面向接触丰富的人形操作的运动学运动重定向

手部运动捕捉数据现在相对容易获取，即使是复杂的抓握动作；然而，若无法将其重定向到特定角色或机器人的手上，这些数据的用途有限。目标手在几何形状、自由度 (DOFs) 数量或手指数量上可能存在显著差异。我们提出了一种简单但有效的框架，能够通过利用接触区域，将来自公开数据集的多种人手 - 物体操作运动学重定向到各种运动学和形态各异的目标手上。为此，我们将重定向操作表述为非等距形状匹配问题，并结合表面接触数据和标记数据，利用逆运动学 (IK) 逐步估计、优化并拟合最终的目标手轨迹。我们框架的基础是引入了一种新颖的形状匹配过程，我们证明该过程能够在完整操作过程中实现接触数据的可预测且稳健的转移，同时为艺术家提供了一种直观的方法，仅需少量输入即可指定对应关系。我们通过五种不同手形和六种不同物体运动的三十次演示验证了我们的框架。此外，我们将我们的方法与现有的手部重定向方法进行了比较。最后，我们展示了我们的方法如何实现物体替换等新功能，以及可视化设计选择对整个轨迹影响的能力。