Introduction
PM包括一系列自动生成方法,用一组输入参数自动的对特定内容进行生成。PM可以与很多领域相联系,如物理模拟、植被和城市分布模拟等。PM最吸引人的地方是可以用少量参数生成很多变种的模型而无需大量数据,另外,一个复杂的几何实体可以用过程式生成模型和一组参数来表示。的目的是大幅减少建模工作,并且可以由一组随机参数生成大量的不同的结果。但除了其拥有紧凑的表示方法、高效率和看似无穷的变种,大多数PM仍旧不能适应艺术家进行手工建模,而需要操作者用复杂的参数对生成结果进行控制,非常不直观,且比较保守。
- 本文主要内容:
介绍相关PM方法,根据其使用的技术对方法进行分类,对近期PM方向的进展进行概览,用相关评价标准进行评估,并给出展望。
评价标准如下:直观性和易用性、用户可控程度、分类(随机、AI、模拟、语法、数据驱动、计算几何)、应用方向(地形、植被、道路、水域、建筑、城市)。
Terrain
- height map
最常见的地形数据就是一张二维的高度图,而地形的海拔可以由分形技术进行过程式生成。但是高度图由无法生成特殊地形(悬崖、洞穴)的局限,可替代的地形存储技术包括分层数据结构、体素数据、3D网格。 - midpoint displacement:
早期的地形生成算法是基于细分技术(subdivision methods),首先生成一个粗糙的地形然后通过迭代不断进行细化和随机细节。
算法如下:
每次生成一个新的点,它的高度数据是其所处的三角形网格的平均,加上一个随机的偏移量。偏移量的范围随迭代次数的增加而减少,最后得到一个分形布朗运动(fBM)的表面。地形生成控制算法通过控制迭代次数和初始偏移量控制地形的精细程度,但是不控制特征生成的位置。 - 其他高度图随机生成算法:
1.通常基于噪声生成器如perlin noise,通过对几种频率的缩放和求和得到更像山的地形。布朗分形运动很适合生成山脊和丘陵地形,并且适于并行计算,因为它的每个格点不受邻近点影响,可以独立计算。高阶噪声函数还可以对有体