3D制作大黄蜂方法解析

3D制作大黄蜂方法解析（精选3篇）

篇1：3D制作大黄蜂方法解析

导言：平时做了不少的模型，放着发毛不如拿出来晒晒再折腾点新作品，变形金刚和钢铁侠都是我的最爱，要说更爱哪一个，真的没法抉择。没法选就让他们打一架吧，来一场钢铁之间的对决!

制作前准备

比例确定

制作之前还是先搜集资料，这里需要搞正确的是比例问题。通过图片资料可以知道大黄蜂为16英尺，也就是4.87米，钢铁侠官方设定身高为1.92米，没有找到图片资料。这里我把图片先放到一块，更直观的表达比例关系，

(图1)

我制作用的版本是3Ds Max，先打开其中一个模型文件，这里是先打开的大黄蜂文件，然后再将钢铁侠合并进来。新建两个用于比例参考的BOX模型，调整好高度，然后参考着缩放大黄蜂和钢铁侠，调整好比例。(图2)

图2(点击查看大图)

创建选择集

创建选择集以方便选择场景中的模型。把大黄蜂全部选中在创建选择集中输入“大黄蜂”，这样以后就可以通过下拉列表中的选择集直接的选取模型了。(图3)

图3

篇2：浅析制作3D电影的技术方法

1、准备工作

(1) 准备转换的二维电影必须能在After Effects中无障碍运行。

(2) 我们制作的是伪3D电影, 所以大家也别太期望过大。

(3) 尽量选择在大屏幕显示器上看。

(4) 上淘宝网购买红蓝3D眼睛, 价格在5—20元左右一幅。

2、制作过程 (这里我们以After Effects CS4版本为例进行操作)

(1) 启动After Effects CS4, 导入你选择的二维电影, 必须保证素材能够无障碍运行, 如图一所示。

(2) 建立合成, 把项目窗口中的素材直接拖动到时间线上, 如图二所示。

(3) 选择效果-透视-3D眼睛特效, 为二维电影添加3D特效, 如图三、图四所示。

(4) 进入特效控制面板, 左、右视图均选择为“黑客帝国” (你要转换的二维视频) , 3D视图选择为平衡红蓝染色, 如图五所示。

(5) 仔细调整聚合偏移参数, 与你素材的分辨率有关, 一般来讲, 分辨率高, 值可以大一点, 如图六所示。

篇3：大黄蜂算法

2010年英国科学家的一项研究发现,大黄蜂显示出能轻易破解“旅行商问题”的能力。进行研究的奈杰尔·雷恩博士说,蜜蜂每天都要在蜂巢和花朵间飞来飞去,为了采蜜而在不同的花朵间飞行是一件很耗精力的事情,因此蜜蜂每天都在解决“旅行商”问题。

本文介绍了一种新的旅行商问题的算法,实验表明,该算法能较好的解释大黄蜂是如何解决旅行商问题,本文同时还探讨了该算法在解决旅行商问题中的一些问题和思路。

因为大黄蜂在觅食的过程中采用了和本算法类似的策略,所以把这算法称为大黄蜂算法。

1 问题的提出

我们知道,在一个有n个结点的图中,较短的边不一定会属于该图的最短哈密顿回路,有些较长的边反而属于最短哈密顿回路。

那么,我们自然会问:每个边属于最短哈密顿回路的可能性是多少呢?

我们能否量化它吗?

对一个n个结点的图中,当我们找出该图的最短哈密顿回路时,我们知道这n个边的概率是1,其他边的概率是0.

但这对问题的解决没有任何帮助,当n变大时,问题仍然很困难。

我们的基本思路是:对一个大的图按照一定的方法划分成很多个子图,对每个子图我们进行计算,然后汇总并计算出每条边在该划分下属于最短哈密顿回路的概率。

2 算法介绍

为了方便理解同时不失一般性,我们假定讨论的图只存在一个最短哈密顿回路。

同时,本算法同样适用一般的拓扑图。

2.1 K_划分(K>=4)

对一个有n个结点的图,我们可以对它划分为由K个点的所组成的子图。这样,该图共有个这样的子图。

例如对图1(n=5)。可以生成C(5,4)个4_划分图(见图2)

(每条边的长度假设如下:D(AB)=1,D(BC)=2,D(CD)=3,D(AD)=4,D(AE)=5,D(BE)=6,D(CE)=7,D(DE)=8。)

2.2 K_路径(K>=4)

是指在一个K_划分图中,过每个顶点一次的一条路径。例如图3是图1的一个4_划分图,BECD就是一条从B到D,经过E、C的4_路径。

2.3 K_有效路径(K>=4)

K_有效路径是指一条可能属于最短哈密顿回路中的一个连续段的K_路径。

一般来说,从A到B的K_路径里最短的一条是K_有效路径。

在不同的假设下,会有不同的K_有效路径。

对每一个K_划分图,我们可以找出它的所有K_有效路径。例如,对(图1)的一个4_划分图(图3)。

它的有效路径有:

B到C:只有一条唯一路径BEDC所以BEDC是一条4_有效路径。

B到D:这里存在两条4_路径BCED和BECD,因为L(BCED)=17,L(BECD)=16,所以BECD是4_有效路径。

B到E:只有一条有效路径BCDE。

C到D:只有一条有效路径CBED。

到:无有效路径

D到E:只有一条有效路径DCBE。

2.4 K_统计

对图中每条边添加成功和失败两个属性。假设a1a2…an是一条K_有效路径。对aiai+1(i=1,2…n-1)边在成功属性上加1,其他边在失败属性上加1,边a1an不做处理。

我们有S(X)代表边X成功的次数,用F(X)代表边X失败的次数。

K_统计是指对每一个K_划分图,计算出每条边的成功和失败的次数。然后对每条边统计出它的成功和失败的总次数。

以(图3)为例,总共有5条4_有效路径:BEDC、BECD、BCDE、CBED和DCBE。

对每条可能路径作以下分析:以BEDC为例,总共有BE、DE、CD、CE参与竞争(B和C是端点,所以BC不参与竞争),结果BE、DE和CD胜出。胜出的成功上加1,没选上的失败上加1。

对上面其他4条4_可能路径作同样操作,可得到下面的表格:

对(图2)的其它4个4_划分图作同样的操作,然后相加,统计出(图1)上每条边的成功和失败总次数。得出汇总表(图4)

2.5 K_链接度(K>=4)

对每条边X我们定义以下公式,(K>=4),(称LK(X)为边X的K_链接度。14

对于图1,根据汇总表(图4),我们可以计算出每条边的链接度L4(X)。

LK(X)代表了X边在k_划分下的属于最短哈密顿回路的概率。

对于LK(X)有一个重要的定理。

定理:在一个有n个结点的图中(假设存在最短哈密顿回路),如果LK(X)=1,则边X一定属于该图的最短哈密顿回路(证明较简单,在这里就不作具体详述了)。

根据汇总表,我们可以简单的算出最短哈密顿回路是ABCDA。

2.6 条件K_链接度(K>=4)

当我们假定某条边或几条边属于最短哈密顿回路时,其他边的K_链接度就会发生变化,我们把在某种条件下的K_链接度称为条件链接度,用CLK(X)来表示变X的条件K_链接度。

CLK(X)有类似于LK(X)的定理。

2.7 解集M

是指包含能构成一条最短哈密顿回路的边的集合。当把一条边要加入到解集M的时候,要检查它和解集M里的边是否会发生冲突。只有相容的边才能加入解集M。

对有n个结点的图来说,解集M最多只能包含N条边。

3 算法描述

一个广义的TSP问题是一个有n个结点的拓扑图,为了算法描述方便,我们假设该图只存在一条最短哈密顿回路。

算法描述如下:

该算法可以实现用一个较小的K来解决一个较大n的TSP问题,它的复杂度是:O(nK+3)。

4 对大黄蜂算法的一些思考和今后的方向

对于大黄蜂算法,我们还有很多工作要做,重点有以下几个方面:

1)k和之间的关系,一个很大的n,如何选取一个合适的k来进行计算。我们还需要更多的实验来确定。

2)对CLK(X)的一些思考,我们现在是认为CLK(X)最大,该边属于最短哈密顿回路的可能性就最大。我们是否能对k进行插值,CLK(X)的单调上升的边也许是属于最短哈密顿回路的可能性最大。不过现在还是一个猜想,需要更多实验和严格的数学证明

3)对大n的算法验证。

参考文献

[1]Travel Optimization by Foraging Bumblebees through Readjust-ments of Traplines after Discovey of New Feeding LocationsThe American Naturalist December 2010,176(6).