GAMES104:12 游戏引擎中的粒子和声效系统-学习笔记

news2024/9/20 22:52:43

文章目录

  • 一,粒子基础Particle System
  • 二,粒子渲染
  • 三,GPU粒子及生命周期控制
  • 四,粒子应用
  • 五,声音基础
    • 5.1 Sound System
    • 5.2 Digital Sound
    • 5.3 Audio Rendering
  • QA


一,粒子基础Particle System

网游里你的付费大部分是为了粒子效果付费hhhh

  • 粒子是拥有位置、速度、大小、颜色和生命周期的3d模型。

  • 粒子的生命周期:从发射源(Source)->产生(Spawn)->环境交互->死亡。

  • 粒子发射器(Emitter)控制了粒子的产生Spawn规则、模拟逻辑和渲染

  • 一个粒子系统可能有不止一种发射器,比如火焰效果中有火焰(Flame)、火星(Spark)和烟雾(Smoke)三种发射器;而如何用简单系统的组合展现复杂效果是艺术家的主要工作

  • 在粒子Spawn环节,Emitter可以有单点Spawn(向四周喷射)、区域Spawn(范围内随机)和mesh Spawn(比如在运动人物上的特效)三类;在发射上也有频率、速度、方向等不同表现

  • 粒子的模拟

    1. 不需要严格的物理模拟,使用显示欧拉法计算即可
    2. 除了重力还可以加上粒子的旋转、颜色的变化、大小的变化
    3. 粒子需要与环境进行碰撞
  • 粒子常见形态:

    1. Billboard Particle,即广告牌。由始终面向摄像头的面片构成,用纹理动画完成,因为形状一直在变化,所以看起来有3d的感觉。
    2. Mesh Particle,就是同一个3d mesh用各种随机值去控制Transform的9个值,使其看上去像是不同的mesh
    3. Ribbon Particle,样条形粒子,用于光带。通过样条控制点获得完整曲线,一般使用Catmull-Rom曲线插值(方便插值且插值点过控制点)。

在这里插入图片描述

二,粒子渲染

粒子渲染由于其特性涉及到大量的透明度排序问题

  • 粒子排序有两种方式:

    1. 全局排序,所有emitter的所有粒子都一起排序,结果正确但消耗巨大;(初学者写起来麻烦并且后期会涉及很多GPU算法,建议先写2)
    2. 按层级,比如per system->per emitter->per particle,但是结果会出现错位并且会有闪现的问题
      在这里插入图片描述
      同时,粒子系统在半透明渲染的过程中,效率与屏幕分辨率强相关,overdraw情况很多。那么怎么办呢?:
  • 一般使用下采样将分辨率降低后再进行粒子的渲染,获得粒子的颜色和透明度alpha,然后再上采样融合到原场景中。(一般粒子模模糊糊的反正也不影响)(并且这个思路在现代引擎中越来越流行–DLSS)
    在这里插入图片描述

三,GPU粒子及生命周期控制

从上面两节可以看到,粒子系统不管是模拟还是渲染后很耗性能,那能不能放到放到GPU里去加速计算呢?可以哒,从产生到模拟到排序都可以放入GPU,并且读取Zbuffer还更快呢!

但有个难点是如何在GPU中控制粒子的生命周期 。

  • Intial State
    先建立一个粒子池,设计一个数据结构,描述所有粒子的位置、颜色、速度、尺寸等描述信息。再有两个list,一个是Dead List,记录当前死亡的粒子,初始时包含所有粒子序号,还有一个是Alive list,记录当前活着的粒子,初始时为空。如下图,这时比如emitter发射了5个粒子,则从池子结尾按顺序取5个粒子放入Alive list,同时把dead list的后5个序号清空。
  • Simulate
    接下来对Alive list中的每个粒子进行Simulation,来判断下一帧的状态,并建立下一帧的Alive list1。如果粒子在下一帧就死了,那就把其序号移入Dead List,活的保留,这样就得到了下一帧需要渲染的粒子列表(这种操作本来在gpu中的batcher中不容易实现,但computeshader使原子级操作变得可实现)。再此基础上还可以再利用GPU进行frustum culling视角剔除,建立剔除后的可见粒子列表Alive list After Culling,并计算它们的距离,写入Distance buffer。
    在这里插入图片描述

  • Sort, Render and Swap Alive Lists
    接下来还要进行排序、渲染和交换Alive list:

    1. 根据上边保存的Distance buffer对Alive list After Culling排序。
    2. 根据排序渲染。
    3. 更新交换Alive list0、Alive list1等。
  • 那GPU上那种排序算法更好呢?
    Parallel Mergesort。GPU的并行很适合归并排序,复杂度为nlogn,并且合并的时候应该用类似双指针的方法直接去从合并后的list索引去填充,这样可以避免gpu线程在遍历中跳来跳去影响效率

  • Depth Buffer Collision利用深度缓冲碰撞检测
    如果真是物理碰撞太慢了,所以粒子系统一般用Depth Buffer在屏幕空间进行碰撞

四,粒子应用

  • Crowd Simulation
    直接利用粒子来模拟人群等,此时也可以使用动画,把简化版骨骼动画记录到纹理即可;这时候就可以用不同动画动作代表的状态代替粒子本来的速度等状态,相当于状态机的操作,这时切换动作就等于切换状态机;我们把这个particle的各种状态和对应的速度等属性的情况设置成一张纹理图。当particle的属性变化时就从纹理图中找到对应的状态不断切换。

  • Navigation Texture
    那更进一步,所有粒子如何随着设定路径又随机移动呢?可以利用SDF来制作一个导航纹理图,其实就是给开进建筑的粒子一个反向力,再搭配一些噪声,使得给设定目的地和初始速度后,粒子可以按照设定路线又随机行走。
    在这里插入图片描述
    以前的粒子系统的行为都是预设好的,现代引擎中的粒子都有自己的变化、模拟、扰动等,需要读取、定义;目前做的比较好的事UE的Niagara粒子系统,有一百多万行代码。
    在这里插入图片描述

五,声音基础

音效是好游戏必不可少的内容,涉及岗位有Sound Engineer、Sound Designer,甚至是部分恐怖游戏真正的灵魂

5.1 Sound System

  • Volume音量
    分贝0大概是3米远能听到的最小声音,对应的声压p0,那么分贝、声压与这个p0的关系是 L = 20 l o g 10 ( p p 0 ) d B L = 20log_{10}(\frac{p}{p0})dB L=20log10(p0p)dB,即每增加20分贝,声压增大10倍
  • Pitch尖锐度(音高)
    决定了声音的刺耳程度
  • Timbre音色
    同一个音调用不同乐器演奏的区别
  • Phase and Noise Cancelling降噪
    原理是用相同频率、强度但反向相位的波去中和掉噪音
  • Human Hearing Characteristic听觉的人体感受
    人虽然听不到超出听力频率的声音,但还是能感知到的,因此有些电影可能会用这类技术渲染氛围(敦刻尔克?)

5.2 Digital Sound

介绍了一些技术名词,简单记下

  • Pulse-code Modulation(PCM)脉冲代码调制器:采样处理
  • Quantizing量化:存储
  • Audio Format,早期MIDI,游戏中一般用OGG(无损太大,map3专利太强且环绕音支持差)
    在这里插入图片描述

5.3 Audio Rendering

如何在三维空间构建好声场?

三维空间中有很多声源,受位置、距离等因素影响,在游戏制作时需要一个“Listenner”来模拟收音,有位置速度(需要模拟多普勒效应,尤其是有飞机的游戏)朝向的维度,如果是第三人称游戏,一般在人物和相机中间。

  • Spatialization空间感:位移、Panning左右耳时间差、音色差。这里具体讲了Panning的算法,有需要在看课程吧
    在这里插入图片描述
  • Attenuation声音衰弱:随距离衰弱,但高频低频衰弱程度不同,在吃鸡游戏里有很好的体现;对于小溪等情况可以用胶囊体等去模拟计算距离
  • Obstruction and Occlusion障碍物:只是遮挡的话可以用类似rayCast的方式去判断能否听到
    在这里插入图片描述
  • Reverb混响:有三个部分组成,干音(dry)、回音、尾音(统称wet);不同材质对不同声音吸收不同;有混音声音才好听,为此有一系列标准
  • 多普勒效应:快速移动产生的声场,在游戏中对打击感很重要
  • 常见声音中间件:FMod(设计师友好)、Wwise(不怎么维护了)

QA

  • cpu上的粒子系统是不是适合用ecs做:是,用简单的功能加速即可
  • 粒子系统可以跟动画和物理系统结合吗:可以,现在很多游戏都有环境互动和真实物理计算,影视行业的结合就更多了,未来会有更多结合应用
  • crowd中的sdf是预计算的吗:以前是预计算,现在全局光照经常需要计算实时sdf,因此也可以实时计算了
  • 游戏中音效数据怎么组织的:艺术家会放入很多音效点,跟探针差不多,根据位置、规则去调用。加载时以关卡等为单位,节省空间

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2108567.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

[数据结构]红黑树之插入操作(RBTree)

这里只着重介绍插入操作的实现:) 一、红黑树的概念和性质 红黑树(Red Black Tree)是一种自平衡的二叉搜索树。红黑树最初在1972年由Rudolf Bayer发明,当时被称为平衡二叉B树(symmetric binary B-trees)。随…

2024 年高教社杯全国大学生数学建模竞赛B题解题思路(第一版)

原文链接:https://www.cnblogs.com/qimoxuan/articles/18399372 赛题: 问题 1:抽样检测方案设计 分析: 抽样检测方案需要在保证决策准确性的同时,尽量减少检测成本。需要考虑抽样误差对决策的影响,以及如…

OCR经典神经网络(一)文本识别算法CRNN算法原理及其在icdar15数据集上的应用

OCR经典神经网络(一)文本识别算法CRNN算法原理及其在icdar15数据集上的应用 文本识别是OCR(Optical Character Recognition)的一个子任务,其任务为:识别一个固定区域的的文本内容。 在OCR的两阶段方法里,文本识别模型接…

若依框架登录鉴权详解(动态路由)

若依框架登录鉴权:1.获取token(过期在响应拦截器中实现),2.基于RBAC模型获取用户、角色和权限信息(在路由前置守卫),3.根据用户权限动态生成(从字符串->组件,根据permission添加动…

linux搭建深度学习平台

linux搭建深度学习平台(Ubuntu) /home/guangyao/anaconda3 我服务器的anaconda地址 ~/anaconda3 1 首先就是打开浏览器,我实验室的是火狐,搜索anaconda下载,找到下载目录,cd进去, 2安装 bas…

【佳学基因检测】在bagisto中,grouped products(同组产品)和bundled products(打包产品)有什么不同?

【佳学基因检测】在bagisto中,grouped products(同组产品)和bundled products(打包产品)有什么不同? 在Bagisto电商平台中,**grouped products(同组产品)和bundled prod…

iceberg存储结构详解

iceberg底层组织方式 下图是Iceberg中表格式,s0、s1代表的是表Snapshot信息,每个表示当前操作的一个快照,每次commit都会生成一个快照Snapshot,每个Snapshot快照对应一个manifest list 元数据文件,每个manifest list …

2024国赛数学建模预测算法-BP神经网络模型的预测精度分析(MATLAB 实现)

人工神经网络 第一节 人工神经网络概述 在您阅读这本书的时候,大约有个相互连接的神经元在帮助您阅读、呼吸、思考,以及完成各种各样的动作。这些神经元中,有些有着与生俱来的功能,比如呼吸、吮吸,有些则是由后天训练…

动态规划DP--背包问题

文章目录 0-1背包问题 -- 问题定义动态规划解法代码题目:分割等和子集题解 0-1背包问题 – 问题定义 在 0-1 背包问题中,给定一个背包的最大容量 W,以及 n 个物品,每个物品有两个属性: 重量:第 i 个物品的…

[数据集][目标检测]电动车入梯进电梯电单车入梯检测数据集VOC+YOLO格式7106张3类别

数据集格式:Pascal VOC格式YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7106 标注数量(xml文件个数):7106 标注数量(txt文件个数):7106 标注…

广义回归神经网络(GRNN)

一、简介 广义回归神经网络 (General Regression Neural Network , GRNN) 的概念是由德 国科学家多纳德提出的,是径向基网络的其中一种 。因为其是以数理统计为基 础的,因此 GRNN 可以依据样本数据逼近其中包含的非线性映射关系。即使样本 数…

家里有猫用宠物空气净化器有用吗?希喂、米家、有哈哪款更好

在快节奏的现代生活中,越来越多的人选择宠物作为心灵的慰藉与生活的伴侣。起初,这份陪伴的需求简单而纯粹,但随着日子一天天过去,那份简单的情感逐渐生根发芽,成长为深厚的责任与爱。我在前两年养了两只猫,…

一款云笔记支持在线协同文档,脑图,白板演示的工具,多个设备同步,让灵感与你同行(附源码)

前言 在快节奏的工作环境中,如何高-效地记录、整理并分享工作笔记已经成为了一项重要的技能。传统的笔记方式往往难以满足跨设备、即时同步以及团队协作的需求,导致信息孤岛和工作效率低下。面对这样的挑战,我们迫切需要一种全新的工具来改变…

【ArcGIS Pro原理第一期】各种空间插值原理:GPI、LPI、IDW等

ArcGIS Pro原理第一期:空间插值原理 空间插值方法概述1.1 全局多项式(global polynomial interpolation, GPI)方法原理使用范围 1.2 局部多项式(local polynomial interpolation, LPI)方法原理精度测量(Mea…

echarts进度

echarts图表集 let numdata["I级",II级,III级,IV级,V级,劣V级] let pricedata40 option {backgroundColor: #0f375f,title: {show: false,text: ,left: center,top: 30%,textStyle: {color: #00D5FF,fontSize: 16,},},tooltip: {show: false},grid: {// show: true,…

鸿蒙界面开发——组件(5):菜单Menu 绑定菜单

菜单组件Menu Menu组件需和bindMenu或bindContextMenu方法配合使用,不支持作为普通组件单独使用。 Menu 以垂直列表形式显示的菜单。包含MenuItem、MenuItemGroup子组件。 Menu()作为菜单的固定容器,无参数。 MenuItem(value?: MenuItemOptions| Cust…

DC-DC开关稳压电路

前面所讲的线性稳压电路具有结构简单、调节方便、输出电压稳定性强、纹波电压小等优点。但是,由于调整管始终工作在放大状态,自身功耗较大,故效率较低,甚至仅为30%~40%。而且,为了解决调整管散热问题,必须安…

Linux-(系统启动、用户管理)

目录 前言 关机&重启命令 基本介绍 注意细节 用户登录和注销 注意: 用户管理 基本介绍 添加用户 指定/修改密码 删除用户 查询用户信息 切换用户 查看当前用户登录用户 用户组 新增组 删除组 查看所有组 修改用户所属组 创建用户时指定用户…

如何在车载中控上进行UI自动化测试

说到车载测试,很多人都很好奇,车载中控是否需要UI自动化测试,从市场反馈来说,在6-7年之前的车载中控测试就已经介入UI自动化测试,那时候还是使用javaUIautomator框架。现在大部分都已经更新为PythonAppium框架进行自动…

Fiddler安卓设备抓包基础

Fiddler安卓设备抓包基础 一、下载二、Fiddler设置三、安卓设备设置四、Fiddler工具页面介绍 一、下载 工具名称:Fiddler 下载地址:官网 二、Fiddler设置 1.打开Fiddler 2.打开Tools > Options > Connections进行如下设置,Fiddler…