点积的学习

点积又叫做点乘,叉乘,可以判断对象是否在自己前方后方,或者前方多少度。

var sub = enemy.transform.position - transform.position;
var dot = Vector3.Dot(transform.forward, sub);
if (dot > 0.5)
    return true;
else
    return false;

返回的dot是一个1到-1之前的值

下面用一幅图形象化的表示,可以看出当45°时得到的值是0.5或者-0.5

相对于Unity映射的方向是+forward到-forward,即+z到-z

当比较物体正对于right(+x)时,点积结果是0

时间: 2024-11-05 17:21:09

点积的学习的相关文章

2017-2018-1 20155226 《信息安全系统设计基础》第11周学习总结

2017-2018-1 20155226 <信息安全系统设计基础>第11周学习总结 教材学习内容总结 学习目标 理解虚拟存储器的概念和作用 理解地址翻译的概念 理解存储器映射 掌握动态存储器分配的方法 理解垃圾收集的概念 了解C语言中与存储器有关的错误 教材内容提炼 第2章 信息的表示和处理 一.概述 虚拟存储器的三个重要能力: 它将主存看成是一个存储在磁盘上的地址空间的高速缓存,在主存中只保存活动区域,并根据需要在磁盘和主存之间来回传送数据,通过这种方式,高效的使用了主存 它为每个进程提供了

2017-2018-2学期 20172324《Java程序设计》第六周学习总结

20172324<Java程序设计>第六周学习总结 教材学习内容总结 如何创建数组以及int[] X与int X[]的区别(编译时是没有差别的,只是前者与其他类型的声明方式有一致性) 每一个java数组都是一个迭代器. 数组是作为参数传递给一个方法的,实际上传递的是原始数组引用的副本. 对象数组(基本数据类型+对象) 二维数组中前一个索引值代表行,另一个索引值代表列. 可变长度参数用... 教材学习中的问题和解决过程 问题1: Family代码中String...name中的...是什么意思.

20175304 《JAVA程序设计》第五周学习总结

20175304 2018-2019-3 <Java程序设计>第五周学习总结 教材学习内容总结 1.接口体中包含常量的声明和抽象方法两部分.接口体中只有抽象方法,没有普通方法,而且接口体中所有的常量的访问权限一定都是public,而且是static常量(允许省略public.final和static修饰符),所有的抽象方法的访问权限一定都是public. 2.一个类需要在类声明中使用关键字implements声明该类实现一个或多个接口.如果实现多个接口,用逗号隔开接口名. 3.如果一个非抽象类

日积(Running)月累(ZSSURE) :IPC=Inter-Process Communication,进程间通信学习笔记(一)

题记: 博客中的文章希望整理的具有逻辑性,方便后续自己回顾学习以及与大家交流.不知道你是否有同感?有时候忙活了一整天,搜寻了各种资料,时而欣喜若狂,时而低落沮丧:时而钻进了源码的牛角尖,时而老虎吃天无从下手.但是每当经历了如此过程后,在你即将放弃的时刻却恍然大悟,难题orBug迎刃而解.如此反复,日复一日--,倘若事后不进行整理记录,你得到的仅仅是最后时刻那一丁点的兴奋与喜悦,却难有进步和成长.因此决定将"日积月累"作为平日里钻研学习的阵地,开辟此系列用于记录日常学习的点点滴滴.201

日积(Running)月累(ZSSURE):WCF学习之“通过事件绑定控制WinForm宿主程序主界面控件”

背景: WCF服务需要寄宿到相应的可运行进程中执行,常见的有四种寄宿,分别是控制台程序.WinForm程序.IIS和Windows服务.之前学习老A博客和<WCF全面解析>时最常用到的是控制台寄宿,近期由于项目需求,需要在WinForm程序中调用WCF服务,本博文通过一个简单的实例来演示WCF在WinForm中的寄宿.并着重介绍如何利用事件绑定控制宿主主UI界面控件. 题记: 之前一直坚守在C++阵地,对于新语言.新技术(诸如Python.J2EE.Bigdata.AI)不甚感冒.自以为&qu

深度学习算法实践10---卷积神经网络(CNN)原理

其实从本篇博文开始,我们才算真正进入深度学习领域.在深度学习领域,已经经过验证的成熟算法,目前主要有深度卷积网络(DNN)和递归网络(RNN),在图像识别.视频识别.语音识别领域取得了巨大的成功,正是由于这些成功,能促成了当前深度学习的大热.与此相对应的,在深度学习研究领域,最热门的是AutoEncoder.RBM.DBN等产生式网络架构,但是这些研究领域,虽然论文比较多,但是重量级应用还没有出现,是否能取得成功还具有不确定性.但是有一些比较初步的迹象表明,这些研究领域还是非常值得期待的.比如A

OpenCv关于灰度积分图的SSE代码学习和改进。

最近一直沉迷于SSE方面的优化,实在找不到想学习的参考资料了,就拿个笔记本放在腿上翻翻OpenCv的源代码,无意中看到了OpenCv中关于积分图的代码,仔细研习了一番,觉得OpenCv对SSE的灵活运用真的做的很好,这里记录下我对该段代码的品味并将其思路扩展到其他通道数的图像. 该核心代码位于:Opencv 3.0\opencv\sources\modules\imgproc\src\sumpixels.cpp文件中. 我们贴出最感兴趣的一部分代码以便分析: bool operator()(co

深度学习算法实践12---卷积神经网络(CNN)实现

在搞清楚卷积神经网络(CNN)的原理之后,在本篇博文中,我们将讨论基于Theano的算法实现技术.我们还将以MNIST手写数字识别为例,创建卷积神经网络(CNN),训练该网络,使识别误差达到1%以内. 我们首先需要读入MNIST手写数字识别的训练样本集,为此我们定义了一个工具类: from __future__ import print_function __docformat__ = 'restructedtext en' import six.moves.cPickle as pickle

cuda编程学习6——点积dot

__shared__ float cache[threadPerBlock];//声明共享内存缓冲区,__shared__ __syncthreads();//对线程块中的线程进行同步,只有都完成前面的任务才可以进行后面的 代码: /* ============================================================================ Name : dot.cu Author : can Version : Copyright : Your