Quick-Cocos2d-x入门学习

Quick-Cocos2d-x入门学习

 

终于下班了,这次蛤蟆和大家一起来看下Quick-Cocos2d-x。

软件准备

http://cn.cocos2d-x.org/download/

下载Quick-cocos2d-x

 

1.  Windows编译player

进入到..quick-3.3\quick\player\proj.win32目录

打开player.sln, 点击“本地Windows调试器”

最后可以查看整个项目中的示例等。

 

 

2.  创建项目

第二步中的player.exe 运行,可以看到

如下图1所示:


只需要新建项目即可创建一个项目,如图二。

 

完毕后点击Open…按钮

出现如下图3

 

     

3.  Code IDE 调度 Quick工程

        

3.1         在 Code IDE 中导入 Quick 工程:

启动 Code IDE 后,选择菜单 File -> Import -> Cocos -> Import Cocos Project,并选择 quick 工程所在目录。

3.2         设置调试参数

Code IDE Lua Projects Explorer 界面里,选中要调试的项目。然后选择菜单 Run -> Debug Configurations,打开设置界面。

1.   在设置界面左侧的 CocosLuabinding 组下面新建一个配置项

2.   选择 Target Platform Remote Debug,并设置 Platform Mac Windows

3.   Host IP Target IP 均设置为 127.0.0.1

需要开启runtime目录下的exe 文件方可。

4.   点击"Apply" 按钮保存设置。


 

·         Code IDE 中,设置好 Lua 代码断点

通过双击即可增加断点

·        点击 Code IDE 工具栏中的 Debug按钮开始调试

3.3         配合 Xcode 和 Code IDE 进行 C++ 和 Lua 联调

如果要联调 C++ Lua 代码,那么必须打开 player Mac 工程进行调试:

·         Xcode 打开quick/player/proj.mac/player3.xcodeproj 工程

·        选择菜单 Product -> Scheme -> player3

·        选择菜单 Product -> Scheme -> Edit Scheme,打开 Scheme 对话框

·        从对话框左侧选中 Run,右侧选中 Arguments,然后点击 Arguments Passed On Launch 下的 + 按钮,输入以下调试参数:

1

2

3

-debugger-codeide

-workdir "工程绝对路径"

-size 960x640

·        如果是竖屏,修改 -size 参数为640x960 或需要的值即可。


·        设置完成后用 Xcode 运行 player 项目

·         player 启动后切换到 Code IDE 设置断点再开启 Debug Remote

·        在调试期间,如果遇到 Lua 代码中设置的断点,则切换到 Code IDE 查看断点情况

·        如果遇到 C++ 断点,则切换到 Xcode 查看断点情况

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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