UE ML布料笔记

目录

官方教程

5.3官方示例

插件

ML

Chaos

Chaos Cloth Generator(Chaos布料生成器)

布料资产

 数据流

静态网格体导入(StaticMeshImport)

骨骼网格体导入(SkeletalMeshImport)

合并布料合集(MergeClothCollections)

 转移蒙皮权重(TransferSkinWeights)

添加权重贴图(AddWeightMap)

重新连接模拟最大距离配置(SimulationMaxDistanceConfig)

SimulationXPBDEdgeSpringConfig

SimulationXPBDBendingSpringConfig

模拟动画驱动配置(SimulationAnimDriveConfig)

模拟重力配置(SimulationGravityConfig)

模拟解算器配置(SimulationSolverConfig) 

确认碰撞配置和物理资产(SimulationCollisionConfig)

设置物理资产(SetPhysicsAsset)

布料资产终端(ClothAssetTerminal)

ML


-

官方教程

ML布料生成

布料编辑器

关于Chaos解算器配置的更多解释

Panel Cloth Transfer Skin Weights节点和 Constraint节点参考说明

5.3官方示例

Panel Cloth Example Files (5.3) | Tutorial

插件

ML

Chaos

Chaos Cloth Generator(Chaos布料生成器)


布料资产


 数据流

静态网格体导入(StaticMeshImport)

  • 在数据流中,将静态网格体(StaticMesh)设为模拟网格体。关闭“作为渲染网格体导入(Import Render Mesh)”。
  • 如果有UV,可以将UV缩放的XY值都设为100,以更好地可视化面板,但是对这个过程来说不是必需的。
骨骼网格体导入(SkeletalMeshImport)

  • 将骨骼网格体(SkeletalMesh)设为渲染网格体。关闭“作为模拟网格体导入(Import Sim Mesh)”。

合并布料合集(MergeClothCollections)

 转移蒙皮权重(TransferSkinWeights)

*参见“转移蒙皮权重(TransferSkinWeights)”节点教程了解详情。

Panel Cloth Transfer Skin Weights Node | Tutorial

目前使用两种蒙皮权重转移算法:

  • 修复权重(默认)

  • 曲面上最近的点

*此时可能会弹出有关顶点不匹配的错误消息。没关系,我们知道当前使用的权重贴图来自简化的徽标T恤,数据流就是从那里复制过来的。只不过我们需要重新绘制“MaxDistance”权重贴图。

添加权重贴图(AddWeightMap)

更新最大距离权重贴图:

“Update Node”下面的“名称(Name)”插槽中输入“MaxDistance”(不含引号,名称很重要!)。

笔刷的属性值( Attribute Value): 笔刷的属性值设为1.0

泛洪填充当前(Flood Fill Current):为网格体上的所有顶点添加最大距离值1

重新连接模拟最大距离配置(SimulationMaxDistanceConfig)

高权重(High Weight): 这个值基于布料从静止位置开始移动的最大距离,可以降低,但我们不希望布料运动受人为因素影响,所以这个值通常会设置得很高(例如裙子通常是150-300),具体取决于你的世界规模,需要根据特定的模拟需求调整。

SimulationXPBDEdgeSpringConfig

SimulationXPBDBendingSpringConfig

模拟动画驱动配置(SimulationAnimDriveConfig)

添加一点动画驱动。动画驱动有助于混合默认的蒙皮权重

模拟重力配置(SimulationGravityConfig)

要训练ML布料,所以我们要使用非常低的重力来创建准静态模拟

模拟解算器配置(SimulationSolverConfig) 

迭代次数和子步是模拟设置的核心。布料模拟参数由用户基于他们想要的材质效果来决定。要注意的是,迭代次数和细分的值越高,性能开销越大,模拟时间越长。

确认碰撞配置和物理资产(SimulationCollisionConfig)

设置物理资产(SetPhysicsAsset)

布料资产终端(ClothAssetTerminal)

建立数据流图表可视化


ML

模拟

准备好模拟时,点击Chaos布料生成器窗口底部的“开始生成(Start Generating)”按钮。

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值