GAMES101 学习3

2024-03-20 10:20
文章标签 学习 games101

本文主要是介绍GAMES101 学习3,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Lecture 13 ~ 16

Shadow mapping

  • 一种图像空间算法
  • 生成阴影时不需要知道场景中的几何信息
  • 会产生走样现象

最重要的思想:如果有的点不在阴影里你又能看到这个点,那么说明摄像机可以看到这个点,光源也可以看到这个点

经典的Shadow mapping 只能处理电光源

步骤:

  • 从光源看像场景,记录看到的任何点的深度
  • Project visible points in eye view back to light source  眼睛看向场景,将看到的场景投影回光源,查看记录的深度是否一致。如果只被光线看到,不被相机看到,就不会被渲染;如果被相机看到,没被光线看到,就是阴影。

问题:画面会脏,数值精度问题(浮点数的相等不好判断,可以改判大小,或加个bias,但效果不好);受限于shadow mapping的分辨率;只能产生硬阴影。
应用:所有的3d游戏和早期动画
 

光栅化的问题

光栅化的渲染是将场景的渲染任务按层次拆解:物体——三角面——像素。这种拆解会导致全局信息的丢失,因此光栅化实现不了软阴影、间接光照等。

shadow mapping

光栅化没法考虑全局光照(GI),只能计算直接光照,没法考虑光源与物体间的遮挡,无法计算阴影。那怎么产生阴影的效果?用shadow mapping!但是只能处理点/方向光源,只能产生硬阴影(要么在阴影里,要么不在)。光栅化是快速的,近似的效果

Ray Casting  光线投射(by Author Appel)

光线追踪 --> 实时,很慢,经常用来进行离线的制作,比如用来制作电影

Light Rays  (假设)

  • 光线沿着直线传播 (本身是错误的)
  • 光线不会互相碰撞 (也是错误的)
  • 光线是从光源发射出来然后经过反射最终到达人眼  (利用了光线的可逆性)

假设:

  • 人的眼睛是针孔摄像机,光源是点光源
  • 光线打到场景物体上会发生完美的反射/折射

Eye Ray :从眼睛开始,往成像屏幕的任何一个像素投射,打到场景中某个位置(最近的交点,因为人眼肯定是看到最近的东西,从而也解决了深度测试的问题)

Shadow Ray :再从这个交点往光源连一条线,如果这条线上没有任何东西阻挡,那我们就认为该点被光线照亮,如果有,就认为该点在阴影中

从相机出发,对于每个像素点向场景投射光线,直到光线与场景中第一个物体相交,在交点处,根据物体本身性质、光源属性和光照模型等来计算像素点的颜色;

光线投射只考虑投射光线,光线与物体相交后不会继续跟踪,不考虑后续的折射、反射等。

whitted-style 光线追踪  递归

Whitted 主要说在任何一个点,光线可以继续传播

  • 计算折射,反射
  • 每一个和场景相交的点都与光源做连线,进行着色

技术问题

Ray - Surface Intersection 求光线与表面的交点

数学上的光线有一个起点,有方向,就是一条射线

光线与物体求交

推广到隐式表面

得到的根必须具有实际意义

  • 必须是正的
  • 必须是实数,不能是虚数

那么对于显式的表面呢?

可以判断是否在物体内:一个点在封闭的图形内,往任意方向打一束光线储出去

  • 奇数个交点  -- 物体内
  • 偶数个交点 -- 物体外

光线和三角形求交 -- 太慢了  做法分解:

  • 求光线与平面的交点
  • 判断交点是否在三角形内部

定义一个平面:一条法线,一个点

法线与平面上任意一条线段垂直

定义点 p 的要求:任何一个在平面上的点 p 与给定 p`的连线都与 N 法线垂直

重心坐标求解

左边式子:光线方程 右边式子:用中心坐标表示的三角形内的任意一点

求解:t ,b1,b2 三个未知量,三个式子  -- 克莱姆法则

要求:t 是正数,1 - b1 - b2  非负, b1 ,b2 非负

光线与表面求交的加速算法

不可能光线与每个三角形求一次交,加速的重要概念 -- 包围盒 (Bounding Volumes )

参考文章:GAMES101 梳理 / 个人向图形学笔记-CSDN博客

13_Ray Tracing_Whitted Style Ray Tracing (yuque.com)

这篇关于GAMES101 学习3的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/829152

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个