CN106355631A - 虚拟现实中实时阴影的显示方法 - Google Patents

Abstract

本申请公开了一种虚拟现实中实时阴影的显示方法，包括：根据场景光照变化，选取关键时间点；针对各关键时间点，计算阴影值，得到阴影图，将含有该阴影图的帧作为与该关键时间点对应的关键帧；在实现实时阴影显示时，确定当前的时间点，读取当前时间点前后的两个关键时间点对应的两个关键帧，对所述两个关键帧中的阴影图进行插值计算，得到当前时间点对应帧的实时阴影图，其中根据当前时间点与所述前后两个关键时间点的间隔确定所述插值计算的插值。本发明可以在实现实时阴影效果的同时，降低对计算资源的消耗。

Description

虚拟现实中实时阴影的显示方法

技术领域

本申请涉及虚拟现实技术领域，尤其涉及一种虚拟现实中实时阴影的显示方法。

背景技术

虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统，该技术利用计算机生成一种模拟环境，是一种多源信息融合的交互式的三维动态视景和实体行为的系统仿真，使用户沉浸到该环境中。

目前虚拟现实技术被广泛应用在三维游戏、模拟演练等应用场景中。在虚拟现实技术中，常常需要对虚拟的环境进行塑造和渲染，使得虚拟环境尽量逼真。

阴影是计算机图形学中一个很重要的部分，无论是在三维动画还是三维游戏里，正是通过阴影创造出了许多生动甚至奇异的视觉效果。在计算机图形的虚拟现实的世界中，正是阴影和其它各种光照的相互结合，才使得计算机可以用来为人们塑造出各种精彩异常的人物或场景。阴影的加入使得物体更加具有立体感，也有助于人们理解物体间的相互位置关系和大小。

如图1为一种场景阴影的效果图。现有技术中，阴影影响场景的原理是在场景显示颜色的基础上乘以相应位置的阴影系数。如下公式：

FinalColor＝TexelColor×ShadowFactor

其中，FinalColor为阴影区像素的颜色值，所述TexelColor为场景显示颜色值，ShadowFactor为该位置处的阴影系数。

在现有技术中，对于虚拟显示中的阴影的显示方法，主要包括两种：实时阴影和静态阴影。

一、实时阴影技术，即计算机图形系统通过相应的阴影生成算法来实时生成显示阴影，提高图形的真实感及对复杂场景的适应性。

如图2为一种实时阴影变化的示意图。参见图2，所述阴影201为最初的阴影，如果光线角度和强弱随着时间变化，则计算机图形系统会根据实时的光线角度和强度等参数实时计算阴影，导致阴影发生变化。如图2中的阴影202为光线角度和强弱随着时间变化后在第二时间所显示的阴影，同理阴影203为在光线角度和强弱随着时间变化后在第三时间所显示的阴影，同理阴影204为在光线角度和强弱随着时间变化后在第四时间所显示的阴影。各个阴影之间的黑点表示在图中省略掉阴影的时间点，在这些时间点，计算机图形系统也都要通过相应的阴影生成算法去生成阴影。所述时间点的个数根据渲染的帧率决定。所述帧率，即帧速率，是指每秒钟刷新的图片的帧数。

二、静态阴影技术，通过阴影生成算法预烘焙阴影数据，在渲染场景时不再通过阴影算法实时生成阴影数据，而是读取预烘焙阴影数据将阴影应用在场景中。

如图3为一种静态阴影变化的示意图。参见图3，所述阴影301为预烘焙的阴影，即第一时间的阴影，所述阴影302为光线角度和强弱随着时间变化后在第二时间所显示的阴影，所述阴影303为光线角度和强弱随着时间变化后在第三时间所显示的阴影，所述阴影304为光线角度和强弱随着时间变化后在第四时间所显示的阴影。在这种静态阴影技术中，在时间变化的情况下，场景中的阴影依旧采用第一张阴影图，即阴影301。各个阴影之间的黑点表示在图中省略掉阴影的时间点，在这些时间点，也依旧是采用第一张阴影图，即阴影301，不需要每一帧去计算场景的显示阴影数据。

现有技术存在如下的缺点：

采用静态阴影技术时，需要预烘焙阴影，在渲染场景时根据预烘焙阴影数据显示场景阴影。但静态阴影毕竟是静态的，在表现场景的光影效果方面略显不足。

采用实时阴影技术时，需要计算机图形系统通过相应的阴影生成算法来实时生成显示阴影。而实时生成显示阴影需要额外消耗掉很多中央处理器(CPU)和图形处理器(GPU)资源，不但资源消耗大，而且每一帧消耗掉这些资源会导致三维渲染的帧率降低，最终降低了整体的成像效果。

发明内容

有鉴于此，本发明的主要目的是提供一种虚拟现实中实时阴影的显示方法，以在实现实时阴影效果的同时，降低对计算资源的消耗。

本发明的技术方案是这样实现的：

一种虚拟现实中实时阴影的显示方法，包括：

根据场景光照变化，选取关键时间点；针对各关键时间点，计算阴影值，得到阴影图，将含有该阴影图的帧作为与该关键时间点对应的关键帧；

在实现实时阴影显示时，确定当前的时间点，读取当前时间点前后的两个关键时间点对应的两个关键帧，对所述两个关键帧中的阴影图进行插值计算，得到当前时间点对应帧的实时阴影图，其中根据当前时间点与所述前后两个关键时间点的间隔确定所述插值计算的插值。

在一种优选实施例中，所述计算阴影值，得到阴影图，具体包括：

遍历每一个地面单元格的中心点，以该中心点为起点，以光源方向为射线方向，如果射线碰撞到物体，则该点所对应的阴影图的像素设为1，否则设为0。

在一种优选实施例中，该方法在得到阴影图之后，进一步包括：对该阴影图进行模糊处理，将含有经过模糊处理的阴影图的帧作为与所述关键时间点对应的关键帧。

在一种优选实施例中，所述对该阴影图进行模糊处理，具体包括：对该阴影图进行高斯模糊处理。

在一种优选实施例中，所述对该阴影图进行高斯模糊处理，具体包括：

通过如下二维高斯函数计算得到正态分布的权重矩阵；

$G(x,y)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-(x^2+y^2)/2{\mathrm{\σ}}^2}$

其中，所述σ为设定的模糊系数，所述x和y为两个二维坐标轴方向的偏移值；

遍历所述阴影图中的每个像素，针对每个像素，根据所述权重矩阵计算该像素经过加权后的值；

在遍历所述阴影图中的所有像素后，得到经过高斯模糊处理后的模糊的阴影图。

在一种优选实施例中，所述σ＝1.5。

在一种优选实施例中，所述插值计算为牛顿插值计算。

在一种优选实施例中，所述对所述两个关键帧中的阴影图进行牛顿插值计算，得到当前时间点对应帧的实时阴影图，具体包括：

遍历每个像素，针对每个像素，做后述处理：

当前像素的值＝A×α+B×β；其中，所述A为所述两个关键帧中的前一个关键帧中与当前像素位置相同的像素的取值，B为所述两个关键帧中的后一个关键帧中与当前像素位置相同的像素的取值；α＝b/(a+b)，β＝a/(a+b)，所述a为所述前一个关键帧对应的关键时间点与当前时间点的间隔，所述b为所述后一个关键帧对应的关键时间点与当前时间点的间隔；

在遍历处理每个像素后，得到当前时间点对应帧的实时阴影图。

与现有技术的完全的静态阴影技术和完全的实时阴影技术相比，本发明没有在每个刷新点采用实时阴影算法，而是预先选取关键时间点，在该关键时间点计算对应的阴影值，得到阴影图，形成含有阴影图的关键帧；在实现实时阴影显示时，确定当前的时间点，读取当前时间点前后的两个关键时间点对应的两个关键帧，对所述两个关键帧中的阴影图进行插值计算，得到当前时间点对应帧的实时阴影图，其中根据当前时间点与所述前后两个关键时间点的间隔确定所述插值计算的插值。本发明中，所述关键帧的可以预先生成，不会消耗实时的计算资源，而所述的插值计算方法，相比现有技术所述的实时阴影算法，实时计算量要小很多，因此可以有效降低对计算资源(包括CPU资源和或GPU资源)的消耗，从而可以达到一个伪实时阴影的光照效果，同时弥补了静态阴影技术能够节省资源，但光影效果表现不佳的缺陷。

附图说明

图1为一种场景阴影的效果图；

图2为一种实时阴影变化的示意图；

图3为一种静态阴影变化的示意图；

图4为本发明所述虚拟现实中实时阴影的显示方法的一种流程示意图；

图5为一种关键时间点和对应关键帧中阴影图的示意图；

图6为根据二维高斯函数计算得到的正态分布的权重矩阵的示意图；

图7所示为图5所示的关键帧经过模糊处理后的示意图；

图8为对关键帧的阴影图进行插值计算从而生成实时阴影的一种示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图4为本发明所述虚拟现实中实时阴影的显示方法的一种流程示意图。参见图4，该方法主要包括：

步骤401、根据场景光照变化，选取关键时间点；针对各关键时间点，计算阴影值，得到阴影图，将含有该阴影图的帧作为与该关键时间点对应的关键帧。

步骤402、在实现实时阴影显示时，确定当前的时间点，读取当前时间点前后的两个关键时间点对应的两个关键帧，对所述两个关键帧中的阴影图进行插值计算，得到当前时间点对应帧的实时阴影图，其中根据当前时间点与所述前后两个关键时间点的间隔确定所述插值计算的插值。

所述步骤401中，具体可以预先处理，即在编辑场景中，预先根据场景光照变化，选取关键时间点。例如对于日光照射的场景，可以根据日光随时间的变化，选取关键时间点。例如如果所要渲染显示的场景为从早上8点到中午12点间的光影变化，那么可以选择早上8点到中午12点间，每隔15分钟就作为一个关键时间点。

其中，每个时间点对应的帧中的像素数量是一样的。

如图5为一种关键时间点和对应关键帧中阴影图的示意图。参见图5，最上方的黑点表示所选择的各个关键时间点。选好关键时间点后，则针对各个关键时间点，计算该关键时间点对应的关键帧。具体的计算方法是：计算阴影值，得到阴影图，将含有该阴影图的帧作为与该关键时间点对应的关键帧。

更为具体的是，所述计算阴影值，得到阴影图，可以采用现有的预烘焙阴影数据的方法来实现；也可以采用射线查询算法来实现。

本发明中，所述阴影图的大小和地面图的大小是一样的。所述的阴影图实质上是一种阴影图数据。阴影图中被划分为长宽相等的许多个单元格，每一个单元格相当于一个像素，其取值为0或者为1，取值为1表示为纯黑色(即有阴影色)，取值为0表示透明或白色(即没有阴影色)，取值0和1之间的表示为灰度色(通常经过模糊处理后的阴影中包含灰度色)。在阴影图中，所有取值不为0的单元格组合在一起，就构成了阴影的形状，所有取值为0的像素就是空白区。

所述采用射线查询算法来计算阴影值，得到阴影图，其具体方法包括：

遍历每一个地面单元格的中心点，以该中心点为起点，以光源方向为射线方向，如果射线碰撞到物体，则该点所对应的阴影图的像素设为1，否则设为0。

当遍历完场景地面上的单元格后，就得到了阴影图，该阴影图的大小与地面图大小一致，该阴影图中所有取值为1的单元格(即像素)组成了阴影，其它取值为0的单元格(即像素)组成了空白区，将含有该阴影图的帧作为与当前关键时间点对应的关键帧。

如图5所示的四个阴影为所述关键时间点中对应的四个关键帧的阴影图，当然每个关键时间点都会生成阴影图，只是碍于篇幅有限，只以其中四个举例说明。如图所示阴影501为第一关键时间点对应的第一关键帧的阴影图，阴影502为第二关键时间点对应的第二关键帧的阴影图，阴影503为第三关键时间点对应的第三关键帧的阴影图，阴影504为第四关键时间点对应的第四关键帧的阴影图。

如图5所示计算得到的阴影图都是硬边阴影，即其中像素的取值非0即1，显示效果生硬，仿真效果较差，因此本发明的一种优选实施例中，还可以针对每一个关键帧，在得到该关键帧的阴影图之后，进一步包括：对该阴影图进行模糊处理，将含有经过模糊处理的阴影图的帧作为与所述关键时间点对应的关键帧。

在更为具体的实施例中，所述对该阴影图进行模糊处理，具体包括：对该阴影图进行高斯模糊处理。

所述对该阴影图进行高斯模糊处理，例如具体可以包括：

通过如下二维高斯函数计算得到正态分布的权重矩阵：

$G(x,y)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-(x^2+y^2)/2{\mathrm{\σ}}^2}$

其中，所述σ为设定的模糊系数，所述x和y为两个二维坐标轴方向的偏移值；所述模糊系数的取值决定了图形的模糊程度，可以根据场景需要进行设置，例如在一种优选实施例中，可以设置所述σ＝1.5。

图6为根据二维高斯函数计算得到的正态分布的权重矩阵的示意图。

然后遍历所述阴影图中的每个像素，针对每个像素，根据所述权重矩阵计算该像素经过加权后的值。具体的方法是，所述阴影图中的像素的值有两种取值，不是0就是1，所述图6的权重矩阵的方格与像素长宽一致，那么对于所述阴影图中的每个取值为1的像素做如下处理：

此处将该像素称为当前像素，将图6所述的权重矩阵的中心方格，即有灰度的方格放于该当前像素的位置，权重矩阵中的其它8个方格会分别对应置于当前像素周围的8个像素的位置上，那么当前像素经过高斯模糊处理后的取值Q采用如下公式：

所述P为当前像素在原阴影图中的取值，所述r_i为所述权重矩阵中第i个方格中的数值，所述S_i为阴影图中与所述第i个方格位置重合的像素值。

所述Q就是当前像素经过模糊处理后的像素值。

在遍历所述阴影图中的所有像素后，得到经过高斯模糊处理后的模糊的阴影图。如图7所示为图5所示的关键帧经过模糊处理后的示意图，其中阴影701为所述阴影501经过高斯模糊后的图形，阴影702为所述阴影502经过高斯模糊后的图形，阴影703为所述阴影503经过高斯模糊后的图形，阴影704为所述阴影504经过高斯模糊后的图形。

上述经过处理后的含有预先确定的阴影图的关键帧，可以存储起来。在进行实时阴影显示时，读取相应的关键帧信息进行插值计算即可。

具体的，在所述步骤402中，在实现实时阴影显示时，确定当前的时间点，例如当前的时间点为9:10，那么根据前面的举例，当前时间前后的两个关键时间点为9:00和9:10，所以要读取9:00对应的关键帧1和9:10对应的关键帧2。对这两个关键帧1和关键帧2进行插值计算。

在一种优选实施例中，所述插值计算为牛顿插值计算。

更为具体的，步骤402中对所述两个关键帧1和关键帧2中的阴影图进行牛顿插值计算，得到当前时间点对应帧的实时阴影图，具体包括：

遍历当前时间点对应帧中的每个像素，针对每个像素作为当前帧，做后述处理：

当前像素的值＝A×α+B×β；其中，所述A为所述两个关键帧中的前一个关键帧(关键帧1)中与当前像素位置相同的像素的取值，B为所述两个关键帧中的后一个关键帧(关键帧2)中与当前像素位置相同的像素的取值；α＝b/(a+b)，β＝a/(a+b)，所述a为所述前一个关键帧(关键帧1)对应的关键时间点(9:00)与当前时间点(9:10)的间隔(10分钟)，所述b为所述后一个关键帧(关键帧2)对应的关键时间点(9:15)与当前时间点(9:00)的间隔(5分钟)；

在遍历处理当前时间点对应帧的每个像素后，得到当前时间点对应帧的实时阴影图。

图8为对关键帧的阴影图进行插值计算从而生成实时阴影的一种示意图。参见图8，所述阴影701至704为关键帧的阴影图，在关键帧对应时间点之间的时间点，如图8中的黑点所指就是需要进行实时阴影显示的时间点，每个时间点的实时阴影都可以根据其前后相邻的两个关键时间点对应的关键帧，采用上述的插值计算方法算出该时间点对应帧的阴影图。所述关键帧的帧率越高，即关键时间点越密集，其仿真的效果越好，而且计算量也较现有技术实时阴影生成方法大为降低。

在得到当前时间点对应帧的实时阴影图后，就可以将该帧的阴影图应用到虚拟现实的场景中，从而在场景中实现实时的阴影效果。

综上所述，本发明中，所述关键帧的可以预先生成，不会消耗实时的计算资源，而所述的插值计算方法，相比现有技术所述的实时阴影算法，实时计算量要小很多，因此可以有效降低对计算资源(包括CPU资源和或GPU资源)的消耗，从而可以达到一个伪实时阴影的光照效果，同时弥补了静态阴影技术能够节省资源，但光影效果表现不佳的缺陷。

另外，本发明的每一个实施例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本发明。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或复制到数据处理设备的存储设备(如硬盘和或内存)中执行。因此，这样的存储介质也构成了本发明。存储介质可以使用任何类型的记录方式，例如纸张存储介质(如纸带等)、磁存储介质(如软盘、硬盘、闪存等)、光存储介质(如CD-ROM等)、磁光存储介质(如MO等)等。

因此本发明还公开了一种存储介质，其中存储有数据处理程序，该数据处理程序用于执行本发明上述方法的任何一种实施例。

另外，本发明所述的方法步骤除了可以用数据处理程序来实现，还可以由硬件来实现，例如，可以由逻辑门、开关、专用集成电路(ASIC)、可编程逻辑控制器和嵌入微控制器等来实现。因此这种可以实现本发明所述方法的硬件也可以构成本发明。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (8)

1.一种虚拟现实中实时阴影的显示方法，其特征在于，包括：

根据场景光照变化，选取关键时间点；针对各关键时间点，计算阴影值，得到阴影图，将含有该阴影图的帧作为与该关键时间点对应的关键帧；

在实现实时阴影显示时，确定当前的时间点，读取当前时间点前后的两个关键时间点对应的两个关键帧，对所述两个关键帧中的阴影图进行插值计算，得到当前时间点对应帧的实时阴影图，其中根据当前时间点与所述前后两个关键时间点的间隔确定所述插值计算的插值。

2.根据权利要求1所述的方法，其特征在于，所述计算阴影值，得到阴影图，具体包括：

遍历每一个地面单元格的中心点，以该中心点为起点，以光源方向为射线方向，如果射线碰撞到物体，则该点所对应的阴影图的像素设为1，否则设为0。

3.根据权利要求1或2所述的方法，其特征在于，该方法在得到阴影图之后，进一步包括：对该阴影图进行模糊处理，将含有经过模糊处理的阴影图的帧作为与所述关键时间点对应的关键帧。

4.根据权利要求3所述的方法，其特征在于，所述对该阴影图进行模糊处理，具体包括：对该阴影图进行高斯模糊处理。

5.根据权利要求4所述的方法，其特征在于，所述对该阴影图进行高斯模糊处理，具体包括：

通过如下二维高斯函数计算得到正态分布的权重矩阵；

$G(x,y)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{-(x^2+y^2)/2{\mathrm{\σ}}^2}$

其中，所述σ为设定的模糊系数，所述x和y为两个二维坐标轴方向的偏移值；

遍历所述阴影图中的每个像素，针对每个像素，根据所述权重矩阵计算该像素经过加权后的值；

在遍历所述阴影图中的所有像素后，得到经过高斯模糊处理后的模糊的阴影图。

6.根据权利要求5所述的方法，其特征在于，所述σ＝1.5。

7.根据权利要求1所述的方法，其特征在于，所述插值计算为牛顿插值计算。

8.根据权利要求7所述的方法，其特征在于，所述对所述两个关键帧中的阴影图进行牛顿插值计算，得到当前时间点对应帧的实时阴影图，具体包括：

遍历每个像素，针对每个像素，做后述处理：

当前像素的值＝A×α+B×β；其中，所述A为所述两个关键帧中的前一个关键帧中与当前像素位置相同的像素的取值，B为所述两个关键帧中的后一个关键帧中与当前像素位置相同的像素的取值；α＝b/(a+b)，β＝a/(a+b)，所述a为所述前一个关键帧对应的关键时间点与当前时间点的间隔，所述b为所述后一个关键帧对应的关键时间点与当前时间点的间隔；

在遍历处理每个像素后，得到当前时间点对应帧的实时阴影图。