基于Gram-Schmidt过程的切向量法向量正交化与TBN构建问题咨询

TBN矩阵正交化逻辑讲解 #

常见实现代码逐行解析 #

mat3 normalMatrix = transpose(inverse(mat3(model)));
vec3 T = normalize(normalMatrix * aTangent);
vec3 N = normalize(normalMatrix * aNormal);
T = normalize(T - dot(T, N) * N);
vec3 B = cross(N, T);

• normalMatrix 即法线矩阵，作用是抵消模型变换中的不等比缩放、切变对向量方向的扭曲，避免直接用模型矩阵变换后法向量、切向量方向偏离原本的垂直于表面的属性。
• 变换后的初始T和N虽然经过法线矩阵修正，但仍可能存在非正交误差：建模阶段的原始切向量和法向量是严格正交的，但模型变换精度损失、异常缩放等场景都会让变换后的两个向量出现微小的不垂直，这类误差会导致后续法线贴图采样的方向计算错误，引发光照异常。
• 你提到的T = normalize(T - dot(T, N) * N) 就是应用Gram-Schmidt正交化的核心步骤，这里的核心设计原则是 优先保证法向量N的正确性：法向量直接影响漫反射、高光等核心光照计算的精度，切向量的微小偏移对最终效果的影响几乎可以忽略，所以正交化过程中完全保留N的取值，只把T中平行于N的分量剔除，得到和N严格正交的新T。
• 最后通过cross(N, T)计算副切线B，因为N和T已经是正交归一的向量，叉乘得到的B自动满足和前两者正交，三者共同构成正交归一的TBN矩阵，不需要再做额外修正。

常见理解误区 #

你推导的Gram-Schmidt数学逻辑本身没有问题，偏差点在于默认正交化需要同时调整两个向量，或是以切向量为基准调整法向量，而实时渲染的工业实现中为了光照效果稳定，都会固定以法向量为基准，只修正切向量，这是工程实现取舍的结果，不属于逻辑错误。

内容的提问来源于stack exchange，提问作者San Andreas