AssetBundle 复习

本文详细介绍了Unity中AssetBundle的加载方式,包括同步与异步加载,并展示了如何使用AssetBundle来加载不同类型的资源,如Texture2D和Sprite等。此外,还提供了卸载AssetBundle的方法。

https://docs.unity.cn/cn/current/ScriptReference/AssetBundle.html

https://docs.unity.cn/cn/current/ScriptReference/BuildPipeline.html

https://docs.unity.cn/cn/current/ScriptReference/BuildAssetBundleOptions.html

AssetBundle ab = AssetBundle.LoadFromFile(Application.streamingAssetsPath + "/2mainmenu");

private IEnumerator IE_Start() {
    AssetBundleCreateRequest ab = AssetBundle.LoadFromFileAsync(Application.streamingAssetsPath + "/2mainmenu");
        
    while(!ab.isDone) {
        Debug.Log(ab.progress);
        yield return null;
    }

    if (ab.isDone) {
        Debug.Log(ab.progress);
    }
}
LoadFromFile&LoadFromFileAsync
private IEnumerator IE_Start() {
    WWW www = new WWW(Application.streamingAssetsPath + "/2mainmenu");

    while (!www.isDone) {
        Debug.Log(www.progress);
        yield return null;
    }

    AssetBundle ab = AssetBundle.LoadFromMemory(www.bytes);

    Debug.Log(ab.name);
}

private IEnumerator IE_Start() {
    WWW www = new WWW(Application.streamingAssetsPath + "/2mainmenu");

    while (!www.isDone) {
        Debug.Log(www.progress);
        yield return null;
    }

    AssetBundleCreateRequest ab = AssetBundle.LoadFromMemoryAsync(www.bytes);

    while (!ab.isDone) {
        yield return null;
    }

    if (ab.isDone) {
        Debug.Log(ab.assetBundle.name);
    }
}
LoadFromMemory&LoadFromMemoryAsync
var fileStream = new FileStream(Application.streamingAssetsPath + "/2mainmenu", FileMode.Open, FileAccess.Read);
var ab = AssetBundle.LoadFromStream(fileStream);

var fileStream = new FileStream(Application.streamingAssetsPath + "/2mainmenu", FileMode.Open, FileAccess.Read);
AssetBundleCreateRequest ab = AssetBundle.LoadFromStreamAsync(fileStream);

while (!ab.isDone) {
    yield return null;
}

if (ab.isDone) {
    Debug.Log(ab.assetBundle.name);
}
LoadFromStream&LoadFromStreamAsync
AssetBundle ab =  AssetBundle.LoadFromFile(Application.streamingAssetsPath + "/2mainmenu");
        

// Texture2D
var asset = ab.LoadAsset("bg_Title");
// sprite
asset = ab.LoadAsset("bg_Title", typeof(Sprite));
// sprite
asset = ab.LoadAsset<Sprite>("bg_Title");
// Texture2D
asset = ab.LoadAsset("Assets/Test/2MainMenu/bg_Title.png");
// Texture2D
asset = ab.LoadAsset("assets/test/2mainmenu/bg_title.png");
// null
asset = ab.LoadAsset("Assets/Test/2MainMenu/bg_Title");
// null
asset = ab.LoadAsset("assets/test/2mainmenu/bg_title");
// null
asset = ab.LoadAsset("assets/test/2mainmenu/bg_title", typeof(Sprite));

var assets = ab.LoadAllAssets();
// e.g. 46
Debug.Log(assets.Length);
foreach (var item in assets) {
    // e.g. bg_Title
    Debug.Log(item.name);
}

var assetsName = ab.GetAllAssetNames();
// e.g 23   说明有些asset没有名字, 比如 sprite
Debug.Log(assetsName.Length);
foreach (var item in assetsName) {
    // e.g. assets/test/2mainmenu/bg_title.png
    Debug.Log(item);
}
LoadAsset相关
// 将卸载捆绑包中资源的压缩文件数据, 但已从该捆绑包中加载的任何实际对象将保持不变。当然,您将无法再从该捆绑包加载任何其他对象
ab.Unload(false);
// 也将销毁从该捆绑包加载的所有对象。如果场景中有游戏 对象引用这些资源,则对它们的引用将丢失
ab.Unload(true);
Unload
数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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