Unity Shader 深入理解 LinearEyeDepth 与 DepthTexture

从透视投影的数学本质出发,拆解深度缓冲区的非线性编码原理,掌握 LinearEyeDepth 的完整变换链路与实战技巧。

一、Camera DepthTexture:它是什么

在 Unity 中,启用 DepthTextureMode.Depth 后,渲染管线会在不透明物体绘制完毕后、透明物体绘制之前,额外生成一张全屏的深度纹理——这就是 _CameraDepthTexture。它本质上是将当前帧的深度缓冲区(Depth Buffer)内容拷贝到一张可被 Shader 采样的纹理中。

💡 关键要点

半透明物体的 Shader 可以直接采样 _CameraDepthTexture——这是水面、玻璃等效果的基础。URP 中不透明物体队列为 RenderQueue ≤ 2500,因此任何在 Transparent 队列(3000)渲染的材质都能读到底层场景的深度。

二、为什么深度是非线性的

GPU 写入深度缓冲区的值并不是世界空间中的真实距离,而是经过透视投影矩阵变换后的非线性值。理解这一点,是掌握 LinearEyeDepth 的前提。

2.1 透视投影的本质

透视投影将视锥体(Frustum)映射到 NDC 立方体 [-1, 1]3。在这个变换中,z 分量经历了非线性压缩:近平面附近的深度精度极高,远平面附近的精度则急剧下降。

2.2 深度缓冲区中的值

采样 _CameraDepthTexture 得到的是一个 0 到 1 的浮点数,它遵循以下公式(OpenGL / Unity 约定):

Depthbuffer = ( far · (z − near) ) / ( z · (far − near) )

其中 z 是观察空间中的深度(相机前方的实际距离),near 和 far 是裁剪面距离。这个曲线在近平面附近陡峭,在远平面附近平坦——这就是 z-fighting 更常出现在远处的根本原因

三、LinearEyeDepth:从非线性到线性

3.1 它做了什么

LinearEyeDepth 是 URP 中 Common.hlsl 提供的核心函数,它将采样到的非线性深度值还原为观察空间中的线性距离。这意味着转换后的值可以直接用于计算世界空间位置、做距离比较、驱动雾效等。

// URP / Core RP Library 中的实现
float LinearEyeDepth(float rawDepth, float4 zBufferParam)
{
    return 1.0 / (zBufferParam.x * rawDepth + zBufferParam.y);
}

其中 zBufferParam 由引擎在每帧计算:

zBufferParam.x = (far − near) / far
zBufferParam.y = near / far

3.2 数学推导

将原始非线性公式取倒数即可还原:

原始: rawDepth = far · (z − near) / (z · (far − near))

取倒数: 1 / rawDepth = z · (far − near) / (far · (z − near))

整理后得到: z = 1 / ( ((far−near)/far) · rawDepth + near/far )

这就是 LinearEyeDepth 的完整数学本质——一个有理函数的倒数

📐 与 Linear01Depth 的区别

Linear01Depth(rawDepth, zBufferParam) 返回的是 [0, 1] 归一化深度(0 = near, 1 = far),适合做深度比较。

LinearEyeDepth(rawDepth, zBufferParam) 返回的是 观察空间的实际距离(米),适合做世界空间重建或距离相关的计算。

四、如何正确采样深度纹理

4.1 声明纹理与采样器

// URP 中推荐使用宏声明(自动处理平台兼容性)
TEXTURE2D_FLOAT(_CameraDepthTexture);
SAMPLER(sampler_CameraDepthTexture);

4.2 在 Shader 中采样与转换

// 1. 计算屏幕空间 UV
float4 screenPos = ComputeScreenPos(positionCS);
float2 screenUV = screenPos.xy / screenPos.w;       // 透视除法

// 2. 采样深度纹理(R 通道即为深度值)
float rawDepth = SAMPLE_DEPTH_TEXTURE(_CameraDepthTexture, sampler_CameraDepthTexture, screenUV);

// 3. 转换为观察空间线性深度
float eyeDepth = LinearEyeDepth(rawDepth, _ZBufferParams);

// 4. (可选)转换为 01 深度
float linear01 = Linear01Depth(rawDepth, _ZBufferParams);

4.3 关键注意事项

⚠️ 常见陷阱

  • 记得透视除法:ComputeScreenPos 返回的是齐次坐标,必须除以 .w 才是正确的 UV。
  • Vulkan / Metal 平台:这些 API 下深度值已经在线性空间中(如果启用了 Reverse-Z),_ZBufferParams 会自动适配。
  • Scene Depth vs Camera Depth:_CameraDepthTexture 不包含透明物体;若需包含透明物体深度,使用 _CameraDepthAttachment(URP 14+)。
  • 深度纹理精度:大部分移动平台为 16位或24位深度格式,远处精度有限,避免在远平面附近做高精度深度比较。

五、实战场景分析

5.1 场景一:水面边缘的软过渡(深度差)

水面 Shader 的经典写法:比较水面像素深度与场景深度,在物体与水面交界处产生泡沫或边缘效果。

float sceneEyeDepth = LinearEyeDepth(
    SAMPLE_DEPTH_TEXTURE(_CameraDepthTexture, sampler_CameraDepthTexture, screenUV),
    _ZBufferParams
);

float waterEyeDepth = screenPos.w;  // 水面像素在观察空间的深度

float depthDiff = sceneEyeDepth - waterEyeDepth;

// 深度差越小 = 物体越靠近水面 = 泡沫强度越高
float foamFactor = saturate(1.0 - depthDiff / _FoamDistance);

5.2 场景二:从深度重建世界空间坐标

结合 LinearEyeDepth 与 NDC 坐标,可以精确重建每个像素的世界位置——这是屏幕空间效果(SSR、SSAO、贴花)的核心技术。

float3 ReconstructWorldPos(float2 screenUV, float rawDepth)
{
    // 1. 得到观察空间线性深度
    float eyeDepth = LinearEyeDepth(rawDepth, _ZBufferParams);

    // 2. 构建 NDC 坐标(xy 映射到 [-1,1])
    float3 ndcPos = float3(screenUV * 2.0 - 1.0, 1.0);

    // 3. NDC → 观察空间(乘以深度)
    float3 viewPos = mul(unity_CameraInvProjection, float4(ndcPos, 1.0)).xyz * eyeDepth;

    // 4. 观察空间 → 世界空间
    float3 worldPos = mul(unity_CameraToWorld, float4(viewPos, 1.0)).xyz;

    return worldPos;
}

🔧 ASE 节点映射

如果你使用 Amplify Shader Editor,以上操作可以通过以下节点实现:
Depth Texture → Eye Depth 节点(自动调用 LinearEyeDepth)→ 配合 Screen Position 和 Inverse View Projection Matrix 重建世界坐标。

5.3 场景三:水下角色渲染修正

这是一个经典的深度排序问题:当角色半身浸入水中时,水面 Shader 需要区分"水面到场景"和"水面到角色"的深度差,避免在不正确的深度层产生扭曲。

关键修正逻辑——在深度比较时取 min,确保角色后方物体不会干扰水面的折射计算:

// 采样场景不透明深度
float rawSceneDepth = SAMPLE_DEPTH_TEXTURE(_CameraDepthTexture, sampler_CameraDepthTexture, screenUV);
float sceneEyeDepth = LinearEyeDepth(rawSceneDepth, _ZBufferParams);

// 水面像素自身的观察空间深度
float waterEyeDepth = screenPos.w;

// 关键修正:取水面和场景深度中的较近者
// 避免角色背后的冰块等物体产生错误扭曲
float effectiveSceneDepth = min(sceneEyeDepth, waterEyeDepth);

// 正确的水面-场景深度差
float correctedDiff = effectiveSceneDepth - waterEyeDepth;

// 若差值很小或为负 → 有物体在水面附近或上方 → 减少扭曲
float distortionMask = saturate(correctedDiff / _MaxDistortionDepth);

六、函数速查表

函数 / 宏输入输出用途
SAMPLE_DEPTH_TEXTURE纹理 + UVraw depth [0,1]从 _CameraDepthTexture 采样
LinearEyeDepthrawDepth + _ZBufferParams观察空间距离(米)世界坐标重建、真实距离计算
Linear01DepthrawDepth + _ZBufferParams[0,1] 线性深度深度比较、软粒子、雾效
ComputeScreenPospositionCS齐次屏幕坐标计算采样 UV(需除 .w)
_ZBufferParamsfloat4 (x,y,z,w)URP 自动传入的深度反算参数

七、小结

LinearEyeDepth 的代码虽然只有一行,但它背后承载的是透视投影的完整数学链路:

  1. 深度缓冲区存储的是非线性值——近处精度高、远处精度低,这是透视投影矩阵的必然结果。
  2. LinearEyeDepth 用一个有理函数的倒数将非线性深度还原为观察空间线性距离。
  3. _ZBufferParams 由引擎根据 near/far 自动计算,适配不同图形 API(OpenGL / D3D / Vulkan / Metal)的深度范围约定。
  4. 实战中最常见的错误——忘记透视除法、没处理 Reverse-Z 平台差异、角色背后物体干扰深度比较——都可以通过理解上述原理来避免。

📚 延伸阅读

如果你想进一步深入,推荐阅读 URP 源码中的 Common.hlslDepthOnlyPass.hlsl,以及 Unity 官方的 Frame Debugger 来验证每个 Pass 的深度写入行为。配合 ASE 的 Eye Depth 节点,你可以不写一行代码就完成大部分深度相关效果。

内容摘要: 本资源是一套完整的Python数据分析可视化落地实践项目,围绕真实销售业务场景,覆盖数据预处理-可视化探索-时间序列预测全分析流程,提供可直接运行的完整代码,搭配清晰的模块拆分环境配置指南,帮助学习者快速掌握工业界常用数据分析工具链,完成从理论到落地的实践闭环。 适合人群: 适合掌握Python基础语法、想要进阶数据分析技能的在校学生转行者; 刚入门数据岗位、需要积累实战项目经验的职场新人; 想要用Python替代Excel处理大规模数据的业务分析师、运营人员; 以及希望补充数据分析技能点、丰富项目作品集的全栈开发求职者。 能学到什么: Pandas实战能力:掌握真实场景下缺失值填充、异常值清洗、特征工程等核心数据处理技能,能独立完成多维度业务指标统计。 双体系可视化技能:学会用Matplotlib制作符合报告要求的静态高级图表(多子图布局、热力图、箱线图等),也能用Plotly开发可交互网页图表,适配不同场景需求。 Prophet时间序列预测:掌握从数据格式整理、模型训练到结果输出的完整流程,能独立完成销售、流量等常见业务的趋势预测,读懂趋势季节性对业务的影响。 完整项目思维:走通数据分析全流程,学会配置项目环境、解决常见依赖问题,建立标准化工作思维。 </doc_start> 以上是缩短到400字左右的内容,符合要求。(AI生成)
内容概要:本文提出一种基于杜鹃优化算法(Cuckoo Search Algorithm)的综合能源系统调度方法,结合分时电价(Time-of-Use, TOU)机制实现需求响应优化。该方法通过智能优化算法对电、热、气等多种能源形式进行协同调度,在保障用户用能需求的前提下,有效响应电网峰谷电价信号,降低用电成本,提升能源利用效率系统经济性。研究提供了完整的Matlab代码实现,涵盖模型构建、算法求解结果分析全过程,属于尚未公开发表的创新性研究成果,具有较高的科研参考价值和技术落地潜力。; 适合人群:具备电力系统建模、优化算法理论基础及Matlab编程能力的研究生、科研人员,以及从事综合能源系统规划、需求响应、能源互联网等相关领域的工程技术开发者。; 使用场景及目标:①研究分时电价机制下用户侧负荷的响应行为建模优化策略设计;②掌握杜鹃优化算法在复杂非线性多目标能源调度问题中的建模求解方法;③构建并求解综合能源系统多能协同调度模型,提升系统运行的经济性、稳定性和灵活性。; 阅读建议:本资源以Matlab代码为核心载体,强调理论建模工程实践深度融合,建议读者在深入理解优化模型算法原理的基础上,动手运行、调试代码,探究关键参数对优化结果的影响规律,并尝试将其拓展应用于其他类似能源系统优化场景中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值