本发明涉及骨骼模型动画，具体为一种基于unity3d引擎生成骨骼系统模型动画的方法。
背景技术：
1、骨骼系统模型动画(skeletonanimation)又称骨架动画，是一种计算机动画技术，将三维模型分为两部分：用于绘制模型的蒙皮，以及用于控制动作的骨架；跟传统逐格动画相异，骨骼动画利用建立好的骨架套用到一张或多张图片使之动作，比起一弛一张一张绘出动作省了很多时间与精力，且能更生动的动作。
2、例如公开号cn109147052b的专利公开了一种基于unity3d引擎的头发模拟制作方法，包括创建发型，进行网格和骨骼的创建，骨骼的创建是通过设置头发中的骨骼控制节点确定骨骼控制位置，并采用拉格朗日差值计算头发运动的差值；初始化网格顶点、纹理坐标贴图、颜色、骨骼、由网格顶点构建的三角形信息，通过三角形组合成面片，在面片上赋以纹理坐标贴图信息，创建网格渲染；通过控制配置参数实现对发型的处理，通过蒙皮网格渲染器，把单簇的头发合并成一个完整的头发，并根据配置参数的刷新更新发型；存储发型的配置参数信息实现对发型的保存，发明还提供一种基于unity3d引擎的头发模拟制作系统，实现对人体头发的自定义创建与修改，灵活且可移植性高。
3、虽然上述方案具有如上的优势，然而目前的骨骼系统模型动画生成方式中，通常依赖于手动绘画关键帧动画、以较为简单的插值算法和逆运动学ik解算方法生成骨骼系统模型动画，易导致肩关节运动过渡不自然，包括：举手动作：从自然下垂位置到完全举起时，肩关节的旋转和移动不流畅，过渡显得生硬；挥动动作：如挥手或甩臂动作中，肩关节与上臂的协调不佳，导致运动轨迹不连贯；其他复杂运动组合：如抬臂、转体、伸展等动作的连续组合中，肩关节的过渡显得僵硬，缺乏自然的协调性；因此亟需一种基于unity3d引擎生成骨骼系统模型动画的方法来解决此类问题。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于unity3d引擎生成骨骼系统模型动画的方法，解决现有技术中存在传统骨骼系统模型动画生成方式中，通常依赖于手动绘画关键帧动画、较为简单的插值算法和逆运动学ik解算方法生成骨骼系统模型动画，易导致肩关节运动过渡不自然的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：
3、本发明提供了一种基于unity3d引擎生成骨骼系统模型动画的方法，包括：
4、步骤1.数据准备与预处理，清理、过滤并增强现有的动作捕捉数据，使用gan生成额外数据，丰富训练数据集；
5、步骤2.模型训练与集成，使用lstm对增强后的数据进行插值训练，生成插值模型，并将其集成到unity3d中；步骤2中采用长短期记忆网络lstm对预处理后的运动数据进行插值训练，生成模型；
6、步骤3.动画混合与ik设置，在unity3d中设置animatorcontroller，利用插值模型进行动态权重调整和多层次动画控制；结合物理引擎进行实时物理仿真和应力分析，优化ik解算；
7、步骤4.实时调整，采用unity3d中的调整工具和基于手势的控制系统进行动画预览与编辑。
8、本发明进一步地设置为，步骤1中进行动作捕捉数据优化，使用高级信号处理技术(低通滤波器去噪、时间扭曲与插值补帧、训练生成对抗网络(gan))，对现有动作捕捉数据进行清理和过滤，去除噪声和异常数据；
9、采用时间扭曲、插值补帧生成多样化的肩关节运动数据；
10、训练生成对抗网络gan生成高质量的肩关节运动数据丰富数据集；
11、本发明进一步地设置为，数据准备与预处理步骤包括：
12、设数据为时间序列形式且每一帧包含肩关节的位置信息(x,y,z)和旋转信息(α,β,γ)；
13、使用低通滤波器去除高频噪声：y(t)＝αx(t)+(1-α)y(t-1)，其中，y(t)为滤波后的数据，x(t)为原始数据，α为滤波系数(0＜α＜1)；
14、使用zscore统计法检测和去除异常数据：其中，z为zscore，x为数据点，μ为数据均值，σ为标准差，当|z|＞3时将数据点视为异常数据；
15、然后对时间序列数据进行扭曲操作，生成不同速度的运动数据：x'(t)＝x(γt)，其中x(t)为原始数据，γ为时间扭曲系数，γ＞1视为加速，γ＜1视为减速；
16、使用插值方法在时间序列数据中添加额外帧，其中xi为插值后的数据点，x0和x1表示相邻的两个原始数据点，n为插值点的数量，i为插值点的索引；
17、利用生成对抗网络gan生成高质量的肩关节运动数据；
18、本发明进一步地设置为，gan模型构建步骤：
19、生成器模型：g(z)＝σ(wgz+bg)，其中，g(z)表示生成器输出，z为随机噪声向量，wg和bg为生成器的权重和偏置，σ为sigmoid激活函数；
20、判别器模型：d(x)＝σ(wdx+bd)，其中，d(x)为判别器输出，x为输入数据，wd和bd为判别器的权重和偏置，σ为sigmoid激活函数；
21、采用交替优化法训练生成器和判别器，生成器损失函数：
22、判别器损失函数：
23、交替优化步骤：
24、更新判别器参数(wd,bd)：
25、更新生成器参数(wg,bg)：其中，η为学习率，g(z)为生成器生成的样本，d(g(z))表示判别器对生成样本的输出概率，ε表示期望值，z表示随机噪声分布pz(z)中采样的噪声向量，x表示从真实数据分布pdata(x)中采集的真实样本，表示判别器ld对其参数(wd,bd)的梯度，表示生成器损失函数lg对其参数(wg,bg)的梯度；通过步骤1对动作捕捉数据进行优化增强；
26、本发明进一步地设置为，步骤3利用训练好的深度学习模型动态调整unity3d中的animationcurve参数，使得肩关节运动的插值曲线更加平滑自然；
27、动画混合与层次化控制方式为：
28、在unity3d的animatorcontroller中，使用插值生成模型调整动画混合器的权重，进行动态权重调整，根据肩关节的当前状态自动优化动画过渡；
29、同时在不同层级上分别控制肩关节、上臂和手臂的运动，进行多层次动作控制，从而使得各部分的运动更加协调自然；
30、本发明进一步地设置为，动画混合与ik设置阶段，利用训练好的深度学习模型lstm插值模型，动态调整unity3d中的animationcurve参数，并在animatorcontroller中进行动画混合和多层次控制：
31、1)动态调整animationcurve参数：
32、选用tensorflowsharp和onnx runtime插件将lstm模型加载到unity3d中；
33、使用lstm模型对肩关节的运动数据进行实时预测，生成平滑插值曲线；
34、2)创建、更新unity3d中的animationcurve对象，使其参数根据lstm模型的输出进行动态调整；
35、假设当前动画帧的肩关节位置和旋转为(xt,yt,zt,αt,βt,γt)；
36、lstm模型预测：其中表示lstm模型预测的下一帧肩关节的位置和旋转；
37、3)根据预测结果更新animationcurve的关键帧；
38、本发明进一步地设置为，动画混合与ik设置阶段还包括动画混合与多层次控制，具体的：
39、在unity3d中创建animatorcontroller，并添加多层次的动画状态机；
40、使用插值生成模型对animatorcontroller中的动画混合器blend tree的权重进行动态调整；
41、通过动画混合与ik设置，在unity3d中利用训练好的深度学习模型，解决肩关节运动过渡不自然的问题；
42、本发明进一步地设置为，动画混合与ik设置步骤中将动力学模拟与物理引擎结合，具体的：
43、结合unity3d的物理引擎，建立肩关节的实时物理仿真模型，实时物理仿真模型利用前一步骤2中的数据和插值算法结果，使得肩关节运动符合物理规律；
44、在实时物理仿真中进行动态应力和应变分析，根据肩关节在不同运动状态下的受力情况，动态调整运动参数，从而生成更加逼真的动画过渡；
45、本发明进一步地设置为，步骤3中进行使用unity3d内置的ik系统，结合深度学习插值模型和物理仿真结果；
46、此处采用自适应ik解算算法，根据肩关节的当前状态动态调整ik解算参数，进一步优化运动过渡的流畅性和自然度；
47、本发明进一步地设置为，实时调整步骤中，在unity3d中进行实时的动画预览与编辑，用户在运行时动态调整肩关节的运动轨迹，实时预览和优化动画效果；
48、此处利用之前步骤生成的深度学习模型和物理仿真结果。
49、与现有技术相比，本发明具有以下有益效果：
50、本发明，通过高级信号处理技术和生成对抗网络gan，有效清理和过滤数据中的噪声和异常数据，并生成多样化的运动数据，丰富训练数据集，使得动画更为真实和平滑；同时采用长短期记忆网络lstm进行插值训练，生成插值模型；lstm能够更好地捕捉时间序列中的复杂模式和细微变化，生成更加自然的运动过渡，并具备更强的动态适应性；
51、本发明，针对静态动画混合和权重调整不灵活问题进行优化，利用训练好的lstm模型动态调整unity3d中的animationcurve参数，使肩关节运动的插值曲线更加平滑自然，通过动态权重调整和多层次动画控制，使各部分的运动更加协调自然；结合物理引擎进行实时物理仿真和应力分析，使骨骼运动符合物理规律，生成更逼真的动画过渡；
52、解决了现有技术中存在传统骨骼系统模型动画生成方式中，通常依赖于手动绘画关键帧动画、较为简单的插值算法和逆运动学ik解算方法生成骨骼系统模型动画，易导致肩关节运动过渡不自然的问题。
1.一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，包括：
2.根据权利要求1所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，步骤1中进行动作捕捉数据优化，使用高级信号处理技术(低通滤波器去噪、时间扭曲与插值补帧、训练生成对抗网络(gan))，对现有动作捕捉数据进行清理和过滤，去除噪声和异常数据；
3.根据权利要求2所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，数据准备与预处理步骤包括：
4.根据权利要求3所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，gan模型构建步骤：
5.根据权利要求4所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，步骤3利用训练好的深度学习模型动态调整unity3d中的animationcurve参数；
6.根据权利要求5所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，动画混合与ik设置阶段，利用训练好的深度学习模型lstm插值模型，动态调整unity3d中的animationcurve参数，并在animatorcontroller中进行动画混合和多层次控制：
7.根据权利要求6所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，动画混合与ik设置阶段还包括动画混合与多层次控制，具体的：
8.根据权利要求7所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，动画混合与ik设置步骤中将动力学模拟与物理引擎结合，具体的：
9.根据权利要求8所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，步骤3中进行使用unity3d内置的ik系统，结合深度学习插值模型和物理仿真结果；
10.根据权利要求9所述的一种基于unity3d引擎生成骨骼系统模型动画的方法，其特征在于，实时调整步骤中，在unity3d中进行实时的动画预览与编辑，用户在运行时动态调整肩关节的运动轨迹，实时预览和优化动画效果；
