一种汽车3D UI 中带光影贴图车模的制作方法

2024-01-12 07:45杨念祖邢鱼弟
汽车与驾驶维修(维修版) 2023年12期
关键词:车模算力数据量

杨念祖、邢鱼弟

(上汽通用五菱汽车股份有限公司,柳州 545007)

0 引言

随着智能网联和自动驾驶技术的不断革新,车企纷纷加速推出智能化汽车产品,市场对该类产品的认可度和接受度也逐步提升。新能源汽车加速普及也为智能化技术落地创造了更多可能。数据显示,到2030 年,中国汽车市场中将有50%的新车为新能源汽车,其中绝大多数新能源汽车将会搭载智能化硬件和相关功能。从前,汽车的功能性单一,机械按键操控车上所有功能,如收音机和CD 播放音乐等。而如今,液晶中控大屏取代了这些按键,各类应用软件也取代了收音机和CD。最新上市的车型中更是展现出了全新的汽车发展趋势,大量车型使用3D UI 人机交互设计、智能驾驶辅助等组成沉浸式体验的全场景智能。在当今物联网时代,车内的HMI 智能交互系统不仅是车辆功能的控制中心,更是车企展示差异化体验设计,展示品牌技术储备的重要节点[1]。

界面设计(UI 设计)是指对软件的人机交互、操作逻辑和界面美观的整体设计[2]。而3D UI 人机交互简单地,就是可以把车辆感知范围内的世界投射到车机屏幕上,实时呈现驾驶过程中的驾驶感知信息。它不仅能提高驾驶中的安全性,还能带来沉浸式的座舱交互感受。比如在车型状态界面,车辆是3D 呈现的,用户可以用触控的方式控制车窗、后视镜、行李舱盖和空调等。

在互联网飞速发展过程中,智能化、多功能成为汽车UI 设计的新方向[3]。相较于传统平面图形的UI 界面,3D UI 界面更加真实,尤其是基于可视化引擎的3D UI 界面,其可实现的效果和交互的方式几乎没有限制。如使用Unity 引擎的小鹏G9,使用Unreal Engine 引擎的高合HiPhi Z,它们的3D UI 设计效果独特,好看好用。

但3D UI 界面的缺点仍然存在。与2D UI 图片几乎不占太多系统资源相比,3D UI 界面中车辆数模数据量越大,效果越精细,对系统算力的占用也就越大。实时材质光影效果更真实、自然,同时占用很多的GPU 算力。如何在效果和效率上平衡,是3D UI 使用的一个难点。特别是针对采用普通芯片,算力并不突出的一般车型而言,数据量及用户体验是优先考虑的因素。因此,应该从2 个方面优化3D UI 模型,即车模数据量优化和车模光影效果优化。

1 车模数据量优化

1.1 三维车模数据类型

众所周知,主机厂在制作整车模型时通常采用ALIAS、ICEM、CATIA 和UG 等专业软件,通过这些工具创建NURBS(Non-Uniform Rational B-Splines)曲面模型。NURBS 曲面模型以数学公式计算得出的准确坐标参数为基础,因此其边、面以及任何一点都具有高度准确性。这使得NURBS 曲面模型在实际的模具制造和物理加工生产中能够得到广泛应用。

NURBS 曲面的平滑度极高,能够无缝连接各个控制点,形成流畅的曲线和表面。这一特性对于整车外观的设计至关重要,因为它确保了车身曲线的自然过渡,使得最终的整车外观更为流畅、美观。在实际的模具制造过程中,这种高度准确的曲面模型能够直接应用于数控加工等环节,确保模具制造的精度和质量。

具体而言,如图1 所示,绿色区域代表着NURBS 曲面,而红色点则标示了CV(Control Vertex) 关 键控制点。这些控制点在NURBS 曲面的构建过程中起着关键的作用,通过它们的位置调整,可以精确控制曲面的形状和曲率。这种精准的控制使得NURBS 曲面模型在整车设计中能够满足对曲线和表面的高要求。

图1 NURBS 曲面构成示例

但在计算机图形学和车载UI 的OpenGL 三维图形界面中,三维模型通常以多边形(Polygon)结构表示,由点、线和面组成。这种模型结构简单、数据量较小,使其能够充分利用显示芯片GPU 进行高效绘制(图2)。多边形模型在计算机图形学领域、三维显示、渲染以及图形用户界面中得到广泛应用。这种表示方式不仅有助于图形的快速绘制,而且在处理相对简单的几何结构时能够有效降低数据复杂度,提高渲染效率。

图2 多边形模型示例

1.2 三维车模数据类型的转化

NURBS 曲面模型是一种准确的数学模型,其数据量很大,在三维OpenGL 界面中正常显示的话,需要将其转化为计算机或车机能处理的简单Polygon 模型。这种由NURBS 曲面模型转化为Polygon 模型的过程称为细分(Tessellation),该过程可以使用计算机图形化软件自动处理。使用弦长偏差(Chord Deviation)、法线偏差(Normal Tolerance)和最大弦长(Max Chord Length)3 个参数调整精度。参数值越低,细分精度越高;细分精度越高,模型越平滑,数据量越大。

如图3 所示,从左往右分别为NURBS 曲面、弦长偏差为2.000 mm 的多边形模型以及弦长偏差为0.075 mm 的多边形模型,后两者的三角面数分别为1 244、33 150。因此,细分过程的精度设置会导致三角面数的几十倍差异。

图3 不同细分参数结果

1.3 车载3D UI 模型优化方法

以某车型为例,使用极大的弦长偏差(3.000 mm)、极大的法线偏差(30.000 mm)以及极大的最大弦长(400.000 mm)转换整车外饰曲面模型,最终得到20 万面数的多边形数模。如此低精度转换后的车模,在目标车辆中控界面运行时会异常卡顿,且漏光,模型粗糙。如图4 所示,模型铭牌字符不完整,圆角变折角,多处面破面。

图4 低细分模型缺陷

卡顿原因是车模数据面数多,车载芯片算力不足。但原模型已无法继续整体降低精度,因此,自动细分方法对车载3D 模型不可用。而多边形建模是目前应用最广的建模方法,它的兼容性非常好,运行速度最快,而且在较少的面数下也制作出复杂的模型[4]。

通过对自动细分模型的分析,我们可以观察到,NURBS 曲面的段数和阶数之间存在的差异导致细分后的模型中,大多数面都集中在曲面的圆角、转折和分缝等区域,而相对较大的曲面块中的面数较少。由于精度较低,这导致了面与面之间接缝的破损。为了避免这一问题,应采取手动调整的方式,将更多的面数分配给较大的曲面块,以确保其在模型中得到最优的显示效果。此外,模型拼缝、圆角和字符等取消在数模中体现,而改用贴图来实现相应的效果。这样可以提高模型的整体精度,避免由于低精度导致的面接缝破损问题。

综上所述,我们得到了手动多边形建模的具体流程。

(1)使用多边形建模软件如MAYA、Blender 或3DSMAX,导入高细分多边形模型。

(2)重新构建低面数多边形,可以使用点吸附功能,将新模型的点吸附在高细分模型中。为方便后续调整,尽量使用四边形来制作模型

(3)因车模为左右对称,只需要重构一侧数模。尽可能使用少的点来拟合高细分模型,设计的关键特征如腰线、大曲面等需要在模型中通过卡点实现。其他小细节、圆角和非视觉中心特征等,可以不在模型中体现。

(4)最后设置模型的软硬边,以体现数模的转折特征和光滑过渡,将模型的总面数控制在2 万以下(图5)。

图5 手动重构的低面数模型

图5 所示为MAYA 制作的某车型3D UI 模型,其最终面数为5 689。

2 车模光影效果优化

除了使用游戏引擎(Unity、Unreal Engine)的车载系统,绝大多数车辆的车载系统无法支持高阶的OpenGL 图形化功能,如动态高光、反射、实时阴影和透明通道等,而仅能在固有色层支持一张或数张贴图。因此,在车模光影的优化中,我们需要将真实的光影、反射等信息汇集到一张图片中。加上前述中的圆角、转折和分缝等,也需一并在贴图中体现。具体流程如下。

(1)使用MAYA 或UV Layout 等软件将3D 车模的UV 拆分,因车模左右对称,为最大化利用贴图资源,相同部分的UV 应重合在一起。特别注意前后保险杠,因牵引钩盖的开口,无法对称使用。为保证贴图清晰度,重点关注部位如灯具等,需要在UV 图中占据大一点的位置(图6)。

图6 整车UV 排布图

(2)准备车型的正前、正后、正侧、前45°和后45°实拍图片或者渲染图片。此图片直接影响最后车模效果,需仔细评估准备。

(3)使用Bodypaint 3D 或 者 Substance Painter 等贴图绘制软件,用贴图投射的方式将5 张图投射到车模中。其中,前45°和后45°图为融合正前、正侧和正后使用(图7)。

图7 五视图投射方向示意

(4)可以使用图片的分缝位置来参考投射的角度,尽量使投射视角与照片视角一致。利用多图层及遮罩实现平滑过渡。对图片中材质表现不到位的部分,可以使用其他图片或软件内部材质替代(图8)。

图8 最终效果

3 结束语

飞速发展的时代已经向人们有力证明,当下限制人类发展的只能是人们的思想。只要人们敢想、敢做、敢实践,人类未来的生活必定逐步走向科技化、智能化和现代化[5]。随着车辆智能化和网联化的快速发展,车载用户界面(UI)的演化成为汽车科技领域的一个热点。其中,从2D 到3D 的转变,标志着未来驾驶体验的变革。推动这一变化是车载芯片算力的持续提升。随着技术的进步,车辆的算力逐渐达到能够处理上百万多边形数据的水平,为实现更加真实的实时光影、反射等效果奠定了基础。

在不久的将来,我们有望看到车辆完全能够处理复杂而庞大的三维模型,将驾驶舱变为一个沉浸式的虚拟空间。这意味着驾驶者和乘客可以在车内感受到更加逼真的视觉体验,仿佛置身于另一个现实之中。这不仅仅是对驾驶过程的提升,更是对整个出行时代的定义和重新构想。然而,在这个未来愈发清晰的画面之前,我们需要找到在当前主流车载系统中流畅运行3D 车模的解决方案。

这种解决方案的关键在于充分利用现有技术,通过优化和整合,实现在有限算力下的高效运行。通过巧妙地处理多边形数据,能够在不影响性能的前提下完整呈现整车效果,而无需等待未来高算力的车载系统。

继续深入研究和推广这一方法,将为汽车产业注入新的活力。它不仅仅是技术的进步,更是对用户体验的重要改善。未来驾驶不再仅仅是目的地的到达,更是一场身临其境的感官之旅。这样的变革,让驾驶变得更加智能、有趣、安全。因此,我们有理由相信,3D 车模的推广将成为未来车辆设计和技术创新的一项重要趋势。

猜你喜欢
车模算力数据量
苏州:到2025 年算力产业创新集群规模达4 000 亿元
卫星通信在算力网络中的应用研究
中国电信董事长柯瑞文:算力成为数字经济的主要生产力
基于SiteAI算力终端的交通态势感知系统
基于大数据量的初至层析成像算法优化
计算Lyapunov指数的模糊C均值聚类小数据量法
潮玩车模精准吸引“Z世代”
高刷新率不容易显示器需求与接口标准带宽
宽带信号采集与大数据量传输系统设计与研究
车展,没有车模看什么