UnityURPAtmosphericFog:UnityURP大气雾_unityurp雾资源-CSDN下载

共8个文件

meta：3个

png：1个

md：1个

5星 · 超过95%的资源需积分: 46 154 浏览量 2021-05-28 16:44:34 上传评论 6 收藏 727KB ZIP 举报

资源推荐

资源详情

资源评论

Unity引擎开发：Unity基础入门-（10）.Unity UI系统基础.docxUnity引擎开发：Unity基础入门-（11）.Unity音频系统入门.docxUnity引擎开发：Unity

Unity引擎开发：Unity基础入门_（10）.Unity UI系统基础.docx Unity引擎开发：Unity基础入门_（11）.Unity音频系统入门.docx Unity引擎开发：Unity基础入门_（12）.Unity粒子系统基础.docx Unity引擎开发：Unity基础...

unity URP的玻璃shader

unity URP的玻璃shader，内含demo场景，不会用的可以参考，有其他问题可以留言

Unity桌面游戏开发：Unity基础入门-（10）.Unity的光源与阴影.docxUnity桌面游戏开发：Unity基础入门-（11）.Unity中的粒子系统.docxUnity桌面游戏开发：

Unity桌面游戏开发：Unity基础入门_（10）.Unity的光源与阴影.docx Unity桌面游戏开发：Unity基础入门_（11）.Unity中的粒子系统.docx Unity桌面游戏开发：Unity基础入门_（12）.Unity的场景管理.docx Unity桌面游戏...

完整的简单后处理Unity urp工程

Unity URP（Universal Render Pipeline，通用渲染管线）是Unity引擎推出的一种高级渲染系统，旨在提供更高效、更灵活的渲染效果。本项目“完整的简单后处理Unity urp工程”是针对这一技术的一个实践示例，它包含了一...

Unity引擎AR开发：Unity AR基础入门-（10）.光照估计与环境适配.docxUnity引擎AR开发：Unity AR基础入门-（11）.面部跟踪与表情识别.docxUnity引擎AR开

Unity引擎AR开发：Unity AR基础入门_（10）.光照估计与环境适配.docx Unity引擎AR开发：Unity AR基础入门_（11）.面部跟踪与表情识别.docx Unity引擎AR开发：Unity AR基础入门_（12）.骨骼跟踪与手势识别.docx Unity...

Unity的URP热空气扭曲Demo.zip

4星 · 用户满意度95%

Unity URP 做热空气扭曲的Demo项目，兼容扭曲半透明，并处理与PostProcessing的Bloom冲突问题。

unity体积雾通用插件Fog Volume 3

Fog Volume 3 版本3.4.1，是一个体积雾渲染器，设计用于模拟各种大气效果。它提供了大量的控制，以帮助您调整到您的外观和性能的需求。与版本2相比，在视觉外观和灵活性上有了重大的飞跃,

unity动态可调整的体积雾效

5星 · 资源好评率100%

unity人物，建筑雾效，可调节雾的浓度，距离，范围，遮挡效果

Unity 官方推荐插件Fog Volume 3.2.1p3

最小大气：Unity的最小大气散射实现

最小气氛 Unity的最小（单个cginc文件）大气散射实现，可以用作进一步工作的基础，并为任何想学习的人提供参考。包括一个简单的天空盒和对象着色器。没有实现任何优化，因此它可能不应该在实际应用中使用。最重要的是，该存储库旨在易于理解，尽管着色器文件是在Unity中实现的，但它不使用任何特定于Unity的代码，这意味着可以轻松移植。包含实现的文件是支持瑞利和米氏（单次）散射+臭氧吸收

unity体积雾详解（内含中文版）

国外一篇体积雾很不错的论文，个人翻译了中文版，不想撸英文的小伙伴们可以看我的翻译版。 unity使用的2018版本。更高的2019我试过应该也可以。中文的文档，是我个人翻译的，水平有限。更建议大家看英文版

Vertical fog 3.0

4星 · 用户满意度95%

Vertical fog 3.0，雾效果插件，可自定义丰富效果，来源于网络，仅供学习研究，请支持正版！

Unity3d shader之次表面散射

次表面散射是一种非常常用的效果，可以用在很多材质上，如皮肤，牛奶，奶油奶酪，番茄酱，土豆等等

Unity引擎社交游戏开发：Unity基础入门-（10）.事件与委托.docxUnity引擎社交游戏开发：Unity基础入门-（11）.网络编程基础：多人游戏开发.docxUnity引擎社交游戏开

Unity引擎社交游戏开发：Unity基础入门_（10）.事件与委托.docx Unity引擎社交游戏开发：Unity基础入门_（11）.网络编程基础：多人游戏开发.docx Unity引擎社交游戏开发：Unity基础入门_（12）.社交功能集成：登录与...

unity URP的玻璃shader（unitypackage）

随着技术的不断进步，Unity为了满足开发者更高的性能需求和更好的视觉体验，推出了通用渲染管线（Universal Render Pipeline，简称URP）。URP旨在提供一个轻量级且高效率的渲染方式，它适用于多种平台，特别适合移动...

Unity3D脚本：Unity中创建双面材质2

Unity3D脚本：Unity中创建双面材质2 Unity3D是一款功能强大的游戏引擎，它提供了许多强大的功能和工具，可以帮助开发者快速构建游戏项目。然而，在 Unity3D 中创建双面材质是一件非常有挑战性的任务，许多开发者都...

Unity Stylized water（URP）

Unity Stylized Water（URP）是Unity引擎中利用Universal Render Pipeline（URP）实现的一种风格化水体渲染技术。URP是Unity为满足不同项目需求而推出的一种可自定义的高质量渲染流程，它旨在提高性能，降低内存占用...

Shader-Graph-Experiments:Unity URP的各种着色器图效果

着色图实验使用Unity创建的2019.3.13.f1 着色器图v7.3.1 该项目包含各种“ Shader Graph”效果一些着色器使用_CameraOpaqueTexture。使用这些着色器的Sprite对象不会与具有Sprite点亮/未点亮主节点的着色器“交互”...

def reward_shaping(_obs, _extra_info, act, agent): """奖励函数（完美适配FeatureProcess：相位动作对齐+场景精细化+日志优化）""" fp = agent.preprocess junction_ids = list(fp.junction_dict.keys()) # 关键：获取路口与动作的索引映射（确保动作与路口一一对应） j_id_to_act_idx = {j_id: idx for idx, j_id in enumerate(sorted(junction_ids))} rewards = {j_id: {'total': 0.0, 'components': {}} for j_id in junction_ids} frame_state = _obs["framestate"] vehicles = frame_state["vehicles"] frame_time = frame_state["frame_time"] / 1000.0 phases = frame_state["phases"] # 1. 调用FeatureProcess更新数据（确保与特征处理逻辑完全同步） fp.update_traffic_info(_obs, _extra_info) all_junction_waiting = fp.get_all_junction_waiting_time(vehicles) # 2. 初始化历史缓存（滑动平均参数，对齐第一帧数据） if not hasattr(agent, 'prev_metrics'): # 优化：第一帧用当前指标初始化，避免delta=0的无效奖励 agent.prev_metrics = { j_id: { "avg_delay": fp.get_junction_avg_delay(j_id), "avg_waiting": all_junction_waiting.get(j_id, 0.0), "avg_queue": fp.get_junction_avg_queue(j_id) } for j_id in junction_ids } alpha = 0.3 # 滑动平均系数（平衡响应速度与奖励平滑） # 3. 场景状态（深度适配FeatureProcess的usr_conf缓存与分级逻辑） is_peak = fp.is_peak_hour() weather = fp.get_weather() invalid_lanes = fp.get_invalid_lanes() # 3.1 天气因子+状态名称（适配FeatureProcess的天气分级，提升日志可读性） weather_map = {0: ("晴", 1.0), 1: ("雨", 0.7), 2: ("雪", 0.5), 3: ("雾", 0.6)} weather_name, weather_factor = weather_map.get(weather, ("未知", 1.0)) # 3.2 高峰期强度（利用FeatureProcess缓存的usr_conf，精细化权重） rush_intensity = fp.usr_conf.get("rush_hour_intensity", 1) # 1-3级，默认1级 for j_id in junction_ids: junction = fp.junction_dict[j_id] signal_id = junction["signal"] enter_lanes = [lane for dirs in junction["enter_lanes_on_directions"] for lane in dirs["lanes"]] valid_enter_lanes = [l for l in enter_lanes if l not in invalid_lanes] # 3. 核心指标奖励（完全依赖FeatureProcess的精准统计） # 3.1 延误奖励（使用FeatureProcess的已通过车辆过滤后的数据） current_avg_delay = fp.get_junction_avg_delay(j_id) prev_avg_delay = agent.prev_metrics[j_id]["avg_delay"] delay_delta = prev_avg_delay - current_avg_delay # 延误减少→delta正→奖励正 delay_reward = 0.4 * np.tanh(delay_delta / 5.0) # 权重0.4（核心指标） rewards[j_id]['components']['delay'] = delay_reward # 3.2 等待时间奖励（复用FeatureProcess的车辆类型加权结果） current_avg_waiting = all_junction_waiting.get(j_id, 0.0) prev_avg_waiting = agent.prev_metrics[j_id]["avg_waiting"] waiting_delta = prev_avg_waiting - current_avg_waiting waiting_reward = 0.3 * np.tanh(waiting_delta / 3.0) # 权重0.3 rewards[j_id]['components']['waiting'] = waiting_reward fp.old_waiting_time[j_id] = current_avg_waiting # 3.3 排队长度奖励（对齐FeatureProcess的低速车辆统计逻辑） current_avg_queue = fp.get_junction_avg_queue(j_id) prev_avg_queue = agent.prev_metrics[j_id]["avg_queue"] queue_delta = prev_avg_queue - current_avg_queue # 优化：天气因子仅惩罚当前拥堵，不影响delta奖励 queue_reward = 0.2 * np.tanh(queue_delta / 2.0) - 0.1 * weather_factor * np.tanh(current_avg_queue / 5.0) rewards[j_id]['components']['queue'] = queue_reward # 3.4 相位切换奖励（关键修复：动作与路口对齐，避免act[0]全局取值错误） phase_remaining = fp.get_phase_remaining_time(signal_id) current_phase = -1 for p in phases: if p["s_id"] == signal_id: current_phase = p["phase_id"] break # 修复：根据路口ID获取对应动作（而非全局act[0]） j_idx = j_id_to_act_idx[j_id] current_act = act[j_idx] if len(act) > j_idx else -1 # 兼容动作长度异常 # 优化：相位奖励逻辑更精准（剩余时间≥3s不限制切换，<3s禁止切换） if phase_remaining >= 3: phase_reward = 0.0 # 剩余时间充足，切换/不切换均不奖惩 else: phase_reward = 0.1 if current_act == current_phase else -0.2 # 剩余时间少，切换惩罚 rewards[j_id]['components']['phase'] = phase_reward # 4. 动态权重（结合高峰期强度，适配FeatureProcess场景） if is_peak: # 高峰期强度越高，核心指标（延误/等待）权重越大 delay_weight = 0.4 + 0.05 * rush_intensity waiting_weight = 0.3 + 0.05 * rush_intensity queue_weight = 0.15 - 0.05 * rush_intensity # 总权重保持1.0 phase_weight = 0.05 weights = {'delay': delay_weight, 'waiting': waiting_weight, 'queue': queue_weight, 'phase': phase_weight} else: weights = {'delay': 0.4, 'waiting': 0.3, 'queue': 0.2, 'phase': 0.1} # 5. 计算总奖励（限制范围，避免极端值影响训练） total_reward = sum(weights[k] * rewards[j_id]['components'][k] for k in weights) rewards[j_id]['total'] = np.clip(total_reward, -1.0, 1.0) # 奖励范围[-1,1] # 6. 滑动平均更新历史指标（对齐FeatureProcess的统计周期） agent.prev_metrics[j_id] = { "avg_delay": alpha * current_avg_delay + (1 - alpha) * prev_avg_delay, "avg_waiting": alpha * current_avg_waiting + (1 - alpha) * prev_avg_waiting, "avg_queue": alpha * current_avg_queue + (1 - alpha) * prev_avg_queue } # 7. 日志监控（适配FeatureProcess的指标，提升可读性） if hasattr(agent, 'train_step') and agent.train_step % 100 == 0: for j_id in sorted(junction_ids): avg_delay = fp.get_junction_avg_delay(j_id) avg_waiting = fp.get_junction_avg_waiting(j_id) avg_queue = fp.get_junction_avg_queue(j_id) agent.logger.info( f"TrainStep {agent.train_step} | Junction {j_id} - " f"平均延误: {avg_delay:.2f}s, 平均等待: {avg_waiting:.2f}s, 平均排队: {avg_queue:.1f}辆, " f"场景: {'高峰期' if is_peak else '平峰期'}({rush_intensity}级) | 天气: {weather_name}({weather_factor:.1f}), " f"总奖励: {rewards[j_id]['total']:.2f}" ) # 8. 返回奖励（与路口顺序对齐，每个路口输出2次适配agent动作维度） return tuple(rewards[j_id]['total'] for j_id in sorted(junction_ids) for _ in range(2)) # ------------------------------ # 辅助函数（完全对齐FeatureProcess统计逻辑） # ------------------------------ def calculate_queue_length(junction_id, fp, vehicles, invalid_lanes): """队列长度（与FeatureProcess.calculate_junction_queue逻辑完全一致）""" junction = fp.junction_dict[junction_id] total_queue = 0 vehicle_dict = {v["v_id"]: v for v in vehicles} current_v_ids = {v["v_id"] for v in vehicles} # 对齐FeatureProcess的当前车辆过滤 for direction in junction.get("enter_lanes_on_directions", []): for lane_id in direction.get("lanes", []): if lane_id in invalid_lanes: continue # 同步：仅统计当前帧、正常、低速（≤1m/s）的车辆 valid_vehicles = [ v_id for v_id in fp.lane_volume[lane_id] if v_id in current_v_ids and fp.vehicle_status.get(v_id, 0) == 0 and vehicle_dict.get(v_id, {}).get("speed", 0) <= 1.0 ] total_queue += len(valid_vehicles) return total_queue def calculate_travel_reward(junction_id, fp, vehicles, invalid_lanes): """旅行奖励（复用FeatureProcess的车辆轨迹数据）""" total_distance = 0.0 valid_count = 0 vehicle_dict = {v["v_id"]: v for v in vehicles} vehicle_type_weight = {1: 1.0, 2: 1.5, 3: 1.2, 4: 0.8, 5: 0.5} current_v_ids = {v["v_id"] for v in vehicles} # 过滤已离开的车辆 for v_id, distance in fp.vehicle_distance_store.items(): if v_id not in current_v_ids or v_id not in vehicle_dict: continue # 对齐FeatureProcess的过期数据清理逻辑 vehicle = vehicle_dict[v_id] lane_id = vehicle["lane"] if lane_id in invalid_lanes or fp.vehicle_status.get(v_id, 0) != 0: continue # 同步：仅统计未通过目标路口的车辆（对齐FeatureProcess的completed_vehicles） if (vehicle["target_junction"] == junction_id and (on_enter_lane(vehicle) or in_junction(vehicle)) and v_id not in fp.junction_metrics.get(junction_id, {}).get("completed_vehicles", set())): v_type = fp.vehicle_configs[vehicle["v_config_id"]]["v_type"] total_distance += distance * vehicle_type_weight.get(v_type, 1.0) valid_count += 1 return np.tanh(total_distance / valid_count / 50.0) if valid_count else 0.0 def calculate_throughput(junction_id, current_time, fp, vehicles, invalid_lanes): """通行效率（适配FeatureProcess的进口道时间统计）""" time_window = 30.0 vehicles_passed = 0 vehicle_dict = {v["v_id"]: v for v in vehicles} vehicle_type_weight = {1: 1.0, 2: 1.5, 3: 1.2, 4: 0.8, 5: 0.5} current_v_ids = {v["v_id"] for v in vehicles} # 已离开的车辆才计入通行量 for v_id, enter_time in fp.enter_lane_time.items(): if v_id in current_v_ids: continue # 仅统计已离开进口道的车辆（对齐FeatureProcess的通过判断） # 同步：过滤无效车道进入的车辆 if v_id in vehicle_dict: vehicle = vehicle_dict[v_id] if vehicle["lane"] in invalid_lanes: continue # 时间窗口内+正常车辆 if (current_time - enter_time) <= time_window and fp.vehicle_status.get(v_id, 0) == 0: vehicle = vehicle_dict.get(v_id, {}) if vehicle.get("target_junction") == junction_id: v_config_id = vehicle.get("v_config_id") v_type = fp.vehicle_configs.get(v_config_id, {}).get("v_type", 1) vehicles_passed += vehicle_type_weight.get(v_type, 1.0) throughput = vehicles_passed * 2 # 转换为每分钟 return np.tanh(throughput / 10.0)修改此奖励函数使其适配你修改之后的特征处理

<think>我们修改了FeatureProcess类，特别是改变了车道到路口的映射方式（使用预存储......

收起资源包目录

UnityURPAtmosphericFog-main.zip （8个子文件）

UnityURPAtmosphericFog-main

Image.png 708KB

AtmosphericFog

AtmosphericFogRenderFeature.cs 6KB

OD_AtmosphericFog.mat 1KB

AtmosphericFogRenderFeature.cs.meta 243B

AtmosphericFog.shadergraph 269KB

OD_AtmosphericFog.mat.meta 182B

AtmosphericFog.shadergraph.meta 285B

README.md 383B

![alt text](Image.png) # UnityURPAtmosphericFog AtmosphericFog for Urp pipeline using Shader Graph https://youtu.be/_0VDW6RKSkQ ## How use: Enable Depth Texture in your settings Add AtmosphericFogRenderFeature in your urp Asset_Renderer and fun with the parameters ## References: https://samdriver.xyz/article/scriptable-render https://www.cyanilux.com/tutorials/depth/

评论收藏

内容反馈