unity学习笔记



monoDevelop乱码问题

这个问题坑了爹很久...

自带的monodevelop的项目视图在我电脑(win7)上一直乱码,项目名称,项目结构树,以及文件名称全部显示成方框,今天调了下字体,把默认字体改成Consolas,无心插柳解决了这个问题...

见图片


关于的一些概念和语法

最近一直在利用空闲时间看UnityAPI,看的比较细但是实际操作的比较少,昨天有一整天的空闲时间,再加上有了一个还不错的想法,想要把它实现出来,因为用到的模型并不复杂,不需要用到建模软件,也不用到处去搞素材,贴图就随手从收集的图片里做点筛选和剪切的工作,一切看上去很容易搞定,于是开始着手写代码。我从基本的GUI开始写,登陆框,主菜单,这是进入游戏的基本途径,然后NEW GAME进入游戏的第一关,这里好戏才刚刚开始。

我花了不少时间在挑选贴图和尝试不同的shader上,这些不是重点,当我写到用户输入字符检测的时候傻眼了,我在 Answer上面搜到一些代码,有加载System.RegularExpression(加载一部分多余的代码,而我希望尽量把游戏的体积控制在最小)然后用正则表达式做replace的,也有比较简单的字符比较,用Event.current.character与字符'a','z','A','Z','0','9'进行比较,这是在C#里的代码,在UnityScript里会提示不能把String类型转换成char类型,这个问题牵扯的就比较多了。既然UnityScript不会把String自动转换成char,那我就手动来转换吧?但是对基本类型的方法Unity的文档里

基本上没有提及,那么Unity是怎么处理String,char,Array这些基本类型的?


这里要澄清一些关键的概念。Unity提供三种脚本供我们使用,C#,jsBoojavascript程序员可能觉得用js会很得心应手,但是不要被表象所迷惑。这个js和我们熟知的ECMAjs有着天大的区别,这就是为什么我倾向于称其为UntyScript而不是javascript的原因,它没有js的无类型声明,没有对象直接量和函数直接量,没有prototype的继承机制,却多了类,联合,extent继承等等。UnityScript是由Boo语言实现的,Boo运行在Mono虚拟机上,转换成本地代码执行,而Mono是一个开源的.net框架。在用到UnityScript的基本类型比如char,String,Array只有直接去查Mono的文档。

上面提到的用户名校验问题实际上用char的一个方法isLetterOrDigit就能轻松解决,但是如果没去看Mono的文档我肯定不知道这点。

说到ScriptJavascript的区别,其实官方wiki上有个比较详尽的帖子,我也是用到这些东西,一头扎入繁杂的代码细节中,才发现这些问题,当然有些东西平时也自然而然的用到了,比如var s:int;这样的写法,在js里则是var s;为了避免类型检测的开销用强类型声明是很有必要的。另外还有一些需要注意的地方:

1、在js中变量声明前的var有些情况下是可以省略的,但是unity中如果声明一个变量没有用var,这个变量的作用域就是全局的。
2、没有prototype继承机制,继承的语法:class Foo extents Bar { };
3、可以定义虚函数,这样子类可以重写它,语法是virtual function Do(){ something; },在父类和子类中都要加virtual关键字
4、在子类中调父类的方法,使用super关键字,比如class Foo extents Bar{ virtual function Do(){ super.Do(); /*...more code..*/ }; }
5、比继承方便简洁的方法是,直接获取父类组件名,使用它的方法,用到Unity提供的函数GetComponent(),另外还有个小技巧,如果在某个脚本里使用static声明一个变量,在其他脚本直接用脚本名.变量就可访问,不用GetComponent()
6String用下标操作得到char类型,比如"foobar"[3]得到char类型的字符'b'
7UnityScript每个脚本都是继承自Monobehaviour的一个类,这点在C#Boo里需要显式声明,但是在UnityScript里是隐含和自动完成的,每个脚本名就是一个类名,也就是一个类型名称,在脚本的全局环境里声明的变量实际上是声明为这个脚本类的属性,全局函数实际上是它的方法,在这个类里也可以定义其他的类
8UnityScript里有两种数组,基本的array以及javascript类似的Array,数组直接量如[1, 2, 3]属于array类型,只能用下标操作,不能用push这样的方法,要声明一个Array必须用var a = new Array()这样的语句,推荐使用.netList替代它,声明方法和C#有点小区别:var myList = new List.<int>();注意中间的点符号
9UnityScript里使用枚举:enum SomeEnum { aaa, bbb, ccc, ddd };
10、因为UnityScript是运行在Mono上的,可以使用Mono库,用import System; import System.IO(Unity里进行文件操作,可以用这个,比如System.IO.File.Open()来打开一个文件)
11、因为UnityScript是运行在Mono上的,可以使用第三方的库,比如XML-RPC.net等,用import关键字引入其.dll文件

浅谈Unity中的rotationQuaternion的乘法

动手写游戏以后一个比较切身的体会,就是实际操作能检验很多语言的细节,也许平时看API文档,或者看一些教程的时候并没有深刻的体会,因为大多情况下你只知道了该怎么做,却不知道为什么要这么做,或者怎么想到这么做的,有没有其他的作法?在项目中我要用到一个摄像机环绕的脚本,我发现官方Asset里已经有这样的一个脚本了,打开看它的代码很简单,区区十几行,其中比较关键的一行代码,用摄像机的rotation控制摄像机的 position,这个方法非常巧妙:

position = rotation*Vector3(0.0, 0.0, -distance) + target.position;



Unity定义Quaternion乘法重载形式有两种:

  1. static operator*(lhs: Quaternion, rhs: Quaternion): Quaternion
  2. static operator*(rotation:Quaternion, point:Vector3):Vector3

复制代码



这两个重载是有很大区别的,第一个是计算对一个物体旋转lhs以后再旋转rhs,这整个结果实际上相当于旋转了多少,参数和返回值都是 Quaternion,也就是旋转角度;而第二个是计算笛卡尔坐标系下某一个点,在经过rotation的旋转之后,会出现在那个位置,返回值是 Vector3.
这里target是摄像机所要环绕的物体,distance是要和它保持的距离,摄像机的位置就是算要计算出的点。昨天晚上我一直在想,这个式子为什么会成立,查了Quaternion*号重载才看出名堂,之前看API文档我也看到过这个,但是并没有想到它还能有这样的妙用。我们知道摄像机的旋转角度,在环绕一个物体的时候,只能是左右和上下方向的旋转,沿着纵深方向的旋转是没有多大意思的(也许你会觉得玩家也会喜欢上下颠倒的角度,但是在我这个项目里并不需要),所以rotation.eulerAngles必定是(x, y, 0)的形式,之前我在想为什么被转的点要在z轴上而不是在x轴上,如果是在x轴上,那么被旋转点是Vector3(-distance, 0, 0),旋转方向就必须沿y轴和z轴,这和rotation只在xy轴上有旋转值是矛盾的。

另外一个没有想清楚或者说没有认真去想的问题就是,rotation的角度是怎么计算的。我之前一直认为,rotation是相对轴的旋转角度,比如摄像机环绕脚本中,rotationx值是相对x轴的旋转角度,但是当这个旋转物体运动到世界坐标系的x轴上时,rotatiion的值似乎应该为0.这样推断显然rotation是相对于自身的坐标系来计算的,但是在本地坐标系来看似乎怎么旋转x,y,z这三个值都应该是0不变,因为本地坐标系是随着物体的旋转一起旋转的。

其实只要知道了中rotation旋转量的计算方式,以上问题就迎刃而解了:

rotation的类型是Quaternion,用eulerAngles属性可以转换成Vector3表示,我们可以把它当做一个向量,向量的计算是根据起始点和终止点的向量位置计算,但是所有的向量都有一个根据坐标系原点计算的值,这是它位置的凭据,在世界坐标系下是绝对的,而前者是相对的,这两者实际上具有某种统一性。参照这个计算方法,旋转的三个坐标值就能解释得通了。Unity把世界坐标系和本地坐标系做比较,根据本地坐标系相对于世界坐标系的偏转计算绝对旋转角度,根据施加rotation旋转之前的坐标系绝对角度和之后的坐标系绝对角度计算相对旋转角度。那么 rotation的原点在哪呢?在属性面板里把物体的rotation属性归0就能看到,rotation的原点状态就是本地坐标系和世界坐标系x,y, z三个轴方向一致的状态。

  保存到相册

1 分钟前 上传

a.png



安全帽与口罩检测数据集 一、基础信息 数据集名称:安全帽与口罩检测数据集 图片数量: - 训练集:1690张图片 - 验证集:212张图片 - 测试集:211张图片 - 总计:2113张实际场景图片 分类类别: - HelmetHelmet:戴安全帽的人员,用于安全防护场景的检测。 - personwithmask:戴口罩的人员,适用于公共卫生监测。 - personwith_outmask:未戴口罩的人员,用于识别未遵守口罩佩戴规定的情况。 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于实际监控和场景采集,细节清晰。 二、适用场景 工业安全监控系统开发: 数据集支持目标检测任务,帮助构建自动检测人员是否佩戴安全帽的AI模型,适用于建筑工地、工厂等环境,提升安全管理效率。 公共卫生管理应用: 集成至公共场所监控系统,实时监测口罩佩戴情况,为疫情防控提供自动化支持,辅助合规检查。 智能安防与合规检查: 用于企业和机构的自动化安全审计,减少人工干预,提高检查准确性和响应速度。 学术研究与AI创新: 支持计算机视觉目标检测领域的研究,适用于安全与健康相关的AI模型开发和论文发表。 三、数据集优势 精准标注与实用性: 每张图片均经过标注,边界框定位准确,类别定义清晰,确保模型训练的高效性和可靠性。 场景多样性与覆盖性: 包含安全帽和口罩相关类别,覆盖工业、公共场所以及多种实际环境,样本丰富,提升模型的泛化能力和适应性。 任务适配性强: 标注兼容主流深度学习框架(如YOLO),可直接用于目标检测任务,便于快速集成和部署。 实际应用价值突出: 专注于工业安全和公共健康领域,为自动化监控、合规管理以及疫情防护提供可靠数据支撑,具有较高的社会和经济价值。
内容概要:本文围绕FOC电机控制代码实现与调试技巧在计算机竞赛中的应用,系统阐述了从基础理论到多场景优化的完整技术链条。文章深入解析了磁链观测器、前馈控制、代码可移植性等关键概念,并结合FreeRTOS多任务调度、滑动窗口滤波、数据校验与热仿真等核心技巧,展示了高实时性与稳定性的电机控制系统设计方法。通过服务机器人、工业机械臂、新能源赛车等典型应用场景,论证了FOC在复杂系统协同中的关键技术价值。配套的千行级代码案例聚焦分层架构与任务同步机制,强化工程实践能力。最后展望数字孪生、低代码平台与边缘AI等未来趋势,体现技术前瞻性。; 适合人群:具备嵌入式开发基础、熟悉C语言与实时操作系统(如FreeRTOS)的高校学生或参赛开发者,尤其适合参与智能车、机器人等综合性竞赛的研发人员(经验1-3年为佳)。; 使用场景及目标:① 掌握FOC在多任务环境下的实时控制实现;② 学习抗干扰滤波、无传感器控制、跨平台调试等竞赛实用技术;③ 提升复杂机电系统的问题分析与优化能力; 阅读建议:此资源强调实战导向,建议结合STM32等开发平台边学边练,重点关注任务优先级设置、滤波算法性能权衡与观测器稳定性优化,并利用Tracealyzer等工具进行可视化调试,深入理解代码与系统动态行为的关系。
【场景削减】拉丁超立方抽样方法场景削减(Matlab代码实现)内容概要:本文介绍了基于拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法的场景削减技术,并提供了相应的Matlab代码实现。该方法主要用于处理不确定性问题,特别是在电力系统、可再生能源等领域中,通过对大量可能场景进行高效抽样并削减冗余场景,从而降低计算复杂度,提高优化调度等分析工作的效率。文中强调了拉丁超立方抽样在保持样本代表性的同时提升抽样精度的优势,并结合实际科研背景阐述了其应用场景与价值。此外,文档还附带多个相关科研方向的Matlab仿真案例和资源下载链接,涵盖风电、光伏、电动汽车、微电网优化等多个领域,突出其实用性和可复现性。; 适合人群:具备一定Matlab编程基础,从事电力系统、可再生能源、优化调度等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例可再生能源的电力系统不确定性建模;②用于风电、光伏出力等随机变量的场景生成与削减;③支撑优化调度、风险评估、低碳运行等研究中的数据预处理环节;④帮助科研人员快速实现LHS抽样与场景削减算法,提升仿真效率与模型准确性。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,理解拉丁超立方抽样的原理与实现步骤,并参考附带的其他科研案例拓展应用思路;同时注意区分场景生成与场景削减两个阶段,确保在实际项目中正确应用该方法。
道路坑洞目标检测数据集 一、基础信息 • 数据集名称:道路坑洞目标检测数据集 • 图片数量: 训练集:708张图片 验证集:158张图片 总计:866张图片 • 训练集:708张图片 • 验证集:158张图片 • 总计:866张图片 • 分类类别: CirEllPothole CrackPothole IrrPothole • CirEllPothole • CrackPothole • IrrPothole • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图片为常见格式(如JPEG/PNG),来源于相关数据采集。 二、适用场景 • 智能交通监控系统开发:用于自动检测道路坑洞,实现实时预警和维护响应,提升道路安全。 • 自动驾驶与辅助驾驶系统:帮助车辆识别道路缺陷,避免潜在事故,增强行驶稳定性。 • 城市基础设施管理:用于道路状况评估和定期检查,优化维护资源分配和规划。 • 学术研究与创新:支持计算机视觉在公共安全和交通领域的应用,推动算法优化和模型开发。 三、数据集优势 • 精准标注与类别覆盖:标注高质量,包含三种常见坑洞类型(CirEllPothole、CrackPothole、IrrPothole),覆盖不同形态道路缺陷。 • 数据多样性:数据集涵盖多种场景,提升模型在复杂环境下的泛化能力和鲁棒性。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于目标检测任务,支持快速模型迭代。 • 实际应用价值:专注于道路安全与维护,为智能交通和城市管理提供可靠数据支撑,促进效率提升。
废物分类实例分割数据集 一、基础信息 数据集名称:废物分类实例分割数据集 图片数量: - 训练集:2,658张图片 - 验证集:316张图片 - 测试集:105张图片 - 总计:2,974张图片(训练集 + 验证集) 分类类别: - 电子产品(electronics) - 玻璃瓶(gbottle) - 口罩(mask) - 金属(metal) - 塑料袋(pbag) - 塑料瓶(pbottle) - 废物(waste) 标注格式:YOLO格式,包含多边形点坐标,适用于实例分割任务。 数据格式:JPEG图片,来源于实际场景,涵盖多种废物物品。 二、适用场景 智能废物分类系统开发: 数据集支持实例分割任务,帮助构建能够自动识别和分割废物物品的AI模型,辅助垃圾分类和回收管理。 环境监测与环保应用: 集成至智能垃圾桶或监控系统,提供实时废物识别功能,促进环保和资源回收。 学术研究与技术创新: 支持计算机视觉与环境保护交叉领域的研究,助力开发高效的废物处理AI解决方案。 教育与培训: 数据集可用于高校或培训机构,作为学习实例分割技术和AI在环境应用中实践的重要资源。 三、数据集优势 类别多样性与覆盖广: 包含7个常见废物和可回收物品类别,如电子产品、玻璃瓶、口罩、金属、塑料袋、塑料瓶和废物,涵盖日常生活中的多种物品,提升模型的泛化能力。 精准标注与高质量: 每张图片均使用YOLO格式进行多边形点标注,确保分割边界精确,适用于实例分割任务。 任务导向性强: 标注兼容主流深度学习框架,可直接用于实例分割模型的训练和评估。 实用价值突出: 专注于废物分类和回收管理,为智能环保系统提供关键数据支撑,推动可持续发展。
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