跳到主要内容

骨骼动画与蒙皮:让网格随骨架变形

早期 3D 游戏用的是顶点动画——每一帧存一份完整的顶点位置,播放时按帧插值。Quake 的 MD2 格式就是这样。缺点显而易见:内存爆炸(1000 顶点 × 60 帧 × 12 字节 = 720KB 一段动画)、不能复用(一个跑动画只属于一个模型)、不能混合(跑+射击要单独建)。

1997 年前后,骨骼动画(skeletal animation)在游戏里普及。核心思想:把角色骨架抽象成层级树结构,动画只描述每根骨骼的变换,网格顶点通过蒙皮(skinning)跟着骨骼变形。这样一段动画只存几十根骨骼的变换(相比几千顶点位置便宜 100 倍),可以在不同角色间共享(只要骨架结构相同),可以按层混合。

1. 骨架层级​

骨架是一棵树。根节点通常是骨盆(pelvis)或髋部,向上到脊柱、颈、头,向下分叉到左右腿脚、左右锁骨、大臂、前臂、手、手指。每根骨骼有:

  • 父指针:指向父骨骼(或 null 表示根)
  • 相对父骨骼的变换 TiT_i:位置 tit_i、旋转 qiq_i(四元数)、可选缩放 sis_i
  • 蒙皮时的绑定姿势 BiB_i:这根骨骼在初始 T-pose 时的世界变换

要得到骨骼 ii 的当前世界变换,需要沿着树往上走:

Wi=Wparent(i)⋅TiW_i = W_{\text{parent}(i)} \cdot T_i

递归展开就是从根到 ii 一路乘下来。这一步叫骨架姿势求值(skeleton pose evaluation),是每帧都要做的。

         [root]
│
[pelvis]
╱ │ ╲
[L_hip] [spine] [R_hip]
│ │ │
[L_knee][chest][R_knee]
│ ╱ ╲ │
[L_foot][arms][R_foot]

层级的用处不止是变换传递。层级本身编码了运动约束——转动脊柱时头会自然跟着转,转动髋时腿跟着走。这种"父动子从"的关系是动画师的直觉工具。

2. 骨骼变换矩阵​

一个"顶点跟着骨骼动"到底是什么运算?关键概念是逆绑定矩阵(inverse bind pose)。

绑定阶段:模型摆成 T-pose,每根骨骼 ii 有世界变换 BiB_i。这时候顶点 vv 处于绑定姿势的位置——它在世界坐标系里。

如果我们想把 vv "绑到"骨骼 ii 上,需要求 vv 在骨骼 ii 的局部坐标系里的坐标:

vlocal=Bi−1⋅vv_{\text{local}} = B_i^{-1} \cdot v

Bi−1B_i^{-1} 就是逆绑定矩阵。这个矩阵是每个顶点每根骨骼一次性预计算的,之后动画播放时不再改变。

播放时:骨骼 ii 当前世界变换是 WiW_i。顶点的当前位置是:

v′=Wi⋅Bi−1⋅v=Mi⋅vv' = W_i \cdot B_i^{-1} \cdot v = M_i \cdot v

组合矩阵 Mi=WiBi−1M_i = W_i B_i^{-1} 每帧算一次每根骨骼。shader 里通常传一个 MiM_i 数组,vertex shader 从 uniform buffer 取当前顶点的骨骼索引和权重。

为什么需要 Bi−1B_i^{-1}? 因为 vv 是世界坐标,WiW_i 也是世界坐标下的变换。直接算 WivW_i v 会把顶点当作骨骼原点开始的相对偏移双重叠加。Bi−1B_i^{-1} 先把 vv 拉回骨骼的"零位置",WiW_i 再把它推到当前位置。

3. LBS:线性混合蒙皮​

一个顶点通常受多根骨骼影响。比如上臂和前臂交界处的顶点,两根骨骼各占一半权重。线性混合蒙皮(Linear Blend Skinning, LBS)——业内也叫 SSD(Skeletal Subspace Deformation)——的公式:

v′=∑i=1nwi⋅Mi⋅v,∑iwi=1v' = \sum_{i=1}^{n} w_i \cdot M_i \cdot v, \quad \sum_i w_i = 1

每个顶点存 nn 个(骨骼索引, 权重)对,通常 n=4n=4(DirectX/OpenGL 硬件曾经有过限制,现在虽然放开了但 4 影响性能可控)。权重和为 1 保证顶点不飘。

LBS 的好处:GPU 友好(就是矩阵-向量乘加)、内存小、易于蒙皮工具(Maya/Blender 的 Skin 修改器)、光栅化管线一路走。

LBS 的致命缺陷是 candy wrapper 问题(糖纸扭曲)。当两根骨骼相对旋转超过 180° 时,中间的顶点被两个矩阵的加权平均"挤"到骨骼轴上,网格塌缩得像糖纸拧了一下。原因是矩阵不是线性空间——两个旋转矩阵的加权平均一般不再是旋转矩阵,还夹带缩放:

0.5R1+0.5R2≠R中间旋转0.5 R_1 + 0.5 R_2 \neq R_{\text{中间旋转}}

四元数 slerp 能给出正确的中间旋转,但 LBS 用的是矩阵加权,就丢了。

肩膀、手肘、膝盖、臀部这些大角度关节都是 candy wrapper 的高发地。工程上的缓解方法:

  • 加辅助骨骼:在容易塌缩处放一根"补偿骨",动画师手工调它
  • Pose Space Deformation:预录几个关键姿势的修正位移,运行时插值加回
  • 换算法:用下面的 DQS

4. DQS:双四元数蒙皮​

双四元数蒙皮(Dual Quaternion Skinning, DQS)2007 年由 Kavan 等人提出,专门治 candy wrapper。

双四元数 q^=q0+εqε\hat q = q_0 + \varepsilon q_\varepsilon 由两个普通四元数组成(ε2=0\varepsilon^2 = 0 是对偶单位)。它能同时编码旋转(q0q_0)和平移(藏在 qεq_\varepsilon 里)。关键性质:双四元数的加权和归一化后仍然表示一个刚体变换(旋转+平移),不会引入缩放和扭曲。

DQS 公式:

q^v=∑iwiq^i∥∑iwiq^i∥\hat q_v = \frac{\sum_i w_i \hat q_i}{\|\sum_i w_i \hat q_i\|}

然后用 q^v\hat q_v 变换顶点。这里的加权平均是在双四元数空间做的,不会像矩阵平均那样引入非刚体变形。

代价:

  • 计算量比 LBS 大 2-3 倍(双四元数运算 + 归一化)
  • 存储稍多(每个矩阵 3×4=12 浮点 vs 双四元数 8 浮点,其实更小,但 shader 里习惯用矩阵)
  • 有轻微的"膨胀"效应——弯曲处外侧顶点会略微向外鼓(比 LBS 塌缩好接受)
  • 需要处理四元数符号问题:和 slerp 一样,若加权时符号不一致会走远路

大多数现代游戏引擎(Unity 的 DualQuaternionSkinner、Unreal 的 optional DQS)把 DQS 作为可选项——默认 LBS,觉得手肘塌缩明显时切 DQS。

5. 顶点权重与刷权重​

蒙皮阶段最耗人工的一步是刷权重——给每个顶点指定"跟哪几根骨骼、各多少比例"。工具(Maya Paint Weights、Blender Weight Paint)让美术在模型表面像画画一样刷。

工程上有几种自动化辅助:

  • 热扩散(heat diffusion):把每根骨骼当作热源,顶点温度作为权重。Blender 的 Automatic Weights 用这套。
  • 有界双调和权重(bounded biharmonic weights, BBW):数学更漂亮,权重是双调和方程的解。Autodesk 收购的 Ziva 用这种。
  • 基于测地距离:权重按沿网格表面的最短距离衰减。

自动权重永远是起点,肩、髋、手指这些精细部位需要美术手动修。刷权重的品质直接决定动画看起来是"人在动"还是"塑料布在飘"。

6. 反向动力学 IK​

前面的都是正向动力学(Forward Kinematics, FK)——设定每根骨骼的角度,末端位置是算出来的。IK(Inverse Kinematics)反过来:给定末端目标位置,反解出中间骨骼的角度。

FK vs IK:

需求用 FK用 IK
挥手每帧设手臂各段角度手位置轨迹反解
走路脚不穿地无法直接保证脚锚定到地面反解
抓住固定物体手可能飘手锁定物体反解
相机看向某点头骨旋转用 look-at IK

FK 编辑简单但难精确控制末端;IK 反过来。生产流程通常混用——大姿势 FK 编,脚/手锁地锁物用 IK 修。

6.1 CCD:循环坐标下降​

Cyclic Coordinate Descent(CCD)是最简单的 IK 算法。给定 nn 根链式骨骼、末端目标 TT:

每一轮迭代:
从最末端骨骼往根方向遍历:
对当前骨骼 j:
计算 从 j 到当前末端 end 的向量 v1
计算 从 j 到目标 T 的向量 v2
算 v1 到 v2 的旋转 R
把 j 的旋转乘上 R
更新末端位置 end
如果 end 足够接近 T 就退出

CCD 直观、易实现、快,缺点是收敛路径不美——末端最先转到目标方向,然后一路"倒推"回来,中间骨骼会摆出奇怪的姿势。适合触手、尾巴这种没有明确关节约束的东西。

6.2 FABRIK​

Forward And Backward Reaching Inverse Kinematics(2011)是 CCD 的现代替代。核心是把 IK 转成"保持每段骨骼长度不变、让端点走到目标"的几何问题:

向前 pass: 末端设为目标 T
从末端往根方向:
保持骨骼段长度, 把当前段拉到指向下一段的方向
向后 pass: 根重设回原位置
从根往末端方向:
保持骨骼段长度, 把当前段拉到指向下一段的方向
迭代到收敛

FABRIK 收敛快(通常 5-10 次迭代)、姿势自然、易加关节角度约束(在向前/向后 pass 里 clamp 就行)。目前是游戏引擎的默认 IK(Unreal 的 IK Rig、Unity Animation Rigging)。

6.3 雅可比 IK​

最一般的方法是基于雅可比矩阵的 IK。设关节角向量 θ∈Rn\theta \in \mathbb R^n,末端位置 f(θ)∈R3f(\theta) \in \mathbb R^3。雅可比 J=∂f/∂θJ = \partial f / \partial \theta 描述"每个关节小转动如何影响末端小位移"。想让末端移动 Δe\Delta e,求 Δθ\Delta \theta:

JΔθ=Δe⇒Δθ=J+ΔeJ \Delta \theta = \Delta e \quad \Rightarrow \quad \Delta \theta = J^+ \Delta e

J+J^+ 是 Moore-Penrose 伪逆。JJ 通常不是方阵(关节数 nn 不等于末端自由度 3 或 6),要用 SVD 或者 damped least squares:

Δθ=JT(JJT+λ2I)−1Δe\Delta \theta = J^T (JJ^T + \lambda^2 I)^{-1} \Delta e

λ\lambda 是阻尼系数,防止 JJ 奇异时 Δθ\Delta \theta 爆炸。这套方法数学优美、可加任意约束(次级目标放到零空间里)、能处理多个末端同时约束。代价是每步要解线性系统,nn 大时慢。机器人学、Cinema 4D 这类精密动画用得多。

7. 蒙皮动画完整管线​

一帧的完整链条:

  1. 动画曲线求值:查当前时间点每根骨骼的 (t,q,s)(t, q, s),参见 关键帧动画与插值
  2. 状态机混合:Idle/Walk/Run 权重混合(四元数用 slerp/nlerp 混)
  3. IK 后处理:脚锁地、手锁物、看向目标——只在选定的链上跑
  4. 骨架姿势求值:递归计算 WiW_i
  5. 组合矩阵:Mi=WiBi−1M_i = W_i B_i^{-1},上传到 GPU
  6. 顶点着色器:读顶点的骨骼索引和权重,做 LBS 或 DQS
  7. 光栅化:进入正常渲染管线

每一步都有可能是瓶颈。骨骼数多(比如虚拟人 200+ 根)时 (4) 就变贵,因为一个乘法链要按拓扑顺序做没法并行。角色多(一群 NPC)时 (5) 上传带宽会紧张,游戏引擎会用 GPU 蒙皮 + 实例化。

网格数据的组织参见 多边形网格表示与数据结构。骨骼动画一般用最简单的顶点数组,因为每帧要传给 GPU,复杂结构(半边、面-顶点邻接)反而拖累。

8. 蒙皮的边界​

蒙皮解决"皮跟骨走",但真实生物的皮和骨之间还有肌肉、脂肪、皱纹。这些细节 LBS/DQS 都表达不了,需要:

  • 肌肉模拟:Ziva、Weta 的 Tissue,跑 FEM 有限元
  • Blend Shapes / Morph Targets:面部表情用得最多,参见 多边形网格表示
  • Wrinkle Maps:动态法线贴图,皮肤按变形显示皱纹
  • 神经蒙皮:MLP 拟合"给骨骼姿态输出顶点位移",Meta、NVIDIA 的虚拟人研究热点

游戏里因为帧预算紧,通常止步于 LBS/DQS + Blend Shapes。电影里可以多一层肌肉模拟。虚拟人产品线(如 MetaHuman)在往神经蒙皮方向走。

骨骼动画的理论骨架从 1990 年代到现在基本没变——变的是每个环节的具体算法和硬件预算。理解 Mi=WiBi−1M_i = W_i B_i^{-1} 这一个公式,就理解了整个流程的核心。