摘要：近年来,随着虚拟现实技术的不断发展,三维汽车群组动画仿真已经成为计算机图形学领域的热点研究方向.文中对三维汽车群组动画仿真涉及的技术进行综述.首先对作为汽车运动发生载体的交通路网建模技术做了全面的分析和总结;其次根据汽车运动建模方法所采用的技术不同,将现有方法分为一维跟车方法、流体方法、介观方法、混合方法、路径规划方法、个体规则方法以及数据驱动方法七大类,并详细阐述了每一类的原理、特点以及优缺点对比;最后结合需求总结现有工作中存在的不足,提出了一些可以继续深入研究的问题.

摘要：在虚拟环境的交互任务实施过程中,手势识别的正确率和效率将直接影响到操作者的沉浸感和成功率.针对已有的手势识别方法难以在既保证较高识别正确率的同时又满足实时性要求的问题,提出一种能够有效用于静态手势识别的手型特征提取方法以及相应的手型特征点集匹配策略.首先,利用可穿戴式设备——数据手套采集多种原始的手部运动数据,对这些数据进行预处理后构建出手势库;然后,提取并表示每一种手势的手型特征;最后,运用特征点集模板匹配方法进行手势识别.实验结果证明,该方法在手势类别数目较大(25类手势)时识别正确率能够达到98.9%,并且计算量小、效率高,能够保证用户和虚拟环境交互的实时性.

摘要：在对三维实体描述STEP标准实例数据格式研究的基础上,以STEP中性文件文本分割和解析为基础,针对STEP标准文件的"不严格树形结构",实现了一种面向STEP标准三维造型实例数据的结构化查询方法。对STEP标准文件的操作粒度进行划分,面向不同的操作粒度,给出了相关操作规则定义,并在实验环境中得到了较好的实现效果。该方法对解决不依赖具体三维实体设计软件的实例数据的存储、管理、检索、重用及面向STEP中性文件的产品数据管理(product data management,PDM)具有较高的基础性前研意义,对改进异构设计环境下产品数据的同步和协同设计(computer supported cooperative design,CSCD)具有较高的实现意义。

摘要：为仿真现实生活中由纵横交错的道路路网、大规模的车辆及其运动组成的交通场景,文中提出一种复杂路网内大规模车辆运动的仿真技术.首先设计一种层次路网语义模型,根据输入的路网车道线矢量数据,通过语义建模,从几何、拓扑等不同层次描述错综复杂的交通路网.其次,由于现有的车辆运动仿真方法中基于个体的微观方法针对大规模车辆运动计算效率较低,而基于流的宏观方法无法仿真复杂的交通现象,提出了一组新的宏观流方程来描述路网内车辆的运动,使得宏观流模型能够与车辆换道行为模型有机地进行结合,从而逼真地描述各种复杂的交通现象.实验结果表明,文中方法在实现复杂路网内车辆运动高细节模拟的前提下,其计算效率与一般宏观流模型保持在同一数量级.通过在实际应用中对真实交通路网进行虚拟现实建模,并在其上进行大规模车辆运动仿真,进一步验证了方法的有效性.

摘要：实时人群运动仿真系统通过虚拟现实技术,可在计算机中交互式地显示人群在指定场景中的运动状况.通过对人群设置不同的全局运动路径,可以模拟人群的不同行为,例如人群的集会、疏散、逃生等情况.故该技术可应用于应急疏散演练以减少事故的伤害甚至能发现并解决建筑在设计时可能存在的安全隐患等.目前,常见的人群运动仿真系统往往只能在单一操作系统下执行.随着计算机硬件和移动设备的发展,跨平台的仿真甚至在移动设备上进行人群仿真成为新的需求.本文提出了跨平台的实时人群运动仿真系统的系统架构,通过解析并处理C3D文件实现了人体动作,并通过Mono Game平台实现了跨平台的实时人群运动仿真.

摘要：人群疏散仿真对于在紧急安全事故发生时指导人群快速、有序疏散,以及指导场景设计、提前制定应急预案等方面具有重要意义.但传统人群仿真方法在场景建模和场景语义提取的过程中存在复杂度高、低效的问题,影响了人群疏散仿真的效率.本文针对上述问题,提出一种基于地理信息的快速人群疏散仿真方法.首先,设计一种基于地理信息的场景建模方法,该方法能够从二维地图中获取道路的地理坐标信息,并利用几何变换、面片构建以及真实感处理技术快速得到场景模型;其次,定义基于地理信息的场景语义,并利用从二维地图中获取的地理信息建立路径拓扑图以提取场景语义,为人群运动计算提供路径规划和导航;最后,提出基于正态分布的相对速度障碍法(Normal Distribution-based Reciprocal Velocity Obstacles,ND-RVO),该方法在相对速度障碍法中加入正态分布速度,并结合场景语义和全局路径导航计算人群运动.实验结果表明,所提出的方法复杂度低,能够高效地进行人群仿真.

摘要：在人群行为的运动仿真研究中,人群的分组行为是不能忽略的因素.家庭成员、同事、朋友等关系较密切的人会依据亲密度形成分组,这种现象在整个疏散过程中一直存在,并且个体之间的关系越密切,他们在组内的聚集度越高.目前在人群运动仿真方法中,要么没有考虑分组,要么只根据距离进行分组,而不考虑个体间的关系.本文针对上述不足,在运动过程中同时考虑个体间距离和个体间关系这两个因素对运动的影响,提出了一种改进的K-Medoids算法,该算法加权考虑两类不同的特征值.为验证本文方法的有效性,设计了多组实验.实验结果表明本文方法能够较好地提高疏散效率,并且由于分组过程中考虑了人与人之间的距离以及亲密程度等因素,能够使得虚拟环境中的人群疏散效果更加贴近真实环境下的人群疏散行为.