
“四脚小球”是角色造型训练里最苛刻的题目之一:一个球体躯干,四条腿,没有五官、没有毛发、没有布料,所有造型信息都被压缩到比例、姿态、曲线三件事上。多加一分细节就俗,少一分就散。
风格化的专业含义因此不是“做得简单”,而是用最少的形表达最准的角色感。它要求造型者具备三项可检验的能力:比例判断(腿长与球径的关系决定它是圆胖还是细高)、重心控制(四足支撑下身体是否“站得住”)、剪影辨识度(去掉明暗和材质,轮廓本身是否成立)。极简造型没有藏拙空间,任何比例失误都会在剪影上直接暴露,这正是它作为训练题的价值。
四脚小球的造型变量可收敛为三条轴:
球径与腿长之比。腿长/球径 < 0.6 显得敦实可爱,0.8–1.2 显得活泼敏捷,>1.5 会变成“蜘蛛”,失去球的重量感。这是角色性格的第一决定因素。
腿间距与球径之比。前后腿间距过近会显得站不稳,过远则像桌腿。经验区间是前后间距 ≈ 球径 × 1.1–1.4,左右间距 ≈ 球径 × 0.7–0.9。
腿部锥度。腿根粗、末端细的锥度决定“有力”还是“轻巧”。风格化常把腿做成微弯的胶囊,膝盖处一个轻微外凸,这一个转折就是全部“性格”。
剪影辨识度。极简造型的剪影必须“一眼认得出”。判断标准是:轮廓的凸包占比高(整体紧凑不散),但转折点密度适中(有特征而非一团)。两个指标同时达标,剪影才既整体又有个性。
重心与支撑。四足角色的重心投影必须落在四脚构成的支撑多边形内,且留有余量。风格化常故意让重心偏前或偏后制造“前倾蓄势”或“后坐”的性格,但偏移必须可控,否则看起来要摔倒。
左右对称与姿态非对称的平衡。模型本身应严格对称(便于绑定镜像),但姿态可以非对称(一腿抬起、头部微侧)。混淆这两者,要么模型歪了,要么姿态僵了。
(1)参数化造型定义
from dataclasses import dataclass
import numpy as np
@dataclass
class BallQuad:
body_r: float = 1.0 # 球径
leg_len: float = 0.9 # 腿长(相对球径)
leg_r_root: float = 0.22 # 腿根半径
leg_r_tip: float = 0.12 # 腿端半径
front_gap: float = 1.25 # 前后腿间距 / 球径
side_gap: float = 0.80 # 左右腿间距 / 球径
knee_bulge: float = 0.08 # 膝部外凸量,风格化关键转折
def leg_anchors(self):
"""四条腿的根部锚点(以球心为原点)"""
fx = self.body_r * self.front_gap / 2
sy = self.body_r * self.side_gap / 2
z = -self.body_r * 0.6 # 腿从球体偏下处伸出
return {
"FL": np.array([ fx, sy, z]), "FR": np.array([ fx, -sy, z]),
"BL": np.array([-fx, sy, z]), "BR": np.array([-fx, -sy, z]),
}
def leg_tips(self):
"""四脚落点:向外微张,形成稳定支撑面"""
anchors = self.leg_anchors()
spread = 1.15 # 脚比腿根略外张
return {k: np.array([v[0] * spread, v[1] * spread,
-self.body_r * 0.6 - self.leg_len * self.body_r])
for k, v in anchors.items()}(2)SDF:球体 + 四条锥形胶囊腿
def sd_sphere(p, c, r):
return np.linalg.norm(p - c, axis=-1) - r
def sd_tapered_capsule(p, a, b, r0, r1):
"""锥度胶囊:两端半径不同,用于表现腿根粗、腿端细"""
pa, ba = p - a, b - a
h = np.clip((pa @ ba) / (ba @ ba + 1e-9), 0, 1)
closest = a + h[..., None] * ba
r = r0 * (1 - h) + r1 * h
return np.linalg.norm(p - closest, axis=-1) - r
def ball_quad_sdf(p, cfg: BallQuad):
body = sd_sphere(p, np.zeros(3), cfg.body_r)
anchors, tips = cfg.leg_anchors(), cfg.leg_tips()
legs = [sd_tapered_capsule(p, anchors[k], tips[k],
cfg.leg_r_root, cfg.leg_r_tip) for k in anchors]
d = body
for leg in legs:
d = np.minimum(d, leg) # 并集
return d(3)剪影评估:凸包占比 + 转折点密度
from scipy.spatial import ConvexHull
from scipy.ndimage import binary_erosion
def silhouette_metrics(mask):
ys, xs = np.nonzero(mask)
pts = np.column_stack([xs, ys])
solidity = mask.sum() / ConvexHull(pts).volume
boundary = mask & ~binary_erosion(mask)
by, bx = np.nonzero(boundary)
ang0 = np.arctan2(by - ys.mean(), bx - xs.mean())
order = np.argsort(ang0)
bpts = np.column_stack([bx, by])[order]
d = np.diff(bpts, axis=0, append=bpts[:1])
ang = np.arctan2(d[:, 1], d[:, 0])
turns = int(np.sum(np.abs(np.diff(ang)) > np.pi / 6))
return {"solidity": round(float(solidity), 3),
"turns_per_100": round(turns / len(bpts) * 100, 2)}
# 验收:solidity ∈ [0.55, 0.80],turns_per_100 ∈ [6, 14](4)重心与四足支撑检查
from matplotlib.path import Path
def support_check(cfg: BallQuad, com_offset=np.zeros(3), margin=0.05):
tips = np.array(list(cfg.leg_tips().values()))[:, :2] # 俯视投影
com = com_offset[:2] # 重心投影
inside = Path(tips).contains_point(com)
# 到支撑多边形各边的最小距离,衡量稳定余量
dists = []
n = len(tips)
for i in range(n):
a, b = tips[i], tips[(i + 1) % n]
ab, ap = b - a, com - a
dists.append(abs(ab[0] * ap[1] - ab[1] * ap[0]) /
(np.linalg.norm(ab) + 1e-9))
return {"inside": bool(inside),
"min_margin": round(float(min(dists)), 3),
"stable": bool(inside and min(dists) > margin)}
# 验收:inside=True 且 min_margin > 球径×0.05(5)对称性检查(模型严格对称,姿态可非对称)
def mirror_error(verts):
"""以 XZ 平面为镜面,最近邻匹配左右顶点,度量对称误差"""
from scipy.spatial import cKDTree
mirrored = verts.copy(); mirrored[:, 1] *= -1
d, _ = cKDTree(verts).query(mirrored)
return {"max_err": round(float(d.max()), 5),
"mean_err": round(float(d.mean()), 5)}
# 验收:max_err < 球径×0.002(模型级对称)(6)比例校验:把三条比例轴变成门禁
def proportion_gate(cfg: BallQuad):
leg_ratio = cfg.leg_len
checks = {
"leg_to_body": (0.5 <= leg_ratio <= 1.3, leg_ratio),
"front_gap": (1.0 <= cfg.front_gap <= 1.5, cfg.front_gap),
"side_gap": (0.6 <= cfg.side_gap <= 1.0, cfg.side_gap),
"taper": (0.3 <= cfg.leg_r_tip / cfg.leg_r_root <= 0.7,
cfg.leg_r_tip / cfg.leg_r_root),
}
fails = [f"{k}={v:.2f} 越界" for k, (ok, v) in checks.items() if not ok]
return len(fails) == 0, fails这六段代码把"四脚小球好不好"拆成了可逐项检查的六个面:比例是否越界、剪影是否既紧凑有特征、重心是否落在支撑面内、模型是否严格对称、SDF 是否能稳定生成。造型决策因此从"感觉可爱"变成"哪一项不达标"。
六项硬指标:腿长/球径比(0.5–1.3)、剪影凸包占比(0.55–0.80)、剪影转折点密度(6–14 个/百点)、重心落在支撑多边形内且余量>球径5%、模型镜像误差(<球径0.2%)、腿部锥度比(0.3–0.7)。前三项决定"像不像、认不认得出",第四项决定"站不站得住",后两项决定"能不能绑定与批量生产"。
四脚小球的风格化造型能力,核心不在"画得可爱",而在把极简形体的比例、重心、剪影控制到可检验的精度。没有细节可以藏拙,所以每条腿的长度、每个落点的位置、每段轮廓的转折都必须有依据。把这六项验收立住,风格化才从"手感运气"变成可传授、可复用的造型能力。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。