首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >C4D中四种基本的曲线运动控制方式

C4D中四种基本的曲线运动控制方式

作者头像
IT自学不成才
发布于 2019-01-07 05:19:47
发布于 2019-01-07 05:19:47
4.9K0
举报

C4D中四种基本的曲线运动控制方式

2017-05-31 by Liuqingwen | Tags: C4D | Hits

一、前言

最近刚开始学习 Cinema 4D 这款强大的建模软件的运动相关知识,暂时学习的东西不多,看的时候也能当场理解掌握,但是发现回过头来学过的东西早已经抛之脑后了,看来学习方法还是不对,必须学习之后要做总结吧,特别是一些很容易混淆的概念和方法,不总结真的是云里雾里啊。

今天总结一下最近学习的 C4D 中几种最基本的控制曲线运动的方法,为什么要说曲线控制呢?我们知道,骨骼是不能直接绑定在曲线上的,骨骼只对 Mesh 多边形物体绑定有效,所以控制曲线的运动需要一些特殊的方法实现,目前我知道的有以下 4 种方式,仅供总结参考:

  • 曲线追踪的方式
  • XPRESSO控制曲线
  • IKSpline的骨骼控制
  • IK骨骼结合XPRESSO控制

下面一一作简单介绍,只介绍他们的大概实现原理,具体的比较和优缺点暂时只能从表面现象观察吧,在实际应用中还需要更多的学习和探索。

二、四种基本方式

1. 曲线追踪的方式

这是最简单也很有效的方法,甚至连曲线 Spline 都不用建立。

如图建立 5 个空物体( Null ),设置好空物体的显示,用来控制曲线的操纵杆。然后在运动图形菜单中添加曲线追踪器。

在曲线追踪器中设置追踪对象为 5 个空物体,设置追踪模式: Connect All Objects ,设置曲线类型为: Akima ,这样保证曲线比较平滑。

添加 Sweep 扫描这样能更加直白地看到曲线的运动形态,接着就可以用空物体代表的控制杆来操控曲线了。是不是很方便?

2. XPRESSO控制曲线

Cinema 4D 中的 XPRESSO 标签功能很强大,才刚刚接触就被它的易用性震撼到了,真的恨强,对于不喜欢编程的朋友来说确实是一剂良方。用 XPRESSO 控制曲线的思路也很简单: Spline 由点控制,点又由操控点通过 XPRESSO 控制,达到最终操控点控制曲线的目的。

和上面第一种方法类似,建立 5 个空白对象作为操控点,然后还需要建立一个 4 分段( Segment )的 Spline (添加 Sweep 扫描这样更加清晰直白),如下图:

记住,和上面方法一样,为了让曲线更加平滑过渡,需要设置曲线的形态: Akima ,设置点插值方式为: Uniform ,数量多一点:

添加 XPRESSO 标签,设置他们之间的连接,这里需要用到层级( Hierarchy ),层级能够迭代输出某一层或者某一序列的物体,通过层级把 5 个控制点分别输出并控制 Spline 上的对应点的 Global Position ,那样曲线上的点的位置就会跟随相对应的控制点了:

关于 XPRESSO 大家可以参考官方文档,也可以看我推荐的数字人博客的相关文章,我这里对层级( Hierarchy )的参数设置是采用的绝对路劲( Absolute Reference )和开始路劲向下( D )、迭代路劲往后( N ),具体参数定义我在文章之后参考资料中会写到,具体设置如下:

这样 XPRESSO 就起作用了, Spline 上的每个点都受到相应控制点的控制而跟随运动:

3. IKSpline的骨骼控制

除了以上方法后,还有就是大家很容易想到的是通过骨骼绑定控制曲线运动的方法,骨骼运动系统非常强大,但是,骨骼并不能直接绑定曲线,他只能绑定 MESH 多边形物体,那么如果利用骨骼的话可以怎么做呢?——答案是 IKSpline 骨骼标签。

如下图建立 Spline 曲线并设置相应参数,在工具栏中选 Spline to Joints 命令转化曲线为关节,转化后在根关节添加 IKSpline 标签。

设置 IKSpline 参数,把曲线和末关节分别拖入对应参数位置,同时,我们并不能直接通过控制骨骼来控制曲线,那样会很不方便,包括移动旋转等,我们需要创建操纵杆来达到控制骨骼关节和曲线的目的,所以我们需要添加手柄( Handles ),并创建其形态( Add -> Create ),依次创建出现 5 个操纵杆:

这样我们就达到目的了,通过操纵杆控制 IKSpline 骨骼然后间接达到控制曲线的目的:

4. IK骨骼结合XPRESSO控制

上面的方法中使用了 IKSpline 关节控制曲线的方式,除此之外,我们其实还可以利用关节运动加上 XPRESSO 控制功能也能同样达到控制曲线的目的。

思路大致是这样的:我们通过创建骨骼关节并利用 XPRESSO 把相应关节绑定到曲线的对应点上,再利用 IK 标签控制骨骼运动从而实现间接控制曲线运动的目的。 IK 标签是骨骼绑定中最常用的角色命令,它和 IKSpline 不同,利用 IK 标签可以绑定到多边形上来创建达到更加复杂的形体运动。

同上一步骤,创建曲线,分段,设置参数,转化成关节,因为我们需要添加 XPRESSO 标签,最好是再创建一个空物体作为所有关节的根物体( Root ),在根物体上添加 XPresso 标签,同时给关节添加 IK 标签,设置 IK 尾关节和添加目标手柄:

同上面的第二种 XPresso 方法一样,设置其节点和参数如下:

是不是动起来了?而且和骨骼绑定是相一致的。

三、总结

控制曲线的用途还是有很多的,毕竟建模后很多管子之类的物体都是用曲线方式生成更方便,当然直接用模型也可以,如果用曲线的话,那么就可以用以上方法结合其他的途径达到各种运动控制的目的了。上面的几种方法中,其实只有骨骼关节控制才能够达到一个控制点的位移影响所有点的位置的效果,其他方法只能控制曲线上当前点的位置和状态,如果觉得抽象,你完全可以尝试一下。

简单的回顾总结一下自己刚刚学习的一点新知识, C4D 才开始学习,还有很多东西都是未知的,学海无涯啊,在学习的海洋里畅游的时候,还是不能忘记回头看看自己曾经游过的地方遇到了些什么精彩或者惊险的玩意,不然很容易忘记接下来该怎么前行了,所谓学而不思则罔,思而不学则殆!

最后,强烈推荐参考数字人老师的学习空间相关博客文章,下面参考资料里有链接,他的文章内容讲的非常详细到位而且也有很多应用实例讲解,详细你会仔细品读的。

参考资料: 数字人的学习空间: http://digitalman.blog.163.com/ C4D R17 帮助文档: http://c4d.cn/help/r17/US/html/1000.html XPRESSO路劲设置参数解释:

  • U: [up one hierarchical level] U 代表向上一层,往上寻找
  • D: [down one hierarchical level] D 代表向下一层,往下寻找
  • P: [previous object on current hierarchical level] P 在当前层的前一个物体对象
  • N: [next object on current hierarchical level] N 是当前层的下一个物体对象
  • F: [first object on hierarchical level] F 是的第一个对象
  • L: [las object on hierarchical level] L 是最后一个对象

C4D

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017-05-31,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Clickhouse 迁移到 Doris 的最佳实践
在将数据从 Clickhouse 迁移到 Apache Doris / SelectDB Cloud 的过程中,涉及表结构迁移、查询语句迁移以及数据迁移等多个关键环节。每个环节都有其复杂性和需要注意的细节,本文将详细介绍这些内容及对应的最佳实践方法。
数据极客圈
2025/07/14
1760
Clickhouse 迁移到 Doris 的最佳实践
小程序是如何设计百亿级用户画像分析系统的?
导语 | We 分析是微信小程序官方推出的、面向小程序服务商的数据分析平台,其中画像洞察是一个非常重要的功能模块。微信开发工程师钟文波将描述 We 分析画像系统各模块是如何设计,在介绍基础标签模块之后,重点讲解用户分群模块设计。希望相关的技术实现思路,能够对你有所启发。 目录 1 背景介绍    1.1 画像系统简述    1.2 画像系统设计目标 2 画像系统整体概述 3 基础标签模块    3.1 功能描述    3.2 技术实现 4 用户分群模块    4.1 功能描述    4.2 人群包实时预估
腾讯云开发者
2023/03/10
2.6K0
小程序是如何设计百亿级用户画像分析系统的?
Clickhouse在大数据分析平台-留存分析上的应用
导语 | 本文实践了对于千万级别的用户,操作总数达万级别,每日几十亿操作流水的留存分析工具秒级别查询的数据构建方案。同时,除了留存分析,对于用户群分析,事件分析等也可以尝试用此方案来解决。 文章作者:陈璐,腾讯高级数据分析师   背景 你可能听说过Growingio、神策等数据分析平台,本文主要介绍实现留存分析工具相关的内容。 留存分析是一种用来分析用户参与情况/活跃程度的分析模型,可考查进行初始行为后的用户中,有多少人会进行后续行为,这是衡量产品对用户价值高低的重要指标。如,为评估产品更新效果或渠道推广
腾讯云大数据
2020/08/07
3.8K1
ClickHouse SQL 语法基础极简教程 + bitmap 位图数据类型的使用实例
Application: Listening for http://127.0.0.1:8123
一个会写诗的程序员
2022/03/07
2.8K0
ClickHouse SQL 语法基础极简教程 + bitmap 位图数据类型的使用实例
Clickhouse学习系列——一条SQL完成gourp by分组与不分组数值计算
       笔者在近一两年接触了Clickhouse数据库,在项目中也进行了一些实践,但一直都没有一些技术文章的沉淀,近期打算做个系列,通过一些具体的场景将Clickhouse的用法进行沉淀和分享,供大家参考。
粲然
2023/10/12
6000
Clickhouse学习系列——一条SQL完成gourp by分组与不分组数值计算
人群创建的基础:画像标签BitMap
​上文提到了使用画像宽表可以便捷的创建人群,本文介绍人群创建所依赖的另外一种数据组织形式:标签BitMap。
张叔叔讲互联网
2023/10/17
1.5K0
人群创建的基础:画像标签BitMap
【ClickHouse为什么这么快?】MergeTree 表存储引擎图文实例详解
ClickHouse 是俄罗斯最大的搜索引擎Yandex在2016年开源的数据库管理系统(DBMS),主要用于联机分析处理(OLAP)。其采用了面向列的存储方式,性能远超传统面向行的DBMS,近几年受到广泛关注。
一个会写诗的程序员
2021/12/16
2.1K0
【ClickHouse为什么这么快?】MergeTree 表存储引擎图文实例详解
ClickHouse 源码解析(一):SQL 的一生(上)
基于 ClickHouse version 22.10.1 学习并写下 ClickHouse 源码解析系列。由于 CK 版本迭代很快,可能导致代码可能有些出入,但是整体流程大差不差吧。由于源码阅读过于枯燥,并且不太利于后续复习,所以在逻辑梳理时,我会使用思维导图或者流程图的方式来描述类与类之间的调用逻辑,后半部分会挑出核心的源码去分析。
用户8447023
2022/10/28
2K0
大数据ClickHouse进阶(十八):数据字典类型
在创建字典表语句中使用“layout”来指定字典的类型,目前扩展字典支持7种类型,分别为flat、hashed、range_hashed、cache、complex_key_hashed、complex_key_cache、ip_trie,不同的字典类型决定了数据在内存中以何种结构组织和存储。
Lansonli
2022/10/17
1K0
大数据ClickHouse进阶(十八):数据字典类型
ClickHouse 集群部署(不需要 Zookeeper)
(1)安装 ClickHouse Server 和 ClickHouse Client
用户1148526
2024/04/18
10.1K2
ClickHouse(21)ClickHouse集成Kafka表引擎详细解析
ClickHouse可以接受和返回各种格式的数据。受支持的输入格式可用于提交给INSERT语句、从文件表(File,URL,HDFS或者外部目录)执行SELECT语句,受支持的输出格式可用于格式化SELECT语句的返回结果,或者通过INSERT写入到文件表。
张飞的猪
2024/06/07
6220
ClickHouse(21)ClickHouse集成Kafka表引擎详细解析
ClickHouse实战留存、路径、漏斗、session
关于用户留存模型是各大商业数据分析平台必不可少的功能,企业一般用该模型衡量用户的活跃情况,也是能直接反应产品功能价值的直接指标;如,boss想要了解商城改版后,对用户加购以及后续下单情况的影响等。如下图,这就是一个典型的留存分析功能:
小晨说数据
2022/03/10
2.3K0
ClickHouse实战留存、路径、漏斗、session
​深入浅出 ClickHouse 物化视图
数据库查询语言(query language)是数据库管理系统(DBMS)提供给用户和数据库交互的工具,查询语言分为三类 [^1]:
腾讯技术工程官方号
2023/07/15
2.8K0
​深入浅出 ClickHouse 物化视图
一文读懂:画像平台人群包产出进阶之路
本文将以规则人群为例,完整地描述人群创建耗时从十几分钟降低到秒级响应的优化进阶过程。
张叔叔讲互联网
2023/11/04
7460
一文读懂:画像平台人群包产出进阶之路
一文入门 | 性能凶悍的开源分析数据库ClickHouse
ClickHouse是一个开源的,面向列的MPP架构数据分析数据库(大规模并行处理),由俄罗斯Yandex为OLAP和大数据用例创建。
灵雀云
2022/06/06
4K0
一文入门 | 性能凶悍的开源分析数据库ClickHouse
利用Null引擎和物化视图构建数据管道
不知各位在使用 AggregatingMergeTree 这个神器表引擎的时候,有没有觉得过很别扭,反正我有...
Nauu
2021/04/29
1.3K1
利用Null引擎和物化视图构建数据管道
Clickhouse在大数据分析平台-留存分析上的应用
你可能听说过Growingio、神策等数据分析平台,所在部门也在构建自己的大数据分析平台MVP(地址:http://mvp.wsd.com),本文主要介绍实现留存分析工具相关的内容。
腾讯云大数据
2021/01/07
2.3K0
画像平台人群创建方式-规则人群创建
规则圈选是按照指定条件从画像数据中找到满足要求的用户并沉淀为人群的一种常见的人群创建方式。所谓的规则就是条件的组合,比如北京市男性用户,最近一周平均在线时长介于2到10分钟之间的中老年用户。规则圈选的实现依赖画像宽表数据或者BitMap数据,其实现逻辑如图5-12所示。
张叔叔讲互联网
2023/10/18
8770
画像平台人群创建方式-规则人群创建
面试杀手锏:Redis源码之BitMap
在上文《面试杀手锏:Redis源码之SDS》中我们深入分析了 SDS 的实现,本次介绍的位图(BitMap)就是借助 SDS 实现的。
敖丙
2022/03/24
9880
面试杀手锏:Redis源码之BitMap
Bitmap用户分群在贝壳DMP的实践和应用
DMP数据管理平台是实现用户精细化运营和和全生命周期运营的的基础平台之一。贝壳找房从2018年5月开始建设自己的DMP平台,提供了用户分群、消息推送、人群洞察等能力。关于贝壳DMP架构的介绍可参考文章:DMP平台在贝壳的实践和应用。
smartsi
2020/08/24
5.2K1
Bitmap用户分群在贝壳DMP的实践和应用
推荐阅读
相关推荐
Clickhouse 迁移到 Doris 的最佳实践
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档