进度报告

  

  耗费了一天的时间终于把纹理的问题搞定了,实现了以下功能:

 

      1,纹理的动态加载

 

      2,纹理的LOD计算,距离远使用小纹理,距离近使用大纹理,目前的实现是非精确的计算,只有当模型制作配合起来才能达到最佳效果

 

      3,纹理的淘汰

 

   贴图看效果:

   先来鸟巢:

 

 再来世博会中国馆:

 

 

 再来一张有特色的印度馆

 

   需要记录下的问题:

 

   1,一定要自己实现一个相对路径和绝对路径的转换库

 

   2,collada中的纹理坐标v值(t值)是反着的,或者说D3D采样是上下颠倒了,总之,这个地方需要处理。

 

 

  目前存在的问题:

 

   1, 效率不是很高

       这条也在预料之中,毕竟这些模型都是直接从网上下载,并没有特殊处理过,里面的材质实在太多了,导致渲染次数过多。

       而且有些纹理过大,设置道道4000px+,这些纹理在处理的时候就很慢了。

 

    2, 内存占用多

        当前采取的策略是很多东西都缓存了,导致这个问题,慢慢优化吧

 

   

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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