基于运动数据的仿生压曲模型设计方法*

韦　唯，李少波，璩晶磊

(1.贵州大学 机械工程学院，贵阳　550025； 2.中科院成都计算机应用研究所，成都　610041)

0　引言

随着现代机械装备业的发展，我国白酒制曲也在上世纪70年代前后逐步的以机械制曲取代了人工踩曲的生产方式[1]。国内许多厂家也对压曲机进行了研制，我国现使用的机械制曲压块机可归纳为以下三种类型：液压式压曲机、气动式压曲机、机械冲压式压曲机[2]。各酒厂普遍使用机械冲压式压曲机。山西榆次轻工机械厂的汾酒公司大曲车间在使用的七次压缩一次顶出的压曲机；四川宜宾岷江机械制造有限责任公司研制开发的四次压制成型液压压曲机；河南商丘市睢阳区城北轻工机械厂的七次压制成型压曲机；太原理工大学和太原市博世通机电液工程有限公司共同研制的多点式踩曲机等等[3]。这些设备压制的曲块与人工踩曲的曲块质量还是存在较大差异。由于机械制曲是通过直接挤压成型，凸面表面没有人工脚板的打磨，表面较为粗糙、不光滑，在培菌过程中曲块内部水分容易挥发散失，曲块质量变得不佳。有研究表明，机械制曲与人工踩曲相比，机械制曲影响大曲香气程度、表面较为粗糙和曲块外紧内松等等[4]。因此，所要解决的技术问题是提供一种保证曲面光滑的成型装置,通过运动捕捉技术获取人工踩曲的运动数据等，统计运动规律，建立相应的仿生压曲机构，模拟人工踩曲关键动作来解决当前主流压曲机械的硬压方式，达到人工踩制曲块的感官质量要求。本文基于动作捕捉技术提取人工踩曲的关键动作信息，并建立踩曲动作人体三维模简化型，为仿生制曲机构的研制提供理论依据。动作捕捉技术的数据可用于驱动动画虚拟模型，他被广泛的应用在影视制作、人机工程学、运动训练、医学、生物力学研究等多个领域[5]。利用此技术应用于白酒制曲过程，这将促进提高白酒行业的人工智能水平与生产效率，促进实现中国白酒行业酿造机械化、自动化、智能化水平。

1　制曲的特点及需求分析

踩曲讲究的是“溜”，其工艺名言是“百脚一坯”。具体的踩制过程是将拌混均匀的曲面装入曲盒内，工人们用脚跟和脚掌将曲料踩压成型，按先中间后在四边的顺序进行踩制。中间先用脚掌踩制，再用脚跟沿着四周进行搓踩。四周要踩制得紧密、整齐，中心可略为较松，以防缺边掉角。大曲制作过程中，曲坯的踩制是一个柔性的、重复的过程。每次作用的区域小，在相应的作业区间，曲坯受揉挤和搓压的共同作用，使得曲坯松而不散，密而不实，内部均匀，通透性好。经过连续的踩揉及搓压，达到理想的提浆的效果。而机械制曲在曲坯成型方面，主要是通过将曲料压于模具内，模具由下层槽和上层压板组成，能够促进快速成形，机械制曲的方式大大节省了劳动强度，提高了生产率，实现了制曲的规模化。

随着社会对优质白酒的需求的增加，既要保证酿制优质酒，又要保证优质白酒的市场需求。促使着制曲从单一的机械化向智能化发展。踩曲酿酒工艺为我国传统独特的酿酒工艺，国外无此酿酒工艺的相关研究，国内外关于仿生踩曲领域还没有较为成熟相关方面研究。因此，基于动作捕捉技术提取人工踩曲关键动作数据，该运动数据为设计仿生压曲机构直接提供了较为真实的人体运动参数，对白酒行业仿生压曲机构的研究有着重要意义。

2　动作捕捉技术的仿生压曲关键特征模型

2.1　模型设计方法

模型设计方法如图1所示，人工踩曲动作的运动数据的获取，需要表演者穿上紧身的特制服装，把高亮反光标记球粘贴于表演者的关键部位。踩曲表演者定标后，反光球在关照作用下反射出各个角度的近红外线并被相机捕捉和识别，通过图像识别算法得到相关的动作二维信息，每个角度的二维信息组合起来并与相机参数的标定结合，重建了人工踩曲的空间三维运动信息，即人工踩曲的动作数据。将得到的动作数据导入相关三维人体模型生成软件中，将标记点的运动数据转换为人体模型的运动数据信息，实现动作数据驱动三维角色模型。对人工踩曲动作捕捉数据进行运动分析，研究踩曲关键动作的运动规律，获得运动学数据为仿生压曲机构的设计研究提供重要的理论依据。

图1　仿生压曲三维模型设计方法

2.2　动作捕捉技术及踩曲运动分析

2.2.1光学式动作捕捉

动作捕捉技术是记录真正实体运动的一项数字化技术，通常用于人体运动。动作捕捉的关键技术有相机的标定、标记点的跟踪及三维重建。现有动作捕捉技术主要有以下四种：光学式运动捕捉系统、机械式运动捕捉系统、电磁式动作捕捉系统和声波式动作捕捉系统[6]。

光学跟踪方法是基于计算机视觉原理和图像处理。其工作原理为：如果一个点可以同时被两个摄像头,我们可以决定空间点的位置。如果摄像机捕获连续的图像，我们可以从图像序列中获得具有图像识别和图像处理技术的点的轨迹。

使用运动捕获数据的优点是能以非常高的细节水平为所有自由度提供运动数据。动作捕捉数据包括两个部分：原始动作数据的处理及完整纯净动作数据处理。动作捕捉原始数据的特点有：仅有标记点的三维坐标信息且所存的数据杂乱无序；标记特征点可能存在被遮挡未能重建、重建不准确或错误识别的情况；拍摄延迟；运动过大，导致标记点相对人体出现位移[7]。因此必须通过数据处理将提取到的人体运动原始数据进行数据去噪、散乱数据匹配、缺失数据修补及关键帧提取。完整纯净动作数据则进行关键帧提取、数据检索、数据分割、数据重构、数据重用等处理[8]。光学式动作数据处理模块如图2所示。

图2　光学式动作数据处理模块

2.2.2踩曲运动分析

图3　左下肢自由度分布

踩曲过程主要是人体的下肢运动完成，对踩曲过程中人体下肢运动进行研究。分析踩曲关键动作各关节角度的变化、力矩变化，揭示人工踩曲运动机理，将为仿生压曲机构的设计提供重要的依据[9]。通过动作捕捉系统得到标记点的位置坐标，可计算人工踩曲运动过程中的运动学结果，即各关节的角度变化及下肢各部分的加速度。人体下肢运动链主要包括根关节、股关节、膝关节、踝关节及脚掌各关节。人工踩曲运动过程中，脚掌各关节的运动影响较小，因此脚掌视为一个关节点[10]。通过分析人工踩曲关键关节运动特征，单肢运动自由度为6，如图3所示Lthigh相对于有3个自由度，Lknee有1个自由度，Lankle有2个自由度。

3　实验分析

3.1　踩曲运动实验方法

人工踩曲表演者于光学式动作捕捉系统中进行踩曲动作捕捉，获取人体运动相关数据。实验的光学式动作捕捉系统分布于尺寸为8m×8m×2.5m的场地。采用天花板固定钢架作为支撑安装动作捕捉镜头，16个动捕镜头均匀分布于钢架的各边。本实验采用38个标记点对表演者进行标记，以60帧/s的速率记录标记点的空间坐标信息，见图4。

动作捕捉系统主要由以下各部分组成：①动作捕捉镜头：由高速高分辨率相机，近红外LED环形灯和近红外滤光片组成；环绕镜头周围的LED环形灯发出近红外光线，由运动物体上的高亮反光标记球反射进入镜头成像，并通过近红外滤光片过滤可见光以排除环境中可见光的干扰，形成清晰记录标记球运动轨迹的图像序列。②数字交换机：将图像进行数字编码，实现各相机图像间的精确同步控制，并通过千兆以太网数字传输至工作站进行数据处理。③同步控制器：精确控制各相机的同步采集。④标定工具套装：用于系统定标。⑤高亮反光标记球：粘贴于被测物体的关键部位，反射近红外光线并被相机捕捉和识别。⑥动作捕捉特制套装：用于标记球与人体的固定粘贴。⑦3DMoCap动作捕捉软件：用于采集、跟踪、处理运动数据。⑧工作站：具备四核2.8GHz 以上CPU，8G内存，Intel Pro/1000千兆网卡，显卡显存1G，3D滚轮鼠标，Microsoft WindowsXP操作系统。

图4　三维动作捕捉棍棒图

3.2　人体模型的建立与运动数据分析

通过光学式动作捕捉系统采集到的是踩曲运动标记点的空间坐标，不能准确反映各个关节的空间位置。需要运动重定向技术将采集到的踩曲动作映射到三维人体模型中，输出包含人体骨骼与肢体关节运动数据的BVH数据，实现人工踩曲空间位置信息和三维动画人体模型的运动数据信息的转换。如图5为踩曲运动数据到人体三维简化模型的映射。

BVH文件的运动数据是子关节相对于父关节局部坐标系的旋转角度的数据信息，需要将数据转换为各关节点的绝对空间坐标信息[11]。

图5　人体三维简化模型

子关节可由其父关节的坐标及旋转信息进行求解[12]。求解公式(1)如下：

P(x,y,z)=POFFSETR#+Pparent(x,y,z)

(1)

R#其中兄为父节点及以上节点的旋转矩阵，POFFSET为关节偏移量，Pparent(x,y,z)为父节点关节坐标。子关节相对于父关节的旋转矩阵如下公式所示：

(2)

式中，α、β、γ分别表示绕Z、X、Y轴的旋转角度。转换后各关节点的绝对空间坐标信息数据可得到各关节点的运动轨迹变化。例如图6所示为knee点的运动轨迹。图6a为knee点的空间三维运动轨迹,表明了人工踩曲一个完整踩制的运动周期、轨迹的变化趋势，图6b为knee点随时间变化沿Z轴的变化可得出在不同坐标轴上的运功变化范围，将这些变化范围转化为各关节角变化范围，将为仿生压曲机构的仿人工踩曲运动提供重要参数依据。

(a)knee点的运动轨迹　　　　(b)knee点随时间变化在Z轴变化图6　knee点运动变化

4　结束语

动作捕捉数据被广泛的用于多个领域。通过人类运动数据的学习、模仿，复制和再造生物系统结构、功能、工作原理，将其应用到改进现有的或创新的机械结构中，这很大程度上帮助了将捕捉动作用于仿生机械设计中。动作捕捉数据的分析能够更好的理解和描述运动过程，跟踪分析人工踩曲过程中相关关节的运动，对建立仿生压曲机构的几何模型、解析仿生压曲机构的运动规律从而提高它的仿生性有着重要的意义，为机械结构的仿生压曲机构设计提供重要依据。本文基于动作捕捉技术提取人工踩曲的关键动作数据，经过数据处理将踩曲动作空间位置信息转换三维角色模型运动数据信息。下一步将基于人工踩曲关键动作运动规律研发仿生压曲机构。

[参考文献]

[1] 付捷, 王瑛, 罗钢. 一种新型酒厂制曲压块机[J]. 包装与食品机械, 2006, 24(4):46-47.

[2] 李瑞. 汾酒用曲块制作机理及其关键技术研究[D]. 太原:太原理工大学, 2011.

[3] 张静. 多点采压压曲机设计及其关键结构件仿真研究[D]. 太原:太原理工大学, 2009.

[4] 林培, 章肇敏, 吴生文,等. 人工踩曲与机械制曲对大曲培养的差异性分析[J]. 酿酒科技, 2012(4):70-71,75.

[5] 梁雪梅. 基于运动捕捉数据的拉班舞谱生成[D]. 北京:北京交通大学, 2015.

[6] 刘幸奇. 基于运动捕捉数据的人体运动合成[D]. 北京:北京交通大学, 2010.

[7] 吴升, 张强, 肖伯祥,等. 一种新的光学运动捕捉数据处理方法[J]. 计算机应用研究, 2009, 26(5):1938-1940.

[8] 李青. 光学式人体运动捕捉数据处理研究[D]. 西安:西北大学, 2015.

[9] 韩亚丽, 赵国平, 高海涛,等. 面向助力机器人设计的人体负重楼梯行走下肢运动研究[J]. 中国机械工程, 2013, 24(22):3090-3095.

[10] 梁丰, 张志利, 李向阳,等. 基于光学运动捕捉数据的虚拟人下肢运动控制方法[J]. 系统仿真学报, 2015, 27(2):327-335.

[11] 张利格, 毕树生, 高金磊. 仿人机器人复杂动作设计中人体运动数据提取及分析方法[J]. Acta Automatica Sinica, 2010, 36(1):107-112.

[12] 刘瑞. 运动捕捉数据智能处理算法研究及应用[D]. 大连:大连理工大学, 2012.

(编辑李秀敏)