提高游戏画面细腻度对UDK贴图的要求

老白之前写过《3DMAX单位管理&UDK导入换算》,已经说明了在udkgame/utgame等基础(摄影机安排)上,UDK的1unit=现实世界的2cm。在这里其实是接着讨论一下材质贴图采用的分辨率和现实世界的尺寸的对应问题。

假设一个箱子,大小为128*128*128(UDK units),当距离摄影机较远时,这个箱子在屏幕上很小;当距离摄影机较近时,屏幕显示越大。如果这个箱子的表面是采用位图贴图的方式建立材质,那么这张位图采用多大的分辨率合适呢?

举个例子,在UDK附带的EpicCitadel游戏里,就有一个箱子,大小正好是128*128*128。参考这个箱子如何决定贴图的分辨率的。



图片 

这个箱子采用的材质表达式非常简单,就是直接采用的贴图,而这张贴图的分辨率是1024*1024。

图片


这时再看一下这个箱子的UV坐标。
图片

选中面的中间的大正方形面,大概占据了UV空间的36%(1/4到1/2之间),大正方形面的四周四个大长方形面的UV,基本上叠加在其下,实际大小基本等于大正方形2倍,在UV空间里占差不多大正方形的1/4。所以说大正方形面在对贴图像素采样时,同一个单位下参考像素会较多一些。因为贴图是1024*1024,大正方形面会采样大概36%
(1/4到1/2之间)*1024*1024的像素数,而大正方形面实际大小是(128*1/2)*(128*1/2),这样算来,大正方形面的采样大概是1unit采样4到8个像素;而四个大长方形面基本上1unit采样0.5到1个像素之间。 

在实际游戏中,老白总体感觉这个箱子还是比较真实的。但是当老白的枪贴上这个箱子时,中间的大正方形面能保持逼真,而周围的大长方形面就有些失真了。


 图片

失真的感觉来自于哪呢?因为靠近了,表面需要呈现的像素变多,而对应贴图的可采样像素数不够,这时就要用算法弥补,1个像素劈成4个用。由于一般的升采样算法都会使得每一个小块区域内的像素比较一致地接近,人眼很容易感觉出这种规律,就觉得不真实了;另一方面,如果离远了,表面需要呈现的像素变少,那么系统降采样计算,也是通过法计算出像素,但是一般的算法都自然而然地使每个小块内的像素没有这种人工的规律性,也就可以保持

这也佐证了epic专家的建议,1个unit一般至少安排2-4个像素。
图片

所以,在实际运用贴图的过程中,如果某个物体可远观不可亵玩,则可以考虑1unit=1像素或更少,如果某个物体值得量,则1unit安排4-8个像素。如果是一般的物体,安排2-4个像素(1cm=0.5p;1cm=2-4p;1cm=1-2p)。只要保持这个密度,则整个游戏的真实感预计会大幅度提高。
 

内容概要:本文介绍了一种利用元启发式算法(如粒子群优化,PSO)优化线性二次调节器(LQR)控制器加权矩阵的方法,专门针对复杂的四级倒立摆系统。传统的LQR控制器设计中,加权矩阵Q的选择往往依赖于经验和试错,而这种方法难以应对高维非线性系统的复杂性。文中详细描述了如何将控制器参数优化问题转化为多维空间搜索问题,并通过MATLAB代码展示了具体实施步骤。关键点包括:构建非线性系统的动力学模型、设计适应函数、采用对数缩放技术避免局部最优、以及通过实验验证优化效果。结果显示,相比传统方法,PSO优化后的LQR控制器不仅提高了稳定性,还显著减少了最大控制力,同时缩短了稳定时间。 适合人群:控制系统研究人员、自动化工程专业学生、从事机器人控制或高级控制算法开发的技术人员。 使用场景及目标:适用于需要精确控制高动态和不确定性的机械系统,特别是在处理多自由、强耦合特性的情况下。目标是通过引入智能化的参数寻优手段,改善现有控制策略的效果,降低人为干预的需求提高系统的鲁棒性和性能。 其他说明:文章强调了在实际应用中应注意的问题,如避免过拟合、考虑硬件限制等,并提出了未来研究方向,例如探索非对角Q矩阵的可能性。此外,还分享了一些实践经验,如如何处理高频抖动现象,以及如何结合不同类型的元启发式算法以获得更好的优化结果。
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