研究室「2019年4月卒論配属」サポートページ
※ 種々のデータは,Google Cloud FireStore (データベース管理システム)で管理します(プライベートなデータベースを作る)
- ポーズや体操のビデオを 4名かける10パターン作成すること(1パターンあたり5回撮影する)
- 大学内で,特定地点を10箇所ほどピックアップし,それそれの箇所を,異なる撮影場所から10箇所程度撮影すること.これはクローズアップ撮影ではなく,坂道なら坂道,建物なら建物全体が映るようにする.
- 遠景のパノラマ写真(360度)を撮影すること
- Blender VR を使う(WaveFront形式のモデルファイルを VR 化するため)
- VR の世界の中を移動したり,インタラクションできるようにするために,Blender 2.79 ゲームエンジンを使う
- pose2pose (Every Dance Now) を使う
インターネットで記事,論文を探すことができる
- 架空の階段,建物,崖をBlender で10種類ほど作り,(ある実験)により,実験の成功のための手がかりを得る
1人:
- タイトル,氏名,所属
- 「誰に使ってもらうか」,「どう役に立つか」
- 利用イメージ
- 成功の鍵: 「成功のために,グループで,一番努力したいこと」は何か
- 現在の準備状況
使用する機材,ソフトウェア
- 競合優位: 「たくさんある類似のものの中で,『何が優れている』とアピールしたいか」
1人:
- 確証: 「競合優位」で書いたことを,確かめる方法
- 実験項目
- 実験を開始するために,すでに,行ったこと(学内計測,野外計測)のデータ,日時,実施方法
- 実験結果がどうなれば成功か
- 「データベース」の機能や技術のうち,役に立ちそうなもの
- 「データベース」の機能や技術だけで足りないものは何ですか? 既存のソフトや技術を使うかを決めていますか.その名前と,その仕組みはどうなっているでしょうか.他によい方法は有りそうでしょうか?
- 「データベース」の機能や技術に,その他,既存のソフトや技術を加えても,どうしても足りないものは何でしょうか? それが「どうなれば」成功でしょうか? (実験で確かめることできるものを定めてください)
- ポスターでは,「自分のグループが行いたいこと」をどうすれば実現できるか,授業する(説明する)ように考えてはいかがでしょうか?
- 実験については,素材を集める作業を続行してみてください
仮テーマぎめ,グループ分け,実験計画
ニューラルネットワーク
説明資料: 機械学習とニューラルネットワーク [PDF], [パワーポイント]
テーマに関するディスカッション,レポート作成(個人ワーク)
- PyCharm の Python コンソール(Python のシェル)を使用
PyCharm は、Windows のスタートメニューの JetBrains の下. Python コンソールは PyCharm の中(下の方)にある.無ければ View → Tool Windows → Python Console と操作して開く.
- コンピュータビジョンに関する演習
- 画像表示
- 画像のノイズ除去
- カラー画像を濃淡画像に変換
- ヒストグラム平坦化
- OTSU の方法による 2値化
- 適応的 2値化
- GrabCut 法による前景背景分離
- オープニングによる 2値画像からの小領域除去
- 2値画像の領域から面積などを求める
- 参考資料: OpenCV とコンピュータビジョン
学ぶトピックス:VR コンテンツの制作,人工知能でできること
- ニューラルネットワークのデモサイト
- TensorFlow デモサイト
USB カメラを使用
- https://www.tensorflow.org/js/demos
Webcam Controller, MOVE MIRROR, USB カメラからの読み取り
- https://tenso.rs/demos/rock-paper-scissors
USB カメラからの読み取りでじゃんけん
- https://tenso.rs/demos/fast-neural-style
絵の「スタイル」を変換するもの
- https://thing-translator.appspot.com
物体の種類を読み取って、英語などで表示
- https://www.tensorflow.org/js/demos
- Blender XR
- Blender 制作実習
- 各自、Blenderでコンテンツを作成(パソコン)
- その後 Blender XR で表示してみる
- AI で画像分類を行うデモサイト紹介(clarifai.com)
言語 (LANGUAGE) を「日本語 (Japanse)」に切り替えて使用
※ Python などのプログラムで、AI画像分類を自動化することは難しくありません
インターネットで画像ファイルを集め「TRY YOUR OWN IMAGE OR VIDEO」→「BROWSE FILE」 で試してみる(グループワーク)
- VR 体験
研究室の VR 機材
- BlenderXR のページ: https://github.com/MARUI-PlugIn/BlenderXR
- 次のファイルをダウンロード(作成済みの 3次元データ)
- Windows → New VR Window
ウインドウが新しく開くので確認
- 新しく開いたウインドウで、「File」メニューを使って、上でダウンロードしたファイルを読み込み
- 場所、大きさを調整
- ヘッドマウントディスプレイを使い、確認
- 3次元データ計測
大学内で、「被写体」を探し、その周りをぐるっと一周して、ビデオを撮影。(撮影中安全に気をつける)。 ビデオをとったら、提出
ポリゴン、3次元データ、3Dモデル、Wavefront OBJ ファイル、メッシュ簡略化
- パソコン演習資料:3次元スキャナ 3DSystems Sense を使ってみる (20分)
Wavefront OBJ ファイルを各自作成(自分が撮影する番と、他の人を手伝う番がくる)。きれいに撮影できるように工夫
- Sketchfab にアップロード、Web ブラウザで表示、公開 (10分)
- パソコン演習資料:Sketchfab を用いて、3次元モデルを表示、公開
- Google アカウントなどを用いてサインアップ
- 次のファイルを「練習用」に準備した。次のファイルをSketchfab にアップロード、Web ブラウザで表示、公開すること。
サンプルデータ「Sense.obj」
※ 別のファイルを使って演習してもよいが、 全世界に公開されるので、公開しても差し支えないものだけをアップロードすること
- パソコン演習資料:Sketchfab を用いて、3次元モデルを表示、公開
- メッシュ簡略化 (20分)
- パソコン演習資料:メッシュ簡略化(MeshLab を使用)
- 次のファイルを「練習用」に準備した。次のファイルをSketchfab にアップロード、Web ブラウザで表示、公開すること。
サンプルデータ「Sense.obj」
※ 別のファイルを使って演習してもよい
- 計測実習
雨天の場合は屋内。雨天でなければ屋外で。
- JSON とは
- Google Firebase の Cloud FireStore を使ってみる
パソコン実習資料: Google Firebase の Cloud FireStore を使ってみる
学習目標:Cloud FireStore: プロジェクトの作成、データベースの作成、データベース内にコレクションやドキュメントの作成。以上はWebブラウザで行う
※ 「プロジェクトの削除」は行わない。
- PyCharm の起動確認と初回起動設定
「Windows の PyCharm でシステム Python(Windows にインストールした Python)を使う」までを行う。※「Windows の PyCharm で virtualenv の Python 環境を使う」は行わない
- パソコン実習資料:(金子研): Python で Google Firebase の Cloud Firestore (クラウド・ファイアストア)を使ってみる
※ 「日付の大小比較の例」は行わない
- オブジェクト、メソッド、引数 (60分)
以下、参考情報です.興味のある人は各自行ってください
- (参考情報)パソコンのセットアップ
- 古いバージョンのソフトウェアのアンインストール作業
Windows の 「アプリと機能」で、インストール済みのプログラムを見る。 次のソフトがある場合には、アンインストールする
- 7-Zip
- CMake
- Git
- Python 3.x.x (Anaconda3 x.x.x)
- Python 2.x.x
- Windows で Python のインストール: 別ページ »で説明 (30分)
インストールするならバージョン 3.6 をインストールしてください
その資料: Windows で Python 3 処理系,virtualenv, virtualenv-wrapper と各種ツール (Chocolatey, git, cmake, wget, 7zip など)のインストール
- 古いバージョンのソフトウェアのアンインストール作業
- (参考情報)プログラミング、ソースコード、さまざまなプログラミング言語、オブジェクト、メソッド、引数
説明資料: プログラミングについて知っておきたいた大切なこと [PDF], [パワーポイント],
説明ビデオ: プログラミングについて知っておきたいた大切なこと(ミニ解説)(7分26秒, 説明音声つき) [mp4 版]
将来計画
- Linux とラズベリーパイ (Raspberry Pi), AI カメラ、画像処理
- 人工知能、ディープラーニング、パラメータ、メタパラメータ、学習のマネジメント
- 顔データベース、個人再識別、顔色分析
- 地図データベース、車両識別、車両通過認識、交通流分析
- Web アプリ、地図アプリ
- Web とセンサーとデータベースのデータ連携
- 卒業研究実験1(グループワーク)
- 卒業研究実験2(グループワーク)
年間計画
- 7月(予定):中間発表(全員)
ポスター作成
- 8月(予定):学会発表申し込み
- 11月(予定):学会発表
プレゼン
- 12月(予定):卒業論文提出、プレゼン(全員)
- 12月(予定):学会発表申し込み
- 3月(予定):学会発表
金子研究室の研究分野
- 実世界からのデータ獲得、データマネジメント
データベース、センサー、ラスベリーパイ
- 人工知能、学習によるモデル獲得、シミュレーション AIカメラ, 顔識別、個人再識別、ナンバープレート認識、交通流解析、地図と都市交通
- データとAIの高度応用
ビジュアリゼーション、コンピュータを介した人同士の相乗と協業、3次元コンピュータグラフィックス、Webインタラクション、ゲームエンジン
※ 企業との共同実験、企業主催研修会への参加、学会発表(旅費)、など多数機会あります.大学院進学を考えている人は、いろいろな先生、先輩の意見を聞いてみてください
情報工学応用演習III(3年後期)
第14回目
話題提供:
第13回目
提出物:手書きレポート(1枚)、氏名を記載
上記の提出物(「ワード版」、「PDF版」)は本学学生の著作物です.改変、再配布を禁じます
第12回目
説明資料: 虹彩について
顔関係に関するパソコン実習資料へのリンクをまとめたWebベージは:顔情報(顔検出,顔識別,顔のクラスタリングや類似度や分類,肌色部分の抽出,瞳孔の検出,顔姿勢の推定)
頭部の姿勢推定
頭部の姿勢推定
瞳孔の検知
- TobiasRoeddiger/PupilTracker のインストールと動作確認(瞳孔の検出)(Dlib,Python を使用)(Windows 上)
赤いマークは目の下の中央、緑のマークが瞳孔
第11回目
宿題:レポート提出
いままでの資料を振り返りながら、人工知能+データベース+コンピュータビジョン/データのビジュアライゼーションを使って、試してみたい実験、試しに作ってみたいアプリケーションプログラムを考え、 レポートとして報告しなさい。レポートをグループで作成したときは、全員の氏名を明記。
さまざまな分野を考えることができる。ゲーム、映画・テレビ、画像やビデオを使うオンラインサービス、セキュリティ、工場等での製品検査、交通(自動運転、交通流観測、車両誘導など)、セキュリティ、個人認証、ロボット
紙かワードファイルで提出。締切は、来週火曜日とします
顔検出、顔のランドマーク検知、表情判定
* 顔識別は、実習済み。そのときの資料:face_recognition による顔検出,顔識別(Dlib,ageitgey/face_recognition,Python を使用)(Windows 上)説明資料:OpenCV について [パワーポイント], [PDF]
第10回目
OpenCVを用いた種々の処理
OpenCV とは「コンピュータビジョン」等の機能を備えたソフトウェア・ライブラリ.今回の実習では「コンピュータビジョンとは何か」も含め実習で理解、把握する
- Python + OpenCV 4 で濃淡画像を使う(イメージヒストグラム,ヒストグラム平坦化,ノイズ除去,2値化,輪郭抽出)
トピックス:カラー画像から濃淡画像への変換,イメージヒストグラム,ヒストグラム平坦化,濃淡画像のノイズを加える、ノイズを除去する,OTSU の方法による2値化,輪郭抽出
次の資料で「前準備」は終わっています
説明資料: Python + OpenCV 4 で濃淡画像を使う(イメージヒストグラム,ヒストグラム平坦化,ノイズ除去,2値化,輪郭抽出)
- Python + OpenCV 4 で前景分離,ステレオマッチング,点や線の描画
次の資料で「前準備」は終わっています
- OpenCV について [パワーポイント], [PDF]
- OpenCV でビデオのフレーム間差分,トラッキングビジョン,オプティカルフロー(Python を使用)
次の資料で「前準備」は終わっています
- イメージ・スティッチング
次の資料で「前準備」は終わっています
説明資料: イメージ・スティッチング
第9回目
強化学習 ML-Agents ツールキットを動かしてみる
説明資料: 人工知能の概要 [PDF], [パワーポイント],
説明資料 ML-Agents ツールキットに付属の事前学習済みモデルを Unity で動かしてみる[パワーポイント], [PDF]
次の資料の「Python の仮想環境の作成」から開始してください。その前は、すでに、終わっています
パソコン実習資料: Windows で Unity ML-Agents + Python 環境を作る(Chocolatey, Anaconda を利用)(Chocolatey, Anaconda を利用)
第8回目
人工知能を用いた予測
- 一般物体認識
パソコン実習資料 マイクロソフト coco のデータとモデルを使ってみる
※ 「前準備」のところは終わっている。「Cython, cocoapi, imgaug のインストール」のところから行ってみてください
実際の動作画面
- DeepGaze を用いた肌色領域の抽出
パソコン実習資料 DeepGaze を用いて肌色領域の抜き出し
※ 「前準備」のところは終わっている。
実際の動作画面
提出物を指示
第7回目
1名休み
- 就職活動に関する案内
- Python の配列 (Array)
- 説明資料:Python の numpy[パワーポイント], [PDF]
- パソコン実習の資料:Python の numpy
この資料を使って実習しなさい
- 画像データセット,Python の配列(アレイ)
第6回目
米国ナンバープレート認識ソフトウェアに関するミニ実習
- 文字認識ソフトウェアに関するミニ実習
- 画面キャプチャソフトウェア CatpureD のインストール
手順
- 各自のパソコン.すでに C:\CaptureD がある場合には、インストール済み
- インストール手順は次の通り
- C:\CaptureD の下の深いところに CaptureD.exe というファイルがある。それを画面キャプチャに使う
- ナンバープレート認識ソフトウェアのインストール
インストール手順は次の通り
- 各自、Youtube を使って、車のナンバープレート(米国内の車両のナンバープレートの画像)の画像を集め、ナンバープレートを読み取ってみる
- youtube で、米国の車のナンバープレートが写っているビデオを探す
YouTube の検索で 「license plate」,「plate」、「car」,「america」、「us」、「united states」のようなキーワードを使ってみてください。 「ナンバープレート」の英訳は「license plate」
- Youtube ビデオ CaptureD で画面をキャプチャ。
このとき、面倒でも、使用した YouTube の URL を記録しておく。(実験の鉄則)
キャプチャするのは、1つのビデオにつき、1枚の画像まで
001.png 002.png 003.png のようなファイル名で画像を集める。 ビデオ10個分くらい
「<openalpr-2.3.0-win-64bit.zip を展開(解凍)したディレクトリ>」に, 画像ファイルをすべて置く
- alpr コマンドで、ナンバープレート認識を行う。間違ったナンバープレートが一番上に表示されたものを探してみる
次のように実行。エラーがでたときは、 「<openalpr-2.3.0-win-64bit.zip を展開(解凍)したディレクトリ>」に, 画像ファイルがあるかを確認
alpr 001.png
うまく認識できない場合(「No license plate found.」と表示されるもの)は無視してください
提出物: 間違ったナンバープレートが一番上に表示された画像の .png ファイルと YouTube ビデオの URL
YouTube ビデオを10個(画像を10個)使っても、「間違ったナンバープレートが一番上に表示された画像」が見つからないときは、実験を打ち切ってください。その場合でも原点しません
提出物には、 成績評価上の点数を付けます
認識できた場合:
認識結果一番上に表示されているナンバープレート(上の図では「WMY9051」)が、元の画像を見て、正解か、不正解かを確かめる。
- youtube で、米国の車のナンバープレートが写っているビデオを探す
第5回目
1名休み。資料等の説明は別途行った。
- Python 入門
Python と Google Colaboratory: Python 入門(全14回,Python Tutor と CodeCombat を使用): 別ページ »で説明ている
- 顔検出、顔識別システムに関する実習 顔検出、顔識別の機能(Python の ageitgey/face_recognition パッケージ)を使ってみる
- ディープラーニングを用いた物体認識
物体認識とは: 画像の中から,所定の物体(自転車や人など)を自動で探し,その場所を四角(バウンディングボックス)で囲む.
下の資料の「SnowMasaya/ssd_keras のインストール手順 」のところから開始してください.(そこまでの手順は終わっています).
※ エラーメッセージが出たら教えてください。そこで打ち切りとします.(フリーソフト等を使っています.信頼できるソフトウェアですが、Windowsパソコン側の設定に不備があるかもです)
第4回目
- リレーショナルデータベース
- SQLite 3 のデータベース新規作成,テーブル定義,テーブルの削除
- SQLite 3 でテーブルの作成
- SQLiteman のインストール.データベースの新規作成.テーブル定義.
- SQL でテーブルの結合
より詳しく学びたい人への個人ワーク
- リレーショナルデータベースの基本概念
- リレーショナルデータベースの基本概念
- (余裕のある人への個人ワーク)演習問題
その資料: https://www.kkaneko.jp/de/db/2.html の末尾にある演習問題を試してみなさい
第3回目
- AIカメラ (Raspberry Pi を使用) に関する話題提供 :
Windows, RaspberryPi, Python, Keras, Dlib, TensorFlow, OpenCV で実験して欲しいと思っています.
その資料: Raspberry Pi でカメラをつなぎ顔検出
- 人工知能とは何か、人工知能で我々の暮らしはどのように変わるのか
- 説明ビデオ: 人工知能の基本
- 説明資料: 人工知能とは何か、人工知能で我々の暮らしはどのように変わるのか [PDF], [パワーポイント],
第1回目は説明会、第2回目は、卒業研究中間発表への参加
情報工学応用演習II(3年前期)
第14回目, 第15回目
- mapbox オンライン地図サービスを使ってみる
地図サービスを行う HTML プログラムを作り、Web ブラウザで表示してみる
- Google Firebase の Cloud Firestore (クラウド・ファイアストア)で Web アプリを動かしてみる
レポート課題 次回の授業では、Python 言語で KerasやTensorFlow を使う. 各自で、次の話題の中から好きなものを選び、インターネットや図書館で調べ、レポートを提出してください ・ニューラルネットワーク ・畳み込みニューラルネットワーク ・ディープラーニング ・機械学習 ・機械学習とディープラーニングの違い ・強化学習 ・リカレントニューラルネットワーク ・スマートスピーカ レポート文章の分量は、1ページとしてください。友達と相談して作成するときは、1人あたり1ページにしてください。手書きでもWordでも構いません。インターネットや本の写真などをコピーして載せるときは、出所(URLや本の名称)を書き添えてください
第13回目
地図システムの実習(前回の続き)
- 前回の「課題」の提出を受けます
- 地理院地図 3D を眺めてみる https://www.kkaneko.jp/db/3dmap/cyberjapandata.html
- Blender の3次元ゲームエンジンについて。
- Blender のロジックエディタ
- Blender の3次元ゲームエンジンを用いて、オブジェクトの表示・非表示
緯度経度
使用するデータ: photo-2018-07-03/index.html
第12回目
地図システムの実習
- 地図にマーカーの表示
下の資料で「前準備」はとばして、次から一通り
資料(金子研): マーカー付きの OpenStreetMap 地図(Python + leaflet.js + folium を使用)
- Google Street View を見てみる
資料(金子研): Google Street View を見てみる
- 地図にマーカーのポップアップ
下の資料で「前準備」はとばして、次から一通り
「画像ファイルの準備」は、すでに終わっているパソコンがいくつかある。
資料(金子研): マーカーとイメージポップアップ付きの OpenStreetMap 地図(Python + leaflet.js + folium を使用)
- データファイルを使ってポップアップを行う
下の資料で「前準備」はとばして、次から一通り
資料(金子研): 緯度経度などのデータファイルから,マーカーとイメージポップアップ付きの OpenStreetMap 地図を生成
第11回目
今日は2人1グループを希望します(出席を取るときに相談します)
- pycuda を使ってみる
キーワード: GPU,NVIDIA CUDA (「クーダ」と読むことが多いようです), pycuda,
CUDA を用いて多数の掛け算を行うプログラムです.次の資料で、インストールは終わっているので「pycuda を使ってみる」を行ってください. (うまく動かない場合には言ってください.個別に対処します.早く終わった人は待っていてください).
資料(金子研): Windows で pycuda のインストール
- Dlib を使ってみる
Dlib は人工知能のソフトウェア.Dlib でできることを実感してもらうために、各自で、顔認識のプログラムを動かしてもらいます
前準備は終わっていますので、その次を行ってください
キーワード:顔の検知
資料(金子研): Dlib による顔検出を行う Python プログラム(Dlib, Python を使用)(Windows 上)
- Dlib での顔画像処理
Dlib は人工知能のソフトウェア.Dlib でできることを実感してもらうために、各自で、顔認識のプログラムを動かしてもらいます
「学習済みデータの準備」のところから開始してください
キーワード:アラインメント、顔データのデータ拡張、ランドマーク
資料(金子研): Dlib による顔のアラインメント,顔データの増量,顔のランドマーク,顔のコード化(Dlib,Python を使用)(Windows 上)
- imglab を使ってみる
起動して動作確認まで。
- 2名1チームでグループワーク
以下を授業中の演習課題とする
- キーワード決め: 1つ、日本語でも英語でもよい
- https:/ccphotosearch.com/ で画像を集める(最大50枚)
- imglib を使い、「赤の四角で囲んで、ラベルを書き込む作業」を行う
- 必ず、imglib で保存の操作を行うこと
成果物(受講者4名による成果物): XML ファイルと画像ファイル
第10回目
地図
- OSMBuilding を用いて、OpenStreetMap の福山大学周辺など、いろいろな場所の3次元地図を見てみる
パソコン実習資料:(金子研): オンラインサービスの OSMBuilding を使って 3次元地図を見てみる
- OpenStreetMap のIDエディタを使って地図を編集
資料(金子研): OpenStreetMap のエディタを使って地図を編集
みなさんへの演習
写真とずれていたら -> 建物や道路を編集して保存
新しい建物や道路を追加したいときは -> 建物はエリア、道路はライン. うまくできたら保存
- OpenStreetMap のデータをダウンロード
第9回目
3次元ゲームエンジン
- Panda3d のプログラム作成と実行の流れ
- Panda3d の主要機能
受講者(3名)の成果物: Panda3d サンプルプログラム
第8回目
3次元ゲームエンジン
- Panda3d の体験
その資料: Windows で3次元のゲームエンジン Panda3D 1.9.4 SDK をインストール
「サンプルプログラムを実行してみる」のところから行ってください
- Panda3d の体験
受講者(4名)の感想,振り返り
- Panda3d を使い、3Dゲームを動かした.
- オブジェクトの動かし方やカメラ移動について学んだ.
- 3次元ゲームエンジンである Panda のサンプルプログラムが面白かったです.
- マウス、キーボードで画面を動かす、エフェクトを変えることができるので、いろいろなゲームに活用できそうだと思いました.
- Panda3d を使った 3D ゲームの原型となるものがどんなものか分かった.
- 3次元ゲームエンジンの Panda3D を体験した.
- 実際にプログラムを実行しオブジェクトを動かした.ppython の実行の仕方を学んだ.
第8回目
OpenStreetMap は、オンラインの地図データベース.登録すると、編集する権利を得ることがでkりう
- OSMBuilding を見てみる
パソコン実習資料:(金子研): オンラインサービスの OSMBuilding を使って 3次元地図を見てみる
- OpensStreetMap は、
資料(金子研): OpenStreetMap のエディタを使って地図を編集
第7回目
- Python 入門
- Cocos2d のシーン、レイヤ,ゲームの登場物
その資料: Cocos2d の概要 [PDF], [パワーポイント]
その資料: Windows で Cocos2d を使ってみる
- Lable クラス, Line クラスの属性
- ゲームの例
その資料: Cocos2d で動きのシミュレーション
第6回目
- Cocos2d のイベント、キーコード、イベントハンドラ、アクション
その資料: Cocos2d の概要 [PDF], [パワーポイント]
- 乱数、動きのシミュレーション、同じ種類(クラス)のオブジェクトを簡単に増やす
成果物(受講学生によるリフレクション)
- 「A」などの文字のオブジェクトに様々な動きを付けて、動かす動かすことができた。
- イベントやアクションを駆使して、文字を動かしたり、ランダムに配置したりして、使い方がわかった
- マウスのクリックや矢印キーを使い物体を動かしたりする。ぬるっと動かすことも可能。数を増やすこともできる。
- 乱数を使い、物体の出現位置をランダムにする。物体の数を増やしても、同じようにランダムに表示できる。
- イベントにはキーボードのキーを押したときや、マウスでクリックしたものがあるのがわかった。
- add などのプログラミング言語によって、オブジェクトの数を増やしたり、当たり判定を付けたりしました。
第5回目
2次元のゲームエンジン.
- ゲームも「プログラム」で動く.
その資料: ゲームエンジン[PDF], [パワーポイント]
- pygame (2次元のコンピュータグラフィックス, 2次元ゲームのフレームワーク)
その資料: pygame を使ってみる
- Cocos2d の紹介,Cocos2d を使ってみる
その資料: Windows で Cocos2d を使ってみる
※ 自宅などで Cocos2d を練習したい人のために、次の資料にインストール手順も書いています.一定の条件下で無料で使えるソフトウェアです
その資料: Windows で Cocos2d のインストール
第4回目
- Blender で剛体 (right body) の落下、衝突のシミュレーション
- MakeHuman の主な機能, 人体の骨格(アーマチャ),.mhx2 形式でエクスポート
- まずは、MakeHuman を起動.
デスクトップの makehuman フォルダの中の makehuman.exe を起動
- 次の資料で、 「MakeHuman を使ってみる」、「MakeHumanで、mhx2形式で、人体データのエクスポート」を行う
- 今度は、次の資料で、Blender で、人体データをインポート.さらに、モーションデータを使って、人体アニメーションを作成してみる。
※ 自宅などで練習したい人は、次の資料にインストール手順も書いています.一定の条件下で無料で使えるソフトウェアです
謝辞:次のモーションデータを使用する(先人に感謝)
- まずは、MakeHuman を起動.
第3回目
- 3次元コンピュータグラフィックスソフトウェア blender を使ってみる,種々のファイルのインポート(50分)
- blender の機能紹介
説明資料: blender の機能紹介 [パワーポイント], [PDF]
- blender の機能紹介
- 3次元コンピュータグラフィックスソフトウェア blender の画面構成,基本操作(50分)
キーワード: 3次元オブジェクト,カメラ,移動,拡大縮小,回転,マテリアル,レンダリング
- 3次元コンピュータグラフィックスソフトウェア blender のマテリアル
キーワード: キーワード:Blender, レンダリング, 光源(ランプ), 光源(ランプ)の種類, 空,Transparency(透過)による透明化, Mirror(ミラー)による鏡面の表現
- Windows で Blender のインストール