J2ME Mobile 3D入门教程(一)(转)

本文详细介绍如何在J2ME环境下使用JSR184可选包进行3D图形编程,涵盖3D模型建立、场景设置、摄影机调整及渲染过程,适合初学者快速上手。
3D图形技术在各个领域已经越来越多的被应用了,当然这也包括了J2ME领域。在J2ME中为我们提供了JSR184这样一个可选包,该套API实现手机上3D图形的编程。同时也伴随着移动设备硬件的发展,现在也出现了越来越的支持该可选包的手机了,例如Sony Ericsson的 K系列、S系列等等。
正巧前一段时间我简单的学习了一下3D图形学,所以最近开始对Mobile 3D的学习,在这里把学习到的东西拿出来与大家共享,希望能对大家有所帮助,也同时希望大家能够一起来学习JSR184。

下面言规正传,首先我们来想象一下在现实生活中,我们是如何观察这个世界的。我们是通过眼睛来观察,我们生活在一个3维坐标系构成的世界。在Mobile3D中同样的有World类让你随心所欲的构造你想要的世界,当然在这里专业些,在3D制图中我们叫它“场景”;另外还有Camera类来作为你的眼睛,你可以来设置它的位置角度等参数,来显示出不同的图像。

在Mobile 3D中是如何实现3D图像的显示呢?首先你要建立或者载入3D模型,然后根据需要设置场景中的环境、渲染方式等一系列的参数,再后生成并设置一架摄影机并且调整好你想要的光线,调整好你所需要的位置和角度。OK还需要什么呢?按下快门,这一步就是被叫做“渲染”一切就搞定了,这听起来似乎很简单其实也并不难,其实这也不难。

下面我们分步骤的来讲解这些步骤:
首先说模型的建立,在Mobile 3D中和大多数的3D编程API是一样的有两种方式:1 及时运算生成;2 外部建模导入。由于外部建模导入会将环境信息同时导入,所以稍候给大家做详细的介绍,这里着重要给大家介绍“及时运算生成”的部分,这样一来有助于大家了解Mobile 3D的工作原理
在Mobile 3D中为我们提供了VertexArray和VertexBuffer俩个类,这两个类用来保存3维模型的顶点信息。
其中VertexArray 类用处比较多,也比较灵活,这个类最常用的用法有3个,1 保存顶点坐标信息; 2 保存法线信息; 3 保存帖图信息 。有人也许要问这一个类怎么管理3种不同的东西呢?那下面我们来分析一下该类,首先该类的构造器有3个参数:1 该实例要包括的元素的数量; 2 每个元素要包括的元素数量; 3每个子元素所占的字节数。这样一来似乎清楚很多为什么这个类能被使用到3种东西上。另外该类还有一个比较常用的方法set(int index,int length,short[] array0)这个方法是用来向该类的实例对象种存放数据的,第一个参数是指从第几个元素开始;第二个参数是指要设置多少个;第三个参数就是实际设置的置了。
下面简单介绍VertexBuffer类,该类才是真正保存多边形的框架信息的类。改类通过设置顶点位置、发现、帖图信息,来建立图形。其中setPositions(VertexBuffer v,float s,float[]b)是用来设置顶点位置的,在这个方法中你会发现有3个参数,第一个不用说了,是顶点的坐标信息,后两个是用来做坐标偏移等操作的,操作是这样的数学公式v'=v*s+b。还有一个setNormals(vertexBuffer norm)方法来设置法线。还有一个非常重要的方法setTexCoords(int, VertexArray, float, float[])这个方法中参数除第一个以外,后三个和setPositions(VertexBuffer v,float s,float[]b)是一样的,第一个参数是开始的元素编号。这样说是不是有些抽象呢?给大家一个例子吧,好让大家理解。
short x = 20;

short y = 20;

short z = 20;

short fx = (short) -x;

short fy = (short) -y;

short fz = (short) -z;


//定点坐标
short[] vert = {x,y,z, fx,y,z, x,fy,z, fx,fy,z, //D

fx,y,fz, x,y,fz, fx,fy,fz, x,fy,fz, //C

fx,y,z, fx,y,fz, fx,fy,z, fx,fy,fz, //B

x,y,fz, x,y,z, x,fy,fz, x,fy,z, //F

x,y,fz, fx,y,fz, x,y,z, fx,y,z, //A

x,fy,z, fx,fy,z, x,fy,fz, fx,fy,fz}; //E

try{vertArray=new VertexArray(vert.length/3,3,2);
vertArray.set(0,vert.length/3,vert);
}catch(Exception e){System.out.println("vert");}

//发线
byte[] norm = { 0,0,127, 0,0,127, 0,0,127, 0,0,127,

0,0,-127, 0,0,-127, 0,0,-127, 0,0,-127,

-127,0,0, -127,0,0, -127,0,0, -127,0,0,

127,0,0, 127,0,0, 127,0,0, 127,0,0,

0,127,0, 0,127,0, 0,127,0, 0,127,0,

0,-127,0, 0,-127,0, 0,-127,0, 0,-127,0};

try{normArray=new VertexArray(norm.length/3,3,1);
normArray.set(0,norm.length/3,norm);
}catch(Exception e){System.out.println("norm");e.printStackTrace();}

//给出顶点们对应图片上的点(vert和tex数组是一一对应的)
short[] tex = { 1, 0, 0, 0, 1, 1, 0, 1,

1, 0, 0, 0, 1, 1, 0, 1,

1, 0, 0, 0, 1, 1, 0, 1,

1, 0, 0, 0, 1, 1, 0, 1,

1, 0, 0, 0, 1, 1, 0, 1,

1, 0, 0, 0, 1, 1, 0, 1 };

try{
texArray=new VertexArray(tex.length/2,2,2);
texArray.set(0,tex.length/2,tex);
}catch(Exception e){System.out.println("tex");}

//建立正方体
vb=new VertexBuffer();
vb.setPositions(vertArray,1.0f,null);
vb.setNormals(normArray);
vb.setTexCoords(0,texArray,1.0f,null);

在上述代码中我建立一个正方体所需要全部顶点和面的信息,但大家要注意这里并没有生成对应的模型。原因就是我们还没有设置生成模型所以的其他信息,下面我们来看看TriangleStripArray类,该类是构成面所需要的三角面的信息类,熟悉3D制图的人都清楚构造3D图形是通过多个面构造一个3D实体的,而三角面是比较常用的一个方法。具体内容我这里不详细说明了。
下面我们还需要设置一些环境和材质信息,这里要用到的类比较多Appearance、Texture2D、Material。前来看个例子
appearnce=new Appearance();

//创建帖图
Texture2D texture=new Texture2D(image2d);
texture.setBlendColor(Texture2D.FUNC_DECAL);
texture.setWrapping(Texture2D.WRAP_REPEAT,Texture2D.WRAP_REPEAT);
texture.setFiltering(Texture2D.FILTER_NEAREST,Texture2D.FILTER_NEAREST);

material=new Material();
material.setColor(Material.DIFFUSE, 0xFFFFFFFF);
material.setColor(Material.SPECULAR, 0xFFFFFFFF);
material.setShininess(100.0f);

appearnce.setTexture(0,texture);
appearnce.setM


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10294527/viewspace-126968/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10294527/viewspace-126968/

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与致性;后期处理则涉及模型输出的物理量换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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