使用 Differential_growth 组在提供的输入曲线对象上运行模拟。
此设置已使用 Blender >=3.6 进行了测试。
参数摘要
速度：应用于每帧点的偏移强度。 值越高，模拟越“快”，但结果越不准确，发生碰撞/重叠的可能性越大。
可见性半径：点相互影响的最大距离。
重采样长度：曲线的重采样长度。
吸引力：吸引力参数仅在提供非空吸引器集合时才有效。 根据因子值，点将被吸引到比给定最大距离更近的表面。
排斥力：排斥力对曲线的其他点和容器集合中的任何其他对象起作用（如果提供）。 根据因子值，曲线将被推离比给定最大距离更近的点。
3D 增长：是否在所有三个轴上运行增长。
保留旧状态：保留先前迭代的结果。
保留旧状态 – 跳过帧：跳过多少帧。0 表示保留所有帧。
仅对最后状态进行采样：如果为真，排斥力仅在最后一帧上起作用（仅当保留旧状态为真时才相关）。
轮廓曲线半径：如果为 0，则只输出一条曲线，否则将曲线应用于具有此半径的网格。
容器集合：如果提供，则将充当屏障/边界的对象（与排斥参数相关）。
吸引子集合：如果提供，则将充当吸引子的对象（与吸引力参数相关）。
容器/吸引子点密度 (x100)：值越高，交互越准确。
较低的可见性半径会导致更详细的增长，因为它考虑了较小比例的邻居点来调整增长，实际上降低了曲线的整体平滑度。详细的增长还需要重新采样长度以适合您正在运行的模拟的规模。可见性半径应大于重采样长度，否则曲线不会受到太大影响或崩溃。
如果模拟变得太重，请尝试减少重采样长度。
技术考虑
对于算法的点位置优化步骤，当前模拟不包括基于连接邻居的吸引力更新。这是因为几何节点尚未提供获取邻居的简单方法。同样，排斥力是通过首先使用基于可见性半径的“按距离合并”，然后应用排斥力来实现的。我们还应用了偏移的模糊传递。
对于算法的自适应细分步骤，我们仅依赖“重采样曲线”节点。更复杂的方法可以考虑空间拥挤度或点之间的角度。
请先 ！