骨骼动画详解

【物体怎么样是在动】

当物体的位置、朝向、大小即Transform有任意一者发生变化时，物体在动。

但变化要达到一定的幅度时，我们会看到物体在动，幅度是多少却决于我们看这个物体的距离、方向，物体的朝向等因素。

这里说的幅度是指空间上的变化，还有一个隐含的时间上的变化。

对于一般人而言，其眼睛的帧率（即人眼感知到的画面的变化的频率）在每秒24帧到30帧。当显示器的帧率大于人眼帧率时，我们会感到画面是流畅的，否则画面就是卡顿的。

以30帧为例，从上一帧到下一帧的时间恰好为33.3ms。此时物体Transform变化达到人眼能感知的最小幅度，人眼感知到物体在运动。如果每帧的间隔都为33.3ms其物体变化都是最小幅度，此时，人眼感知物体在完美的连续运动。

如果上一帧到下一帧的时间小于33.3ms，物体变化到达了最小幅度。如果走完了一帧，此时物体在动，但人眼感知不到物体在动。因为只有到了33.3ms时人眼感知的画面才会刷新。等到了33.3ms,物体变化已经超过最小幅度了，人眼仍能感知到物体在运动。但是如果此时物体变化的幅度非常大，说明物体运动的速度非常快。如果这个幅度超过了人眼可视范围，人眼会感觉物体瞬间消失了。

如果上一帧到下一帧的时间大于33.3ms,物体每帧变化达到最小幅度。等到了33.3ms时，物体在运动，但人眼感知不到，因为此时物体的变化小于最小幅度。等到了66.6ms时，人眼才感知到物体在动。如果物体速度够快，那么在33.3ms时人眼仍然能感知到物体在动。

因此，人眼是否能感知到物体在动，和人眼帧率、显示器帧率（物体世界中没有这项）、物体变化速度有关。

如果物体变化的速度是均匀的，那么人眼感知物体的运动是连续流畅的，否则就是卡顿的。

【逐帧动画和关键帧动画】

以30帧为例，我们只要准备30个物体画面，每个画面间物体有一定变化，在1s内播放30个画面即可，那么物体看起来是在动的。

如果希望物体在5s内都是动的，那么要准备150个画面。

Unity帧动画就是如此，一般用于UI的动画或者2D游戏中的动画大多是这样做出来的，这就是逐帧动画，每帧播放的画面都是预先固定好的。

但每秒30个画面成本过高，要累死美术了。因此，必须相办法降低画面帧数。

一种是结合具体的画面情景，降低画面帧数，前文说过，不一定要帧数大于30才会让人眼感觉在动。

另一种方式是给出关键的两帧画面，通过计算得到中间的画面。如何计算呢，这就是典型的通过两个已知求一个未知的问题，用插值解决。在插值中，如果两个已知值距离较远，那么计算出来的值会不准确，也即插值不平滑。反映到动画上就是前后动画衔接不流畅。

这就是关键帧动画，通过给定一系列的关键帧，插值得到一系列帧动画。

注意，如果要求1s内有30帧，那么实际上要准备31个画面，在0s和1s时必须有一个画面。用关键帧时，中间的画面可以省略，在开头和结尾的画面是不能省略的。

因此，如果动画是循环动画，那么开头帧和结尾帧必须保持相同。引擎在处理时通常会舍弃结尾帧。

【关节动画与骨骼动画】

解析来的问题是如何描述物体状态，在逐帧动画中，是通过一幅幅画来描述的，这样成本过高，而且难以插值。

在计算机中，是通过模型来描述物体状态的，具体来说就是Mesh+渲染。Mesh决定模型的形状，渲染决定模型表面的颜色。这里我们只关注Mesh。

我们知道Mesh是一系列的点云，在不同帧中让点云的分布不同，那么点云描述的物体就会发生变化，一系列帧中，物体就动了起来。

（插一句，如果以点来表示，那么真实世界的物体是有无限的点的，我们如何用一系列的点去表示无限的点？首先，人眼的分辨率是有极限的，当两个点足够近，在人眼看来就连在一块，很多足够近的点就连成线了，再多的点就可以构成一个面。其次，我们可以用少量的点计算出来更多的点，如何计算？插值出来）

现在，如果我们预先得到一系列帧中点云分布，就可以在运行时让物体动起来。同时还可以做插值，减少帧数。

这种方式理论上可以实现，但实际上却很耗费性能，数据总量过大。如果Mesh中有1万个点，动画时长5s，100帧画面，那要存储100万个数据。因为不同的点变化幅度不同，对不同的点插值参数还需要不同，这也需要额外记录。

因此，动画中不能仅有点云数据。(点云数据指什么？Position，点不需要Rotation和Scale。点云数据是模型空间下的，最终看物体在画面中的位置时，需要变换到世界空间下)

对于静态的物体，有点云数据就够了，静态物体的Mesh中一部分是点云数据，用于描述物体的形状，另一部分是点云中点之间关系的数据，用于渲染。

注意，这里的静态物体不是场景中没有位移的物体，而是物体没有整体的位移、朝向、大小变化时物体是否会动。

因此，我们在说模型动画时，不会考虑模型整体的Transform变化，也即世界空间下的变化。

参考静态物体，可以发现模型只是某部分在动，其他部分仍是静态的，模型可以视为一系列静态物体组成的，模型的不同部分相连接的地方叫关节。模型空间下，模型的一部分在动，我们认为模型在动，而模型的这部分自己的空间下，其仍是静态的。

因此，我们只需要知道模型每个部分的Transform，以及各部分各自空间下点云数据即可呈现当前时刻物体形状。

在同样100帧画面下，我们需要的总数据量为：100*部分数量+点云数据*1万（各部分的点云数据加起来和原来的点云数据量相同）。

这样总的数量量相比原来大幅减少。插值时只需要对各部分的Transform插值即可，插值次数也大幅减少。

如果模型各部分不是独立的，而是父子层级结构，那么每帧记录的动画数据会更少：省略了各部分的Position数据，只需要记录根部分的Position数据；记录各部分相对于其父层级的朝向。固定的数据是，各部分的长度（size）（特殊情形下也可以变化）

这样，可以得到了关节动画：模型各部分有各自的Mesh，不同部分构成父子层级结构，通过层层变换得到各部分的状态，根据各部分状态及各部分的点云分布计算得到所有点云的位置。

关节动画的缺点是在关节处容易出现裂缝。

骨骼动画解决了这个问题。骨骼动画中前面说的各部分叫做骨骼Bone，各部分没有单独的Mesh，模型有一个整体的Mesh，叫做SkinnedMesh，模型状态叫姿态Pose。关节动画中，顶点位置只受一个部分影响，而骨骼动画中，顶点位置可能受到多个骨骼影响，尤其是关节处的顶点。顶点位置通过骨骼位置加权计算得到。所以需要知道每个顶点受那些骨骼影响，以及影响权重是多少（权重加起来是1），这也叫蒙皮数据skin info。

总结一下，骨骼动画需要的关键数据有：

Mesh数据（点云位置）
层次数据（初始每个子层到父层的变换）
蒙皮数据（每个顶点受那些骨骼影响，以及影响权重是多少）
关键帧数据（每帧每个骨骼的朝向，以及根骨骼的位置）

【顶点动画】

每帧改变顶点位置的动画就叫顶点动画。为了解决顶点动画中数据量过大的问题，我们引入了关节、骨骼的概念。还有什么其他方法可以解决这个问题吗？

1.通过函数描述模型姿态。例如草、树叶在空中左右摆动，丝带或过期在空中自然飘动等。这种可以全部用函数描述的情况下，我们只需要一个模型的静态Mesh即可，不需要美术提供模型动画，模型动画在顶点着色器中完成。

2.通过插值描述模型部分姿态。首先要知道我们能对动画控制的越多，动画的表现力和效果是越多的，就表现力而言，帧动画>顶点动画>骨骼动画。例如，角色的脸部表情可以用顶点动画完成，做几个极端表情的模型，在这个几个模型间做插值得到某个具体的表情。

【骨骼动画的制作】

骨骼动画可以用于角色、武器、机关等，主要用于角色，而且是人形角色。角色的动画是否有动感，主要取决于骨骼数量，骨骼数量越多，角色动感越强。但骨骼越多，性能消耗越大。

手游中，角色骨骼数量一般不超过30，PC中不超过75。

通过会选择角色的盆骨做根骨骼，而模型空间原点一般选择角色两个脚底之间的中点。此时根骨骼的位置和原点没有重合，这时美术会构建一个Scene_Root做为额外的虚拟骨骼，其位置就为世界原点，而根骨骼是虚拟骨骼的唯一子骨骼。

向模型添加好骨骼并摆好Pose后，就可以知道每个骨骼在模型空间的位置，骨骼所在位置是骨骼自身空间的原点，与关节所在的位置重合。动画师可以设定骨骼对顶点的影响权重，对同一个顶点的所有权重之和应该为1。

对于摆好的Pose，建模软件可以自动计算处父骨骼空间到子骨骼空间的变换。每个骨骼都对应一个变换，这个变换叫TransformMatrix，所有变化合起来就是这个Pose的层次数据。

每个关键帧都对应一个Pose，每个Pose都有各自的层次数据，这些层次数据合起来就是关键帧数据。一般初始的Pose是”T“字型，叫做绑定姿势bindpose。

随后是SkinnedMesh，其空间原点也是角色两个脚底中间的位置。对于初始Pose，可以知道每个顶点在模型空间的位置，建模软件会算出从模型空间到骨骼空间的变换BoneOffsetMatrix，继而能知道顶点在骨骼空间中的位置。

【骨骼动画播放流程】

选择关键帧数据SelectKeyFrameData：根据当前时间找到邻近的两个关键帧数据，如果和某个关键帧数据很近，就用该关键帧的数据做最终数据
更新骨骼矩阵UpdateBoneMatrix
- 读取关键帧数据中每个骨骼的TransformMatrix
- 矩阵累乘得到从骨骼空间到模型空间的变换CombinedMatrix（这里你需要知道点空间变换的知识），每个骨骼都有对应的CombinedMatrix，其是实时变化的
计算骨骼坐标：从根骨骼开始，根据CombinedMatrix，可以依次计算出所有骨骼在世界空间中的位置、朝向、缩放
插值骨骼坐标：将前后两帧的骨骼坐标插值得到新的骨骼坐标
计算（骨骼的）顶点坐标：根据BoneOffsetMatrix可以计算出顶点在骨骼空间中的位置，根据当前骨骼到时间空间的变换CombinedMatrix和骨骼坐标可以计算出顶点在模型空间中的坐标
混合顶点坐标：根据BoneWight计算出最终顶点在模型空间中的坐标

【关键计算步骤】

找到关键帧数据：为了节省内存，关键帧数据在内存中是压缩的，使用时需要先解压

插值骨骼坐标：骨骼坐标插值要在骨骼自身空间中完成，如果在模型空间，那么插值出来的骨骼组成的Pose很怪异，因此，我们需要保存骨骼的TransformMatrix，而不是骨骼的TransformMatrix。因为矩阵插值难以实现，在实际插值时，需要转换成位置（向量）、旋转（四元数）、缩放（标量是统一缩放，向量是非统一缩放）分别插值。不同关节的插值可以并行完成。

骨骼的顶点坐标 = 当前模型空间中骨骼坐标 +初始时模型空间的顶点坐标*BoneOffsetMatrix* CombinedMatrix

【如何混合顶点】

如何顶点受四个骨骼影响，那么最终计算出来的顶点坐标有4个，怎么从这个4个坐标中得到最终坐标呢？

这就是经典的如何从多个数据中选择一个数据的问题

结合骨骼动画的情景，显然可以取加权累积和值，这也叫线性混合蒙皮，即

最终顶点坐标 = 骨骼1的顶点坐标 * 骨骼1的权重 +

骨骼2的顶点坐标 * 骨骼2的权重 +

骨骼3的顶点坐标 * 骨骼3的权重 +

骨骼4的顶点坐标 * 骨骼4的权重

这种放能用，但是有点粗糙，最终导致角色动作变化不够平滑。

可以猜想不够平滑的地方是关节处，关节处的顶点受到多个骨骼的影响，在初始Pose中给定了每个骨骼的权重，在随后的计算中这些权重是固定不变的。而这在随后的Pose，尤其是插值出来的Pose中不再合适。

合适的权重需要实时计算。

目前用的广泛的是有界双调和权重算法，其原理为：

通过预设的控制单元建立双调和方程，使其拉普拉斯能量和最小化迭代算出权重，引入边界条件和边界权重来控制形变的强度和范围，引入限制因子让用户可以更精细的控制形变，以求得让模型形变更加平滑的权重。

该算法的实现见github

【Unity中骨骼的数据结构】

SkinnedMeshRender

rootBone：根骨骼Transform
bones：其他骨骼Transform，每个数据表示一个关节
sharedMesh:要渲染的mesh

Mesh:

boneWeights：骨骼权重，每个顶点对应一个boneWeights
bindposes:骨骼层次数据，用的4x4矩阵
vertices：所有顶点的位置

看下BoneWeight结构体：

BoneWeight中记录了最多4个对于骨骼的索引，值是SkinnedMeshRenderer中的bones的索引，权重之和为1：weight0 + weight01 + weight2 + weight3 = 1。

在Quality Setting中可以设置一个顶点最多能被几个骨骼影响，一般设置为4个。

【典型完整的骨骼层级结构】

Pelvis(骨盆)
- Spine1（脊椎1）
  - Spine2（脊椎2）（还可以有3，分为是下中上脊椎）
    - LClavicle（左锁骨）
      - LeftUpperArm（左大臂）
        
        LeftLowerArm（左小臂）
        
        LeftHand（左手）
        
        LFinger0
        
        LFinger1
        
        LFinger2
        
        LFinger3
    - Neck（脖子）
      - Head（头）
        
        Hair（头发）
        
        Face（脸）
    - RClavicle（右锁骨）
      - RightUpperArm（右大臂）
        
        RightLowerArm（右小臂）
        
        RightHand（右手）
        
        RFinger0
        
        RFinger1
        
        RFinger2
        
        RFinger3
        
        RFinger4
- RightUpperLeg（右大腿）
  - RightLowerLeg（右小腿）
    - RightFoot（右脚）
- LeftUpperLeg（左大腿）
  - LeftLowerLeg（左小腿）
    - LeftFoot（左脚）