Unity基础

这篇博客详细介绍了Unity的基础知识,包括操作基础如资产管理、视角对齐、层操作和单位移动,以及地形与预制体的创建和调整。此外,还讲解了碰撞体、光源系统、粒子系统、动画效果、寻路系统、物体的刚体属性和Unity的键盘输入等核心概念。对于Unity新手来说,这是一个全面的学习指南。
摘要由CSDN通过智能技术生成


9.3

1.基本

  1. assets资源,library库,projectsetting设置(时间),temp临时文件夹
  2. package结尾的可以直接导入到unity中
  3. Plane,Quad都是单面有,另一面是透明的 windzone 风区,3Dtext文本 terrain地形(500*500)

操作基础

  1. 如果想让Game视角和当前视角保持一致,在gameobject中选择align with view
  2. center中心点,pivot原点,globle世界坐标,三个方向不变,local局部坐标,会随着变化变化
  3. layer层操作,可以把层进行锁定和显示的选择
  4. persp透视视野(近大远小),iso正交视野(原本大)
  5. 按住ctrl可以实现单位化的移动,或者在edit-snap setting中更改单位移动的距离
  6. 3D物体物体中选择V键可以选择顶点
  7. 直接将3D物体拖到project中做成预制品prefeb,如果对prefeb进行更改,会改变所有原物体的参数

关于预制品,他会和原场景中的物体产生关联,如果对他进行删除,那么原物体就会产生miss,这个时候在gameobject中选择break prefeb instance就会破坏原物体与预制品的关联

地形与预制体

9.4
1.关于prefeb,如果想把场景中的模型应用到所有prefeb中,选择apply
2.关于地形terrain调整
设置高度为最大高度/在windows-rendering-lighting setting中可以将每次地形发生都发生改变的光照后处理取消(auto generate),减少机器运算

  • 关于地形terrain调整的设置
    • 2.1升高(降低shift,但不会小于零) :刷子样子/刷子大小/剧烈程度
    • 2.2只能抬高(但是可以设置最大高度)
    • 2.3平滑smooth
    • 2.4 添加贴图(法线可以添加细节,更有立体感,但是不是必须的)/(可以调整一张贴图覆盖的大小)
    • 2.5添加树
    • 2.6添加花草(密度)
    • 2.7基本设置

3.关于角色(一般设置为一到两个cube大小;然后地形根据角色大小设置
4.关于刚体:Mass质量;Drag:摩擦力(与下落重力也有关)Argular Drag旋转摩擦力;use gravity使用重力;constraints冻结坐标

关于碰撞体

9.5
关于碰撞(都要有碰撞器,其中至少一个刚体)
1.碰撞检测进入:

void OnCollisionEnter(Collision collision) 每次碰撞开始调用一次
void OnCollisionEnter(Collision collision) 每次碰撞离开调用一次
void OnCollisionStay(Collision collision) 碰撞过程中每帧调用一次

collision.collider/collision.collider.name/collision.collider.tag(可以获取与之相碰撞的物体的相关信息)
2.触发器(与碰撞器的区别:可以进入到物体内部、不会发生碰撞、碰撞体是凸体convex)

void OnTriggerEnter(Collider other) 每次触发开始调用一次
void OnTriggerExit(Collider other) 每次触发离开调用一次
void OnTriggerStay(Collider other) 触发过程中每帧调用一次

关于碰撞体信息同上

光源系统

3.光源

  • 光源,光源分为四种,分别为 平行光源directional light ;点光源point light;spotlight 锥形光源;area light区域光源,主要用在烘培上;

光源默认都是realtime实时计算处理的,耗费计算机性能,将整体烘培成lightmapping,烘焙步骤:

  • 1 将场景中的光设置为baked(只有烘焙特性的)
  • 2将Windows-lighting settings中的lighting model选择为baked indirect
  • 生成烘焙

其中,光源有三种模式,1.baked(只用于烘焙);2.realtime(只用于实时检测计算);3.mixed(混合,两种都有,比如火堆,既需要烘焙又需要做粒子特效,会实时跳动)

光源中的shadow type可以决定它的阴影效果

粒子系统

4.粒子系统
Effects- particle system

  • particle system中可以更改粒子速度(随机)、粒子大小
  • shape 中可以更改整个粒子系统的外形
  • Emission中可以更改粒子数量(随机)
  • size over lifetime可以设置为粒子随时间大小变化
  • texture sheet animation可以设置粒子动画效果(如果是44帧的就设置为44)
  • renderer中可以设置动画的基本贴图,需设置一个材质,然后shader中选择particles-additive-选择贴图样式

动画效果

9.9
关于动画效果:

  • 大小位置等的动画
    选择需要添加动画的物体(灯光)-window-animation-create
  1. 选择存放路径、命名
  2. 编辑动画(可以选择位置、强度等等)
  3. sample越大变化越慢,反之变化越快
  4. 选择LoopTime则会发生循环,否则不会
  • 关于人物动作等的动画
  1. 首先需要设置animator给目标
  2. 新建Animator controller,将动画按触发情况连接,并设置他们的触发参数(速度等等)

寻路系统

关于寻路系统NAV:

  1. 首先需要对路径区域进行静化处理(navigation static)
  2. 对目标区域进行路径烘焙(如果不设为障碍物则将该物体的navigation static取消,如果不将某物体设为寻路区域则将该物体navigation中的Object-navigation area 设为not walkable)
  3. 设置navigation agent(可以调整它的高度和转角速度等)

关于第三人称视角控制移动:

us
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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