粒子模拟(六-粒子组1)

这节我们通过前面学过的粒子相关知识,加上粒子组的用法,实现一个有意思的 Demo

第一步:

创建界面

import QtQuick 2.9
import QtQuick.Window 2.2
import QtQuick.Particles 2.0

Window {
    visible: true
    width: 680
    height: 440
    title: qsTr("Rocket..")

    Item{
        anchors.fill: parent
        Rectangle {
            id: root
            anchors.fill: parent
            color: "#1F1F1F"
        }
    }
}

第二步:

创建火箭/火箭烟雾的粒子画笔

            // ----
            // 火箭的粒子画笔
            ImageParticle{
                id:rocketPainter
                system: particleSystem
                // 将粒子分组
                groups: ['rocket']
                // 火箭 Image 图片
                source:"qrc:/new/preImg/" +
                       "ufo.png"
                entryEffect: ImageParticle.None
            }

            // 火箭烟雾的粒子画笔
            ImageParticle{
                id:smokePainter
                system: particleSystem
                groups: ['smoke']
                source:"qrc:/new/preImg/" +
                       "particle.png"
                //
                alpha: 0.3
                entryEffect: ImageParticle.None
            }

上面是火箭/火箭烟雾的粒子画笔!

第三步:

创建火箭/火箭烟雾的粒子发射器

            // ----
            // 火箭的发射器
            Emitter{
                id:rocketEmitter
                // 定义发射的区域
                anchors.bottom: parent.bottom
                width: parent.width
                // 60 的原因是只能从底部发射
                height: 60
                system: particleSystem
                // 将粒子发射到 rocket 粒子组中,
                // 火箭画笔将会绘制这些粒子
                group: 'rocket'
                emitRate: 2
                maximumEmitted: 4
                lifeSpan: 4800
                lifeSpanVariation: 400
                size: 62
                // 速度和方向
                velocity: AngleDirection{
                    // 方向向上
                    angle: 270
                    // 速度大小
                    magnitude: 250
                    magnitudeVariation: 50
                }
                // 加速度(速度向下模拟重力)
                acceleration: AngleDirection{
                    // 加速度方向向下
                    angle: 90
                    magnitude: 50
                }
                // 跟踪器
                Tracer{
                    color: "red"
                    // 跟踪器是否可见
                    visible: root.tracer
                }
            }

            // 烟雾发射器
            // 注意这是个跟踪发射器
            TrailEmitter{
                id:smokeEmitter
                system: particleSystem
                group: 'smoke'
                // 跟踪火箭
                follow:'rocket'
                // 调整烟雾在火箭的位置
                emitHeight: 0
                emitWidth: 16
                // 一次发射的粒子数
                emitRatePerParticle: 100
                lifeSpan: 200
                size: 20
                // 大小允许的变化范围
                sizeVariation: 4
                // 结束时候的大小(直接消失)
                endSize: 0
                // 速度和方向
                velocity: AngleDirection{
                    // 方向向下
                    angle: 90
                    // 速度大小
                    magnitude: 100
                    magnitudeVariation: 50
                }
                // 跟踪器
                Tracer{
                    color: "red"
                    // 跟踪器是否可见
                    visible: root.tracer
                }
            }

第四步:

加入摩擦/紊流

             // 摩擦
            Friction{
                // 作用的对象当然是火箭而不是烟雾了.
                groups: ['rocket']
                // 定义摩擦的区域
                anchors.top: parent.top
                width: parent.width
                height: 120
                system: particleSystem
                // 到每秒5像素的时候就不再摩擦
                threshold: 5
                // 摩擦强度
                factor: 0.9
                Tracer{
                    color:"red"
                    visible: true
                }
            }

            // 紊流
            // 【暂时下面代码失效】
            Turbulence{
                groups: ['rocket']
                // 有 紊流 的区域
                anchors.bottom: parent.bottom
                width: parent.width
                height: 100
                system: particleSystem
                // 紊流 强度
                strength: 95
                Tracer{
                    color: "red"
                    visible: true
                }
            }

可以看到摩擦/紊流都起作用了!

当 ufo 进入摩擦区域之后,速度减慢,然后由于向下的加速度的原因会向下降,最后耗到生命周期了就消失!

后续>>

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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
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
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

打赏作者

sssnial-jz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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