主頁 >  其他 > GAMES202筆記:螢屏空間實時全域光照

GAMES202筆記:螢屏空間實時全域光照

2021-11-14 12:39:51 其他

本文是GAMES 202的學習筆記,主要內容包括:SSAO、HBAO、SSDO、SSR

1. Screen Space Ambient Occlusion

環境光遮蔽是一個對于全域光照的近似,在螢屏空間意味著從Camera渲染場景得到資訊,而非是場景中的所有資訊,

1.1 三個假設

  • 假設任何一個shading point上來自任何方向的間接光照(incident lighting)是一個常數
  • 不同位置的Visibility是不同的
  • 假設物體是Diffuse的

下圖中左忽略V項,右考慮V項:

下圖中紅色部分表示被遮擋,黃色部分表示未被遮擋,我們可以明顯的得出一個結論,左邊的 Shading point要比右邊的亮一點:

1.2 理論支持

1.2.1 投影立體角

立體角是單位球上的一個面積,關于cos中的θ,我們認為θ從北極開始到南極是180度,那么立體角 * cosθ 可以把單位球上的面積投影到了單位圓上:

所以\(d x_{\perp}=\cos \theta_{i} \mathrm{~d} \omega_{i}\)

1.2.2 渲染方程拆分

還是從渲染方程開始:

\[L_{o}\left(p, \omega_{o}\right)=L_{e}\left(p, \omega_{o}\right)+\int_{\Omega^{+}} L_{i}\left(p, \omega_{i}\right) f_{r}\left(p, \omega_{i}, \omega_{o}\right)\left(n \cdot \omega_{i}\right) V\left(p, \omega_{i}\right) \mathrm{d} \omega_{i} \]

不考慮自發光,用近似公式將V項拆出去:

\[L_{o}\left(p, \omega_{o}\right) \approx \frac{\int_{\Omega^{+}} V\left(p, \omega_{i}\right)\cos \theta_{i} \mathrm{d} \omega_{i}}{\int_{\Omega^{+}}\cos \theta_{i} \mathrm{d} \omega_{i}} \cdot \int_{\Omega^{+}} L_{i}\left(p, \omega_{i}\right) f_{r}\left(p, \omega_{i}, \omega_{o}\right)\cos \theta_{i} \mathrm{~d} \omega_{i} \]

將前半部分積分中分母的立體角 \(\mathrm{d}\omega_{i}\) 拆成\(\sin\theta\mathrm{d} \theta\mathrm{d}\varphi\)之后對 \(\theta\)\(\varphi\) 分別積分得到的結果是\(\pi\),整個前半部分積分結果我們稱其為\(k_{A}\),其實際意義是從一個點往所有方向看去按cos加權平均的平均visibility:

\[k_{A}=\frac{\int_{\Omega^{+}} V\left(\mathrm{p}, \omega_{i}\right) \cos \theta_{i} \mathrm{~d} \omega_{i}}{\pi} \]

因為假設了所有方向的間接光照是一個常數;物體是Diffuse的,BRDF也是常數,最終結果就是漫反射系數×間接光照強度Li,間接光照強度和漫反射系數是可以自定義制定的,所以后半部分完全是自定義的:

\[k_B=L_{i}^{\text {indir }}(p) \cdot \frac{\rho}{\pi} \cdot \pi=L_{i}^{\text {indir }}(p) \cdot \rho \]

所以當前著色點的AO = 加權平均visibility * 自定義顏色,
因為brdf是diffuse的、間接光照也是常數,所以可以將L和BRDF項拆出去,并且轉換為以下形式:

\[\begin{aligned} \int_{\Omega} f(x) g(x) \mathrm{d} x & \approx \frac{\int_{\Omega_{G}} f(x) \mathrm{d} x}{\int_{\Omega_{G}} \mathrm{~d} x} \cdot \int_{\Omega} g(x) \mathrm{d} x \\ &=\overline{f(x)} \cdot \int_{\Omega} g(x) \mathrm{d} x \end{aligned} \]

如果\(f(x)\)是常數,那么第一部分相當于取均值,也可以得到相同的結果,

1.3 求Visibility部分

  • 任何一個Shading Point在以自身坐標為圓心,半徑為R的球的內部隨機撒一些點,然后判斷這些點能不能被Shading Point直接看到;
  • 從Camera出發渲染,深度圖可以作為場景的一個簡單近似,也就是我們從camera看到的下圖中的白線,球內部的點是可以投影到Camera然后找之前記錄的深度,如果深度更深,則表示在物體內部被遮擋,反之則未被遮擋,

這樣做存在一些問題:上圖中紅色虛線中的紅點能夠被Shading Point看到的,但是由于是從Camera出發,這里被判斷為了看不到;沒有考慮法線方向,但渲染方程只考慮法線所在的半球空間,因此SSAO只在整個球采樣紅點過半的時候才開始考慮AO問題,

1.4 噪聲問題

采樣數越多,噪聲越少,可以用少量的Sample,得到一個noisy的結果;然后再這個noisy的結果上進行一個denoising來實作降噪,降噪的模糊和噪聲在和場景中其他效果與光照疊加后就會變得非常不明顯,從而在最終的影像上獲得比較好的綜合效果,

2. Horizon Based Ambient Occlusion

當Screen Pass可以拿到場景法線時,我們就可以進行半球采樣了;同時可以根據方向加權(靠近中間大,靠近兩邊小),

下面是SSAO與HBAO結果對比:

有效減少了錯誤遮擋情況,

3. Screen Space Direction Occlusion

螢屏空間方向遮蔽是SSAO的一個升級,AO考慮間接光照是一個常數,而DO里更精確的考慮了間接光照,

3.1 更準確的近似間接光照

  • RSM中通過Shadow Map可以得到用于計算第一次彈射的間接光照光源資訊;
  • AO是全域光照的近似,不同顏色的Diffuse會互相照亮,但SSAO/HBAO只能得到明暗變化,得不到Clolor Blending;

3.2 理論支持

3.2.1 基本思路

SSDO的做法與Path Tracing很像,假設在Shading Point的P點,隨機的往某一個方向打出一根光線:

  • 如果光線沒碰到物體,則認為P點這里接收直接光照;
  • 如果碰到了一個點Q,那么算出Q點接受的直接光照打到P點的貢獻,從而求出P點的間接光照;

3.2.2 理論支持

SSAO和SSDO假設完全相反:

  • AO認為紅色的框里能接收間接光照,黃色框里無法接收間接光照,然后求出加權平均的visibility值,也就是假設間接光照來自比較遠的地方
  • DO認為紅色框里接收的是直接光照,而黃色框里才是接收到的間接光照,P點接收到的是來自紅色框的直接光照+黃色框里的間接光照,也就是假設間接光照來自比較近的反射物

這兩個假設都不是完全正確的,物理真實的情況是這兩種的混合:近處的是DO,遠距離是AO,因此AO與DO也并沒有矛盾,

V=1時是直接光照,而DO的計算是計算間接光照,完全不用去計算:

\[L_{o}^{\operatorname{dir}}\left(\mathrm{p}, \omega_{o}\right)=\int_{\Omega^{+}, V=1} L_{i}^{\operatorname{dir}}\left(\mathrm{p}, \omega_{i}\right) f_{r}\left(\mathrm{p}, \omega_{i}, \omega_{o}\right) \cos \theta_{i} \mathrm{~d} \omega_{i} \]

V=0時也就是間接光照的情況,這是DO應該處理的:

\[L_{o}^{\operatorname{indir}}\left(\mathrm{p}, \omega_{o}\right)=\int_{\Omega^{+}, V=0} L_{i}^{\operatorname{indir}}\left(\mathrm{p}, \omega_{i}\right) f_{r}\left(\mathrm{p}, \omega_{i}, \omega_{o}\right) \cos \theta_{i} \mathrm{~d} \omega_{i} \]

3.3 查找點P的間接光照貢獻點

做法與AO一樣:考慮點P法線部分的半球,判斷從P點往A、B、C、D四個方向看會不會被擋住,由于是螢屏空間的演算法,因此這里我們同樣不考慮在3D場景中A,B,C,D四點會不會與P連成光線,只考慮從Camera看去A、B、C、D與P連成的光線會不會被擋住,

上圖中,ABD三個點的深度比從camera看去的最小深度深,也就是說PA,PB,PD方向會被物體擋住,因此會為P點提供間接光照,下面我們還需要計算這些點對P點的貢獻,

3.4 計算Surface patch的間接光貢獻

首先需要做的是轉換積分域:渲染方程中求P點的間接光照的積分域是P點的半球空間,對整個立體角進行采樣;現在是通過對已知的光源的貢獻求和得到點P的間接光照,
蒙特卡洛方法需要在x上采樣在x上積分才能成立,需要把渲染方程對\(\mathrm{d}\omega\)的積分轉化為對\(\mathrm{d}A\)的積分,

可以將\(\mathrm{d}A\)投影到單位球表面上:

\[\mathrm{d} \omega=\frac{\mathrm{d}A \cos \theta^{\prime}}{\left\|x^{\prime}-x\right\|^{2}} \]

那么渲染方程可以寫成對\(\mathrm{d}A\)積分的形式:

\[\begin{aligned} L_{o}\left(x, \omega_{o}\right) &=\int_{\Omega^{+}} L_{i}\left(x, \omega_{i}\right) f_{r}\left(x, \omega_{i}, \omega_{o}\right)V\left(p, \omega_{i}\right) \cos \theta \mathrm{d} \omega_{i} \\ &=\int_{A} L_{i}\left(x, \omega_{i}\right) f_{r}\left(x, \omega_{i}, \omega_{o}\right) V\left(p, \omega_{i}\right)\frac{\cos \theta \cos \theta^{\prime}}{\left\|x^{\prime}-x\right\|^{2}} \mathrm{d} A \end{aligned} \]

把立體角的積分變成了對Light區域面積的積分,如果當區域足夠小的時候dA甚至不用積分,直接相乘后相加即可,
因為假設物體是Diffuse的,所以:

\[f_r = \frac{\rho}{\pi} \]

\[L_i = f_r\frac{\Phi}{\mathrm{d} A} \]

其中\(\Phi\)代表直接光的flux,將\(L_i\)帶入渲染方程之后,可以抵消\(\mathrm{d} A\),最后可以得到一個次級光源對著色點的貢獻公式:

\[E_{p}(x, n)=\Phi_{p} \frac{\max \left\{0,\left\langle n^{\prime} \mid x-x^{\prime}\right\rangle\right\} \max \left\{0,\left\langle n \mid x^{\prime}-x\right\rangle\right\}}{\left\|x-x^{\prime}\right\|^{4}} \]

分母上多出來的\(\left\|x-x^{\prime}\right\|^{2}\)用于給上面兩個\(x^{\prime}-x\)歸一化,
剩下的和RSM一樣,將有次光源貢獻求和即可,

3.5 SSDO存在的問題

畢竟只有螢屏可見幾何的資訊,遮擋上一定會存在誤判:

上圖中的點A,按照SSDO的理念應該屬于直接光照貢獻部分,但在實作時會被判定為間接光照貢獻,
螢屏空間拿不到的資訊無法補全,當下圖中的方塊朝向與攝像機射線幾乎垂直或被遮擋時:

SSDO只適合小范圍的間接光補全,當距離超過追蹤范圍時,無法補全,下圖是Path Tracing的結果,如果用SSDO,綠色墻面超出采樣范圍,Cube上不會有綠色反光:

4. Screen Space Reflection

螢屏空間反射,或螢屏空間光線追蹤(Screen Space Raytracing)

4.1 基本實作方法

4.1.1 鏡面反射 Specular

對于任何一個像素:

  • 知道Shading point的觀察方向后,可以得出其反射方向
  • 從Shading point點沿著反射方向延長找到與螢屏的殼的交點
  • 將交點的顏色作為反射的顏色記錄到Shading point

4.1.2 光滑面反射 Glossy

Specular反射只需要反射一個方向的話,那么對于一定Roughness的材質來說我們要根據其BRDF的Lobe來考慮:如果Lobe比較細,則需要很少的光線;如果Lobe比較越大,像Diffuse那種的話我們需要射出很多根光線,

4.2 理論支持

對于任何一個Shading point,看到的radiance就是對半球進行積分,如果是Specular的物體,那么相當于光線打到物體的哪里,就用它所發出的radiance就可以:

\[\begin{aligned} L_{o}\left(x, \omega_{o}\right) &=\int_{\Omega^{+}} L_{i}\left(x, \omega_{i}\right) f_{r}\left(x, \omega_{i}, \omega_{o}\right)V\left(p, \omega_{i}\right) \cos \theta \mathrm{d} \omega_{i} \\ &=\int_{\Omega^{+}} L_{o}\left(q, q-p\right) f_{r}\left(x, \omega_{i}, \omega_{o}\right)V\left(p, \omega_{i}\right) \cos \theta \mathrm{d} \omega_{i}\end{aligned} \]

\(q\)代表次光源的位置
所以,我們需要根據反射向量與場景殼求交得到\(q\),然后通過采樣Color Buffer得到\(L_{o}\left(q, p-q\right)\)

4.3 反射光線與場景殼求交

4.3.1 Linear Raymarch

上圖中,黃色點是Shading point,橙色點是反射方向的采樣點,綠色是反射射線與場景殼的交點,

  • 沿著反射方向以一個固定的步長逐步前進,并將每次停止時的深度與殼的深度進行比較:如果淺于殼,則繼續前進;比殼深、則停止求交,也就是我們用深度來進行可見性判斷
  • 質量取決于步長的大小,步長小越精準,同時計算量也越大,因此步長太大太小都不行,在沒有SDF的情況下,步長只能是一個定值

所以如果沒有場景的SDF,需要一種加速策略,

4.3.2 Hierachical Ray Trace

這種方法基于為Depth Buffer生成存盤下層最小值的Mip-Map,和Hi-Z一樣,

大體步驟如下:
1根據Normal Buffer計算出Shading point的反射方向;
2使用最小步長前進,檢查是否與殼相交,深度采樣對應Level 0的Mip-Map;
3如果沒有相交,增大步長,檢查是否相交,采Level 1;以此類推,直到相交或者采樣點超出螢屏范圍;
4相交后根據Mip-Map向下級回退,很容易得到交點像素坐標,

特別說明:

  • 因為Level(n+1)對應Level(n)四個像素的最小值,只要Level(n+1)不與射線相交,Level(n)四個像素都不會,
  • 這里的步長是反射向量投影到Mip-Map深度圖上的距離,如果在Level0,那么步長是向量投影到Level0相鄰兩個像素的長度;如果在Level1,則是對應Level1上相鄰兩個像素的長度,所以步長是根據當前所在的Mip-Map Level動態決定的,
  • 如果Shading point并不是在\(2^k\)上的像素,查詢并不準確

4.4 存在問題

攝像機看不到的內容和在視錐體之外的資訊無法得到,

Shading Point為Diffuse物體時效率低,

4.5 SSR的效果

4.5.1 Sharp and blurry reflection

Glossy物體反射的模糊現象:

4.5.2 Contact hardening

對于物體來說,近處的物體反射清晰,遠處反射模糊,當反射物是Glossy時反射的lobe是一個錐形,當距離越遠錐形的截面越越大,也就會發生模糊現象:

4.5.3 Specular elongation

反射在垂直方向被拉長的現象,在雨天常見的現象,當我們認為地面是各向同性的,也就是法線分布是一個圓,反射出去的lobe就是一個橢圓:

4.5.4 Per-piex roughness and normal

對于不同的法線與粗糙度不同的現象:

參考

GAMES 202
圖片來自于GAMES 202 PPT
https://zhuanlan.zhihu.com/p/381782999
https://zhuanlan.zhihu.com/p/383370745

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/356882.html

標籤:其他

上一篇:一個C++工程CPU占用100%問題的排查

下一篇:使用 Transformers 在你自己的資料集上訓練文本分類模型

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種:三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看,三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看,三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統,“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及:虛擬機CentOs下執行 yum -y install lrzsz命令,出現錯誤:鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示:其實很簡單,往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號, sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求,SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生, 2020-08-28 16:18:25 分類專欄: kail 網路安全 linux 文章標簽: linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么? 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼: #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘(北斗授時服務器)讓網路資料更精準

    北斗電力時鐘(北斗授時服務器)讓網路資料更精準 北斗電力時鐘(北斗授時服務器)讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年,資訊技術的得了快速發展,互聯網在逐漸普及,其在人們生活和生產中都得到了廣泛應用,并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用,一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub:https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺,后來才有了CTFHub。 感覺不論是網頁UI設計,還是題目質量,賽事跟蹤,工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解(net user / type /md /rd/ dir /cd /net use copy、批處理 等) 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝,密碼啊破解03Linux常用命令04LAMP 01LINUX windows: win03 8 12 16 19 配置不繁瑣 Linux:redhat,centos(紅帽社區版),Ubuntu server,suse unix:金融機構,證券,銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 (POST注入/XSS漏洞上傳)3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題,描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章,不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》,我也是第一時間得知了這個訊息,然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本: 個人認為這件事也沒什么,還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹:metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包,它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一,它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip:192.168.20.121 靶機ip:192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k,軟體測驗工程師的漲薪史,給我看哭了

    清明節一過,盲猜大家已經無心上班,在數著日子準備過五一,但一想到銀行卡里的余額……瞬間心情就不美麗了。最近,2023年高校畢業生就業調查顯示,本科畢業月平均起薪為5825元。調查一出,便有很多同學表示自己又被平均了。看著這一資料,不免讓人想到前不久中國青年報的一項調查:近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文,所以對學習母語的我們非常不友好 使用網址:https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜,前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜,自動化測驗的需求也越來越高。如今,自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分,它們可以幫助開發人員更快地發現和修復錯誤,提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐:4個DVPP記憶體問題的典型案例解讀

    摘要:由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求(例如,記憶體首地址128位元組對齊),因此需呼叫專用的記憶體申請介面,那么本期就分享幾個關于DVPP記憶體問題的典型案例,并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》,作者:昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊,輔助滲透(埠掃描、登錄密碼爆破、漏洞驗證等) 2、encoders 編碼器模塊,主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手:與相機連接,設定相機引數,采集影像 2) 標定助手:九點標定或是其它的標定,生成標定檔案及內參外參,可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客,先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp),這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接: https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more