Godot Engine:Flappy Bird中小鸟死亡后弹窗的制作

0305210203 学生2021 2023-06-20 23:50:02

 

https://blog.csdn.net/dyf1055318607/article/details/130142632

本篇文章写的是是开发游戏的老王留的课后练习,项目的前一部分是老王上课做的,哈哈!

在做之前先来看一看做弹窗需要用到的节点类型吧

TextureRect类型:用于在UI上显示图片
Label类型:用于显示UI上显示成绩
AnimationPlayer类型:信息板动画容器

 1、搭建如下图的场景树

将素材中的score.png图片添加到TextureRect的Texture中 

 启用Expand,然后按住Shift将得分板拖拽到合适的大小,移动到窗口下面 

将显示窗口分别移动到对应位置,并且在Text中任意输入内容,方便我们调整位置和字体大小。

将Label best和Label score中属性中的Align和V Align均设置为center。

Align:控制文本的水平对齐。支持左对齐、居中对齐、右对齐和填充,或者两端对齐。

V Align:控制文本的垂直对齐。支持顶部、中心、底部和填充。

 字体设置 

 给TextureRect添加AnimationPlayer节点

设置AnimationPlayer

一共需要两个动画,一个是游戏进行时得分板隐藏的动画,一个是游戏结束后展示得分板的动画

得分板显示

该动画博主做了10帧,得分板从下向上弹出

 

 具体的操作步骤如下

将动画进度条拖拽到第0帧处,插入关键帧

将动画进度条拖拽到第10帧,将得分板移动到最终位置,插入关键帧 

得分板隐藏

该动画只需要1帧,操作方法和上图一致

最后一步,也是最重要的一步啦,那就是代码控制

在此之前,先对老王项目里的GameData.gd的代码稍稍改动一下啪,因为试了好多种写法,总会报错。

 

 

 给Texture Rect添加脚本代码内容如下


 
  1. extends TextureRect

  2.  
  3. func _ready():

  4. add_to_group("GAME_OVER")

  5.  
  6. func on_game_over():

  7. $Labelscore.text=str(GameData.Score)

  8. $Labelbest.text=str(GameData.record)

  9. $AnimationPlayer.play("show")

 下面我们来看看结果

 

 

...全文
1422 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文研究了一种基于生成对抗网络(GAN)的数据驱动可再生能源场景生成方法,通过构建两个互连的深度神经网络——生成器与判别器,实现对风电与光伏发电出力时间序列的高效建模。该方法克服了传统基于概率统计模型在刻画非线性、强波动性风光数据分布时的局限性,能够有效捕捉复杂的时空相关性与多模态特征,显著提升生成场景的真实性、多样性与时序一致性。研究重点采用Wasserstein GAN(W-GAN)架构,并结合Python编程实现模型训练与验证,展示了其在新能源功率预测、不确定性量化及电力系统优化调度的应用潜力,配套提供了完整的代码资源以支持复现与拓展。; 适合人群:具备一定机器学习与深度学习基础,从事新能源发电预测、电力系统规划、微电网优化或不确定性建模等相关领域的科研人员、研究生及工程技术开发者;熟悉Python编程并希望将前沿深度学习模型应用于能源时间序列建模的专业人士。; 使用场景及目标:①应对风光发电强随机性与间歇性带来的建模挑战;②生成高质量、多样化的典型出力场景用于鲁棒优化、随机规划与机会约束调度;③支撑储能配置、电力市场仿真、需求响应等决策分析;④探索W-GAN在多变量时间序列生成的结构设计与训练稳定性优化策略; 阅读建议:此资源强调理论与实践深度融合,建议读者在掌握GAN与Wasserstein距离基本原理的基础上,结合所提供的Python代码进行逐模块调试与实验分析,重点关注损失函数设计、梯度惩罚机制、模型收敛性判断及生成结果评估指标(如分布相似度、自相关性保持等),并可进一步迁移至其他高不确定性的能源数据生成任务
内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计的应用,提出了一种基于迭代逼近的参数辨识方法。通过构建微分方程的Picard序列逐步生成近似解析解,并结合实际观测数据,采用优化算法调整未知参数以最小化模拟值与实测值之间的残差,从而实现对模型参数的高精度估计。文章详细阐述了算法的数学原理、迭代流程设计及收敛性分析,配套提供了完整的Matlab实现代码,支持用户复现实验并拓展应用于其他非线性动力系统。该方法避免了传统数值积分带来的累积误差,具有理论严谨、实现简洁、适应性强的优点,特别适用于缺乏显式解的复杂微分方程建模任务。; 适合人群:具备常微分方程、数值分析基础及Matlab编程能力的理工科研究生、博士生和科研人员,尤其适合从事系统建模、动力学仿真、参数反演等相关领域研究的学者; 使用场景及目标:①解决非线性微分方程因无法解析求解而导致的参数估计难题;②在生物医学、环境科学、工程控制等领域,从实验或观测数据反演系统内在参数,提升模型预测能力与解释力; 阅读建议:建议读者结合文公式推导与代码实现,逐轮观察Picard迭代过程解的演化规律及参数更新路径,深入理解迭代法在耦合状态与参数联合估计的作用机制,并尝试将其迁移至多变量、高阶或含噪声数据的实际应用场景进行验证与改进。

137

社区成员

发帖
与我相关
我的任务
社区描述
游戏开发教学区
开发语言 高校
社区管理员
  • 开发游戏的老王
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧