GLS基本介绍

简介: 开坑了,这里从介绍GLS基本信息开始,至于怎么安装GLS,请看这里:https://dreamlife.blog.csdn.net/article/details/105763499。

image.png

什么是GLS


GLS全称GL Studio,是一款独立于平台的快速原型工具,用来创建实时的、二维的或三维的、照片级的、交互式的图形界面软件。它可以与HLA/DIS仿真软件相连,它生成的C++和OpenGL源代码可以单独运行,也可以嵌入到其他的应用程序中。它运行于Windows NT、IRIX和Linux操作系统上。更为详细的信息,大家自行百度就可以。


GLS是开发实时的、交互的2/3维对象的一种工具,它的设计工具维用户提供了制作各种仪表和物理装置的能力,可用于虚拟仪表系统中的维修仿真。程序训练仿真,或用于完全嵌入式的交互仿真。一个GLS图形对象一旦完成,用户就可以将已植入的行为代码与对象连接。当用户需要将这个GLS文件植入到C++预研是,它将会生成Open GL 对应的源代码,对象设计器能帮助用户创建复杂的仪表或装置,这个仿真设计能被创建为:


可单独执行的文件


动态连接库


ActiveX文件,它可单独被应用,也可以与第三方OpenGl设计联合应用,或通过Web植入到幻灯片PPT中。


GLS 编辑器介绍

GLS 编辑器可以分为三大部分,设计窗口、主控制窗口和对象属性窗口同时GLS提供两种方式来呈现设计结果,树形层次结构图(Geometry)和多样的绘图画板(设计窗口)

image.png

工具栏就是和PS的工具栏差不多,画布就是也是PS的画布,可以立刻看到效果,下面的视图控制栏就是预制了几个视角,还有一个就是可以自己随便调整的视角。属性栏就是每个控件对应的属性,后面可以慢慢熟悉,树就是我们整个项目的一个结构,可以清晰的看到整个项目的逻辑结构。大致的结构就是这样的,和面更详细的需要在使用的时候慢慢研究,其实程序不是什么高级的东西,感觉也是需要练习的。


其他在详细的我也介绍不来了,和面在有了更好的了解了,在好好说到说到。后面我见尝试制作一个地平仪,来尝试一下,敬请期待。


后面我见尝试制作一个地平仪,来尝试一下,敬请期待。


目录
相关文章
|
存储 Java Linux
Jenkins+Gitlab+Docker(Dockerfile)部署
Jenkins+Gitlab+Docker(Dockerfile)部署
372 1
|
算法 网络安全 数据安全/隐私保护
|
安全 机器人 Python
python之钉钉机器人自动发消息——傻瓜式教程
自动化跑完的结果,需要自动发送到钉钉群,自动将数据、报告、截图等保存至公司内部服务器,钉钉通知的时候,需要有个链接,点击就可以跳转。
4026 0
python之钉钉机器人自动发消息——傻瓜式教程
|
搜索推荐 算法
模型小,还高效!港大最新推荐系统EasyRec:零样本文本推荐能力超越OpenAI、Bert
【9月更文挑战第21天】香港大学研究者开发了一种名为EasyRec的新推荐系统,利用语言模型的强大文本理解和生成能力,解决了传统推荐算法在零样本学习场景中的局限。EasyRec通过文本-行为对齐框架,结合对比学习和协同语言模型调优,提升了推荐准确性。实验表明,EasyRec在多个真实世界数据集上的表现优于现有模型,但其性能依赖高质量文本数据且计算复杂度较高。论文详见:http://arxiv.org/abs/2408.08821
482 7
|
存储 Web App开发 安全
如何防范 CSRF 攻击
CSRF(跨站请求伪造)攻击是一种常见的安全威胁。防范措施包括:使用Anti-CSRF Token、检查HTTP Referer、限制Cookie作用域、采用双重提交Cookie机制等,确保请求的合法性与安全性。
|
11月前
|
人工智能 自然语言处理 负载均衡
零门槛体验DeepSeek-R1满血版
本文介绍了阿里云通过百炼平台的API调用DeepSeek开源模型的体验过程,如何开通服务、获取API-KEY、下载并配置chatbox客户端。此外,文中展示了多种部署方案,方便用户根据自身需求选择最优方式。
1766 9
零门槛体验DeepSeek-R1满血版
|
Windows
该文件没有与之关联的应用来执行该操作。请安装应用,若已经安装应用,请在“默认应用设置“页面中创建关联
【10月更文挑战第22天】当你遇到“该文件没有与之关联的应用来执行该操作”的提示时,通常是因为文件类型未关联应用或文件损坏。解决方法包括:1. 确定文件类型并安装合适的应用程序,如Microsoft Office、Adobe Acrobat Reader等;2. 如果已安装应用,进入系统设置关联文件类型;3. 检查文件完整性,重新下载或验证文件格式。
6586 1
|
机器学习/深度学习
《深度学习梯度消失问题:原因与解决之道》
梯度消失是深度学习训练中的常见问题,严重影响模型性能。其原因包括激活函数选择不当(如Sigmoid)、网络层次过深和权重初始化不合理。解决方法有:选择合适激活函数(如ReLU及其变种)、优化权重初始化(如Xavier、He初始化)、采用批量归一化、引入残差连接、使用LSTM等特殊结构、调整学习率及预训练加微调等策略。
1027 8
|
12月前
|
数据采集 PyTorch 算法框架/工具
sam模型迁移昇腾训练loss不收敛问题的解决办法
在将SAM模型迁移到昇腾平台时,遇到了精度问题。具体表现为NPU训练的loss图从一开始就未收敛,而GPU则正常收敛。通过使用Ascend开源仓的msprobe工具进行精度对比,发现NPU丢失了image_embedding的梯度,原因在于torch_npu版本与PyTorch不匹配,导致`repeat_interleave_backward_tensor`函数调用失败。最终通过选择与PyTorch配套的torch_npu版本解决了问题,loss图恢复正常。
|
机器学习/深度学习 数据采集 人工智能