PCG 高级篇 运用案例

记录以下相关应用

PCG 利用LocalCenter调整Mesh到包围盒中心

PCG Spawn Mesh的时候，如果Mesh的枢轴点刚好在Bounds的中心，这种情况是最好操作的，只要控制好点与点之间的间距，模型就不会重叠。

但是，通常情况下，Mesh的pivot点经常是乱七八糟的，各种位置都有，所以需要进行调整。

Pivot 原理

默认情况下，Mesh 最原始的 Pivot点就是（0，0，0）,此时 pivot点就是包围盒的中心。这就是我们需要的理想状态。

$$LocalCenter=\overrightarrow{Pivot}=(0,0,0)=(BoundsMax+BoundsMin)/2$$

乱七八糟的Pivot点，是通过偏移量来实现的：

$$NewLocalCenter=Offset+Pivot(0,0,0)=PivotOffset$$

所以，PCG的LocalCenter属性 就是Pivot的偏移量。

知道了原理，就可以通过减去PivotOffset来让Pivot点回到Bounds的中心，回到理想状态。

最后，因为这个偏移量是个本地向量，而PCG点的Position都是世界坐标，且都有自己的Transform属性，所以得对PivotOffset进行Transform.TransformDirection来应用方向转换。（PivotOffset是一个相对量，只需要方向变换，不需要位置变换）

任意位置的Pivot居中调整

• 使用$LocalCenter记录Mesh的几何中心，如果是0代表没有任何偏移，如果是其他值，说明是乱七八糟的Pivot点

• 由于偏移量是个本地向量，而PCG点的位置是世界位置，还不能直接减去PivotOffset，先使用Transform.TransformDirection来换算

任意位置的Pivot，调整到X方向最边界，Y方向居中

默认情况下，Mesh的Pivot点在包围盒中心，即LocalCenter = (0,0,0)。

如果我们想要将Pivot调整到X方向的最边界（可以是最左或最右），Y方向居中，Z方向保持原样，需要计算从当前Pivot位置到目标位置的偏移量。 既：

$$\mathrm{目}\mathrm{标}\mathrm{向}\mathrm{量}=((Xmin-Xmax)/2,0,0)=\mathrm{已}\mathrm{有}\mathrm{偏}\mathrm{移}\mathrm{量}(LocalCenter)+\mathrm{调}\mathrm{整}\mathrm{向}\mathrm{量}$$

1. 包围盒中心到X最左边界的向量是：

   目标向量 = 左边界向量 = (Xmin - (Xmax+Xmin)/2, 0, 0) = ((Xmin - Xmax)/2, 0, 0) = -$Extents.X

2. 如果Pivot已有偏移(LocalCenter)，我们需要计算额外的调整向量：

   
   调整向量 = 目标向量 - LocalCenter

   其中，目标向量可以是左边界向量或右边界向量，取决于我们想要将Pivot调整到哪一侧。 最终，这个调整向量是本地坐标系下的，需要使用Transform.TransformDirection转换到世界坐标系，然后+到PCG点的Position。

PCG自适应铺地板

地板宽度通常是固定，所以对应输入的样条线区域，还需进行调整，有以下步骤：

获取全部楼层(poly line 类型), 传入子图，在子图执行全部逻辑

使用 Filter data by index 筛选出需要地板的楼层

把点映射到世界零点，方便后续计算：

1. 创建一个原点
2. 每个点减去原点，就映射回世界零点。
3. 对每个点 使用 abs 取绝对值，全部射到第一象限。

根据长度，计算地板数量

1. 假如地板宽度为500，那么这里的分段可以取500的倍数，这里写1000就是每段至少2个地板
2. 除出来后，如果2.3个地板，必须向上取整变成3，才能符合“容纳”的要求。
3. 还原回原点。
4. 最后一个add 把结果写入Postion，最终更新了整个样条线的大小，让其符合地板宽度的要求。

输出地板数据

1. 创建新的，大小已经合适的Spline ，选择在内部模式且无边际必须打勾
2. 采样距离设置为500（会报错但不影响使用，不必理会，应该是bug）

PCG 自动样条线Mesh

主要都是 Attract节点的用法， Attract的主要功能的搜索和关联

用2个Attract 配合，创建起点和终点

1. 让球面点，搜索半径1200范围内，可以关联的点，模式为 最近点
2. 能搜索到的“关联点”的球面点，会被attract节点输出，对于关联点来说，形成了1对多的关系
3. 把第一个 Attract节点的权重设置为0，输出的就是源点的位置（图里就是球面点）
4. 把第二个 Attract节点的权重设置为1，输出的就是关联点的位置（图里关联点是天花板或者地面的灯柱）
5. 第二个 Attract节点的的搜索模式，改成from index模式 来获取即可，不用搜索，加快速度

计算指向终点的向量

1. 这里的离开方向没用上，可以忽略

分别计算终点和起点对应的俯仰角度

1. 如果某些关联点存在放大，就用reduce节点来获取放大值最大的值，作为基准。越大的点，偏转角度越大，体现“电线”越重。
2. 因此，这里的Angle 是一个比例值，在和和定义的最大角度80相乘，让每条线都有自己的偏转角度

连接起点和终点，生成样条线Mesh

1. 先根据关联点归组，关联点是1对多的关系，归组后，每一列输出的就是拥有共同关联点的的球面点。
2. 由于之前合并过起点和终点，所以此时的数据，index相同的已经两两成对。（ 到了这里会发现其实第一步不需要也可以）
3. 因此，再次根据index归组，归组后面跟着另一个归组，这是一个类似flatmap的操作，把每一列的产生两两成对都输出到主序列。
4. 最后使用Spawn Spline Mesh节点生成样条线Mesh

flatmap

val list = listOf("123", "45")
println(list.flatMap { it.toList() }) // [1, 2, 3, 4, 5]