This page has been translated automatically.
视频教程
界面
要领
高级
实用建议
基础
专业(SIM)
UnigineEditor
界面概述
资源工作流程
Version Control
设置和首选项
项目开发
调整节点参数
Setting Up Materials
设置属性
照明
Sandworm
使用编辑器工具执行特定任务
如何擴展編輯器功能
嵌入式节点类型
Nodes
Objects
Effects
Decals
光源
Geodetics
World Nodes
Sound Objects
Pathfinding Objects
Players
编程
基本原理
搭建开发环境
使用范例
C++
C#
UnigineScript
统一的Unigine着色器语言 UUSL (Unified UNIGINE Shader Language)
Plugins
File Formats
材质和着色器
Rebuilding the Engine Tools
GUI
双精度坐标
应用程序接口
Animations-Related Classes
Containers
Common Functionality
Controls-Related Classes
Engine-Related Classes
Filesystem Functionality
GUI-Related Classes
Math Functionality
Node-Related Classes
Objects-Related Classes
Networking Functionality
Pathfinding-Related Classes
Physics-Related Classes
Plugins-Related Classes
IG Plugin
CIGIConnector Plugin
Rendering-Related Classes
VR-Related Classes
创建内容
内容优化
材质
Material Nodes Library
Miscellaneous
Input
Math
Matrix
Textures
Art Samples
Tutorials

双精度坐标系统

在有些时候需要您计算超大数值(例如空间距离),或反之,需要计算超小数值(例如微观世界中的距离)。 那为了应对这类情况,Unigine引擎引入了64位双精度浮点格式(替代常规32位单精度浮点格式)来定义虚拟场景中的对象坐标。 因而,也就为我们创建拥有最高细节,几乎达到无边无际的世界提供了可能性(其最大坐标值实际上比32位浮点精度坐标系统的最大坐标值的536,870,912倍还要大)。

实际上由于定位误差的累计,即使是在应对超出10x10千米范围场景的时候,其浮点精度的局限性也是显而易见的,因此,对于任何较大规模的场景而言,应该使用双精度来保持其精度。

双精度与单精度比对#

在计算方面,floating point (浮点) 指的是一种借助尾数和指数来表示实数的方法:

尾数 × 基数 ^ 指数,

在这里【基数】等于2。

IEEE浮点数算术标准 (IEEE 754) 是一项用于规范浮点精度以及双精度浮点格式的技术标准。 单精度浮点格式占用32bits(4字节)存储空间,双精度浮点格式占用64bits(8字节)存储空间。 您可以在下图中看到两种精度的浮点数格式:

在这里:

  • S - 符号位 (0 - 正; 1 - 负)
  • E - 指数部分 (单精度浮点使用127, 双精度浮点使用1023
  • m - 尾数部分 [1;2]

浮点格式的分布(单、双精度都包括)是非规约的。 例如,我们可以取用 -1 ≤ E ≤ 2:

下图给出了单精度和双精度的有效取值范围,以及它们的最低possible gradations (有效分级)。

注意
说明 在UnigineEditor中设置的值有如下限制:
  • 取值范围: [-10^9;+10^9]。 超出该范围的值都将被显示为inf
  • 小数部分的最大数字数量不能超过3个。

而通过UnigineScript方法设置的数则只有格式限制。

误差#

使用单精度浮点格式会导致下面所显示的计算不准确。

定位误差#

采用单精度浮点时因其possible gradation(有效分级)的间距非常大而导致出现positioning errors (定位误差)。 下面的图示给出了分别采用单、双精度时的定位情况:

在虚拟场景中,对象的变换(包括定位,旋转和缩放),动画和物理的实施都会导致出现定位误差,而反过来定位误差又会导致对象抖动。 为了避免这种问题以及能提供更为精准的定位,须采用双精度浮点坐标系统。 此外,定位误差也有可能引起顶点塌缩,就像下图展示的那样。

误差累计#

由于IEEE 754标准给出的是数字的有限集,它是由实数的无限集映射而来,因此输出值中就可能引入了映射表示法的精度误差,这在进一步的运算中导致了Error Accumulation(误差累计)。 误差函数显示如下:

数字的最大绝对误差等于其possible gradation(有效分级)的一半。 由于指数递增时possible gradation(有效分级)被加倍了,继而误差也就跟着加大了。

对于单、双精度数而言,它们的数量分级(gradation)分别为2 ^ (E-150), and 2 ^ (E-1075)

下面让我们来比较数值1的单、双精度数。

数字, dec (10进制) 1.0 1.0
IEEE754,hex (16进制) 3F800000 3FF00000 00000000
绝对误差,dec (10进制) 2-23 ≈ 1.192*10-7 2-52 ≈ 2.220446*10-16
相对误差,% 11.9209*10-6 2.220446*10-14

根据浮点数的分布,gradation(分级)值是增加的,这也导致了误差加大。 但相比之下,双精度数的误差有很多次是小于单精度数的误差的。

最新更新: 2024-12-13
Build: ()