图形学作业报告2-5151109100111

【图形学作业报告2-5151109100111】这篇报告主要涉及了在图形学中的场景构建、动画制作以及智能物体的行为策略。在该作业中，学生需要在前一次作业的基础上增加场景的复杂性，包括模型导入、视觉效果和动画效果的优化。此外，还需要实现自动决策机制，让FKR（无人机）能够根据环境变化调整行动策略。 FKR的感知系统被设定为在其感知范围内能够发现并获取目标参数。这意味着FKR具备一定的目标识别和跟踪能力，可能通过人脸识别和红外追踪技术来锁定目标。然而，它存在一定的缺陷，例如对非实体攻击（如电磁干扰）无法躲避，且其目标是人的头部，可以通过保护头部或制造干扰来防御。 在设定的空间环境中，FKR能无障碍地从起点移动到目标人物，而人物仅限于在广场平台上的特定路径活动。广场上安装了antiFKR，这是一种电磁脉冲武器，能够使一定范围内电子设备失效，提供了一种对抗FKR的方式。 在实现方面，报告提到了几个关键库的使用，如Assimp用于模型加载，SOIL2处理纹理，glm进行数学运算，GLFW和GLEW支持窗口和OpenGL功能。报告中还列出了核心类的设计，包括Mesh、Drone、Camera、Human、Model和Mortar，分别对应模型处理、无人机、摄像机、人物、模型导入和antiFKR的实现。 FKR的运动模型由加速度、速度和位置的变换组成。加速度生成策略包括三种情况：基本的随机生成、目标导向的生成和限定空间内的生成。速度改变策略依据加速度进行更新，但不超过预设的最大速度。飞行策略则依据FKR的状态，如在空域巡逻或向目标飞近。当被antiFKR击中时，FKR会失去飞行能力并直线下降。 人物运动模型模拟了真实的人类行为，包括在固定点间随机行走，有概率停下，以及根据目标方向调整身体朝向。这增加了场景的真实感和互动性。 antiFKR的运动模型则是固定位置的旋转，能够发射电磁脉冲干扰FKR。 总结来说，这个图形学作业不仅涉及基础的3D模型加载和绘制，还涵盖了智能物体的行为模拟，以及在特定规则下的互动，这需要深入理解图形学原理，以及熟练掌握编程和算法设计。通过这样的项目，学生可以提升在虚拟环境中的动态场景构建和智能对象行为控制的能力。