文摘

的逐步一体化,计算机在人们的工作和生活,它不再是一个遥不可及的目标使用科技的力量来模拟各种物质的状态。在未来,虚拟仿真建模技术将变得越来越高端的改进的需要。然而,如今,在生成实时图像动画有很多问题。传统的仿真方法,巨大的计算和实际的渲染已经成为技术瓶颈。这个主题以火焰的一代动画作为一个例子来说明。的基础上深度剥离算法和纹理映射方法,不仅介绍了粒子系统建模,而且也为研究一个新的计算方程改进。研究结果显示如下。(1)该方法构建的模型具有优越的性能,大大提高;迭代后,误差值低至0.03和精度值高达98%。(2)500年以后模拟,有399种静态和动态火焰698种,分别; it takes 24.01 s and 98.21 s to generate 500 incomplete animations. (3) Compared with the particle system and deep learning model for flame animation recognition and detection, the highest false alarm rate of this model is 4.6%, and the lowest is 0.9%, and the experimental effect is stable; the highest recognition of flame animation can reach 99.2%, and the lowest is 98.5%. (4) Generally speaking, experts and ordinary people have a high evaluation on the effect of this model; except for the first group, the scores are all over 80%, and the highest score can reach 85.936%. Finally, the experimental results are good, which proves the effectiveness and feasibility of this method, which has certain research contribution value. However, for the follow-up work, the algorithm and model have room for further improvement.

1。介绍

3 d动画利用3 d空间技术和相关软件的建模和实现现实的动态和静态图片。它甚至可以实时生成不同的应用场景,这是人类的未来蓝图。然而,很难模拟不规则自然产品,如风能、水、烟和火的生活场景。他们不能被定义并由通用数学模型和物理属性。因此,如何生成流动的真实纹理对象一直是一个非常具有挑战性的课题。对于一些熟练的专业人员,实现火焰的过程只是一个基本的动画运动。但简单的动画,越难控制,实现细节。火焰含有很多知识在计算机图形学中,每个动态和静态性能是紧随其后的是不可预知的和不断变化的状态。本文的目的是构建模型实时更快更好,简化计算过程,减少冗余计算。此外,本文还加强了火焰的颜色匹配,增加了细节纹理,并确保真实的效果。 After many investigations and consulting, there are many real simulation data about flame at home and abroad, and the research degree and cognitive degree are different.

本文指的是以前的研究文献和方法和结合了多种模式创建创新的新思路,具有一定的理论和现实意义。下面的文献可以提供一些理论支持和数据支持。具体内容如下。改进的双深度剥离算法结合比尔定律可以用来计算减光强度(1]。使用网络的深度特性融合和重建区分的超细纤维的存在特征卷积神经网络(2]。针对高检出率,错误检测率低,和实时视频火焰检测算法,要求实验进行基于目标跟踪和multifeature融合(3]。基于信任模型和动态和静态特性,建立了multifeature融合概率模型(4]。一个粒子系统是用来控制烟花粒子的属性的时候爆炸,和纹理映射用于画烟花粒子(5]。Gyarmathy模型和噪声函数进行了几何建模、虚拟场景和复杂的火焰,实时和忠诚方面研究[6]。剥离和GPU组合画一个实时近似软阴影(7]。基于水平集的表面变形、修改页和烟密度演化曲线,和一个蓝色火焰核心表面演化模型提出了(8]。算法是完全用GPU实现,快速建模和渲染,最终结果是得到α混合(9]。利用C4D和AE软件粒子特效动画在三维空间10]。该地区局部纹理映射,建立了拿分,和交互式数据拓扑结构研究11]。电脑是用来模拟流体运动,数学和物理模型构建基于计算方程来模拟实时火焰(12]。为 - - - - - -缓冲算法和射线跟踪算法,没有设置偏差的能见度检测方案是制定(13]。TLM建模在GPU纹理映射操作是基于UML-SystemC [14]。纹理映射的三维模型ASM算法,使用RBF插值函数,特征点约束,和变形15]。

2。理论基础

2.1。火焰动画

一个火焰16在本质上是一种物理和化学现象。同时,这是一个极其复杂和不可预知的状态,用热气化部分。在本质上,火焰是一个放热反应,依靠周围的空气分子反应的高速运动范围来发光。在视野中,它是一种流体现象与随机运动变化,所以很难描述它具体几何。与此同时,由于其在时间和空间中不断变化的状态,很难真正模拟动态火焰燃烧的感觉。做一个优秀的火焰通过仿真实验动画是一块深知识。因此,最好的方法准确地描述各种大量的气体中分子之间的相互作用模型。经典的建模材料是解决为了加深了解,如表所示1。

在本文中,我们主要是追求火焰的“现实主义”,这属于视觉研究的目的。因此,我们可以放弃一些规范性要求物理。加热气体的复杂运动抽象和简化为一个动态的运动领域。通过改变原来单调的运动规律在运动领域,一代的火焰将更加灵活和真实的。其中,我们定义作为一个体育领域 - - - - - -在实数域维向量。它有1随着时间的推移函数属性 。涡字段定义为 ,一个五维向量在实数域。具体公式如下:

旋转角特征值如下:

位置和速度如下:

2.2。深剥离算法

深度剥的21全名是深剥离算法。这个技术可以解决无序的问题呈现不透明的物体,实现深度值进行排序。使用阴影映射提出的兰斯·威廉姆斯,深度测试模拟。通过多个渲染方法,目标的颜色将被一层一层地根据流。然后,根据目标要求,渲染结果通过混合颜色在一定的顺序。

具体算法流程如下。(1)首先,呈现透明物体,使用深度缓冲测试函数得到颜色值。然后,将深度值复制到深度纹理。(2)其次,打开比较函数和过滤的颜色,可以通过测试。这一步主要是选择颜色与大深度值。然后,的颜色值和相应的深度值下一层。(3)不断重复第二步,分离层又一层的颜色,直到所有的颜色都被略去。(4)安排层次颜色从后往前的顺序。然后,逐步呈现透明物体的深度和复杂性来得到结果。

通常,API函数在OpenGL ARB扩展函数是用来实现该算法的效果。OpenGL (22)是一个软件界面图形硬件和一个状态机,它可以写三维图形应用程序。其操作程序是相似的,和一系列的处理阶段被称为渲染管道。此外,基于窗口的底层机制系统,一些函数库可以简化编程。

2.3。纹理映射

纹理映射(23),中国的整个过程,是一种OpenGL的硬件,可以节省各种各样的纹理。它的功能减少计算量,提高计算速度。纹理图像与三维物体的表面来提高表面颜色丰富。这个映射过程可以提高对象的现实主义。有时,用户可以帮助调整表面形状、反射、阴影,通过这种方法和其他信息。它可以用于深剥离算法,照度计算,图像混合,和其他技术,设计一个更加完美和美丽的效果。相关函数的步骤如下。

2.3.1。二维映射

根据目标,不同的中间媒体用于生成不同的纹理映射。然后,粘贴一个简单的三维物体的纹理。如果代表一个映射,有

2.3.2。三维映射

第一步后,纹理映射的三维物体一旦映射到最终的目标对象的表面。如果代表的映射,有

此外,还有一些知识或操作相关的纹理映射,这是补充。

观点正确插值如下:

像素足迹(24)如下:

高阶泰勒展开如下:

三维条纹结构如下:

2.4。数学物理方法

本文介绍了n (n - s)方程(25]。这个方法是国内外批准,可以完整地描述流体现象。它的动能守恒方程如下:

质量守恒方程如下: 在哪里代表了速度场;代表流体的密度;是指外力;表示时间;可以解释运动粘度系数;意味着平流项。

整个过程步骤如下:

公式(13)- (17在公式()流步骤12)是分解。公式(13)是计算平流项,这是由semi-Lagrange公式。公式(14)与扩散项,可以通过隐式方法。公式(15)是增加外力项的答案。公式(16)和(17)代表速度散度为0,这主要是通过高度差的投影定理。

3所示。研究模拟实时火焰动画

3.1。引入粒子系统

粒子系统的模拟方法简单,容易实现。然而,它不能准确地描述火焰燃烧的过程。但这需要大量的微小粒子作为它的基本元素,可以有效地代表那些不规则模糊物质。在这个实验中,每一个粒子可以有多个属性,与火焰本身的各种属性一致。和粒子系统包含两种形式:动态和静态,每个粒子经历一个不同的生命周期。它伴随着一些抽象的概念—动态运动场上的运动。至于粒子系统的某些弱点,我们整合动态运动领域的方法来弥补火焰动画的设计模型。初始化改进的粒子系统描述如下。

确定新粒子的初始位置如下:

新的火焰粒子的位置如下:

3.2。模型的改进方法

3.2.1之上。双层深度剥离算法

在这个实验中,虽然传统的深度剥离算法可以确保结果正确的颜色,呈现*导致该方法的低效率,也降低了最终的动画效果。因此,我们需要改进原算法。原来的基础上,考虑到硬件需求和金融约束,本文为主提出双层深剥离算法。新算法运行速度提高了近两倍。这种方法使用新技术,很容易实现,并且可以保存最大或最小深度值。与此同时,新算法可以存储多个颜色值。因此,第一层的目标最后两层可剥离再次呈现。它确保原始算法的正确性,提高算法的性能最大限度地考虑现有的资源约束下,并可以完成完整的在复杂场景实时渲染任务。

3.2.2。修改后的计算方程

粒子系统的引入后,数学和物理方法在本文中需要修改。也就是说,平流项计算方程的修改以满足实验的需要。这是因为粒子系统的引入系统中影响火焰形成的关键。如果不改变,及时纠正,就会直接摧毁火焰动画的形成。当模拟火焰,火焰的外部形状由粒子的生成和消失。在这个时候,平流项需要添加参数:

应该注意的是,一系列的值是 。通过这种方式,整体的形状是由粒子系统控制的一部分。详细的自然状态的流体,它由改进调试计算方程。

3.3。模拟实现

我们使用流程图来说明整个火焰的形成和实现动画,如图1。

本文运用各种方法来模拟动画效果。首先,提出动态运动领域的概念,和一些缺点被结合粒子系统补偿。GPU对象、OpenGL工具是用来加速n - s方程的实现。值得注意的是,这里的方程计算平流项改进了基于粒子系统的特点。在这个时候,可以完全控制粒子的运动。使用双层深度剥离算法呈现真实的颜色,然后添加纹理映射方法来增强的现实主义动画和提高计算速度。

4所示。实验分析

4.1。实验环境

在本节中,我们将展示一些主要的实验设备,如表所示2。

4.2。火焰效果显示

基于粒子多边形补丁,可以加快系统的运行速度没有太多的粒子。我们设计了五种火焰粒子纹理。也是必要的纹理映射到增强现实主义的细节以达到最理想的火焰的动态效果,如图2。

有许多模式的正式模拟火焰效果,我们拦截一些模拟状态,向他们展示。我们可以看到有清晰可见的火焰和烟火,以及模拟周围的微小粒子或烟模式,和细节更清晰比传统粒子系统的动画。它还能模拟随机形式的火被风吹气后吹,如图3。

4.3。性能测试

为了验证是否最终模型的性能优于传统的算法模型的应用这个方法后,我们测试模型的误差和精度。注意,该模型需要进行预测来检查错误。如果功能损失太大,没有达到预期的目标价值,模型生成不稳定,进一步修改模型是必要的。至于准确度测试,算法的精度主要是判断当模型误差是稳定的和正式的测试。预备调查阶段和正式测试阶段迭代60000次,每5000次的测试结果记录和评估量化后,如图4和5。

在预备考试阶段,我们设置错误目标值小于0.05。如果测试结果不满足这个需求,然后这个实验是无效的,需要修改模型和算法。从图中,我们可以发现5000次迭代之后,这两种方法都可以不同程度的收敛迅速。此时,传统方法只能收敛从0.85到0.134,和随后的迭代的波动值很大,是不稳定的目标价值约0.05迭代直到40000年。本文的方法可以快速收敛于一个较小的规模和直接减少到0.07。30000次迭代之后,误差值可以稳定在0.03左右。不仅达到目标值,也最终错误值小,效果明显。

在正式的测试阶段,我们最后的准确性目标值设置为0.93。也就是说,模型的精度应达到93%以上才有资格。对于传统的方法,10000次迭代后,模型精度高于0.93,但在20000年测试,测试精度只有0.92。后续迭代的值也不稳定,整个曲线的曲折,平均精度达到95%。对于这种方法,我们可以发现5000次迭代后,精度值迅速增加到0.943,后续测试曲线逐渐增加,然后迅速往往是平的。最后,经过15000次迭代,ultra-high-precision值0.98可以基本上维护,超过目标的价值。

4.4。火焰模态测试

我们将产生不同的模式所产生的火焰动画由于各种因素。500年之后测试,计算清楚火焰模式可以捕捉到ultraclear镜头在静态和动态条件下。此外,不完整的动画的生成时间(统一的国家当火焰完整是五分之一)和完整的动画应该算。我们可以发现,随着测试时间的增加,火焰可以捕获更多的形式。静态可以捕捉399形式;动态可以捕获到698个不同的形式。在初始状态,第一个测试显示不完整的动画的生成时间只有0.05秒,和完整的动画是0.18秒,所以动画生成速度非常快。500年之后模拟,需要24.01不完整的动画和98.21年代完整的动画。这个结果比最初预期的花费更少的时间,表明有一个更快的生成速度比初始测试在测试期间,如图6。

4.5。检测识别率的影响

火焰动画的生产后,我们需要使用专业工具和软件来识别和检测火焰动画。总共5个测试组设置,和每组20进行识别测试在不同的火焰动画,共有100识别测试。为了更好地突出该方法的识别效果,我们添加模型识别效果比较未被利用的粒子系统方法和深度学习方法,如图7和8。

在正式测试之前,我们预备考试无火焰动画测试三种方法的假阳性率。同时,设置5组测试。从图7,可以发现,粒子系统方法的误警率最高测试1和测试组3组。在测试组2,4,5,深度学习方法的误警率最高,和最高的假警报程度可以达到16.5%。然而,这个模型的假阳性率最低的5个测试组中,假阳性率仅为4.6%,最高和最低是0.9%。效果稳定,干扰程度是最低的。

从正式测试图8,我们可以发现识别率的火焰动画视频在这个模型中是最高的五组数据,最高识别率达到99.2%,最低的识别率达到了98.5%。粒子系统的最高识别率为93.6%。深度学习模型的最高识别率为96.8%,略高于粒子系统。这证明这个实验测试中产生的火焰动画很好,效果很好。

4.6。满足测试

制作动画需要有一定程度的升值和美丽。因此,火焰动画完成在我们的实验中从五个方面评估:美丽,正直,忠诚,清晰度和细节。五个专家和25个志愿者邀请分六组的火焰动画基于这个模型。统计如图动画效果满意9。

我们可以发现其他的动画完整五组高于90%,除了第六组的完整性,这是82.2%。最高的群体审美和详细的影响是第三组,分别是90.23%和89.34%。同时,第三组也是组平均评价最高的,达到了85.936%。第二组的现实效果最好,可以达到89.23%。集团6是集团最高的清晰度,但整体分数不高。最坏的动画效果是第一组,仅以总分的73.526%。

5。结论

摘要位于三维空间的角度来生成计算机图形学中,使用CG技术来模拟虚拟现实。这是一个应用学科广泛应用和迅速发展。它与许多研究领域的交叉和有一个光明的未来。在本文中,我们把火焰动画作为一个示范研究的例子,有机地结合各种技术方法。摘要动画模型和算法进行了分析和测试,以及各种形式的烟花终于被捕。此外,动态和静态火焰动画模拟照片是拦截来验证实验的应用价值。具体的研究结果表明,基于深剥离算法和纹理映射的功能,火焰数据可视化,以及专业模拟满意度进行评价。使用专业工具和软件来识别和检测火焰动画以确认的歧视程度的火焰。它克服了限制的计算机性能和误差和精度进行了计算和优化。提高数学和物理方程减少阻力影响的实时性能,因为计算的复杂性。 The final experimental effect is close to that in nature, and the details are close to reality. Whether in the fields of games, advertisements, or special effects, it is very meaningful to study the construction of irregular real-time animation.

尽管本文模拟火焰动画从一个新的角度和获得理想现实的各种火焰的影响,然而,更要注意优化未来的工作。例如,OpenGL渲染效率不够优秀,还有改进的空间限制的特定的硬件需求。动画的生成速度需要精细控制。同时,动画的延迟性能可能会导致糟糕的观众知觉,这需要进一步优化。提高接口和调用效应研究当参数满足所有条件和缺乏考虑的一些场景,如仿真火焰时被障碍物和火力很弱。纹理映射可能会扭曲。上面描述的缺点本文将是未来工作的重点。

数据可用性

使用的实验数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称,关于这项工作他们没有利益冲突。