人体运动数据捕获与物理仿真再现相结合,为人体运动特性的研究及仿人机器人的研制提供了一个重要技术途径。本文基于Kinect体感设备和ODE物理引擎设计并实现了人体运动数据捕获、数据转化、动作建模及虚拟仿人机器人动作再现、量化评测的系列方法,具体如下:首先,完成人体运动数据捕获、数据转化、数据存储等基础工作。基于Kinect体感设备采集人体运动数据,构建从Kinect骨架数据向人体姿态数据的转化模型及算法,将运动数据存储于BVH文件中,为数据分析和数据驱动提供支撑。其次,在捕获的动捕数据库中采用PCA聚类算法抽取出具有语义清晰的关键姿态数据建模为运动节点,在此基础上提出并设计了一种运动图谱结构以实现不同运动节点间运动序列的过渡,生成符合应用场景的人体运动序列,提高动捕数据利用率。再次,基于ODE建立一个全尺寸虚拟仿人机器人,为人体动作的仿真再现及控制算法提供验证平台。将动捕数据转换为对应的关节扭矩输入实现虚拟机器人运动再现,完成关节位姿数据向驱动扭矩的实时计算及控制,采用PD控制算法控制各关节的扭矩输入。最后,贯穿完成Kinect数据采集、离线BVH转换、仿人机器人姿态计算、关节扭矩计算、仿真驱动等,实现虚拟仿人机器人对人体动作的精确再现,并将该方法应用于轻型仿人机器人手臂样机的研制过程。通过定义运动相似度评测指标,运用物理仿真等交互式验证手段,对人体运动进行评测。综上,本文基于Kinect完成了人体运动数据采集和建模,驱动虚拟机器人对动捕数据的仿真再现,并建立评测指标对人体运动进行量化评测。实验表明:该方法能够比较精确地实现仿人机器人对人体动作(挥手、行走、站立等)的学习和再现,可用于仿人机器人研制中的动作学习、规划、仿生控制等环节。