Unity中的基础光照

本文介绍了Unity中的基础光照模型,包括Phong、Blinn-Phong和半兰伯特模型,详细阐述了环境光、自发光、漫反射和高光反射的计算方式。同时讨论了逐顶点光照与逐像素光照的区别和选择,提供了核心代码示例。

标准光照模型

Phong光照模型

c = cmissive + cspecualr + cdiffuse + cambient

  • cambient:环境光。在标准光照模型中,我们使用环境光来模拟那些经过多个物体反射进入摄像机的间接光照。
  • cmissive:自发光。由光源直接发射进入摄像机的光线。
  • cdiffuse:漫反射。被物体表面随机散射到各个方向的光线。Phong光照模型
    cdiffuse = (clight · mdiffuse)max(0, n·I)
    clight是光源颜色, mdiffuse是材质的漫反射颜色,n是表面法线,I是指向光源的单位矢量。
  • cspecular:高光反射。这里的高光反射是一种经验模型,并不完全符合真实世界的高光反射。
    cspecular = (clight·mspecular)max(0, v·r) gloss
    gloss是材质的光泽度,控制高光区域的大小;mspecular是材质的高光反射颜色;clight是光源的颜色和强度。

Blinn-Phong光照模型

Blinn在计算高光反射时与Phong模型不同。在这里插入图片描述
Blinn模型引入一个新的矢量h,他是通过对v和I取平均再归一化得到的。
cspecular = (clight · mspecular)max(0, n·h)gloss

半兰伯特模型

cdiffuse = (clight·mdiffuse)(0.5(n·I)+0.5)
把n·I的结果从[-1, 1]映射到了[0, 1],在背光面(原本漫反射为0的地方)也有了明

内容概要:本文系统研究了基于豪猪优化算法(CPO)的多无人机协同集群在三维空间中的避障路径规划问题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型与多无人机协同机制,采用Matlab平台实现CPO算法的仿真与验证,充分展示了该算法在复杂动态障碍环境下的高效搜索能力与全局优化性能。研究不仅涵盖了路径规划的数学建模与目标函数设计,还深入探讨了算法的收敛特性与鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据与技术支撑。; 适合人群:具备一定编程基础和优化算法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能与自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化算法在三维动态环境下的路径决策问题提供可复现的技术范例;③支持研究人员对CPO算法与其他主流群智能算法(如PSO、GWO、WOA等)进行性能对比与改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式与CPO算法的迭代优化流程,可通过调整环境参数与约束条件进行仿真实验,对比不同算法在相同场景下的路径质量与收敛速度,从而深入掌握其优势与适用边界。
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