本發(fā)明涉及計(jì)算機(jī)圖形學(xué)，特別是涉及一種虛擬昆蟲動(dòng)畫角色的運(yùn)動(dòng)仿真方法。

背景技術(shù)：

角色動(dòng)畫是計(jì)算機(jī)圖形學(xué)的一個(gè)研究分支，該領(lǐng)域主要解決的問題是如何為三維虛擬角色生成自然、可控、自適應(yīng)的動(dòng)畫。傳統(tǒng)的手工動(dòng)畫由動(dòng)畫師手動(dòng)完成，即通過設(shè)置動(dòng)畫關(guān)鍵幀(Key Frame)的方法，最大的問題是費(fèi)時(shí)費(fèi)力(一個(gè)動(dòng)畫師一天大概只能完成10s左右，大約240幀動(dòng)畫)。這種手工動(dòng)畫也不適用于實(shí)時(shí)交互的游戲、虛擬現(xiàn)實(shí)等領(lǐng)域。主流的角色動(dòng)畫方法可分為兩大類：

1)數(shù)據(jù)驅(qū)動(dòng)型的角色動(dòng)畫方法

過去10年，運(yùn)動(dòng)捕捉(Motion Capture)的技術(shù)逐漸得到普及，提供了一種快速得到大量動(dòng)畫數(shù)據(jù)的方法。最近幾年，Kinect等大眾級(jí)別的硬件設(shè)備廣泛普及，使得運(yùn)動(dòng)捕捉逐漸成為角色動(dòng)畫的主流方法。但通過運(yùn)動(dòng)捕捉采集的數(shù)據(jù)，卻難以直接遷移到新的角色或新的場(chǎng)景上。即使通過各種方法修改原始數(shù)據(jù)，修改后的運(yùn)動(dòng)也難以保證其自然性，尤其是在和復(fù)雜的虛擬場(chǎng)景交互的情況下。

傳統(tǒng)運(yùn)動(dòng)捕捉的系統(tǒng)不適用于昆蟲類角色，主要原因有兩個(gè)：一是昆蟲體積??；二是昆蟲運(yùn)動(dòng)速度快。Gibson等(Gibson D.P.,Oziem D.,Dalton C.J.and Campbell N.W.,2007.A system for the capture and synthesis of insect motion.Graphical Models,69(5),231–245.)利用多臺(tái)同步高速攝像機(jī)拍攝了螞蟻的行走錄像，從錄像中提取了螞蟻的行動(dòng)軌跡，并基于此原始數(shù)據(jù)，為虛擬螞蟻角色生成了新的運(yùn)動(dòng)路徑。但該方法有若干局限性，一是數(shù)據(jù)提取過程中需要手工標(biāo)定，二是僅能提取軀干部位的軌跡序列，并不能精確獲得各關(guān)節(jié)自由度的數(shù)據(jù)。Seol等(Seol Y.,O’Sullivan C.and Lee J.,2013.Creature features:online motion puppetry for non-human characters.In Proceedings of the 12th ACM SIGGRAPH/Eurographics Symposium on Computer Animation,SCA’13,New York,NY,USA.ACM,213–221.)利用Kinect捕捉人的運(yùn)動(dòng)，并將其映射到虛擬角色上，包括一些骨骼模型差異較大的動(dòng)物，例如大象、蜘蛛等。該方法利用Kinect作為便捷的數(shù)據(jù)采集方法，但其缺陷在于因?yàn)檎鎸?shí)表演者和虛擬角色之間存在較大的骨骼差異，因此無法精確控制虛擬角色的運(yùn)動(dòng)。以上分析表明，由于真實(shí)昆蟲的運(yùn)動(dòng)數(shù)據(jù)較難獲取，傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)的方法并不適合產(chǎn)生虛擬昆蟲的運(yùn)動(dòng)。

2)物理仿真型的角色動(dòng)畫方法

除了數(shù)據(jù)驅(qū)動(dòng)型的方法，角色動(dòng)畫也可以通過物理仿真的方式產(chǎn)生。該方法能準(zhǔn)確控制虛擬角色的運(yùn)動(dòng)，自動(dòng)適應(yīng)于不同的地形、物理碰撞等外界環(huán)境，生成的動(dòng)畫符合自然物理規(guī)律，允許對(duì)虛擬環(huán)境進(jìn)行實(shí)時(shí)交互。

Fang等(Fang J.,Jiang C.and Terzopoulos D.,2013.Modeling and animating myriapoda:a real-time kinematic/dynamic approach.In Proceedings of the 12th ACM SIGGRAPH/Eurographics Symposium on Computer Animation,SCA’13,New York,NY,USA.ACM,203–212.)利用物理仿真的方法，將多節(jié)昆蟲的軀干分為剛體和非剛體部分，剛體部分用剛體仿真，非剛體部分用有限元仿真，通過耦合兩部分的仿真結(jié)果，實(shí)現(xiàn)自然的多節(jié)昆蟲的運(yùn)動(dòng)。Guo等(Guo,S.,Chang,J.,Yang,X.,Wang,W.and Zhang,J.,2014,October.Locomotion Skills for Insects with Sample‐based Controller.In Computer Graphics Forum(Vol.33,No.7,pp.31-40).)模擬真實(shí)昆蟲的運(yùn)動(dòng)機(jī)能，將每個(gè)自由度的運(yùn)動(dòng)用一個(gè)獨(dú)立的非線性振蕩器控制，通過協(xié)調(diào)18個(gè)振蕩器的輸出控制六足昆蟲的運(yùn)動(dòng)。

現(xiàn)階段基于物理仿真的方法最大的問題在于產(chǎn)生的動(dòng)畫不夠自然。這其中部分原因在于關(guān)節(jié)處的力和力矩的控制模型大部分是模擬機(jī)器人控制領(lǐng)域的比例差分控制器(Yin K.,Loken K.and van de Panne M.,July 2007.Simbicon:simple biped locomotion control.ACM Transactions on Graphics(TOG),26(3).)和虛擬模型控制器(Coros S.,Karpathy A.,Jones B.,Reveret L.and van de Panne M.,August 2011.Locomotion skills for simulated quadrupeds.ACM Transactions on Graphics(TOG),30,59:1–59:12.)。這些模型最大的優(yōu)勢(shì)在于實(shí)現(xiàn)簡(jiǎn)單，僅需提供虛擬角色各關(guān)節(jié)該時(shí)刻的旋轉(zhuǎn)角度和速度，以及下一時(shí)刻的目標(biāo)角度，即可返回該關(guān)節(jié)需要施加的力和力矩。現(xiàn)有模型的缺陷在于生成的動(dòng)畫過于僵硬,降低了用戶對(duì)動(dòng)畫的真實(shí)感體驗(yàn)。近年來，非線性肌肉模型逐漸得到大家的關(guān)注。Wang(Wang J.M.,Hamner S.R.,Delp S.L.and Koltun V.,July 2012.Optimizing locomotion controllers using biologically-based actuators and objectives.ACM Transactions on Graphics(TOG),31(4),25:1–25:11.)首次將非線性肌肉模型用于虛擬類人角色上，驅(qū)動(dòng)虛擬角色下半身的運(yùn)動(dòng)，取得了比之前方法更自然、穩(wěn)定的角色動(dòng)畫。Geijtenbeek(Geijtenbeek T.,van de Panne M.and van der Stappen A.F.,2013.Flexible muscle-based locomotion for bipedal creatures.ACM Transactions on Graphics(TOG),32(6),206.)通過優(yōu)化肌肉在骨骼的連接方式，將該肌肉模型應(yīng)用于角色的全身控制中，可以在不同的角色、地形等情況下產(chǎn)生穩(wěn)定的動(dòng)畫。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)中難以利用數(shù)據(jù)驅(qū)動(dòng)型的方法產(chǎn)生虛擬昆蟲動(dòng)畫的問題，提供算法明確、流程清晰、產(chǎn)生的動(dòng)畫視覺自然、物理穩(wěn)定、用戶可控，在產(chǎn)業(yè)化之后可極大提高電影、動(dòng)畫、游戲領(lǐng)域中虛擬昆蟲動(dòng)畫制作效率的一種虛擬昆蟲動(dòng)畫角色的運(yùn)動(dòng)仿真方法。

本發(fā)明特別針對(duì)虛擬昆蟲動(dòng)畫角色的運(yùn)動(dòng)仿真問題而提出。

本發(fā)明包括：

1個(gè)建立一套虛擬昆蟲的骨骼模型的步驟；

1個(gè)建立一套非線性肌肉的驅(qū)動(dòng)模型的步驟；

1個(gè)建立一套神經(jīng)元網(wǎng)絡(luò)的控制器的步驟。

所述建立一套虛擬昆蟲的骨骼模型后將非線性肌肉模型加載于骨骼模型的關(guān)節(jié)連接處，驅(qū)動(dòng)骨骼的關(guān)節(jié)轉(zhuǎn)動(dòng)；其次建立由單個(gè)神經(jīng)元模型組成的大規(guī)模神經(jīng)元網(wǎng)絡(luò)模型，通過改變輸入信號(hào)的方式產(chǎn)生控制信號(hào)，進(jìn)而驅(qū)動(dòng)肌肉模型和骨骼模型；最后，虛擬角色通過與外界環(huán)境的相互作用(例如與地面的摩擦力/支持力等)，完成動(dòng)畫。

本發(fā)明針對(duì)現(xiàn)有工作中難以利用數(shù)據(jù)驅(qū)動(dòng)型的方法產(chǎn)生虛擬昆蟲動(dòng)畫的問題，提出了一套虛擬昆蟲動(dòng)畫角色的骨骼-肌肉-神經(jīng)的動(dòng)畫仿真方法。本發(fā)明算法明確、流程清晰，產(chǎn)生的動(dòng)畫視覺自然、物理穩(wěn)定、用戶可控，該方法在產(chǎn)業(yè)化之后可極大的提高電影、動(dòng)畫、游戲領(lǐng)域中虛擬昆蟲的動(dòng)畫制作效率。

本發(fā)明屬于物理仿真型的角色動(dòng)畫方法，針對(duì)昆蟲普遍具有的生理結(jié)構(gòu)(例如相似的步行足結(jié)構(gòu))和非線性肌肉模型，提出了一種為虛擬昆蟲動(dòng)畫角色完成動(dòng)畫仿真的方法。

附圖說明

圖1為虛擬昆蟲的單只步行足的自由度模型。

圖2為基于神經(jīng)元網(wǎng)絡(luò)的控制器模型。

具體實(shí)施方式

一個(gè)虛擬昆蟲角色的動(dòng)畫仿真方法：首先建立一套虛擬昆蟲的骨骼模型；隨后將非線性肌肉模型加載于骨骼模型的關(guān)節(jié)連接處，驅(qū)動(dòng)骨骼的關(guān)節(jié)轉(zhuǎn)動(dòng)；其次建立由單個(gè)神經(jīng)元模型組成的大規(guī)模神經(jīng)元網(wǎng)絡(luò)模型，通過改變輸入信號(hào)的方式產(chǎn)生控制信號(hào)，進(jìn)而驅(qū)動(dòng)肌肉模型和骨骼模型；最后，虛擬角色通過與外界環(huán)境的相互作用(例如與地面的摩擦力/支持力等)，完成動(dòng)畫。

下面具體介紹關(guān)鍵的實(shí)現(xiàn)細(xì)節(jié)：

1)建立一套虛擬昆蟲的骨骼模型

在長(zhǎng)期進(jìn)化中，昆蟲形成了成熟的骨骼結(jié)構(gòu)，便于適應(yīng)復(fù)雜的環(huán)境。若以螞蟻為例，其身體部分可分為頭部、胸部、腹部，每只步行足的結(jié)構(gòu)可分為基節(jié)、轉(zhuǎn)節(jié)、腿節(jié)、脛節(jié)、跗節(jié)、前跗節(jié)。經(jīng)實(shí)驗(yàn)生物學(xué)的驗(yàn)證，其中對(duì)運(yùn)動(dòng)起決定性作用的關(guān)節(jié)是胸部-基節(jié)α、基節(jié)-轉(zhuǎn)節(jié)β、腿節(jié)-脛節(jié)γ，且這三個(gè)關(guān)節(jié)均主要圍繞一個(gè)旋轉(zhuǎn)軸旋轉(zhuǎn)?；谏鲜鰧?shí)驗(yàn)結(jié)論，昆蟲的骨骼系統(tǒng)可以簡(jiǎn)化為多個(gè)步行足驅(qū)動(dòng)一個(gè)剛體，每個(gè)步行足由三個(gè)自由度控制的物理模型。單只步行足的自由度模型參見圖1。每個(gè)自由度的轉(zhuǎn)動(dòng)均由非線性肌肉伸縮產(chǎn)生的力矩所驅(qū)動(dòng)。利用現(xiàn)有的物理引擎建立虛擬昆蟲的物理模型。具體而言，昆蟲的身體和腿均用圓柱體近似，圓柱體的長(zhǎng)度和直徑由用戶輸入；其中，腿依次由上述的6個(gè)部分(基節(jié)、轉(zhuǎn)節(jié)、腿節(jié)、脛節(jié)、跗節(jié)、前跗節(jié))組成，每個(gè)部分均用圓柱體近似；除選擇的三個(gè)關(guān)節(jié)通過鉸鏈約束連接外，其余關(guān)節(jié)均不存在相對(duì)轉(zhuǎn)動(dòng)。

2)建立一套非線性肌肉的驅(qū)動(dòng)模型

單個(gè)運(yùn)動(dòng)神經(jīng)元和對(duì)應(yīng)的肌肉構(gòu)成了基本的運(yùn)動(dòng)單元。生物運(yùn)動(dòng)的完成均依賴于肌肉的收縮。目前應(yīng)用最廣泛的肌肉力學(xué)模型是希爾肌肉模型(Zajac F.E.,1988.Muscle and tendon:properties,models,scaling,and application to biomechanics and motor control.Critical reviews in biomedical engineering,17(4),359-411.)。該模型將肌肉產(chǎn)生的作用力F主要分解為兩部分：主動(dòng)收縮部分F_CE和并聯(lián)彈性部分F_PE。

F＝F_CE+F_PE (1)

并聯(lián)彈性部分F_PE模擬的是肌肉細(xì)胞伸縮產(chǎn)生的被動(dòng)作用力，可用彈簧模型模擬：

其中，L₀是該肌肉處于無拉伸狀態(tài)下的長(zhǎng)度，Δl是某時(shí)刻該肌肉發(fā)生的長(zhǎng)度變化，k為對(duì)應(yīng)的彈簧模型的剛度系數(shù)。

與傳統(tǒng)角色動(dòng)畫領(lǐng)域廣泛應(yīng)用的比例微分控制器相比，希爾肌肉模型最大的特點(diǎn)是考慮了肌肉主動(dòng)收縮力F_CE與肌肉長(zhǎng)度l、收縮速度v之間的非線性關(guān)系：

其中，為a(t)是來自神經(jīng)元的時(shí)序控制信號(hào)。分別描述收縮力與標(biāo)準(zhǔn)肌肉長(zhǎng)度、標(biāo)準(zhǔn)收縮速度之間的關(guān)系：

標(biāo)準(zhǔn)肌肉長(zhǎng)度標(biāo)準(zhǔn)收縮速度L₀,v_m分別是該肌肉處于無拉伸狀態(tài)下的長(zhǎng)度、該肌肉的最大收縮速度。通過該標(biāo)準(zhǔn)肌肉長(zhǎng)度、標(biāo)準(zhǔn)收縮速度，可以用統(tǒng)一的函數(shù)描述具有不同長(zhǎng)度、速度的肌肉。F₀為不同肌肉的差異化常量。

非線性肌肉橫跨于一個(gè)關(guān)節(jié)，兩端分別連接兩側(cè)骨骼，通過肌肉的收縮完成兩個(gè)骨骼的相對(duì)轉(zhuǎn)動(dòng)。產(chǎn)生的力矩τ：

τ＝F×L (6)

其中，L為關(guān)節(jié)中心到肌肉的最短距離。

3)建立一套神經(jīng)元網(wǎng)絡(luò)的控制器

通過建立由單個(gè)神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)，控制虛擬昆蟲的運(yùn)動(dòng)。神經(jīng)元網(wǎng)絡(luò)的控制器框架圖如圖2所示。其中單個(gè)神經(jīng)元的模型如下：

其中，u_i為神經(jīng)元細(xì)胞膜的電壓值(神經(jīng)控制信號(hào))，I_i(t)為輸入電流值，R為神經(jīng)元細(xì)胞膜的等效電阻，τ_m為神經(jīng)元細(xì)胞膜電壓變化的時(shí)間參數(shù)。輸入電流改變神經(jīng)元的電壓，進(jìn)而控制信號(hào)的傳導(dǎo)。大規(guī)模神經(jīng)元網(wǎng)絡(luò)構(gòu)成獨(dú)立的神經(jīng)元集群。神經(jīng)元集群的信號(hào)輸出，即肌肉模型中的時(shí)序控制信號(hào)a(t)，等效于將該集群內(nèi)所有神經(jīng)元的輸出之和：

其中，N為該神經(jīng)集群中包含的神經(jīng)元的個(gè)數(shù)。該步驟可以過濾掉有噪聲的信號(hào)，為后續(xù)的肌肉驅(qū)動(dòng)提供穩(wěn)定、準(zhǔn)確的控制信號(hào)。因此，動(dòng)畫角色的運(yùn)動(dòng)最終的控制信號(hào)是單個(gè)神經(jīng)元的輸入電流I_i(t)決定。為了確定理想的輸入電流I_i(t)，首先建立一個(gè)優(yōu)化目標(biāo)函數(shù)：

其中，m,m^*分別為動(dòng)畫角色重心的真實(shí)軌跡和理想軌跡(用戶輸入)，p_j,分別為第j只步行足的真實(shí)著地點(diǎn)和理想著地點(diǎn)(用戶輸入)，M為步行足的數(shù)量。以上目標(biāo)函數(shù)本質(zhì)上是使重心和步行足的運(yùn)動(dòng)軌跡盡可能的吻合用戶輸入。采用適應(yīng)性協(xié)方差矩陣(Covariance Matrix Adaptation)優(yōu)化以上目標(biāo)函數(shù)，尋找可以使上述方程獲得最小值的控制信號(hào)I_i(t)。