幻世(OurDream)2D图形引擎使用教程15——GUI图形用户界面系统(3)

本文介绍了幻世GUI系统中的进度条和滚动条控件的使用方法,包括如何创建这些控件及设置它们的属性,还预告了下篇教程将通过一个视频播放器实例展示控件间的交互。

声明:本教程版权归Lizcst Software Lab所有,欢迎转载,但是转载必须保留本段声明文字,并注明文章来源:http://blog.youkuaiyun.com/kflizcst

谢谢合作!        

        [进度条]

        进度条控件用来显示完成某项操作的情况,一般来说,当进行某种需要一定时间执行的操作时,最好显示进度条来告知用户完成情况,以便让用户了解需要等待的大概时间。

        幻世GUI系统提供的进度条控件正是为此目的而设。下面是创建进度条的函数原型:

 

        参数解释:

        1、该控件的ID

        2、控件的位置及大小;

        3、控件进度块的颜色;注意进度条主要包括两部分的外观颜色,一是进度条的边框,二就是进度块的颜色。前者颜色不能指定,强制为白色,后者颜色就是由本参数指定的。

        4、进度条充满时表示的最大值;

        5、进度条清空时表示的最小值;

        6、进度块的当前值;设定此值用于预先向进度条填充一定的进度块,默认为0及进度条初始为清空状态。

        7、父控件ID

 

        在我们的演示程序中创建进度条的代码:

 

        实际运行效果:

 

        这里还需要提示一点的是,幻世GUI的进度条目前不支持纹理,所以不能通过纹理来改变外观,这可以通过其创建函数的参数就可以知道。

 

        [滚动条]

        滚动条控件可以用于一些比较精密的数值调整场合,比如声音音量的调节等等。相比输入数值的调整方式,滚动条显得更好操作,同时也更形象。

        幻世GUI 的滚动条控件支持横向与纵向两种样式,开发者可以根据实际的需要方便的调整滚动条控件的显示方向。其创建函数的原型是:

 

        参数解释:

        1、控件的ID

        2、控件的位置及大小;

        3、控件的显示方向;为true时纵向,为false时横向。

        4、控件边框及底纹的颜色;

        5、滑块的颜色;

        6、底纹使用的纹理的资源ID

        7、底纹使用的纹理的坐标;

        8、滑块使用的纹理的资源ID

        9、滑块纹理的坐标;

        10、滚动条表示的最大值;如果是纵向,则指滑块滑到底部所能表示的最大值,如果是横向,则指滑块滑到最右边所能表示的最大值。

        11、滚动条滑块表示的当前值;该值用作指示滚动条滑块初始出现的位置。

        12、父控件ID

        下面是演示程序中创建滚动条的代码,这里我们创建了横向和纵向两种滚动条:

 

        实际运行效果:

 

    

        [关于如果与这两种控件进行数据交互]

        这部分内容我们将在下篇教程通过一个完整的例程进行介绍。下篇教程,我们将依据之前学习到的知识,开发一个完整的视频播放器作为演示程序,通过这个演示程序,读者将能够更加深入的学习到幻世GUI控件如果相互之前交换数据,对幻世程序的功能起到控制作用。

        [完成]

        幻世GUI系统还有不少控件我们没有学习,不过这没关系,我相信通过这几篇教程的讲解,大家应该已经明白了幻世GUI的用法和使用特点,所以剩下的那些控件,就交给大家自行去研究了。

        [示例代码下载]

        全部源代码下载:http://kuai.xunlei.com/d/BiIvAJ-5E3eyUgQA098

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
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