텍스처를 노말맵으로 변환하는 방법

요새야 섭페가 유명하지만 과거엔 아니였다

하이폴리 깎아서 로우폴리에 베이크 하거나 손으로 노말맵 그리는게 기본이였다

그리고 그건 공임이 많이 들어가기에 변환툴도 나왔는데 아래에서 소개하겠다

이런 이미지가 있다 치자

Unity에서는 매우 간단하게 변환이 된다

그 외에는

Smart Normal
https://www.smart-page.net/smartnormal/
추론형 AI 아니고 그냥 기계식 AI 인데 유용해서 자주 씀

 

Normal Map Online
https://cpetry.github.io/NormalMap-Online/
위에 노말맵 생성기는 어느정도 보정이 들어가는데
이건 보정없이 단순연산으로 다 때려박는다
가끔 로우하게 작업된게 필요할때 쓰면 좋음

그리고 ChatGPT도 변환이 된다

근데 구리게 나옴

#유니티

상표권에 걸린다고 스케치팹에서 내려가짐;;

총기회사들 이런거 예민하다는게 진짜였구나

P18C라고 올렸어야 했는데

모서리를 선택한다

Pin으로 고정

모든 모서리를 꼭지점으로 이동시킨다

재언랩 해주면 대강 맞춰진다

네 변을 정렬해준다 Align이든 scale이든

전체선택후 Minimize Stretch해준다 

대강 정렬된 모습

더 네모나게 펴려면 애드온 쓰면 되는데

난 만족해서 여기까지만 했다

정렬할때 그냥 정렬하는게 아니라 약간의 옵션을 통해 품질증가로 이루어질수 있다

1. 이미지 선정

가급적 왜곡제거를 사용한 이미지를 사용하는게 좋다

아래 이미지를 참고하자

A.원본이미지

B.렌즈왜곡 제거

C. 렌즈왜곡 + 수직정렬

이경우 B가 제일 인식이 잘 된다

이것에 대한 상세한 테스트 결과는 아래 링크를 참고하자

https://wmmu.tistory.com/entry/360-%EC%B9%B4%EB%A9%94%EB%9D%BC-3d-%EC%8A%A4%EC%BA%94-%ED%85%8C%EC%8A%A4%ED%8A%B8

동영상을 이용해 추출할경우 저조도 폰카메라 기준 2초 간격이 좋다

이것은 약 1미터 간격이며

사진이 일정 간격 이상 촘촘하면 연산량만 늘어날뿐 품질증가로는 이어지지 않는데

연산량이 증가하면 사용할수 있는 사진이 줄어드므로 당연히 결과적으로는 품질감소가 된다

24년 기준 폰카메라는 보통 크롭센서가 사용된다

몰론 이건 광각카메라를 이용한 사람이 찍는 지형스캔 기준이고

시야각이 좁은 카메라를 쓰거나

드론을 통한 지형스캔이나 단일 사물의 경우에는 또 달라진다

2. 그룹화

동일한 카메라를 사용했다면 그룹화를 통해 연산시간과 계산오차를 줄일수 있다

먼저 동일한 카메라끼리 선택한다

Lens group를 -1보다 큰 숫자로 동일하게 입력한다

만약 가변초점이 아니라면 Callibration group도 동일하게 구성하면 되는데 왠만하면 -1로 두자

Image downscale factor를 2로 하자

이러면 가로세로 1/2씩 다운스케일한 이미지를 이용해 정렬한다는 소리이다

당연히 인식률과 정밀도가 감소하는데 이렇게 하는 이유는

연산량은 75%가 줄어드는데 인식률과 정밀도는 10% 내외로 감소하기 때문이다

즉 같은시간으로 더 많은 이미지를 사용할수 있고 오히려 품질증가로 이루어진다

어차피 이미지 연결성문제때문에 정렬을 최소 3회 이상 하게 될텐데

시간절약도 되고 맨 마지막 정렬에만 다운스케일을 풀어도 된다

3. 렌즈왜곡 계산방식 설정

광각렌즈나 어안렌즈는 Division을 추천하고

일반 카메라는 Brown3나 Brown4를 추천한다

Division는 왜곡변수를 1개만 이용해서 계산하는것이고

Brown3는 변수를 3개 Brown4는 변수를 4개 사용해서 계산한다

당연히 Brown4가 제일 정확하게 나오지만 왜곡예측이 정밀하지가 않아서

어안렌즈의 경우 Brown3이상 설정하면 잘못된 렌즈왜곡이 사용될 확률이 높다

이상태로 1회 정렬한다

4. 컨트롤 포인트 사용

정렬후에 이미지 연결성이 좋지않다면 컨트롤 포인트를 통해 서로 동일한 이미지라는것을 인식시켜줄수 있다

컨트롤 포인트는 가급적 사진 중앙에 부근에 있는거만 잡고

2개이상 넣지 않고

카메라 각도와 45도 이상 벌어지지 않은 물체에만 넣는게 좋다

컴퓨터가 이미지 연결을 못 하는부분에만 잡는게 좋다

하나하나 손으로 연결하기도 힘들뿐더러 괜히 잘못 넣으면 오히려 결과물이 나쁘게 나온다

그리고 나는 가급적 깊이계산 오류방지를 위해 코너부근에는 안 잡도록 하고있다만

이정도는 자동보정해주는거같기도 하다

중심부근에 잡는 이유는 얘내들 왜곡보정이 그렇게 정밀하지 않아서 외곽에 잡으면 위치오류난다

Insta 360 X4 단안

Camera model : Dicision
Radial 1 : -0.301864

혹은

일단 작동 자체는 된다

그런데

이미지 연결성이 너무 안 좋다

인식되는 꼬라지 보아하니 양 렌즈의 중앙부분만 인식하는듯싶어서

간격을 더 촘촘히 하면 해결되려나 싶어서 사진을 2배로 늘려봤고

안됨

걍 이거 사진 정중알을 기준으로 왜곡 계산하는거였다

https://rchelp.capturingreality.com/en-US/appbasics/settings_distortion_models.htm

그래서 왜곡 설정 읽어보니

기본값인 Brown3의 경우 180도가 한계라고 한다

나중에 Brown4로 다시 시도해보기로 했다

근데 단안모드가 있길래 단안모드 사용함

Division

Brown3

Division의 인식률은 67.1%

Brown3의 인식률은 50.6%

왜곡보정이 완벽하지 않다보니 결국 가장자리는 버리게 되는 단점이 있다

걍 광각카메라로도 충분할듯

Division이 제일 인식률이 좋았으나 해상도에 비해 가용면적이 줄어 연산량이 너무 높아지는 문제가 있었다

그래서 그냥 보정후 사용하기로 했다

Dewalp보정후 왜곡제거

Division

Brown3

Division의 인식률은 46.5%

Brown3의 인식률은 56.1%

그런데 보정이 너무 많이 들어가서 그런지 왜곡보정이 지나치게 되어있다

그래서 왜곡제거에 초광각보정을 사용하기로 했는데

이렇게 약간 둥글어지는 차이가 있다

Division

Brown3

Division과 Brown3 둘 다 인식률 86.3%로 동일하다

사진을 보면 Division이 왜곡보정이 좀 더  깔끔하게 들어갔다

이경우 보정값

렌더링 결과를 보자

셋다 전부 73장만 사용했다

Original

Dewalp

초광각

결론은 보정 넣는게 오리지널보다 결과가 좋게 나온다

제일 좋게 나온 보정값

# 360 Camera Reaility Capture insta 360 x4