三维地形场景智能生成方法研究（C++）

本是古典何须时尚 2023-10-13 21:57 22阅读 0赞

目 录  
第一章 绪论 1  
1.1 计算机仿真 1  
1.2 OpenGL绘图技术介绍 2  
1.2.1 OpenGL的应用 2  
1.2.2 OpenGL特点及功能 2  
1.3 开发平台 3  
1.4 相关设计与算法 4  
1.4.1 数字高程模型DEM的数据结构 4  
1.4.2 基于三角形索引顶点数据结构的三维地形绘制算法 5  
1.5 课题目标 7  
第二章 三维地形场景生成 8  
2.1 LOD技术原理 8  
2.1.1 数据结构和地形节点组织 8  
2.1.2 地形粗糙度标准 9  
2.1.3 裂缝消除 10  
2.2 地形模型构造 11  
2.2.1 三角形边线细分法 11  
2.2.2 菱形-方形细分法 11  
2.2.3 视场裁剪 13  
2.4 算法实现 15  
2.4.1 算法基本原理 15  
2.4.2 算法流程 16  
2.4.3 算法评价 16  
第三章 程序实现与实验测试 18  
3.1 总体架构 18  
3.2 程序流程图 19  
3.3 实验数据与成果展示 21  
3.3.1 实验环境 21  
3.3.2 实验结果 22  
参考文献 23  
致 谢 24  
附 录 25  
关键代码 25  
场景绘制函数RenderScene() 25  
随机生成地形数据函数randomTerrain() 29  
场景绘制函数draw() 31  
1.5 课题目标  
本课题旨在研究三维地形场景智能生成方法，建立一种高效、可靠、智能化的生成模式以解决目前手工制作三维场景面临的问题。具体目标包括：

1.  研究三维地形场景智能生成的基本原理和流程，探索不同类型地形的特征提取与处理方法。
2.  设计并实现三维地形场景智能生成算法，包括地形预处理、高度图生成、地形贴花、地形细节等方面。
3.  基于生成模型的三维地形场景设计，包括湖泊、河流、植被、建筑、道路等元素。
4.  设计合适的评价标准，对生成算法的优点与不足进行评价并提出优化措施。
5.  最终实现智能化的三维地形场景生成方法，达到高效、自动、可靠地生成符合需求的地形场景的目的。  
    通过本课题研究，可推动三维地形场景生成技术的发展，为游戏、重建、仿真等领域的应用提供更加高效、真实的地形场景。同时，对于促进人工智能、计算机视觉等相关领域技术的提升和发展具有一定的贡献。

随机生成地形数据函数randomTerrain()
    该函数用来随机生成新的地形数据。
    代码如下：
        	int x， z;
    	int i， j;
    	int bsize， csize;
    	int rnd;
    	
    	for(i=0; i<(M_SIZE*M_SIZE); i++) {
        
    		y[i] = 0;
    	}
    	
    	bsize = M_SIZE;
    	csize = M_SIZE/2;
    	
    	rnd = 256;
    	
    	while(csize > 0) 
    	{
        
    		for(x=0; x<M_SIZE; x+=bsize) 
    		{
        
    			for(z=0; z<M_SIZE; z+=bsize) 
    			{
        
    				y[IX(x+csize， z+csize)] =   f4(y[IX(x， z)]， y[IX(x+bsize， z)]， y[IX(x+bsize， z+bsize)]， y[IX(x， z+bsize)]) + rand()%(rnd+1) - (rnd/2);
    			}
    		}
    		
    		for(x=0; x<M_SIZE; x+=bsize) 
    		{
        
    			for(z=0; z<M_SIZE; z+=bsize) 
    			{
        
    				y[IX(x+csize， z)] = f4(y[IX(x， z)]，y[IX(x+bsize， z)]，y[IX(x+csize， z+csize)]，y[IX(x+csize， z-csize)]) + (rand()%(rnd+1) - (rnd/2));
    			}
    		}
    		
    		for(x=0; x<M_SIZE; x+=bsize) 
    		{
        
    			for(z=0; z<M_SIZE; z+=bsize) 
    			{
        
    				y[IX(x， z+csize)] = f4(y[IX(x， z)]，y[IX(x， z+bsize)]，y[IX(x-csize， z+csize)]，y[IX(x+csize， z+csize)]) + (rand()%(rnd+1) - (rnd/2));
    			}
    		} 
    		
    		bsize /= 2;
    		csize /= 2;
    		if(csize < 16)
    			rnd /= 2;
    	}
    	
    	
    	for(i=0; i<M_SIZE*M_SIZE; i++) 
    	{
        
    		if(y[i] < 0) 
    		{
        
    			y[i] = 0;
    		}
    	} 
    	
    	for(j=0; j<4; j++) 
    	{
        
    		x = rand()%M_SIZE;
    		z = rand()%M_SIZE;
    		
    		for(i=0; i<100; i++) 
    		{
        
    			x += rand()%17 - 8;
    			z += rand()%17 - 8;
    			
    			y[IX(x， z)] = 1000; 
    		}
    		
    	}
    	
    	// 高程数据的平滑处理	
    	for(j=0; j<8; j++) {
        
    		for(x=0; x<M_SIZE; x++) {
        
    			for(z=0; z<M_SIZE; z++) 
    			{
        
    				i =	y[IX(x-1， z-1)] +y[IX(x，   z-1)] +y[IX(x+1， z-1)] +y[IX(x-1， z)] + y[IX(x，   z)] +
    					y[IX(x+1， z)] +	y[IX(x-1， z+1)] +y[IX(x，   z+1)] + y[IX(x+1， z+1)];
    				y[IX(x， z)] = i / 9;
    			}
    		}
    	}

![在这里插入图片描述][d138a383bacf49a3af2bf3ba1b5c9621.png_pic_center]  
![在这里插入图片描述][b11cf9ff22fc4b8ba247b443debd82e9.png_pic_center]  
![在这里插入图片描述][df6f67d17566452a89c42e48bb4b8a2c.png_pic_center]  
![在这里插入图片描述][d5a4eb4793394b2c9d922da4f690a7a2.png_pic_center]  
![在这里插入图片描述][0d8ebfc12962447dad103ebf7dae1949.png_pic_center]  
![在这里插入图片描述][837a3b43ce014b9bbfc1da571c33cfa7.png_pic_center]  
![在这里插入图片描述][a658af6fee2a4485bd407fdf03083bba.png_pic_center]  
![在这里插入图片描述][914677ece9bf4324b0a7dcd9930ee64e.png_pic_center]  
![在这里插入图片描述][8b08b1e60b074a8ab98a63ef40a01e64.png_pic_center]  
![在这里插入图片描述][e237a862551d4dea9f8d5e09dbada9e8.png_pic_center]  
![在这里插入图片描述][45f32c97ce7f4a0099cfe947c0f9183e.png_pic_center]

[d138a383bacf49a3af2bf3ba1b5c9621.png_pic_center]: https://img-blog.csdnimg.cn/d138a383bacf49a3af2bf3ba1b5c9621.png#pic_center
[b11cf9ff22fc4b8ba247b443debd82e9.png_pic_center]: https://img-blog.csdnimg.cn/b11cf9ff22fc4b8ba247b443debd82e9.png#pic_center
[df6f67d17566452a89c42e48bb4b8a2c.png_pic_center]: https://img-blog.csdnimg.cn/df6f67d17566452a89c42e48bb4b8a2c.png#pic_center
[d5a4eb4793394b2c9d922da4f690a7a2.png_pic_center]: https://img-blog.csdnimg.cn/d5a4eb4793394b2c9d922da4f690a7a2.png#pic_center
[0d8ebfc12962447dad103ebf7dae1949.png_pic_center]: https://img-blog.csdnimg.cn/0d8ebfc12962447dad103ebf7dae1949.png#pic_center
[837a3b43ce014b9bbfc1da571c33cfa7.png_pic_center]: https://img-blog.csdnimg.cn/837a3b43ce014b9bbfc1da571c33cfa7.png#pic_center
[a658af6fee2a4485bd407fdf03083bba.png_pic_center]: https://img-blog.csdnimg.cn/a658af6fee2a4485bd407fdf03083bba.png#pic_center
[914677ece9bf4324b0a7dcd9930ee64e.png_pic_center]: https://img-blog.csdnimg.cn/914677ece9bf4324b0a7dcd9930ee64e.png#pic_center
[8b08b1e60b074a8ab98a63ef40a01e64.png_pic_center]: https://img-blog.csdnimg.cn/8b08b1e60b074a8ab98a63ef40a01e64.png#pic_center
[e237a862551d4dea9f8d5e09dbada9e8.png_pic_center]: https://img-blog.csdnimg.cn/e237a862551d4dea9f8d5e09dbada9e8.png#pic_center
[45f32c97ce7f4a0099cfe947c0f9183e.png_pic_center]: https://img-blog.csdnimg.cn/45f32c97ce7f4a0099cfe947c0f9183e.png#pic_center