Unity坐标与旋转

一、坐标与旋转

1. 节点的坐标、旋转

节点的坐标、旋转,都是Vector3表示

transform.position = new Vector3(0, 1.0f, 0);   //指定位置
transform.eulerAngles = new Vector3(0, 0, 90f); //指定角度

Euler Angle 为欧拉角,即用直观的角度来表示旋转
transform.rotation 是用Vector4表示旋转,较为复杂

2. 世界坐标、本地坐标

世界坐标: World Space Position,以世界的坐标系计算
本地坐标: Local Space Position,以父节点的坐标系计算

transform.localEulerAngles = new Vector3(0, 0, 180);//相对角度
transform.localPosition = new Vector3(0, -2f, 0);   //相对位置

诸如子弹相对飞机运动,可以用本地坐标设置子弹的位置

二、物体的运动

transform.Translate(dx, dy, dz) 用于实现运动

  1. 基于自身方向移动
transform.Translate(0, 0.02f, 0, Space.Self);   //移动基于自身的坐标系

在这里插入图片描述

  1. 基于世界方向移动
transform.Translate(0, 0.02f, 0, Space.World);  //移动基于世界的坐标系

小飞机竖直向上移动

  1. 匀速移动
    由于Update()是每次刷新调用一次,而每帧的间隔时间不同,因此上述运动的速度是变化的。在类中添加 speed 属性作为移动的速度,设置权限为 public 则可以在Unity中改变速度动态调试。Time.deltaTime 是每帧的间隔时间,用速度×时间作为移动距离,从而使速度保持一致。
//写在类中
----------------------------------------------------
public float speed = 1.2f;	
----------------------------------------------------
//写在Update()中
----------------------------------------------------
transform.Translate(0, speed * Time.deltaTime, 0);
----------------------------------------------------

三、飞机掉头飞行

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class MyJet : MonoBehaviour
{
    private float speed = 1.6f;
    private bool direction = true;//true表示飞机正在向上飞

    // Start is called before the first frame update
    void Start()
    {
      
    }

    // Update is called once per frame
    void Update()
    {
        if (direction && transform.position.y > 5)
        {
            direction = false;
            transform.localEulerAngles = new Vector3(0, 0, 0);
        }
        if (!direction && transform.position.y < -5)
        {
            direction = true;
            transform.localEulerAngles = new Vector3(0, 0, 180);
        }
        transform.Translate(0, -speed * Time.deltaTime, 0);
    }
}

四、键盘控制物体运动

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class MyJet : MonoBehaviour
{
    private char direction = 'u';
    private float speed = 1.6f;

    // Start is called before the first frame update
    void Start()
    {    

    }

    // Update is called once per frame
    void Update()
    {
        if (Input.GetKey(KeyCode.UpArrow))
        {
            direction = 'u';
        }
        if (Input.GetKey(KeyCode.DownArrow))
        {
            direction = 'd';
        }
        if (Input.GetKey(KeyCode.LeftArrow))
        {
            direction = 'l';
        }
        if (Input.GetKey(KeyCode.RightArrow))
        {
            direction = 'r';
        }
        if (Input.GetKey(KeyCode.Space))
        {
            direction = 'p';
        }
        switch (direction)
        {
            case 'u':
                transform.localEulerAngles = new Vector3(0, 0, 0);
                speed = 1.6f;
                break;
            case 'd':
                transform.localEulerAngles = new Vector3(0, 0, 180);
                speed = 1.6f;
                break;
            case 'l':
                transform.localEulerAngles = new Vector3(0, 0, 90);
                speed = 1.6f;
                break;
            case 'r':
                transform.localEulerAngles = new Vector3(0, 0, -90);
                speed = 1.6f;
                break;
            case 'p':
                speed = 0;
                break;
        }
        transform.Translate(Vector3.up * Time.deltaTime * speed);
    }
}

本脚本挂载在飞机对象上,通过键盘的方向键及空格控制飞机的运动方向和暂停,虽然程序很简单,不过看到飞机能随心所欲地动起来,还是非常有成就感的!

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论 1
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