Nano Hash - криптовалюты, майнинг, программирование

Правильный способ добавления обратного вызова Cull к узлу в OpenSceneGraph

У меня есть код, который обрабатывает обратный вызов Cull, переопределяя метод traverse:

void SomeNode::traverse(osg::NodeVisitor& nv)
{
    if (nv.getVisitorType() == osg::NodeVisitor::CULL_VISITOR)
    {
        //adjust child node positions depending on the projection
    }
}

но похоже, что есть альтернативный способ добавления обратного вызова Cull с помощью

void Node::setCullCallback(Callback* nc);

Какой из них лучше и в какой ситуации? А первый способ правильный?

25.09.2017

Ответы:


1

Самый распространенный способ — установить обратный вызов Cull на узле, так как он не требует написания собственного класса, производного от osg::Node. Таким образом, вы можете добавить обратный вызов к любому существующему типу узла, в частности к моделям, загруженным из файла.

Это также довольно гибко, поскольку вы можете легко добавлять/удалять/заменять обратные вызовы во время выполнения.

В обоих случаях, если отбраковка активна на интересующем узле, метод traverse() или обратный вызов вызываются только в том случае, если узел проходит проверку отбраковки.

26.09.2017
  • Правильно ли, что этот код с переопределением метода traverse не совсем корректен, потому что если к узлу добавлено несколько Cull Callbacks, метод traverse выполняется многократно (для каждого добавленного колбэка) и теоретически должен быть не только 'nv.getVisitorType () == условие osg::NodeVisitor::CULL_VISITOR' в методе traverse, а также что-то вроде dynamic_cast‹CustomCullVisitor *›, чтобы код работал по-разному для каждого типа Cull Visitor? 26.09.2017
  • @Koban не уверен, что вы имеете в виду, поскольку вы, кажется, смешиваете понятия отсеянного посетителя и отбракованного обратного вызова. Обычно ваш узел будет посещаться в каждом кадре таким количеством проходов отбраковки, как количество активных камер. Класс по умолчанию, используемый для каждого обхода отбраковки, — osgUtil::CullVisitor. Ваши обратные вызовы будут вызываться один раз для каждого посещения (с учетом теста на отбраковку, о котором я упоминал в ответе). 27.09.2017
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..