教程-使用Unity进行可视分析(1)

关于三维可视化视图的系列教程其一,本节主要讨论为什么、以及什么场景下要使用unity进行可视化。

Posted by 秦浩凯(Haokai Qin) on 2022-01-29
Estimated Reading Time 4 Minutes
Words 1.2k In Total
Viewed Times

本系列教程将在2022年新年期间进行更新,敬请关注!欢迎批评指正!

前    言:为什么、以及什么场景下要使用unity进行可视化?
第一章:现有的unity可视化工具包
第二章:自行设计与实现unity可视化视图
第三章:设计与实现一个可视分析系统(上)
第四章:设计与实现一个可视分析系统(下)
第五章:设计与实现一个可视分析系统(技术问题专题)

前言:为什么、以及什么场景下要使用unity进行可视化?

这个问题包含了多个环节:

  1. 主流可视化工具的适应场景是什么?这些技术目前覆盖不到哪些领域?
  2. unity适合应用于哪些领域,并且将持续应用下去,而非被其他技术替代?

以及更大的问题——
0. 为什么使用三维视图?三维可视化视图在哪些场景下会(比二维可视化)更好?

这里讨论的主流可视化工具,是指d3/echarts等基于web技术的工具,这些技术很好地继承了web的优势:平台间通用性强、灵活,并且(得益于丰富的文档与教程,以及相关服务)便于工程人员进行具体实现,及用户使用,在可视化领域(特别是二维视图可视化)具有不可动摇的地位。

而三维场景,情况就大不相同。必须指出的是,在可视化领域的经典论著https://clauswilke.com/dataviz/no-3d.html中,三维视图是不建议作为通常情况的首选的。一方面的确是由于三维视图导致了额外的认知负担(甚至是误导,摘自上文链接),另一方面也是由于在平面设备上浏览三维视图限制了其表达效果。新的可交互设备一定程度上改善了这个问题。

事实上,三维可视化场景非常广泛:在工业流水线[1]上,指示零件组装顺序的可视化标记大有用处;在科学可视化领域,三维图能够提供比二维图更丰富(有时也会更准确) 的信息[4][5];在体育运动领域[2][3]更是大有可为。

[1] F. Jasche, S. Hofmann, and T. Ludwig, “Comparison of diferent types of augmented reality visualizations for instructions,” Conf. Hum. Factors Comput. Syst. - Proc., 2021, doi: 10.1145/3411764.3445724.
[2] S. Ye et al., “ShuttleSpace: Exploring and analyzing movement trajectory in immersive visualization,” IEEE Trans. Vis. Comput. Graph., vol. 27, no. 2, pp. 860–869, 2021, doi: 10.1109/TVCG.2020.3030392.
[3] T. Lin and R. Singh, “Towards an understanding of situated ar visualization for basketball free-throw training,” Conf. Hum. Factors Comput. Syst. - Proc., 2021, doi: 10.1145/3411764.3445649.
[4] X. Wang, L. Besançon, D. Rousseau, M. Sereno, M. Ammi, and T. Isenberg, “Towards an Understanding of Augmented Reality Extensions for Existing 3D Data Analysis Tools,” Conf. Hum. Factors Comput. Syst. - Proc., 2020, doi: 10.1145/3313831.3376657.
[5] T. Mahmood, E. Butler, N. Davis, J. Huang, and A. Lu, “Building Multiple Coordinated Spaces for Effective Immersive Analytics through Distributed Cognition,” 2018 Int. Symp. Big Data Vis. Immersive Anal. BDVA 2018, 2018, doi: 10.1109/BDVA.2018.8533893.
此处应有 Prof. Shengdong Zhao的论文,但我还没有仔细读到。他们使用AR制作了非常有趣的东西。
备注:引文【5】实际上是地理信息可视化

因此,目前可以认为:

  1. 多属性/维度数据;
  2. 具有一定几何形状的数据;(地理空间、运动轨迹、体育运动)
  3. 和物理世界关系紧密的数据;(如流水线、菜谱等)
    等场景,更适合使用三维可视化。

事实上这些观点在沉浸式可视化综述类论文中或多或少有所提及。

[6] S. Ye, X. Chu, and Y. Wu, “A Survey on Immersive Visualization,” Jisuanji Fuzhu Sheji Yu Tuxingxue Xuebao/Journal Comput. Des. Comput. Graph., vol. 33, no. 4, pp. 497–507, 2021, doi: 10.3724/SP.J.1089.2021.18809.
[7] B. Ens, B. Bach, M. Cordeil, and U. Engelke, “Grand challenges in immersive analytics,” Conf. Hum. Factors Comput. Syst. - Proc., 2021, doi: 10.1145/3411764.3446866.

Unity是一种非常适合于三维场景的工具。但Unity的适用场景在哪里?不仅是‘三维可视化场景’这种过于广泛的定义。webGL/Unreal等工具一样可以进行三维可视化。unity的一大好处是教程丰富,这会利于新人快速开始工作。

然而,基于unity的可视分析任务仍然难以开展——因为还没有一种能够在Unity中创建可视化视图的工具得到有效推广。
在下一节中,我将介绍一款unity可视化工具包。
在后续章节中,我将介绍如何自行设计与实现unity可视化视图,以及如何制作一个可视分析系统。


If you like this blog or find it useful for you, you are welcome to comment on it. You are also welcome to share this blog, so that more people can participate in it. If the images used in the blog infringe your copyright, please contact the author to delete them. Thank you !