | 2020-05-18 | 2020-08-28 | 北京乐元素文化发展有限公司 | 动捕数据处理方法、装置、电子设备及计算机存储介质 |
| CN112017265A (zh) * | 2020-08-26 | 2020-12-01 | 华东师范大学 | 一种基于图神经网络的虚拟人运动仿真方法 |
| CN112686977A (zh) * | 2020-12-31 | 2021-04-20 | 北京爱奇艺科技有限公司 | 人体模型动作重定向方法、装置、电子设备及存储介质 |
| CN113246133A (zh) * | 2021-05-28 | 2021-08-13 | 北京世冠金洋科技发展有限公司 | 机械臂多关节的旋转指令计算方法、旋转控制方法及系统 |
| CN113850893A (zh) * | 2021-11-30 | 2021-12-28 | 北京健康有益科技有限公司 | 骨骼点动作数据生成方法、装置、存储介质及电子设备 |
| CN114332313A (zh) * | 2022-03-11 | 2022-04-12 | 东莞市易联交互信息科技有限责任公司 | 一种三维虚拟动画的制作方法和系统 |
| CN116385663A (zh) * | 2023-05-26 | 2023-07-04 | 北京七维视觉传媒科技有限公司 | 动作数据生成方法、装置、电子设备及存储介质 |
| CN116681809A (zh) * | 2023-06-28 | 2023-09-01 | 北京百度网讯科技有限公司 | 虚拟形象的驱动方法、装置、电子设备、介质 |
| WO2023202015A1 (zh) * | 2022-04-22 | 2023-10-26 | 北京字跳网络技术有限公司 | 虚拟形象的控制方法、装置、设备及存储介质 |
| WO2024103805A1 (zh) * | 2022-11-18 | 2024-05-23 | 上海哔哩哔哩科技有限公司 | 针对动作捕捉数据的处理方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533528A (zh) * | 2009-04-18 | 2009-09-16 | 大连大学 | 基于模块分段线性模型的光学运动捕捉数据处理方法 |
| CN103279186A (zh) * | 2013-05-07 | 2013-09-04 | 兰州交通大学 | 融合光学定位与惯性传感的多目标运动捕捉系统 |
| CN107833271A (zh) * | 2017-09-30 | 2018-03-23 | 中国科学院自动化研究所 | 一种基于Kinect的骨骼重定向方法及装置 |
| US20180333084A1 (en) * | 2015-11-13 | 2018-11-22 | Innomotion Incorporation (Shanghai) | Joint movement analysis system and method; knee-joint dynamic evaluation method and system |
| CN109509241A (zh) * | 2018-08-16 | 2019-03-22 | 北京航空航天大学青岛研究院 | 角色动画中基于四元数的骨骼重定向方法 |
-
2019
- 2019-05-05 CN CN201910366554.6A patent/CN110176062A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533528A (zh) * | 2009-04-18 | 2009-09-16 | 大连大学 | 基于模块分段线性模型的光学运动捕捉数据处理方法 |
| CN103279186A (zh) * | 2013-05-07 | 2013-09-04 | 兰州交通大学 | 融合光学定位与惯性传感的多目标运动捕捉系统 |
| US20180333084A1 (en) * | 2015-11-13 | 2018-11-22 | Innomotion Incorporation (Shanghai) | Joint movement analysis system and method; knee-joint dynamic evaluation method and system |
| CN107833271A (zh) * | 2017-09-30 | 2018-03-23 | 中国科学院自动化研究所 | 一种基于Kinect的骨骼重定向方法及装置 |
| CN109509241A (zh) * | 2018-08-16 | 2019-03-22 | 北京航空航天大学青岛研究院 | 角色动画中基于四元数的骨骼重定向方法 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110992495A (zh) * | 2019-12-26 | 2020-04-10 | 珠海金山网络游戏科技有限公司 | 一种虚拟模型的变形方法及装置 |
| CN110992495B (zh) * | 2019-12-26 | 2023-09-08 | 珠海金山数字网络科技有限公司 | 一种虚拟模型的变形方法及装置 |
| CN111598005A (zh) * | 2020-05-18 | 2020-08-28 | 北京乐元素文化发展有限公司 | 动捕数据处理方法、装置、电子设备及计算机存储介质 |
| CN112017265B (zh) * | 2020-08-26 | 2022-07-19 | 华东师范大学 | 一种基于图神经网络的虚拟人运动仿真方法 |
| CN112017265A (zh) * | 2020-08-26 | 2020-12-01 | 华东师范大学 | 一种基于图神经网络的虚拟人运动仿真方法 |
| CN112686977A (zh) * | 2020-12-31 | 2021-04-20 | 北京爱奇艺科技有限公司 | 人体模型动作重定向方法、装置、电子设备及存储介质 |
| CN112686977B (zh) * | 2020-12-31 | 2024-03-08 | 北京爱奇艺科技有限公司 | 人体模型动作重定向方法、装置、电子设备及存储介质 |
| CN113246133A (zh) * | 2021-05-28 | 2021-08-13 | 北京世冠金洋科技发展有限公司 | 机械臂多关节的旋转指令计算方法、旋转控制方法及系统 |
| CN113850893A (zh) * | 2021-11-30 | 2021-12-28 | 北京健康有益科技有限公司 | 骨骼点动作数据生成方法、装置、存储介质及电子设备 |
| CN113850893B (zh) * | 2021-11-30 | 2022-02-25 | 北京健康有益科技有限公司 | 骨骼点动作数据生成方法、装置、存储介质及电子设备 |
| CN114332313A (zh) * | 2022-03-11 | 2022-04-12 | 东莞市易联交互信息科技有限责任公司 | 一种三维虚拟动画的制作方法和系统 |
| WO2023202015A1 (zh) * | 2022-04-22 | 2023-10-26 | 北京字跳网络技术有限公司 | 虚拟形象的控制方法、装置、设备及存储介质 |
| WO2024103805A1 (zh) * | 2022-11-18 | 2024-05-23 | 上海哔哩哔哩科技有限公司 | 针对动作捕捉数据的处理方法和系统 |
| CN116385663A (zh) * | 2023-05-26 | 2023-07-04 | 北京七维视觉传媒科技有限公司 | 动作数据生成方法、装置、电子设备及存储介质 |
| CN116385663B (zh) * | 2023-05-26 | 2023-08-29 | 北京七维视觉传媒科技有限公司 | 动作数据生成方法、装置、电子设备及存储介质 |
| CN116681809A (zh) * | 2023-06-28 | 2023-09-01 | 北京百度网讯科技有限公司 | 虚拟形象的驱动方法、装置、电子设备、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110176062A (zh) | 一种基于运动捕捉数据的虚拟人体的控制方法 | |
| JP7061694B2 (ja) | 画像処理方法および装置、画像機器、ならびに記憶媒体 | |
| CN107349594B (zh) | 一种虚拟舞蹈系统的动作评价方法 | |
| CN107833271B (zh) | 一种基于Kinect的骨骼重定向方法及装置 | |
| CN102323854B (zh) | 人体运动捕获装置 | |
| Bodenheimer et al. | The process of motion capture: Dealing with the data | |
| CN102819863B (zh) | 一种三维人体运动的实时在线获取方法及其系统 | |
| CN105243375B (zh) | 一种动作特征提取方法及装置 | |
| CN104524742A (zh) | 一种基于Kinect传感器的脑瘫儿童康复训练方法 | |
| CN110188700B (zh) | 基于分组回归模型的人体三维关节点预测方法 | |
| CN107330967A (zh) | 基于惯性传感技术的骑师运动姿态捕捉及三维重建系统 | |
| CN105225262B (zh) | 一种动态捕捉3d数据处理方法 | |
| CN104887238A (zh) | 基于动作捕捉的手康复训练评估系统和方法 | |
| CN107953331A (zh) | 一种应用于人形机器人动作模仿的人体姿态映射方法 | |
| CN113143256B (zh) | 步态特征提取方法、下肢评估、控制方法、设备及介质 | |
| JP7235133B2 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
| CN112182682B (zh) | 一种运动服装版型生成方法及系统 | |
| CN110609621B (zh) | 姿态标定方法及基于微传感器的人体运动捕获系统 | |
| CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
| CN103942829A (zh) | 单幅图像的人体三维姿态重构方法 | |
| CN109079794A (zh) | 一种基于人体姿态跟随的机器人控制与示教方法 | |
| CN111724459A (zh) | 一种面向异构人体骨骼的运动重定向的方法及系统 | |
| CN109448105A (zh) | 基于多深度图像传感器的三维人体骨架生成方法及系统 | |
| CN111840920A (zh) | 一种基于虚拟现实的上肢智能康复系统 | |
| Klein et al. | A markeless augmented reality tracking for enhancing the user interaction during virtual rehabilitation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100020 Beijing Chaoyang District East Fourth Ring North Road, No. 6, No. 2 District, 28 Floor, 222 Shop Applicant after: Beijing danghong Qitian international culture and Technology Development Group Co.,Ltd. Address before: 100020 Beijing Chaoyang District East Fourth Ring North Road, No. 6, No. 2 District, 28 Floor, 222 Shop Applicant before: BEIJING DANG HONG QI TIAN INTERNATIONAL CULTURE DEVELOPMENT GROUP Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190827 |