论文部分内容阅读
在基于虚拟现实的人机工程和维修工程等研究领域中,虚拟人运动控制技术是研究重点之一,它包含两个关键性的问题:运动规划问题和运动合成问题。本文以武器装备预先研究项目“基于虚拟现实的维修性XXX系统”、国家“863”课题“高品质重型商用车集成开发先进技术”,以及国家探月工程中的“月面巡视探测器导航与控制”为研究背景,从理论和应用两个层面围绕上述关键性问题开展研究,主要包括:基于快速扩展随机树(Rapidly-exploring Random Tree, RRT)的路径规划算法,RRT算法概率完备性的证明,虚拟人手臂及上躯干的操控规划方法,以及基于运动基元的虚拟人运动合成方法。本文的研究成果将提高虚拟人运动仿真的效率和逼真性,在人机工程、维修工程等领域具有重要理论意义和应用价值。本文的主要成果和创新点如下:1.提出了自适应多树RRT算法,通过改进“桥测试采样”算法准确标识配置空间中的狭窄通道,再利用增强学习中的随机组合优化算法构建自适应树选择策略,有效克服了路径规划中的“狭窄通道”问题,比传统RRT算法的规划效率有显著提高。本文路径规划算法解决了“基于虚拟现实的维修性XXX系统”项目中的虚拟人行走规划问题。典型实例表明本文算法可推广运用于月球车路径规划问题。2.在RRT算法的完备性理论研究中,首先证明了经典RRT算法和自适应多树RRT算法的概率完备性。然后,通过对随机优化组合算法εt-greedy性质的研究,证明了自适应多树RRT扩展过程的最优性。3.提出了基于RRT的虚拟人操控规划求解方法。建立了统一形式的可行配置空间数学模型,分别给出了基于RRT的手臂操控规划算法和上躯干操控规划算法。在上躯干操控规划中,利用RRT实现快速逆向运动学求解,通过“采样-投影”算法解决操控对象的运动约束问题。本文设计并实现了跨平台的虚拟人运动仿真软件EDMAN(Engineering Digital MAN),解决了“基于虚拟现实的维修性XXX系统”项目中的虚拟人维修作业仿真问题,研究结果表明操控规划算法的应用显著提高了虚拟维修仿真的效率。4.提出了基于HMM(Hidden Markov Model)运动基元的虚拟人运动合成框架。在运动基元建模过程中,首先采用加权PCA(Principal Component Analysis)降维算法和基于高斯混合模型(Gaussian Mixture Model, GMM)的聚类算法来分割运动片段,然后通过分层HMM聚类算法,实现运动基元的分类与建模。在运动检索与合成过程中,利用基于HMM相似性度量的动态规划算法,实现运动片段的检索和时序排列。本文的运动合成方法解决了“高品质重型商用车集成开发先进技术”项目中的虚拟人上下车运动仿真问题,为该项目的完成做出了贡献。