随着虚拟现实技术的快速发展,计算机动画现在已经在人们的生活中的各个领域占有重要地位,其中,通过人体运动数据去建立的动画也有很大的市场需求。近年来,构建人体运动的手段已经趋于成熟,例如运动捕捉以及一些3D建模工具均可以对人体运动数据进行获取和编辑。但通过人工的方式得到的运动数据毕竟是有限的,并且在人力、物力等方面均有一定的成本。因此,如何高效的对运动数据进行复用是非常具有研究意义的。运动合成就是一种常用的运动数据复用方式,本文主要对运动合成方法进行深入研究。本文首先对Collada模型文件格式进行分析,确定在Collada文件中动画数据中人体运动的表现方式。然后基于人体运动的逻辑性,针对Collada动画数据,定义了运动模板的概念,再将其与运动数据的帧间数值距离相结合,设计了一种基于逻辑与数值综合判定的运动相似性度量算法。通过这种方式在度量两段运动的相似性时,既考虑数值上的相似,同时兼顾运动的逻辑相似,保证了运动相似性度量的准确性。在运动合成之前,首先通过运动相似性度量的结果,获得待合成运动的特征,再根据运动的逻辑相似性分别进行处理,在运动合成片段的选取上,本文针对运动的相似性的差异,提出了两种不同选取方式。本文对多种基于插值的运动合成进行了研究、比较,在运动合成的过程中,在根关节位移处理和局部姿态的融合上,分别选用最适合的插值方式,使合成效果得到提升。本文设计的运动相似性度量算法与其他的基于数值的运动相似性度量算法相比,具有能够度量逻辑相似性的优势,从而使度量结果更符合实际。本文设计的运动合成算法,在合成片段的选取上、合成细节的处理上与直接基于运动连接的运动合成算法相比更加细致,主要对比的方面有合成效果、过渡运动的平滑性等。通过真实数据进行分析对比,显示本文的方法具有一定的优势。