[发明专利]一种基于物理的虚拟人手自动抓取方法及装置

说明书

本发明提出一种基于物理的虚拟人手自动抓取方法及装置，其中，方法包括：采集人手参数信息，并根据所述人手参数信息构建人手物理模型；使用预先训练的强化学习网络预测人手的各个关节的目标角度；根据所述人手的各个关节的目标角度驱动所述人手物理模型抓取虚拟物体，以生成人手抓取物体的动画。该方法利用强化学习生成人手运动控制器，不仅可以避免大量的人工计算，同时保证了生成的运动更加贴近真实的人手运动，以及具有更好的训练结果和更快的训练速度。

技术领域

本发明涉及计算机图形学领域，特别涉及一种基于物理的虚拟人手自动抓取方法。

背景技术

近些年计算机动画领域蓬勃发展，计算机动画被广泛应用于电影、动漫、游戏和虚拟现实等行业。在计算机动画发展的同时，人们对动画的要求也越来越高，人们不仅希望计算机动画中的对象能够简单地动起来，并且还希望动画对象具有足够的真实性，能够尽可能符合真实世界的观感。在计算机动画中，人体是不可或缺的动画对象，它需要频繁与动画中其他对象产生交互，而人手是人体与外界产生交互的主要手段，如果能够生成真实的人手抓取动画，那么将会极大提高动画的真实性。

人手是人体与外界环境进行交互的主要方式，在计算机动画当中，若想实现良好的动画效果，就必须解决好人手与物体的交互问题。

通过物理的方法生成人手交互动画，首先需要根据人手的结构构建出人手的骨架模型，并根据真实人手的特性赋予人手骨架模型相应的物理约束。构建人手模型后，可以给人手模型中每一个关节添加力或力矩，通过正向动力学的方法，驱动人手产生运动，并与虚拟物体产生交互。

在用正向动力学驱动人手运动的过程中，每个关节的力和力矩是非常难以计算的，因为人体是一个自激励系统，靠自身的肌肉力驱动，而每一个肌肉内部的力或力矩又是非常难以模拟的，而且人们对人体的运动规律又没能完全掌握，直接通过人为设定来生成每个关节的力或力矩是非常困难的。因此基于物理的人手运动，正向动力学经常需要和运动学控制技术相结合。

强化学习技术可以自动学习各种复杂的，人类难以阐述的技能，被广泛应用于运动技能的学习当中。可以利用强化学习学习人手抓取的控制技能，和正向动力学相结合，从而实现人手自动抓取的任务。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于物理的虚拟人手自动抓取方法，根据人手的物理特性构建人手的骨架结构，利用强化学习学习人手的控制技能并驱动人手骨架结构运动，从而实现自动抓取虚拟物体的工作，进而生成符合物理规律的人手抓取动画。

本发明的第二个目的在于提出一种基于物理的虚拟人手自动抓取装置。

为达上述目的，本发明第一方面实施例提出了一种基于物理的虚拟人手自动抓取方法，包括：

S1,采集人手参数信息，并根据所述人手参数信息构建人手物理模型；

S2,使用预先训练的强化学习网络预测人手的各个关节的目标角度；

S3,根据所述人手的各个关节的目标角度驱动所述人手物理模型抓取虚拟物体，以生成人手抓取物体的动画。

本发明实施例的基于物理的虚拟人手自动抓取方法，通过采集人手参数信息，并根据人手参数信息构建人手物理模型，使用预先训练的强化学习网络预测人手的各个关节的目标角度，驱动人手物理模型抓取虚拟物体，以生成人手抓取物体的动画。该方法利用强化学习生成人手运动控制器，不仅可以避免大量的人工计算，同时保证了生成的运动更加贴近真实的人手运动。

为达上述目的，本发明第二方面实施例提出了一种基于物理的虚拟人手自动抓取装置，包括：

第一采集模块，用于采集人手参数信息，并根据所述人手参数信息构建人手物理模型；