AAPS模型驱动的四足足迹约束生成方法
本文选题:角色动画 + 四足动物 ; 参考:《计算机辅助设计与图形学学报》2017年11期
【摘要】:针对计算机动画的应用需求,引入生物学领域的先验知识,提出一种异步式的步态时序模型,并在此基础上实现一种足迹约束生成方法.首先对生物学领域内的经验知识进行建模,建立异步式的步态时序模型,以对四足动物的任意步态模式进行参数化的描述;然后通过设定速度参数,依据步态模型筛选出合适的步态模式,并在不同步态间进行过渡处理,生成四足动物完整运动序列的步态图;最后以步态图和速度为基础,面向地形、转向多种环境约束生成四足动物的足尖轨迹.实验结果证明,在生物学数据的支撑下,该方法仅需设置速度参数与环境约束便能够快速、有效地生成四足动物的足尖轨迹,将此轨迹应用于运动生成方法,可以求解出具有真实约束驱动的运动结果.
[Abstract]:According to the application requirement of computer animation, a new asynchronous gait time series model is proposed by introducing a priori knowledge of biological field, and a footprint constraint generation method is implemented based on this model. First of all, the empirical knowledge in the field of biology is modeled, and an asynchronous gait time series model is established to parameterize any gait pattern of quadruped animals. According to the gait model, the suitable gait pattern is selected, and the gait pattern is processed between different gaits to generate the gait map of the complete motion sequence of quadruped animals. Finally, based on the gait map and the velocity, the gait pattern is oriented to the terrain. Turn to a variety of environmental constraints to produce the tip track of a quadruped animal. The experimental results show that the method can quickly and effectively generate the tip trajectory of quadruped animals with only setting speed parameters and environmental constraints, and the trajectory is applied to motion generation method under the support of biological data. The motion results driven by real constraints can be solved.
【作者单位】: 合肥工业大学计算机与信息学院;
【基金】:国家自然科学基金(61370167) 安徽省科技攻关项目(1604e0302001) 中央高校基本科研业务费专项资金(J 2016HGB 1049)
【分类号】:TP391.41
【相似文献】
相关期刊论文 前5条
1 王岚;张今瑜;王劲松;;人体步态相位检测实验研究[J];传感器与微系统;2006年05期
2 吴建宁;王珏;;基于支持向量机的步态分类方法[J];测试技术学报;2006年04期
3 王斐;闻时光;张育中;金基准;吴成东;;基于时—频分析的步态模式自动分类[J];北京科技大学学报;2012年01期
4 杨润辉;吴清江;;基于步态的身份识别综述[J];电脑开发与应用;2007年09期
5 黄彬;田国会;吴皓;;用侧影特征分析和识别人的异常步态[J];计算机工程与应用;2008年32期
相关博士学位论文 前2条
1 马勤勇;基于步态的身份识别研究[D];浙江大学;2008年
2 姚志明;基于步态触觉信息的身份识别研究[D];中国科学技术大学;2010年
相关硕士学位论文 前10条
1 许洲;定量步态分析仪的设计与实现[D];重庆大学;2015年
2 李慧敏;基于机器视觉的步态模式识别与步态对称性研究[D];东北大学;2014年
3 余俊飞;基于人体脚部静电的膝关节受限步态分析与分类识别[D];北京理工大学;2016年
4 李茜楠;基于Kinect的异常步态检测[D];山东大学;2016年
5 杨畅;基于步态监测的年龄识别问题研究与实现[D];东北师范大学;2016年
6 贾令尧;基于步态能量图的身份识别算法研究[D];长春工业大学;2017年
7 余美霞;基于步态的性别分类研究[D];北方工业大学;2013年
8 陈勃;基于单目视频的步态力学分析与仿真[D];华中科技大学;2008年
9 安佰京;步态特征分析及神经网络识别步态模式的研究[D];山东师范大学;2014年
10 陈海洋;基于步态的远距离人体识别系统研究[D];天津大学;2013年
,本文编号:1817876
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1817876.html