骨骼动画的姿态匹配方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种骨骼动画的姿态匹配方法、装置、电子设备及存储介质，该方法包括：接收骨骼动画中任一帧数据；从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，其中，所述运动图模型包括根据可过度情况通过有向边相连的多个节点，所述多个节点分别表示运动图序列中多个运动帧。获得所述任一帧数据与所述候选匹配节点中每个节点的相似度；基于所述任一帧数据与每个节点的相似度，从所述候选匹配节点中获得与所述任一帧数据的匹配节点。本发明专利技术实施例，可以保证骨骼动画匹配到的姿态的准确性和匹配效率，提升骨骼动画中各帧数据姿态的平滑过渡。骼动画中各帧数据姿态的平滑过渡。骼动画中各帧数据姿态的平滑过渡。

【技术实现步骤摘要】
骨骼动画的姿态匹配方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机图形学处理
，具体涉及一种骨骼动画的姿态匹配方法、装置、电子设备及存储介质。

技术介绍

[0002]将骨骼3D关键点转换成对应关节的旋转矩阵是驱动虚拟人运动的关键环节。目前，一般是通过逆运动学算法，对每个关节施加特定约束，然后不断迭代求解，得到各关节对应的旋转信息，但是不同的关节需要施加的约束不同，不同算法在时耗和求解目标上也不同，这就导致了某些运动可能出现无解的情况，由于对约束的把握不准确，因为人体具有复杂的构成，不同部位的运动可能牵涉到其它关节的联动效果，因此，匹配精度较差。深度学习的方式通过对大量数据的学习，根据3D关键点和历史帧信息，重建出将来帧的旋转数据，但是需要的数据量够多，而且容易出现累计误差的现象，导致对后续帧的预测越来越差。

技术实现思路

[0003]基于现有技术中存在的问题，本专利技术实施例提出一种骨骼动画的姿态匹配方法、装置、电子设备及存储介质。
[0004]第一方面，本专利技术实施例提供了一种骨骼动画的姿态匹配方法，包括：
[0005]接收骨骼动画中任一帧数据；
[0006]从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，其中，所述运动图模型包括根据可过度情况通过有向边相连的多个节点，所述多个节点分别表示运动图序列中多个运动帧。
[0007]获得所述任一帧数据与所述候选匹配节点中每个节点的相似度；
[0008]基于所述任一帧数据与每个节点的相似度，从所述候选匹配节点中获得与所述任一帧数据的匹配节点。
[0009]进一步地，所述骨骼动画中任一帧数据为第一帧数据，所述从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，包括：
[0010]对所述运动图模型中的多个节点进行分类，得到多个分组；
[0011]将与所述第一帧数据匹配的分组中的节点作为所述第一帧数据的候选匹配节点。
[0012]进一步地，所述骨骼动画中任一帧数据为除第一帧数据之外的帧数据，所述从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，包括：
[0013]获得所述除第一帧数据之外的帧数据的前一帧数据的匹配节点；
[0014]将与所述前一帧数据的匹配节点相连的节点作为所述除第一帧数据之外的帧数据的候选匹配节点。
[0015]进一步地，所述获得所述任一帧数据与所述候选匹配节点中每个节点的相似度，包括：
[0016]获得所述任一帧数据与所述候选匹配节点中每个节点的对应的三元组特征；
[0017]基于所述任一帧数据与所述候选匹配节点中每个节点的对应的三元组特征，得到所述任一帧数据与所述候选匹配节点中每个节点的余弦距离；
[0018]根据所述任一帧数据与所述候选匹配节点中每个节点的余弦距离，得到所述任一帧数据与所述候选匹配节点中每个节点的相似度。
[0019]进一步地，对于任一节点的三元组特征包括所述任一节点的前一节点和后一节的移动速度和移动方向，以及所述任一节点关联的骨骼的夹角。
[0020]进一步地，在从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点之前，还包括构建所述运动图模型的步骤，具体包括：
[0021]获取运动图序列；
[0022]将所述运动图序列中每个运动帧映射为一个节点；
[0023]对所述运动图序列中每个运动帧映射的节点进行筛选；
[0024]基于筛选后的每个运动帧映与节点之间的映射关系，构建所述运动图模型。
[0025]进一步地，所述对所述运动图序列中每个运动帧映射的节点进行筛选，包括：
[0026]基于每个节点的三元组特征，获得每个节点与其它节点之间的余弦距离；
[0027]基于所述余弦距离，获得每个节点与其它节点之间的相似度；
[0028]基于所述每个节点与其它节点之间的相似度，对所述运动图序列中每个运动帧映射的节点进行筛选。
[0029]第二方面，本专利技术的实施例提供一种骨骼动画的姿态匹配装置，包括：
[0030]接收模块，用于接收骨骼动画中任一帧数据；
[0031]获取模块，用于从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，其中，所述运动图模型包括根据可过度情况通过有向边相连的多个节点，所述多个节点分别表示运动图序列中多个运动帧。
[0032]相似度计算模块，用于获得所述任一帧数据与所述候选匹配节点中每个节点的相似度；
[0033]匹配模块，用于基于所述任一帧数据与每个节点的相似度，从所述候选匹配节点中获得与所述任一帧数据的匹配节点。
[0034]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的骨骼动画的姿态匹配方法。
[0035]第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的骨骼动画的姿态匹配方法。
[0036]由上述技术方案可知，本专利技术实施例提供的骨骼动画的姿态匹配方法、装置、电子设备及存储介质，从运动图模型中获得对应于所述任一帧数据的候选匹配节点，并基于任一帧数据与每个节点的相似度，从候选匹配节点中获得与任一帧数据的匹配节点，从而可以保证匹配到的姿态的准确性和匹配效率，提升骨骼动画中各帧数据姿态的平滑过渡。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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，还可以根据这些图获得其他的附图。
[0038]图1是本专利技术一实施例提供的骨骼动画的姿态匹配方法的流程图；
[0039]图2是本专利技术一实施例提供的骨骼动画的姿态匹配装置的结构框图；
[0040]图3是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0041]下面结合附图，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0042]以下结合附图描述根据本专利技术实施例的骨骼动画的姿态匹配方法、装置、电子设备及存储介质。
[0043]图1示出了本专利技术一实施例提供的骨骼动画的姿态匹配方法的流程图。如图1所示，本专利技术一个实施例提供的骨骼动画的姿态匹配方法，具体包括如下内容：
[0044]S101：接收骨骼动画中任一帧数据。
[0045]其中，骨骼动画例如为人体关节的骨骼动画，因此，骨骼动画中每一帧数据也称为人体关节3D数据。
[0046]S102：从预先得到的运动图模型中获得对应于任一帧数据的候选匹配节点，其中，运动图模型包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨骼动画的姿态匹配方法，其特征在于，包括：接收骨骼动画中任一帧数据；从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，其中，所述运动图模型包括根据可过度情况通过有向边相连的多个节点，所述多个节点分别表示运动图序列中多个运动帧。获得所述任一帧数据与所述候选匹配节点中每个节点的相似度；基于所述任一帧数据与每个节点的相似度，从所述候选匹配节点中获得与所述任一帧数据的匹配节点。2.根据权利要求1所述的骨骼动画的姿态匹配方法，其特征在于，所述骨骼动画中任一帧数据为第一帧数据，所述从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，包括：对所述运动图模型中的多个节点进行分类，得到多个分组；将与所述第一帧数据匹配的分组中的节点作为所述第一帧数据的候选匹配节点。3.根据权利要求1所述的骨骼动画的姿态匹配方法，其特征在于，所述骨骼动画中任一帧数据为除第一帧数据之外的帧数据，所述从预先得到的运动图模型中获得对应于所述任一帧数据的候选匹配节点，包括：获得所述除第一帧数据之外的帧数据的前一帧数据的匹配节点；将与所述前一帧数据的匹配节点相连的节点作为所述除第一帧数据之外的帧数据的候选匹配节点。4.根据权利要求1
‑
3任一项所述的骨骼动画的姿态匹配方法，其特征在于，所述获得所述任一帧数据与所述候选匹配节点中每个节点的相似度，包括：获得所述任一帧数据与所述候选匹配节点中每个节点的对应的三元组特征；基于所述任一帧数据与所述候选匹配节点中每个节点的对应的三元组特征，得到所述任一帧数据与所述候选匹配节点中每个节点的余弦距离；根据所述任一帧数据与所述候选匹配节点中每个节点的余弦距离，得到所述任一帧数据与所述候选匹配节点中每个节点的相似度。5.根据权利要求4所述的骨骼动画的姿态匹配方法，其特征在于，对于任一节点的三元组特征包括...

【专利技术属性】
技术研发人员：周兵，肖翔，吴闯，庄放望，张宏龙，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：