java有个策略龙蛋的什么游戏_龙蛋 - Minecraft Wiki

龙蛋

cd502c56d976fd161cf36a3b5bb95f7e.png

开采工具

可堆叠

是(64)

可燃尽

可被熔岩点燃

dragon_egg

7c0ec795eb32c73d4f2815063daa46c5.png

点击龙蛋后瞬移位置的热量图

龙蛋(Dragon Egg)是一种装饰性方块或是一种“奖杯物品”,是游戏中最稀有的物品。

当第一只末影龙被击败时,在返回传送门的顶部会生成一只龙蛋。龙蛋不能直接开采,因为大多数时候尝试开采龙蛋时会导致龙蛋瞬移。然而,当龙蛋的瞬移目的地没有任何有效的空气方块时,它会停止瞬移,从而允许对龙蛋进行开采。火把)掉落或者被活塞推动时,会掉落成为一个物品。

每个世界只有一颗龙蛋,因为只有第一只末影龙会生成龙蛋。

在Java版中,龙蛋不在创造模式物品栏里,但可以通过命令获得,也可以用基岩版中,龙蛋可以在创造模式物品栏中获得。

方块

龙蛋

硬度

3

挖掘用时

徒手

4.5

龙蛋会在没有方块支撑时向下掉落,直到落到一个方块上。当它受到重力作用往下掉落时,它会显示平滑的掉落动画。

龙蛋在掉落时覆盖玩家或生物时不会对它们造成窒息伤害。

龙蛋可以放置在非固体方块上且不会掉落。

与其他掉落的方块(铁砧除外)不同,当龙蛋漂浮时,它的下面没有粒子效果。

龙蛋可发出亮度等级为1级的光,但这光小得几乎看不见。

在生存或冒险模式里攻击或使用(创造模式里则只能使用),会导致龙蛋瞬移到附近的区域里(垂直方向上最多7方块,水平方向上最多15方块),会创造与末影人相同的粒子。它也可能瞬移到空气方块里并掉到地上,因为它们能被重力效果影响。

如果龙蛋试图传送到无效的位置(例如y坐标为负值),它会以无效位置为中心而不是原位置再次尝试寻找有效位置。

名称本地化键名

龙蛋dragon_eggblock.minecraft.dragon_egg

名称数字ID本地化键名

龙蛋dragon_egg122tile.dragon_egg.name

falling_block实体

下落的方块

f3573b001d844e540e3fafae813f27b1.png5b335a37d45297ce148394b79ffeb0e6.png317af15db8dbd5d05038eb4013875229.png6dc7091b3211f02b566c5342843a09b5.pngcd502c56d976fd161cf36a3b5bb95f7e.png8dadeb198e94777d3b9a552c872804da.png4fc0708c07e7b42b1632130b1784f6de.png

尺寸

高:0.98格

宽:0.98格

falling_block

动态方块实体数据值

TileEntityData:可选。该方块的方块实体标签。

BlockState:该实体代表的方块。

Name:方块的ID,如stone。

Properties:可选,方块状态,该标签为键与值的配对。

Time:实体已存在的刻数。如果设置为0,会设置为。Time刻数在从0变为1的这段时间里,如果在它的位置上方块的 ID 和实体 TileID 都相同,那么这个方块就不会被删除,而是会继续掉落,直到这个值被覆盖。当Time超过600时,或者超过100时方块且在Y=0以下,该实体就会被删除。

DropItem:1或0(true/false) - 方块在被破坏后是否要掉落物品。即使该值设置为true,任何没有与方块同ID的对应物品的方块仍然不会掉落东西。

HurtEntities:1或0(true/false) - 如果要对它掉落时碰到的实体造成伤害则为true。

FallHurtMax:被这个下落的方块砸中的实体所承受的最大伤害。对于普通的下落的方块,这个值总是40(271a61ea9850c0fc433e76e0b8930643.png × 20)。

FallHurtAmount:乘以FallDistance的值来计算出造成的伤害。对于普通的下落的方块,这个值总是2。

主条目:进度图标游戏内描述上游进度实际需求(若异)

06561a73d1eb270748dec1018d936feb.png下一世代

The Next Generation获得龙蛋解放末地在你的物品栏中获得龙蛋。end/dragon_egg

关于“龙蛋”的漏洞由漏洞追踪器维护,请在此汇报漏洞。

Mojang曾出价请Minecraft漫画《WonderCraft》的作者Samcube设计一些Minecraft的官方海报。在这些作品中的一幅里可以看到:一个有着末影龙的地方,还有一只站在巨型蘑菇上的鸡,在鸡旁边有一个紫色蛋形方块——这就是龙蛋。

52175884041669dc9aed4444a963e4e0.png

Samcube为Minecraft画的海报,上面有一颗龙蛋。

dff97f31e3efb14dcbfea48939991e42.png

一颗龙蛋。

0a16ad45e30e5466afdf9b9d8ee7609a.png

龙蛋瞬移范围示意图。

4cfdc7ae1a0fe1abc7a3f400eb567cc3.png

如图所示的活塞装置可用于获取龙蛋。

8c4e1540aab2cc1d82c0546b28200b31.png

一颗龙蛋在雪层的上面。

  • 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
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
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