论文部分内容阅读
在计算机动画领域，群组运动控制一直是一个重要的研究方向，广泛应用于人群、交通流、鸟群、微粒子群体等行为的动画模拟。在数字娱乐业，群组动画可以高效地模拟成千上万的角色，在降低拍摄成本的同时，制作出炫酷的视觉效果。近年来，群组动画也在公共安全控制、城市辅助建设、生物医学等方面有了越来越多的应用。 本文介绍了群组动画中全局路径规划和局部碰撞避免技术的研究现状，并针对汽车群组动画，从基于模型的车流运动控制和基于数据驱动的车流合成两方面分析了现有方法的优势和不足。在此基础上，本文着重研究汽车群组动画中个体运动的多样性、数据驱动的汽车流合成、汽车流与人群混合交通流模拟以及动态场控制的微型机器人群体的运动控制。本文的主要贡献如下: 提出了一种基于视频样本的车辆个性化驾驶特性学习方法，用于交通流重构和基于样本的交通流模拟。本方法在高层的驾驶特性和低层的微观控制模型参数之间建立映射，并使用一个非线性优化算法搜索每辆车最匹配样本轨迹数据的最优模型参数集合。本方法可以生动且高准确率地重构出样本视频中的交通流。学习到的驾驶特性也可以应用于任何基于agent的交通仿真系统。最后，将本方法与现有的交通仿真方法进行对比，证明本方法的高效性。 提出了一种新颖的数据驱动的方法，在任意虚拟道路网络上铺满逼真的交通流。给定有限的车流轨迹集合作为输入样本，该方法首先合成大量的车流轨迹集合。将此问题转化为一个纹理合成过程，结合交通微观控制规则，通过最小化交通纹理能量求解。然后通过一个基于cage网格变形的配准过程将合成的车辆轨迹数据配准到虚拟道路上，并添加交通特有的约束条件保持每辆车原始的位置以及与其周围车辆的行为一致性。最后通过多次实验证明和成对比较user study证明本方法的性能。 提出了一种车辆-行人交互行为建模方法，用于人车混合交通流模拟。不同于之前将车辆和行人分开研究的工作，该方法基于一个可接受间距判断准则为车辆-行人的交互建立一个决策过程，然后在各自的行为控制模型中引入新颖的环境反馈机制，驱动二者的运动。最后，通过实验证明本方法可以高效逼真的展现车辆-行人交互行为，并且可以很方便的应用于各种交通模拟系统中。 提出了一种通用的方法用于动态磁场控制的趋磁微型机器人群组靶向导航。磁场方向为随时间可变的均匀磁场。导航目标为所有的机器人在避开障碍物的同时，以最短的时间从各自初始位置移动到目标区域。本方法首先构建一个控制场，为空间内的每一点提供最优的运动方向。为了解决多个微型机器人之间最优移动方向的冲突问题，本方法提出一个新颖的mean-shift导航算法，为每一时间步计算统计上最优的磁场方向。最后，通过一系列实验测试验证这种群组导航策略的有效性。