50、轻量级数据驱动的步行合成算法与长期真实轨迹复用

轻量级数据驱动的步行合成算法与长期真实轨迹复用

在计算机动画和模拟领域，步行运动合成以及行人轨迹模拟是重要的研究方向。下面将为大家详细介绍轻量级数据驱动的步行合成算法以及长期真实轨迹复用的相关内容。

轻量级数据驱动的步行合成算法

• 转向参数与变形函数 ：转向参数 α 和 d 被编码在三个类似变形的函数 dx、dz 和 α 中。对于每个曲线，初始约束为{(TOT, 0, 0), (TOC, 0, 0)}。当步幅中间速度方向改变时，我们按上述方法确定 TOC 处的参数值，并在 tC 处设置约束以保持连续性。这种转向动作会导致一个特殊的问题，即运动结束时，支撑脚不再与根节点和摆动脚在一条直线上。为保持连续性，摆动脚的初始位置需要考虑这种错位，此时会使用摆动脚的 tx 和 ry 变形函数。在步幅切换时，它们在 TOT 和 TOC 处被初始化设置约束，TOT 处的值保持上一步的脚位置和方向，TOC 处的值则归零。
• 逆运动学求解器 ：在运动合成中，我们处理根节点和脚的“世界”位置和方向。使用简单的逆运动学求解器来解析关节轨迹。腿部可看作一个简单的两骨链，髋关节有三个自由度，膝关节有一个自由度。对于给定的髋关节和脚的位置，有无数个解。为解决这个歧义，我们应用极向量约束来确定膝关节的方向。极向量是一个大约在人物前方三个身体长度处的空间点，其随时间变化的位置从原始运动数据中提取。在默认速度下，逆运动学求解器能精确重现标准剪辑。随着步幅长度的变化，使用相同的极向量值，以确保在所有速度下膝关节方向模式的一致性。
• 结果与分析 ：通过观看运动合成算法生成