动作捕捉系统The FreeMoCap开源项目 附带一个Blender集成插件

研究员Jonathan Matthis发起了FreeMoCap项目：这是一个雄心勃勃的尝试，旨在开发一个低成本的、具有研究质量的无标记光学运动捕捉系统。

这个有前途的开源框架可以从两个USB网络摄像头拍摄的演员录像中生成全身骨骼运动，并附带一个Blender集成插件。

Mathis说，他的最终目标是使 "一个没有受过技术培训和没有外部援助的14岁孩子能够以低于100美元的价格重新创建一个研究级的运动捕捉系统"。

警告：它仍然处于开发的早期阶段
首先，需要注意的是：在其最初的版本中，FreeMoCap项目更多的是 "值得关注"，而不是 "可以使用"。

没有任何文档，所以你需要一点技术知识才能让它工作，而且GitHub repo有一个免责声明："这还没有真正进入......外部用户的状态"。

一个在消费者网络摄像头上运行的开源无标记Mocap系统
但是，既然如此，让我们来看看FreeMoCap项目的目的是什么。

该系统处理演员的视频片段，以估计每一帧的姿势，然后将其转化为骨骼运动数据，可以重新定位到3D角色上。

它的目的是与硬件无关：最低限度是两个消费级的USB网络摄像头，上面的推文中嵌入的视频使用了 "价值约100美元的设备"。

一块印刷好的Charuco板--图片包含在项目的源代码中--被用作空间参考点，但不需要在演员的身上做任何标记。

结果看起来相当不错：有一定程度的噪音和干扰，特别是当一个肢体遮住另一个肢体时，但脚的位置--通常是无标记系统的一个问题--看起来相当稳固。

该系统甚至可以捕捉到手指和面部特征的位置，而且开发人员计划在未来增加对瞳孔跟踪的支持。

(另外，Matthis有能力在瑜伽平衡板上滑行时玩杂耍，我们认为更多的mocap研究人员应该能够做到这一点。)

基于生命科学研究工具，但包括一个Blender插件
FreeMoCap项目是基于生命科学领域的开源工具--Matthis本人是美国东北大学生物系的助理教授。

最初的版本使用OpenPose和DeepLabCut进行无标记跟踪，用基于Anipose的后端进行相机校准。

为了输出动画数据，该项目配备了一个实验性的Blender插件，并且该项目 "最终将被打包到Blender的一个定制版本中"。

目前似乎没有办法以一种可以用于其他DCC应用程序的格式输出数据，但Matthis在项目的Discord服务器上发布了。

"听起来很多动画师会从输出到.fbx的方式中受益，很多[的]生物力学家可能会喜欢.c3d，而且我们无疑也会输出.csv和.json的。

如果你想自己尝试，Discord目前也是寻找项目技术支持的最好地方，尽管Matthis的目标是在不久之后发布更多的文档和教程。

系统要求和可用性
FreeMoCap项目的源代码以GPL许可证的形式提供。Blender插件在AGPL许可下可用。

该系统需要Anaconda、OpenPose和CUDA--因此你还需要一个Nvidia GPU来使用它--并且从命令行安装。

访问人人素材RRCG

海量CG资源下载学习