当前位置: 首页 > news >正文

opengl制作天空盒

首先创建顶点数组

unsigned int m_uiVaoBufferID;
glGenVertexArrays(1, &m_uiVaoBufferID);

然后创建顶点缓冲区

    float skyboxVertices[] = {// positions-1.0f,  1.0f, -1.0f,-1.0f, -1.0f, -1.0f,1.0f, -1.0f, -1.0f,1.0f, -1.0f, -1.0f,1.0f,  1.0f, -1.0f,-1.0f,  1.0f, -1.0f,-1.0f, -1.0f,  1.0f,-1.0f, -1.0f, -1.0f,-1.0f,  1.0f, -1.0f,-1.0f,  1.0f, -1.0f,-1.0f,  1.0f,  1.0f,-1.0f, -1.0f,  1.0f,1.0f, -1.0f, -1.0f,1.0f, -1.0f,  1.0f,1.0f,  1.0f,  1.0f,1.0f,  1.0f,  1.0f,1.0f,  1.0f, -1.0f,1.0f, -1.0f, -1.0f,-1.0f, -1.0f,  1.0f,-1.0f,  1.0f,  1.0f,1.0f,  1.0f,  1.0f,1.0f,  1.0f,  1.0f,1.0f, -1.0f,  1.0f,-1.0f, -1.0f,  1.0f,-1.0f,  1.0f, -1.0f,1.0f,  1.0f, -1.0f,1.0f,  1.0f,  1.0f,1.0f,  1.0f,  1.0f,-1.0f,  1.0f,  1.0f,-1.0f,  1.0f, -1.0f,-1.0f, -1.0f, -1.0f,-1.0f, -1.0f,  1.0f,1.0f, -1.0f, -1.0f,1.0f, -1.0f, -1.0f,-1.0f, -1.0f,  1.0f,1.0f, -1.0f,  1.0f};unsigned int m_uiVboBufferID;
glGenBuffers(1, &m_uiVboBufferID);
glBindBuffer(GL_ARRAY_BUFFER, m_uiVboBufferID);
glBufferData(GL_ARRAY_BUFFER, sizeof(skyboxVertices), skyboxVertices, GL_STATIC_DRAW);
glEnableVertexAttribArray(0))
glVertexAttribPointer(0, 3, GL_FLOAT, GL_FALSE, 3*sizeof(float), 0);

创建并编译shader(这里我将编译shader封装成了类,通用的用法)

m_pShaderObject = new CShaderObject("/res/shaders/skybox.shader", m_pOpenglParent);

创建纹理

glGenTextures(1, &m_uiBufferID);
glBindTexture(GL_TEXTURE_CUBE_MAP, m_uiBufferID);std::vector<std::string> strFilePathVector = {"/res/textures/skybox2/cube_+x.png","/res/textures/skybox2/cube_-x.png","/res/textures/skybox2/cube_+y.png","/res/textures/skybox2/cube_-y.png","/res/textures/skybox2/cube_+z.png","/res/textures/skybox2/cube_-z.png",
};int iWidth, iHeight, iBpp;
for(unsigned int i=0; i<strFilePathVector.size(); i++){stbi_set_flip_vertically_on_load(0);unsigned char* data = stbi_load(strFilePathVector.at(i).c_str(), &iWidth, &iHeight, &iBpp, 0);glTexImage2D(GL_TEXTURE_CUBE_MAP_POSITIVE_X + i, 0, \GL_RGB, iWidth, iHeight, 0, \GL_RGB, GL_UNSIGNED_BYTE, data);if(data){stbi_image_free(data);}
}
glTexParameteri(GL_TEXTURE_CUBE_MAP, GL_TEXTURE_MIN_FILTER, GL_LINEAR);
glTexParameteri(GL_TEXTURE_CUBE_MAP, GL_TEXTURE_MAG_FILTER, GL_LINEAR);
glTexParameteri(GL_TEXTURE_CUBE_MAP, GL_TEXTURE_WRAP_S, GL_CLAMP_TO_EDGE);
glTexParameteri(GL_TEXTURE_CUBE_MAP, GL_TEXTURE_WRAP_T, GL_CLAMP_TO_EDGE);
glTexParameteri(GL_TEXTURE_CUBE_MAP, GL_TEXTURE_WRAP_R, GL_CLAMP_TO_EDGE);
glBindTexture(GL_TEXTURE_CUBE_MAP, 0);

我们把下述全景图片进行切割后载入到程序中

以下是切割后的图片

以下是图片顺序

推荐一款由全景图片切成符合opengl六面图的工具:PanoSplit - Microsoft Store 中的官方应用

或者微软应用商店搜索PanoSplit

相关文章:

opengl制作天空盒

首先创建顶点数组 unsigned int m_uiVaoBufferID; glGenVertexArrays(1, &m_uiVaoBufferID); 然后创建顶点缓冲区 float skyboxVertices[] {// positions-1.0f, 1.0f, -1.0f,-1.0f, -1.0f, -1.0f,1.0f, -1.0f, -1.0f,1.0f, -1.0f, -1.0f,1.0f, 1.0f, -1.0f,-1.0f, 1.…...

单片机和FreeRTOS上跑机器人ROS的应用

机器人的应用越来越广泛了&#xff0c;大家熟知的稚晖君直接创业搞机器人&#xff0c;可想而至&#xff0c;接下来的十年&#xff0c;机器人绝对是热门的行业。 目前市面上很多机器人都是基于一套叫做ROS的系统开发的&#xff0c;今天就给大家分享一个跑在MCU上&#xff0c;基…...

Spring Cloud学习(十一)【深入Elasticsearch 分布式搜索引擎03】

文章目录 数据聚合聚合的种类DSL实现聚合RestAPI实现聚合 自动补全拼音分词器自定义分词器自动补全查询completion suggester查询RestAPI实现自动补全 数据同步数据同步思路分析实现elasticsearch与数据库数据同步 集群搭建ES集群创建es集群集群状态监控创建索引库1&#xff09…...

【gitlab初始密码登录失败】

gitlab初始密码登录失败 修改密码 修改密码 [rootlocalhost ~]# gitlab-rake "gitlab:password:reset[root]" Enter password: Confirm password: Password successfully updated for user with username root. # 再重新配置gitlab [rootlocalhost ~]# gitlab-ctl…...

2017年全国硕士研究生入学统一考试管理类专业学位联考数学试题——解析版

文章目录 2017 级考研管理类联考数学真题解析一、问题求解&#xff08;本大题共 5 小题&#xff0c;每小题 3 分&#xff0c;共 45 分&#xff09;下列每题给出 5 个选项中&#xff0c;只有一个是符合要求的&#xff0c;请在答题卡上将所选择的字母涂黑。真题&#xff08;2017-…...

2、基础入门——web应用架构搭建漏洞HTTP数据包代理服务器

Web应用环境架构类 开发语言&#xff1a;php、java、python、ASP、ASPX等程序源码&#xff1a;用的人多了&#xff0c;就成CMS了。中间件容器&#xff1a;IIS、Apache、Nginx、Tomcat、Weblogic、Jboos、glasshfish等数据库类型&#xff1a;Access、Mysql、Mssql、Oracle、Red…...

【精选】OpenCV多视角摄像头融合的目标检测系统:全面部署指南&源代码

1.研究背景与意义 随着计算机视觉和图像处理技术的快速发展&#xff0c;人们对于多摄像头拼接行人检测系统的需求日益增加。这种系统可以利用多个摄像头的视角&#xff0c;实时监测和跟踪行人的活动&#xff0c;为公共安全、交通管理、视频监控等领域提供重要的支持和帮助。 …...

力扣算法练习BM45—滑块窗口的最大值

题目 给定一个长度为 n 的数组 num 和滑动窗口的大小 size &#xff0c;找出所有滑动窗口里数值的最大值。 例如&#xff0c;如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3&#xff0c;那么一共存在6个滑动窗口&#xff0c;他们的最大值分别为{4,4,6,6,6,5}&#xff1b; 针…...

最小二乘估计及与极大似然估计的关系

最小二乘估计&#xff08;Least Squares Estimation&#xff09;和极大似然估计&#xff08;Maximum Likelihood Estimation&#xff09;是统计学中常用的参数估计方法&#xff0c;它们在某些情况下是等价的&#xff0c;但在一般情况下并不总是相同的。 最小二乘估计&#xff…...

02房价预测

目录 代码 评分算法&#xff1a; 代码 import numpy as np from sklearn import datasets from sklearn.linear_model import LinearRegression# 指定版本才有数据集 # C:\Users\14817\PycharmProjects\pythonProject1\venv\Scripts\activate.bat # pip install scikit-le…...

【Springboot】pom.xml中的<build>标签详解

默认值及其标签解释 <build><!-- 指定最终构建产物的名称, 例如生成的 JAR 文件的名称 --><finalName>${artifactId}-${version}</finalName><!-- 指定源代码文件的目录路径 --><sourceDirectory>src/main/java</sourceDirectory>&l…...

智能驾驶产品开发中如何贯彻“正向开发”理念

摘要&#xff1a; 基于演绎法的正向开发理念&#xff0c;能够让智能驾驶产品在充分满足用户需求&#xff0c;保证产品质量的同时&#xff0c;确保开发目标合理且得到落实。 前段时间&#xff0c;微博CEO吐槽理想L9智能驾驶“行驶轨迹不居中”&#xff0c;在网上引发了热烈讨论…...

【机器学习】038_梯度消失、梯度爆炸

一、原因 神经网络梯度 假设现在有一个 层的神经网络&#xff0c;每层的输出为一个对输入作 变换的函数结果 用 来表示第 层的输出&#xff0c;那么有下列公式&#xff1a; 链式法则计算损失 关于某一层某个参数 的梯度&#xff1a; 注意到&#xff0c; 为向量&am…...

【转】OAK-D双目相机进行标定及标定结果说明

编辑&#xff1a;OAK中国 首发&#xff1a;A. hyhCSDN 喜欢的话&#xff0c;请多多&#x1f44d;⭐️✍ 内容来自用户的分享&#xff0c;如有疑问请与原作者交流&#xff01; ▌前言 Hello&#xff0c;大家好&#xff0c;这里是OAK中国&#xff0c;我是助手君。 近期在CSDN刷…...

whip和whep

原文为runner365.git大佬的文章 原文链接&#xff1a;https://blog.csdn.net/sweibd/article/details/124552793 WHIP接口 什么是whip 全称: WebRTC-HTTP ingestion protocol (WHIP). rfc地址: rfc-draft-murillo-whip-00 简单说&#xff0c;就是通过HTTP接口能导入webrtc媒…...

SpringBoot集成jjwt和使用

1.引入jwt依赖&#xff08;这里以jjwt为例&#xff0c;具体其他jwt产品可以参见jwt官网&#xff09; <dependency><groupId>io.jsonwebtoken</groupId><artifactId>jjwt</artifactId><version>0.9.1</version> </dependency>…...

RedisConnectionFactory is required已解决!!!!

1.起因&#x1f936;&#x1f936;&#x1f936;&#x1f936; redis搭建完成后&#xff0c;准备启动主程序&#xff0c;异常兴奋&#xff0c;结果报错了&#xff01;&#xff01;&#xff01;&#xff01; 2.究竟是何原因 &#x1f62d;&#x1f62d;&#x1f62d;&#x1f…...

redis的高可用之持久化

1、redis的高可用考虑指标 &#xff08;1&#xff09;正常服务 &#xff08;2&#xff09;数据容量的扩展 &#xff08;3&#xff09;数据的安全性 2、redis实现高可用的四种方式 &#xff08;1&#xff09;持久化 &#xff08;2&#xff09;主从复制 &#xff08;3&…...

onnx模型转换opset版本和固定动态输入尺寸

背景&#xff1a;之前我想把onnx模型从opset12变成opset12&#xff0c;太慌乱就没找着&#xff0c;最近找到了官网上有示例的&#xff0c;大爱onnx官网&#xff0c;分享给有需求没找着的小伙伴们。 1. onnx模型转换opset版本 官网示例&#xff1a; import onnx from onnx im…...

远程运维如何更高效的远程管理?向日葵的这几项功能会帮到你

远程运维如何更高效的远程管理&#xff1f;向日葵的这几项功能会帮到你 具备一定规模的企业&#xff0c;其IT运维需求普遍会面临设备数量众多、难以统一高效管理、始终存在安全敞口等问题&#xff0c;尤其是针对分部广泛的无人值守设备时&#xff0c;更是如此。 举一个简单的例…...

Hugging Face Transformers 加载模型时,那些容易被忽略但超有用的参数(cache_dir, proxies, revision 实战详解)

Hugging Face Transformers 加载模型时&#xff0c;那些容易被忽略但超有用的参数&#xff08;cache_dir, proxies, revision 实战详解&#xff09; 当你第一次接触 Hugging Face Transformers 时&#xff0c;可能只关注了 pretrained_model_name_or_path 这个核心参数。但随着…...

在VScode中使用Claude Code agent并配置模型(仅mac电脑实际操作,windows电脑未实际操作如有问题可留言)

一、插件安装 在vscode插件市场搜索Claude Code for VS Code,如下图: 2、确认是否安装成功,如下图右上角会出现图标 3、配置vs code 修改seetting.json文件,位置:Settings --> Extensions --> Claude Code 也可以使用快捷键:"Ctrl,"打开Settings页面,搜索cl…...

GPT-SoVITS:基于少样本学习的语音合成技术革命性突破与分布式架构优化

GPT-SoVITS&#xff1a;基于少样本学习的语音合成技术革命性突破与分布式架构优化 【免费下载链接】GPT-SoVITS 1 min voice data can also be used to train a good TTS model! (few shot voice cloning) 项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS …...

别只盯着引脚图!用STC15W408AS-35I的ADC和PWM,做个迷你数据采集器(附DIP28接线图)

用STC15W408AS打造迷你数据采集器&#xff1a;ADC与PWM实战指南 在电子制作的世界里&#xff0c;STC15W408AS这颗看似普通的单片机其实隐藏着强大的潜力。今天我们不谈枯燥的引脚定义&#xff0c;而是直接动手&#xff0c;用它的10位ADC和PWM功能打造一个实用的迷你数据采集器…...

Grafana Phlare与eBPF技术结合:低开销性能分析的终极方案

Grafana Phlare与eBPF技术结合&#xff1a;低开销性能分析的终极方案 【免费下载链接】phlare &#x1f525; horizontally-scalable, highly-available, multi-tenant continuous profiling aggregation system 项目地址: https://gitcode.com/gh_mirrors/ph/phlare Gr…...

告别YOLO!RTMDet保姆级实战教程:从COCO数据集训练到3090显卡部署(附完整代码)

RTMDet全流程实战指南&#xff1a;从数据标注到3090显卡部署的高效目标检测方案 在计算机视觉领域&#xff0c;实时目标检测技术正经历着从YOLO系列到新一代架构的跃迁。RTMDet作为OpenMMLab生态的最新力作&#xff0c;不仅以300FPS的推理速度刷新了COCO数据集上的精度记录&…...

Fairseq-Dense-13B-Janeway入门指南:识别模型局限——为何必须用英文提示词

Fairseq-Dense-13B-Janeway入门指南&#xff1a;识别模型局限——为何必须用英文提示词 1. 模型概述 Fairseq-Dense-13B-Janeway 是由 KoboldAI 发布的 130 亿参数创意写作大模型&#xff0c;专注于生成具有经典叙事风格的英文科幻与奇幻内容。该模型基于 2210 本科幻与奇幻题…...

零样本3D点云补全技术LaS-Comp原理与实践

1. 项目背景与核心价值去年在CVPR上看到一篇关于3D形状补全的论文时&#xff0c;我正为一个工业检测项目头疼——产线上扫描的零件点云总是存在缺失。传统方法要么需要大量配对数据训练&#xff0c;要么补全结果扭曲变形。直到发现LaS-Comp这个框架&#xff0c;才意识到零样本学…...

edge-tts实战:5分钟搞定一个Python语音助手(支持中英文切换)

用Python和edge-tts打造你的专属语音助手&#xff1a;从零到趣味交互 想象一下&#xff0c;当你早上醒来&#xff0c;一个温柔的声音向你问好&#xff0c;播报天气和日程&#xff1b;或者在你学习编程时&#xff0c;一个耐心的助手用中英文双语为你讲解概念。这些场景不再需要复…...

实战应用:通过快马快速构建vmware虚拟机网络安全攻防靶场

实战应用&#xff1a;通过快马快速构建VMware虚拟机网络安全攻防靶场 在网络安全学习和实战演练中&#xff0c;搭建一个隔离的测试环境是必不可少的。VMware虚拟机因其稳定性和灵活性&#xff0c;成为搭建网络安全靶场的首选工具。但手动配置多台虚拟机、设置网络环境、安装工…...