[发明专利]一种基于加速度传感器的运动控制与动画生成方法

说明书

技术领域

本发明属于计算机虚拟现实技术领域，特别是涉及计算机动画技术中的运动控制与动画生成方法。

背景技术

随着虚拟现实技术的不断发展，实时的虚拟角色运动控制技术在动画、游戏、虚拟现实系统等越来越多的领域得到了广泛应用。对于实时虚拟角色控制技术而言，一个良好的用户控制接口有着举足轻重的地位。虽然运动捕获系统可以精确地捕捉人物的运动，进而应用到虚拟角色控制、动面生成等方面，但是它也有很多缺点，诸如：整套设备沉重，价格高昂；由于整套系统需要布置在一个固定空间，限制了可以采集的运动种类；所采集到的数据处于高维空间，难以实时地进行进一步的在线处理等等。基于以上原因，需要对可以替代运动捕获系统的低维传感器，如加速度传感器等进行研究，以替代运动捕获系统作为实时虚拟角色运动控制的用户接口，以方便运动控制过程，提高用户体验。

对于使用加速度传感器进行虚拟角色的运动控制而言，主要问题有三。一为如何决定人体运动中的关键关节点，以达到布置少量传感器最大化运动识别结果的目的；二为如何有效地进行特征提取，以表征高维运动序列，进而将该特征应用到运动的分类、识别上，以保证较高的识别率；三为如何对识别结果进行时序调整，以符合用户实时运动的时序，提高用户体验，以更好地运用到动画生成等领域。本发明将以这三个问题为基本出发点，对运动过程中的关键关节点进行分析，有效地构造加速度传感器的特征向量以进行在线运动识别，并快速调整识别运动结果时序，以满足运动控制与动画生成技术的进一步应用。

对于传感器的布置问题，大部分研究或者系统布置较为随意，忽略了对关键关节点分析的步骤。然而，由于运动数据序列处于高维空间中，数据中包含大量的冗余。对于关键关节点的分析有助于除去数据冗余，同时保证所采集信号数据的关键性，最大化保留运动整体特征；对于传感器信号的特征提取，现阶段大多数研究与相应系统均采用主成分分析法作为传感器信号的特征提取方法。虽然这种方法能够较好地对高维信号数据进行降维处理，但是将这种方法应用于加速度传感器则忽略了加速度传感器所获取信息的固有物理含义，导致识别率较差。由于加速度传感器所采集的数据本身具有固有的物理含义，使用该物理含义构造相应的特征向量成为表征整个运动过程的最好方式。本研究选择‘动能’作为该特征向量的核心，不仅在于动能本身较好地描述了整个运动过程中能量的变化过程，完整地反映了整个运动过程，从而有效地提高了运动识别率；使用动能构造的特征向量还可以有效地运用到后续的时序调整步骤中，从而创建出与用户在线运动时序一致的运动结果，提高整个运动控制过程的用户体验，满足运动控制系统与动画生成过程的需要。

发明内容

本发明要解决的技术问题：克服现有技术的不足，提供一种对于运动过程中关键关节点的分析方法，保留对整体运动影响最大的核心关节点，去除信息量较少的关节点，以合理布置传感器进行运动控制；同时克服了现有技术不使用传感器信号物理信息的缺点，通过对传感器信号分析构建以动能为核心要素的特征向量，并应用到运动识分类、运动识别与运动结果的时序调整过程中，形成了一种有效的在线运动控制与动画生成技术。

本发明采用的技术方案：一种基于加速度传感器的运动控制与动画生成方法，其特点在于步骤如下：

(1)关键关节点分析

首先对原始运动数据进行关键关节点分析，找到对运动影响最大的关键关节点，以在关键关节点布置传感器；

(2)基于物理含义的特征提取

根据加速度传感器信号数据与骨骼运动数据所表征的不同物理意义，对运动过程中的“动能”这一物理特征进行计算，进而由关键关节点的动能组成表征整个运动序列的运动特征序列；

(3)低维加速度传感器信号与高维骨骼运动数据之间的匹配

根据加速度传感器信号数据的特征序列进行信号分割并建立运动识别分类器，以基于动能的特征作为中心特征匹配骨骼运动数据；

(4)运动数据结果的动态时序属性调整

根据传感器信号的特征，对所识别运动信号结果的特征进行时序调整以拟合传感器信号时序；将对所识别运动信号结果特征的调整直接应用到骨骼运动数据上，对骨骼运动结果进行时序调整。

所述步骤(1)中关键关节点分析的步骤如下：

(1)对原始运动数据的协方差矩阵进行主成分分析，对运动帧数进行降维。

(2)对降维后矩阵的行向量进行聚类分析，并根据每个关节点在不同聚类内的分布，得到关键关节点。

所述步骤(2)中加速度传感器信号数据基于物理含义的特征提取的步骤如下：