经过多次面试后发现自己对Unity3D的框架缺乏一个整体的认识。

而前面由于离职等原因总是忙于修修补补,疲于奔命,感觉相当疲惫。

还好,后来经过调整,开始淡定了起来。得特别感谢一本书哇:《高效人士的七个习惯》。

其实按理说这本书的可操作性不是太强,但对我来说却将我以前学的所有积极心理学的内容给整合了起来。

相当于形成了一个框架(其实我以前学的内容都应该有框架的,只是我不善于学习,所有比较零散)。

生活瞬间又充满了希望啊,有木有!(不得不说我的身体和心理是很强大的!游泳、感恩、冥想什么的没白练!)

本公开课分108讲。每讲差不多10min,今天看完了1-11讲,开的二倍速,刚好适合我 :)

记录下要点(我都是先记录在小册子上面再写到博客上的,仿佛回到了大学时代啊、、、不对,高中时代,大学的课基本都被逃了、、、)

1.模型的输入

1)自动转换

优点:简单粗暴,流程简单,快速输出

缺点:包含不需要的数据,数据过大会影响Unity3D的更新,而且缺乏数据检验过程,容易出错

2)FBX插件

优点:可选仅需的数据,较小的文件。可以对数据进行验证,可以重新倒回3D软件中验证。对于Unity3D不支持的3D软件的专有格式可以用FBX格式输出。模块化的方法,一个模块用于碰撞,另一个用于触发。(具体的使用?)

缺点:反复操作。不同FBX导出的资源容易混淆。

2.动画的输入

1)单个模型文件

根据各个动画片段的帧范围(一般需要记录下来)来分割出动画片段。

注:从3D软件中导出时要烘焙动画为关键帧动画(?)

2)多个模型文件

命名规则为HeroAnimate(不带动画的模型),HeroAnimate@idle,HeroAnimate@run,HeroAnimate@walk等

3.材质相当于框架,Shader相当于框架的内容(?)

4.纹理

1)用于材质中

2)绘制GUI

3)Moive纹理:通过Apple Quick Time导入的,自动转换为Ogg Theora格式。

注:可以降低纹理尺寸(要保持为2的幂)可以提高性能。

5.声音

AudioResource 声源,AduioListener 接收器(耳朵)

3D音乐是有空间和距离效果的(耳朵离声源越近声音越大)。2D音乐则没有这个限制

6.默认的Asset Store中下载的资源存在 AppData/Roaming/Unity/AssetStore中。

7.Prefab

用于重用和实例化。

单独修改的属性将用粗体显示:已经重写。且此时更改原prefab的值,此object的此值不会改变。

Hierarchy中物体为蓝色则代表是prefab生成的。

prefab代表克隆和引用。可以提高效率和降低内存使用。

8.将外部的资源导入Unity的时候,Unity会对其进行转换,所以不推荐直接改变文件夹。

将Asset 和 Library一起迁移

【英宝通Unity4.0公开课学习 】(一)资源管理的更多相关文章

  1. 【英宝通Unity4.0公开课学习 】(五)47讲到75讲

    不知不觉今天都已经看了快30讲了,虽然很想快马加鞭地将后面的内容看完,但为了学习的质量,还是挺下来写一篇blog :) 这两天有些昏昏沉沉的,但感觉生活还安排得不错,原因找去找来觉得是没怎么开窗透气. ...

  2. 【英宝通Unity4.0公开课学习 】(六)76讲到90讲

    还是关于Mecanim动画的内容. 这些讲的每讲长度明显比前面的长,而且很多都涉及到脚本编写. 不过我还是2倍速给略览过去了,主要目的就是学个框架嘛 :) 1. Blend Tree 可嵌套. 可理解 ...

  3. 【英宝通Unity4.0公开课学习 】(四)GUI到物理引擎

    今天老妈打电话来说和老爸吵架了... 真的是家家都有本难念的经啊.前后帮她分析了个半小时才帮她解开心结...现在想想老爸还是蛮可怜的,连分享的人都木有 讲的GUI都看睡着了...因为想着可以用NGUI ...

  4. 【英宝通Unity4.0公开课学习 】(三)脚本使用

    清明出去放松了一天. 看了下大姑爷,然后去大姑家吃了个午饭,下午三点左右出去找煤球耍,在他们学校和良乡镇逛了一下.当时感觉离北京好远好远啊... 其实不得不说现在的交通确实很方便,到哪都要不了几天,如 ...

  5. 【英宝通Unity4.0公开课学习 】(二)场景创建

    本讲共四节,貌似讲课老师的速度变快了,2倍速听不清了...调成了1.7倍...老师果然越来越熟练了啊! 而且最开始的萌妹纸也不再出现在视频里了,我当时还想着完全可以换成老师自己提问嘛! 不过有妹纸声音 ...

  6. LR 算法总结--斯坦福大学机器学习公开课学习笔记

    在有监督学习里面有几个逻辑上的重要组成部件[3],初略地分可以分为:模型,参数 和 目标函数.(此部分转自 XGBoost 与 Boosted Tree) 一.模型和参数   模型指给定输入xi如何去 ...

  7. Andrew N.G的机器学习公开课学习笔记(一):机器学习的动机与应用

    机器学习由对于人工智能的研究而来,是一个综合性和应用性学科,可以用来解决计算机视觉/生物学/机器人和日常语言等各个领域的问题,机器学习的目的是让计算机具有像人类的学习能力,这样做是因为我们发现,计算机 ...

  8. Web Mining and Big Data 公开课学习笔记 ---lecture0

    0.1  课程主要内容:Big data technologies , Machine Learning and AI 0.6   OUTLINE: predict the future using ...

  9. 传智播客c/c++公开课学习笔记--邮箱账户的破解与邮箱安全防控

    一.SMTP协议 SMTP(SimpleMail Transfer Protocol)即简单邮件传输协议. SMTP协议属于TCP/IP协议簇,通过SMTP协议所指定的server,就能够把E-mai ...

随机推荐

  1. POJ 3268 Silver Cow Party 最短路径+矩阵转换

    Silver Cow Party Time Limit : 4000/2000ms (Java/Other)   Memory Limit : 131072/65536K (Java/Other) T ...

  2. COMMON INTERVIEW QUESTIONS

    1. What do you see yourself doing five years from now? 2. What motivates you to put forth your great ...

  3. wordpress模板里加keywords和description

    刚才我说了,wp会弄的话,功能是很强大的,插件很多,基本上你能想到的功能,插件都开发好了的.现在就来说说这个keywords和description的问题.我在网上找了些资料,总结一下,如果有引用到的 ...

  4. linux中convert用法

    转: 强大的convert命令 convert命令可以用来转换图像的格式,支持JPG, BMP, PCX, GIF, PNG, TIFF, XPM和XWD等类型,下面举几个例子:   convert  ...

  5. 利用百度翻译API,获取翻译结果

    利用百度翻译API,获取翻译结果 translate.py #!/usr/bin/python #-*- coding:utf-8 -*- import sys reload(sys) sys.set ...

  6. C#调用Excel宏

    using System; using Excel = Microsoft.Office.Interop.Excel; namespace WindowsFormsApplication1 { /// ...

  7. 模型融合策略voting、averaging、stacking

    原文:https://zhuanlan.zhihu.com/p/25836678 1.voting 对于分类问题,采用多个基础模型,采用投票策略选择投票最多的为最终的分类. 2.averaging 对 ...

  8. Spark 编程模型(上)

    Spark的编程模型 核心概念(注意对比MR里的概念来学习) Spark Application的组成 Spark Application基本概念 Spark Application编程模型 回顾sc ...

  9. elastisSearch-aggregations

    运行结果 统计每个学员的总成绩 这个是索引库使用通配符 优先在本地查询 只在本地节点中查询 只在指定id的节点里面进行查询 查询指定分片的数据 参考代码ESTestAggregation.java p ...

  10. ERROR 1045 (28000): Access denied for user 'hive'@'localhost' (using password: YES)

    [root@master native]# mysql -uhive -pEnter password: ERROR 1045 (28000): Access denied for user 'hiv ...