cocos2d-x节点(CCEventListener.h)API

本文详细介绍了Cocos2d-X中监听器基类EventListener的实现原理及使用方式,包括其构造函数、初始化过程、事件回调机制等关键内容,并提供了与不同类型的监听器如触摸、键盘事件监听器的对比说明。

本文来自http://blog.csdn.net/runaying ,引用必须注明出处!

cocos2d-x节点(CCEventListener.h)API

温馨提醒:为了大家能更好学习,强烈推荐大家看看本人的这篇博客 Cocos2d-X权威指南笔记

监听器的基类

///cocos2d/cocos2d-x-3.0alpha0/cocos2dx/event_dispatcher
//监听器的基类


#ifndef cocos2d_libs_EventListener_h
#define cocos2d_libs_EventListener_h

#include "platform/CCPlatformMacros.h"
#include "cocoa/CCObject.h"

#include <functional>
#include <string>
#include <memory>

NS_CC_BEGIN

class Event;

/**
 *  事件侦听器的基类.
 * 如果你需要使用不同的回调自定义监听时,你需要继承这个类
 *  例如你可以参考 AccelerationEventListener, KeyboardEventListener or TouchEventListener, CustomEventListener.
 */
class EventListener : public Object
{    
protected:
    /** 构造函数 */
    EventListener();
    
    /** 使用 事件类型和回调函数 初始化事件 */
    bool init(const std::string& t, std::function<void(Event*)>callback);
public:
    /** 析构函数 */
    virtual ~EventListener();
    
    /** 检查侦听器是否可用. */
    virtual bool checkAvaiable() = 0;
    
    /** 克隆监听器,它的子类必须重写此方法. */
    virtual EventListener* clone() = 0;
protected:
    std::function<void(Event*)> _onEvent;   /// Event 回调函数
    std::string _type;                      /// Event 类型
    bool _isRegistered;                    ///侦听器是否已被添加到调度器
    
    friend class EventDispatcher;
    friend class Node;
};

NS_CC_END

#endif


源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 在计算机视觉学科中,采用立体视觉技术进行深度信息获取是一种关键途径。通过分析左右图像间的像素匹配关系,可以量化对应像素的水平位移差异,进而生成反映深度状况的图像。然而,未经过处理的视差图往往带有干扰信号和偏差,因此必须实施后续处理步骤以改善深度图的精确度。本研究将详细研究一种普遍使用的后处理技术——基于权重最小二乘(WLS)方法对视差图进行优化,并融合OpenCV3扩展库以及Qt5开发环境的应用。 1. **视差图的认识与构建**: 视差图是经由立体匹配技术得出的,它揭示了图像中各个像素点相对于另一幅图像对应点的水平偏移程度。这种偏移量被称为视差,其数值大小与物体距离存在关联,即距离越远则视差值越小。常用的立体匹配技术包括SAD(绝对差值和)、SSD(平方差和)、Horn-Schunck光流方法等。 2. **WLS滤波**: 重量最小二乘滤波(Weighted Least Squares, WLS)是一种优化手段,用于修正视差图中存在的噪声和矛盾之处。该技术通过在像素邻域内分配权重,使得噪声较强的区域权重值降低,从而削弱其对最终滤波结果的干扰。WLS滤波关注像素邻域内的差异情况,依据像素的局部特征动态调整权重,增强了对边缘区域的保持能力和对细节信息的恢复效能。 3. **OpenCV3扩展库**: OpenCV(开源计算机视觉库)是一个包含大量图像处理及计算机视觉算法的软件框架。OpenCV3版本增加了诸多新特性与改进,例如更高效的图像处理功能、支持更多硬件加速选项等。在此项目中,借助OpenCV3的函数与结构,能够便捷地完成WLS滤波的计算任务。 4. **Qt5开发环境...
内容概要:本文围绕“基于多面体聚合与闵可夫斯基和的电动汽车可调能力评估研究”展开,提出一种结合多面体几何建模与闵可夫斯基和运算的数学方法,用于对大规模电动汽车集群的可调功率能力进行聚合表征与灵活性量化。该方法通过构建单体电动汽车的可行域多面体模型,并利用闵可夫斯基和实现集群层面的灵活性聚合,有效刻画其在时间与功率维度上的可调度潜力,克服传统方法在计算复杂度与精度之间的权衡问题。研究配套提供了完整的Matlab代码实现,支持仿真验证与结果可视化,适用于新型电力系统中对海量分布式可调资源的建模、评估与优化调度分析。; 适合人群:具备电力系统运行与控制、凸几何理论、优化建模基础,并熟悉Matlab编程的研究生、科研人员及从事新能源并网、需求侧响应、虚拟电厂、源网荷协同调控等领域的工程技术从业者。; 使用场景及目标:①评估大规模电动汽车接入背景下其聚合可调能力的时空边界,支撑电网调度决策与灵活性资源预留;②为需求响应项目中电动汽车资源的参与能力核定提供量化工具;③服务于虚拟电厂、配电系统运营商对分布式灵活性资源的聚合管理与市场申报;④深化理解基于集合运算的资源聚合机制在智能电网中的理论与应用价值。; 阅读建议:建议结合文中提及的静态约束法、外近似模型等其他主流聚合方法进行对比学习,重点剖析多面体建模的数学推导过程与闵可夫斯基和的数值实现技巧,充分利用提供的Matlab代码进行仿真实验与参数敏感性分析,以全面掌握电动汽车集群灵活性评估的核心技术路径。
内容概要:本文深入研究了基于自适应无迹卡尔曼滤波(AUKF)的三相配电网动态状态估计方法,旨在提升复杂运行条件下配电网状态估计的精度与鲁棒性。文章系统阐述了无迹卡尔曼滤波(UKF)的基本原理,并针对其对噪声统计特性敏感的问题,引入自适应机制以实时调整过程噪声协方差,从而有效应对系统动态变化与量测不确定性。通过建立三相不平衡配电网的数学模型,并在Matlab平台上开展仿真验证,结果表明所提出的AUKF方法在动态状态估计方面显著优于传统UKF和扩展卡尔曼滤波(EUKF),特别是在处理量测噪声突变和系统拓扑微小扰动时展现出更强的适应能力和更高的估计准确性。; 适合人群:具备电力系统分析、现代控制理论及Matlab编程基础的研究生、科研人员以及从事智能配电网状态估计相关工作的工程师。; 使用场景及目标:①应用于高比例分布式电源接入引发的三相不平衡配电网实时监控与运行分析;②为故障诊断、电压控制、优化调度等高级应用提供高精度的状态信息支持;③作为研究先进非线性滤波算法在电力系统动态估计中应用的教学与科研案例。; 阅读建议:读者应结合提供的Matlab代码深入理解算法实现细节,重点关注自适应策略的设计逻辑与关键参数的调校过程,并建议复现仿真结果以充分掌握AUKF在不同工况下的性能优势与适用边界。
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