Games104现代游戏引擎入门-lecture8 游戏引擎的动画技术基础

已于 2022-06-16 08:41:51 修改
阅读量1k 收藏 2
点赞数 2
分类专栏： 游戏引擎 文章标签： 动画 游戏引擎 3d
于 2022-06-14 23:01:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41286360/article/details/125286789
版权

Games104现代游戏引擎入门-lecture8 游戏引擎的动画技术基础上

1 动画的历史

在这里插入图片描述

影像在我们的视网膜上残留1/24s。
在这里插入图片描述
西洋镜
在这里插入图片描述
游戏动画的基础都是来源于电影行业。不断逼近于离线 渲染的效果。
zafari是第一部游戏引擎做的动画。

在这里插入图片描述
动画的基础：一帧帧图片做出来的。后面又用捕捉系统来做。
在这里插入图片描述

2 游戏引擎动画的历史

Doom其实是2D做的。是游戏动画的鼻祖。
在这里插入图片描述
在这里插入图片描述

3 challenge in game Animation

1 交互

在这里插入图片描述

2 实时

算不过来
动画数据大
其中动画压缩解决这个问题的。
在这里插入图片描述

3 真实

表情是很难的。
在这里插入图片描述

4 动画技术的基础

在这里插入图片描述

1 2D动画

在这里插入图片描述

在这里插入图片描述

动画序列帧。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

2 3D动画

1 DoF

在这里插入图片描述

6DOF： xyz的平移，xyz的旋转
在这里插入图片描述
角色的每个关节做个树状的结构。

在这里插入图片描述

2 顶点动画：把每个帧的顶点的位置记下来。

在这里插入图片描述

顶点动画：
在这里插入图片描述
在这里插入图片描述

刚体骨骼在动的时候，皮也在跟着动。是因为每个顶点是多个骨骼在动。
在这里插入图片描述
在这里插入图片描述

衣料模拟是动画中最难的。
在这里插入图片描述

创造动画：
在这里插入图片描述

3 蒙皮的实现（重要）

1 如何创建一个mesh

在这里插入图片描述

2 不同的空间

world space：
Model space:我自己的坐标系
Local space: 局部坐标系，每一根骨骼的坐标系都不一样，动画系统中的某个坐标系是由其他骨骼的坐标系累算出来的。只有通过local space从根节点累算出他的模型坐标系，才能够算他的世界坐标系，然后才能够进行渲染。

模型坐标系和世界坐标系的关系

在这里插入图片描述

3 骨骼的创建

统一了一个骨骼结构
在这里插入图片描述

存储的是关机的数据

在这里插入图片描述
加了一些很奇怪的骨骼。很多道具都加到了起骨骼上。
在这里插入图片描述

在这里插入图片描述

Root Joint:很重要。表达他的位置。
在这里插入图片描述

Bind point：绑定动画。
在这里插入图片描述

T-pose:
现在用A-pose
在这里插入图片描述
骨骼pose

在这里插入图片描述

4 Math of 3D rotation

1 2D rotation

在这里插入图片描述

2 3D rotation

依次绕着每个轴旋转。

在这里插入图片描述

1 欧拉角：

对物体进行编辑，或者摆放的时候会经常用，但是做动画的时候无法使用欧拉角。
在这里插入图片描述
欧拉角的问题：好处就是符合人的知觉
（1）严格的顺序依赖：顺序不一样，他算出来的结果不一样。
在这里插入图片描述
（2）万向节：万向锁

沿时间轴上偏的方向和它的速度一起积分，可以算出它的轨迹。
在这里插入图片描述
（3）很难插值
在这里插入图片描述
（4）旋转的叠加很难
（5）很难沿着一个固定的轴旋转。
在这里插入图片描述

2 四元数

在三维空间内是work的。
在这里插入图片描述
在这里插入图片描述
四元数的定义如下:
在这里插入图片描述
欧拉角转成四元数的公式如下：

在这里插入图片描述
四元数和矩阵的计算很类似；

在这里插入图片描述

四元数转成旋转矩阵：
在这里插入图片描述

反向旋转公式，旋转叠加，一个向量旋转到另外一个向量的四元数公式如下：
在这里插入图片描述
给定轴的旋转公式如下：
在这里插入图片描述

5 Joint Pose - Orientation

旋转的表达是动画最核心的
在这里插入图片描述

6 Joint Pose - Positon;

在这里插入图片描述

7 Joint Pose - Scale

在这里插入图片描述

8 Joint Pose - Affine Matrix

这个矩阵是非洲重要的。
在这里插入图片描述

9 Joint Pose -Local Space to Model space

在这里插入图片描述

10 Joint Pose Interpolation - local space Vs Model space

在这里插入图片描述

11 Joint Skinning Matirix

动画矩阵。

在这里插入图片描述

有个恒等式：关节点动了，皮肤上的任何点与joint的相对关系没有变化。
在这里插入图片描述

这个公式非常的重要。

在这里插入图片描述
提前把矩阵的逆求好，存储好了。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

顶点插值必须在model space：（下面）不要在local space中做。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

位移和缩放插值
在这里插入图片描述

旋转插值是很难的，必须用四元数来做。

在这里插入图片描述

最短路径的插值。
在这里插入图片描述
这个的问题是：速度不均匀，先开始快，然后慢，最后又快，动画看着不自然。
在这里插入图片描述

在这里插入图片描述

如果两个夹角很小，就用NLERP，如果两个夹角很大，就用SLERP.

在这里插入图片描述

4 动画pipeline

在这里插入图片描述

5 动画压缩

在这里插入图片描述
数据量很大，

缩放和位移是不变的，大部分是rotation在变化。
在这里插入图片描述

1 较少自由度存储

在这里插入图片描述

2 关键帧

在这里插入图片描述
永远保证你的error小于你的阈值
在这里插入图片描述

CatMull 曲线

非常光滑，一点一点的逼近。
在这里插入图片描述
在这里插入图片描述

3 浮点数

在这里插入图片描述
在这里插入图片描述

一个四元数 6个bite。压缩了60%。
在这里插入图片描述

在这里插入图片描述

4 压缩带来的问题

会让这个压缩错误一直传递到错误很大。
不同 的骨骼对error敏感度是不一样的。
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
视觉error
在这里插入图片描述
压缩的好坏，是一个重要的研究领域

在这里插入图片描述
误差补偿。

在这里插入图片描述
在这里插入图片描述

数据一定会压缩，但是会有一些视觉error

5 动画DDC

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

5 视频

https://www.bilibili.com/video/BV1jr4y1t7WR/?spm_id_from=333.788&vd_source=5c9c50b5a07b211beafdf65d7cc7f8c8

信号处理基础：信号的采样与量化_4.理想采样与实际采样
最新发布
2401_87715305的博客
03-02 1046
采样与量化是将模拟信号转换为数字信号的关键步骤。理想采样假设采样脉冲宽度为零，而在实际采样中，采样脉冲有一定的宽度，这会影响信号的频谱。为了确保信号的无失真恢复，采样频率应满足奈奎斯特采样定理。量化过程将连续的幅值转换为离散的数字值，量化等级的选择会影响信号的保真度和处理复杂度。在实际应用中，通常需要在采样前对信号进行低通滤波，以防止混叠。通过仿真和性能评估，可以更好地理解和优化采样与量化过程。
语音信号采样与量化：Matlab实现
2301_79331421的博客
09-12 616
通过采样和量化，我们可以将连续时间的语音信号转换为离散时间的信号，并将连续幅度范围内的信号转换为离散幅度级别。采样是指将连续时间的语音信号转换为离散时间的信号，而量化则是将连续幅度范围内的信号转换为离散幅度级别。最后，我们可以将采样和量化后的语音信号进行比较，以便观察量化对语音信号的影响。量化是将连续的语音信号幅度转换为离散的幅度级别。通过运行上述代码，我们可以观察到原始语音信号和量化后的语音信号之间的差异。函数将原始语音信号和量化后的语音信号绘制在两个子图中，并使用。是一个包含采样数据的向量，
语音信号采样与量化基本原理
03-20
模拟信号转换为数字信号过程中采样与量化的基本原理
语音采样和量化
傅斯年的写字台
09-09 8586
1、采样过程：就是按一定的频率，即每个一小段时间，测得模拟信号的模拟量值。 2、量化过程：通过采样时测的的模拟电压值，要进行分级量化，按整个电压变化的最大幅度划分成几个区段，把落在某区段的采样到的样品值归成一类，并给出相应的量化值。 3、“采样频率”是指将模拟声音波形数字化后每秒钟所抽取的声波幅度的样本次数，其单位为kHz(千赫兹)。采样频率高低决定了声音失真程度的大小，为保证声音不失真，采样
语音信号处理二——模数和数模转换中的采样、量化和编码
山河君的分享博客
08-15 2498
所有软件的运行都得益于硬件上的突破，数字信号是从40年前就开始高速发展的领域。得益于硬件上从一开始的中规模集成电路，到大规模集成电路，再到现如今的超大规模集成电路，促进了功率更小，体积更小，速度更快，价格更便宜的数字计算机。硬件上的突破使得计算机可以执行复杂的数字信号功能和任务，当然并不是说数字信号就是解决所有信号的解决方案，对于一些需要及时处理的例如：带宽等信号，这种就需要模拟信号或者光信号。而声音是一种波，恰恰可以将这种波转换成数字信号在软件中进行处理。
一、语音算法基础：采样、量化和频谱
lxhdy12345的博客
05-26 4401
想了很久该从哪里开头，那就从信号处理入手吧。
语音信号采样与量化
热门推荐
FPGA/MATLAB学习教程/源码/项目合作开发
11-09 1万+
模拟声音的信号是个连续量，由许多具有不同振幅和频率的正弦波组成。实际声音信号的计算机获取过程就是声音的数字化的处理过程。 声音的模/数转换（ADC），首先需对声波采样，用数字方式记录声音。图中横轴表示时间，纵轴表示振幅，按时间对声波分割从而提取波形的样本。实现这个过程的装置就被称为模/数转换器。 数字化的声音易于用计算机软件处理，现在几乎所有的专业化声音录制、编辑器都是数字方式。对模拟音频数字化过程涉及到音频的采样、量化和编码。 采样和量化的过程可由A/D转换器实现。A/D转换器以固定的频率...
智能语音处理：（一）语音信号基础
好记性不如烂笔头
09-03 1853
智能语音处理中涉及到的语音信号的相关基础概念和常用信号处理方法
语音信号采样与量化的Matlab实现
PixelNinja的博客
08-10 883
随着数字信号处理技术的不断发展，语音信号采样与量化成为了重要的研究方向之一。在Matlab中，可以使用简单而又高效的代码实现语音信号的采样与量化，本文将介绍如何使用Matlab来完成这一任务。例如，下面的代码将原始语音数据进行抽样，使得采样率降低到原来的1/2。在Matlab中，可以使用quantiz函数对语音信号进行均匀量化。例如，下面的代码将抽样后的语音信号进行8位均匀量化。通过上述代码，我们已经完成了语音信号的采样和量化。最后，我们可以使用sound函数将量化后的语音信号重新转换为声音，并播放出来。
信号处理基础：信号的采样与量化_1.信号处理概述
2401_87715305的博客
03-01 683
信号处理是电气工程及其自动化领域的一个重要分支，它涉及对信号的分析、变换和综合。信号可以是任何携带信息的物理量，如电压、电流、声音、图像等。在现代通信、控制、医学和各种科学工程中，信号处理技术被广泛应用，从简单的滤波器设计到复杂的图像识别和语音处理。信号处理是电气工程及其自动化领域的一个重要分支，它涉及对信号的分析、变换和综合。信号可以是任何携带信息的物理量，如电压、电流、声音、图像等。在现代通信、控制、医学和各种科学工程中，信号处理技术被广泛应用，从简单的滤波器设计到复杂的图像识别和语音处理。
数字音频的采样和量化
热土程序园，利他愉己~
05-10 1916
PCM（Pulse-Code Modulation 脉冲编码调制） PCM是一个无损无压缩的（相较于有损压缩，如果相对于模拟信号是有损的）数字化编码方式（PCM不单单应用于音频领域，本文只介绍在音频领域中的应用）。 先从PCM讲起是因为PCM是最常用，并且最为简单理解的模拟信号转换成为数字信号的方法。 PCM编码方式是将模拟信号经过采样→量化→编码来实现A/D(数模转换)
利用Matlab实现对信号的抽取和升采样
02-17
该代码实现了对于数字音频信号的四倍抽取和四倍升采样
语音的频率、频率分辨率、采样频率、采样点数、量化、增益
凌逆战的博客
03-29 4248
采样 采样频率 　　每秒从连续信号中提取并组成离散信号的采样个数。用Hz表示，采样频率的倒数是采样周期，即采样之间的时间间隔。 　　通俗的讲：采样频率是指计算机每秒钟采集的多少声音样本。采样频率越高，即采样的间隔时间越短，则在单位时间内计算机得到的声音样本数据就越多，对声音波形的表示也越精确。 采样定理 　　也称作奈奎斯特采样定理，只有采样频率高于声音信号最高频率的两倍时，才能把数字信号...
语音信号采集调研一
weixin_44072819的博客
03-15 4024
文章目录 系列文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 我居然又去做本科毕设的东西了？？缘妙不可言？？ 一、语音信号特点 通过研究学者利用先进的设备不断对语音进行采集和分析,发现人类所发出的语音信号稳定在一定范围内,频率分量主要集中在300Hz-3400 Hz中。根据这一理论,在对语音信号处理分析时,只要考虑这一频段内的信号即可,对于不在这范围内的信号,可以忽略掉。 二、过采样数据转换器 ...
数字通信之量化（三）
starmier的博客
02-24 6968
PCM 通信系统之信号的量化（三）1、均匀量化1.1、量化基本概念1.2、量化信噪比1.3、均匀量化的优缺点1.4、语音信号不能采用均匀量化2、非均匀量化2.1 非均匀量化的定义2.2、非均匀量化的实现方法2.2.1、压缩扩张技术2.2.2、直接非均匀编解码法2.2.3、非均匀量化和均匀量化对比3、量化信噪比3.1、均匀量化的信噪比3.2、非均匀量化的信噪比3.2.1、A律压扩特性的非均匀量化信噪比3.2.2、A率13折线压扩特性的信噪比     量化，是将幅度域上连续取值的信号（样值序列）变换为幅度域上离
语音信号处理-基础(三)：语音信号分析【连续的“模拟信号”--采样、量化、编码--＞离散的“数字信号”】
u013250861的博客
06-29 804
对于一个纯音来讲， 纯音信号只有一个频率，通过计算就可得到它的频率、相位和幅值。自然界中纯音很少见，大多数声音都是复合音，即一个声音中包含若干种频率成分的分音。 当我们想对声音进行处理的时候，从它们的时域波形去分析，发现很难进行。每一个纯音都对应了固定的频率，从频率的角度对信号进行分析，原本复杂的信号就变得清晰起来。音频是我们对音乐最普遍的理解，一个随着时间变化的震动，是真实存在的，每一个细节都很生动，我们将其称之为时域。五线谱的音符是对音频的实体化，让时刻变动的音频能够固定成我们所认识的具象的符号。我们将
音频编码格式
扬帆起航
08-19 4077
音频编码格式
语音常识与基本概念
yegeli的博客
05-15 2091
img { margin: auto; display: block } 数字信号 连续时间信号：在连续时间范围内定义的信号，信号的幅度可以是连续的(模拟信号)，也可以是离散的 离散时间信号：时间为离散变量的信号，即独立变量时间被量化了，而幅度仍是连续变化的 数字信号：时间离散并且幅度量化的信号，如果是二进制量化，只有1，0两种模式的信号。四进制数字信号只有四种取值，以此类推。数字信号幅度只取几...
ADC采样电池电压
m0_73636161的博客
12-02 9548
对ADC采样电池电压以及利用ADC计算温度值的知识进行了了解与学习
变频信号采样量化与重构技术分析
8. 重构误差：重构误差是指原始信号与经过采样量化和插值重构后的信号之间的差异。重构误差越小，表示重构信号越接近原始信号，信号的重构质量越高。 9. 信号处理工具：在本任务中，提到“计算过程m文件”，这可能...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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