Blender建模知识(二)

简介: Blender建模知识

制作椅子


  1. 创建一个立方体,删除多余的面,留下椅子的两个面,修改器:添加表面细分;


然后椅子的两端都是比较窄的,选中边,用缩放去调整,另外坐的一边,通常中间的宽度比较大,我们加个环切,通过调整放大环切的线,可以实现中间宽,其余的窄。


p.s. 需要注意视图层级和渲染的数值保持一致,这样最终渲染的效果跟视图中看到的效果就是一样的。



image.png


  1. 添加一个实例化修改器,给椅子增加一个点厚度,平滑着色,物体数据属性:法向:☑️自动光滑。


  1. 椅子腿


创建一个立方体,调整到合适大小,进入编辑模式,把最顶的一面缩小一点,比较接近椅子腿的大小即可。


然后选择一条侧边,Shift+G,选择相似长度,分离出来,其余的删除。


切换到物体模式,选择物体——转化到曲线,这一步很关键。


然后右侧导航找到物体数据属性——几何数据——倒角:通过修改深度,改变路径的粗细,分辨率改变细分。

image.png


制作镂空带厚度云


  1. 从外部导入一个.svg的图标,调整到合适大小角度;


关键点:选中顶部的物体——转换到网格(这样才可以进行编辑);


  1. 进入编辑模式,选择轮廓边,按P键进行分离,你会看到轮廓的边有断裂的地方,需要切到点模式,全选所有点,按M,选择按距离合并


  1. e键沿Y轴挤压;


  1. 切换到面模式,按沿法向挤压,发现出现了问题。



image.png


需要用到一个面的知识点:我们在右侧上方点击叠加层,勾选上面朝向;正面是蓝色,反面是红色。


++如果我们的面显示蓝色,则说明该面的朝向是正确的,若显示红色,则该面朝向错误。++


如果我们想要快速纠正错误的面朝向,可以在编辑模式下按快捷键Option+N,选择重新计算外侧,快捷键Shift+N。


如果正面反面正好相反可以选择 翻转 进行纠正。


image.png



5.切换到面模式,沿法线挤压,就可以看到效果了。


这里需要注意:我们要勾选上均等偏移,你可以观察下交接处的变化,勾选后,边界都是尖锐的,不勾选是横切的面。



image.png




制作一大一小两个圆柱体,进行倒角


方法1:新建一个圆柱体,通过内切面 i ,和挤压 e  ,再倒角;


方法2:新建一个圆柱体,复制一个,缩小放在上面,通过布尔工具合并两个物体,再倒角。


注意:两个圆柱体相接的地方要有一点重合,不然倒角的时候会出现向内倒角。


image.png 


利用内切面制作橱窗效果


左1:选择两个面,按 i 键内插面,同时按Ctrl键,拖动鼠标拉出深度。


左2+3:选择两个面,按 i 键内插面,再按沿法线挤出,拖动鼠标拉出深度。


image.png



曲线


  1. 新建曲线——路径曲线;

image.png


  1. 调整合适的大小和方向,进入编辑模式,选中所有的点,右键——细分,添加更多的点,然后调节不同点的高度到我们想要的效果;



image.png


切回物体模式:物体——转换到网格;


再切回编辑模式,选中所有的点,通过挤压快捷键E,沿X轴挤压出宽度。切到物体模式,右键平滑着色,物体数据属性:法向勾选光滑,全部应用一下,就完成了。


image.png




相关文章
|
9月前
|
存储 人工智能 算法
YOLOv8界面-目标检测+语义分割+追踪+姿态识别(姿态估计)+界面DeepSort/ByteTrack-PyQt-GUI
YOLOv8界面-目标检测+语义分割+追踪+姿态识别(姿态估计)+界面DeepSort/ByteTrack-PyQt-GUI
|
2月前
|
机器学习/深度学习 人工智能 编解码
MV-Adapter:上交大、北航和 VAST 等联合开源多视图一致图像生成模型,将预训练的文生图扩散模型转为多视图生成器
MV-Adapter是由北京航空航天大学、VAST和上海交通大学联合开发的多视图一致图像生成模型。该模型能够将预训练的文本到图像扩散模型转化为多视图图像生成器,支持生成高分辨率的多视角图像。
299 18
MV-Adapter:上交大、北航和 VAST 等联合开源多视图一致图像生成模型,将预训练的文生图扩散模型转为多视图生成器
|
6月前
|
机器学习/深度学习 存储 算法
【2024泰迪杯】B 题:基于多模态特征融合的图像文本检索Python代码baseline
本文通过可视化分析,总结了2024年考研国家分数线的变化趋势,指出管理类MBA降低5分,哲学、历史学、理学、医学等10个专业分数线上涨,而经济学等专业出现下降,反映出不同专业分数线受考生数量、竞争情况和政策调整等因素的影响。
98 2
【2024泰迪杯】B 题:基于多模态特征融合的图像文本检索Python代码baseline
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
基于Mamba架构的,状态空间音频分类模型AUM
【8月更文挑战第7天】随着AI技术的发展,音频分类在诸多领域变得至关重要。传统方法如CNN面临计算成本高的问题。新兴的Mamba架构,基于状态空间模型(SSM),展示出优秀性能。受此启发,研究者开发了Audio Mamba (AUM)模型,首个完全基于SSM且不依赖自注意力机制的音频分类模型。AUM利用SSM的高效性捕捉音频时频特征,大幅降低计算复杂度,尤其适合大规模数据。实验显示,AUM在多个任务上的表现与先进自注意力模型相当甚至更好。尽管如此,AUM在复杂任务及泛化能力方面仍存在讨论空间。[论文](https://arxiv.org/abs/2406.03344)
113 1
|
8月前
|
数据采集 算法 安全
CVPR 2024:给NeRF开透视眼!稀疏视角下用X光进行三维重建,9类算法工具包全开源
【6月更文挑战第28天】CVPR 2024亮点:SAX-NeRF框架开源!融合X光与NeRF,提升3D重建效果。X3D数据集验证,Lineformer+MLG策略揭示物体内部结构,增强几何理解。虽有计算成本及泛化挑战,但为计算机视觉和医学影像开辟新路径。[论文链接](https://arxiv.org/abs/2311.10959)**
257 5
|
Python
ArcGIS模型构建器ModelBuilder的建模与使用
本文介绍在ArcMap软件中,基于模型构建器(ModelBuilder)完成模型建立与使用的具体方法~
320 1
ArcGIS模型构建器ModelBuilder的建模与使用
|
算法
ENVI:使用图像分类工作流程工具如何进行图像分类?
ENVI:使用图像分类工作流程工具如何进行图像分类?
230 0
|
机器学习/深度学习 编解码 人工智能
CVPR 2023 | 三维场景生成:无需任何神经网络训练,从单个样例生成多样结果
CVPR 2023 | 三维场景生成:无需任何神经网络训练,从单个样例生成多样结果
162 0
|
机器学习/深度学习 算法 计算机视觉
CVPR 2022 | 实时渲染、可直接编辑,中科大提出高保真人头参数化模型HeadNeRF
CVPR 2022 | 实时渲染、可直接编辑,中科大提出高保真人头参数化模型HeadNeRF
277 0

热门文章

最新文章