内容简介:在做 UWP 应用开发的时候还有什么理由可以用到加速度计呢?场景很多啦,比如做游戏,做类似 Surface Hub 那种一边旋转,一边所有内容跟着一起转的效果。Windows 10 UWP 中的加速度计使用非常简单,只需要简单几句代码即可。视频正在上传中……
在做 UWP 应用开发的时候还有什么理由可以用到加速度计呢?场景很多啦,比如做游戏,做类似 Surface Hub 那种一边旋转,一边所有内容跟着一起转的效果。
Windows 10 UWP 中的加速度计使用非常简单,只需要简单几句代码即可。
重力迷宫游戏
视频正在上传中……
初始化 Accelerometer
Accelerometer
在 Windows.Devices.Sensors
命名空间下,使用时需要在类顶部加上 using
。
using Windows.Devices.Sensors;
而获得加速度计的实例只需要一句话:
_accelerometer = Accelerometer.GetDefault();
如果设备上没有加速度计,那么这里拿到的实例就会是 null
。所以注意需要进行 null
判断,毕竟大部分 Windows 10 设备都是普通电脑,没有加速度计的。
现在,我们对加速度计进行一些简单的初始化:
_accelerometer = Accelerometer.GetDefault(); if (_accelerometer != null) { // 设置加速度计读数的报告间隔。这里我们与 16ms 进行判断,如果小于 16ms 就设为 16ms。 // 因为我们在做游戏,帧数就是 60Hz,也就是说,我们不需要更高的读数间隔。 uint minReportInterval = _accelerometer.MinimumReportInterval; uint reportInterval = minReportInterval > 16 ? minReportInterval : 16; _accelerometer.ReportInterval = reportInterval; // 监听 ReadingChanged 事件,以便在加速度计读数改变时做一些操作。 _accelerometer.ReadingChanged += Accelerometer_ReadingChanged; }
得到 Accelerometer 的读数
在监听事件的 Accelerometer_ReadingChanged
事件中,我们可以得到加速度计的读数。
private float _xAxis; private float _yAxis; private float _zAxis; private void Accelerometer_ReadingChanged(Accelerometer sender, AccelerometerReadingChangedEventArgs e) { AccelerometerReading reading = e.Reading; _xAxis = (float) reading.AccelerationX; _yAxis = (float) reading.AccelerationY; _zAxis = (float) reading.AccelerationZ; }
这些读数是 -1 到 1 之间的数值。
将 Accelerometer 的读数转化成倾斜角度
在 Win2D 中的游戏循环:CanvasAnimatedControl 一文中,我在 PC 上玩这款游戏,也是在模拟桌子的倾角。于是我们也需要将读数转化成 Windows 10 设备的倾斜角度。
private (float xAngle, float yAngle) GetTiltAngles() { if (_accelerometer != null) { // 从加速度计中读取读数,然后转换成设备倾斜角度。 return ((float) (-_yAxis * Math.PI / 2), (float) (-_xAxis * Math.PI / 2)); } else { // 如果没有加速度计,则从键盘获得模拟的倾斜角度。 return GetTiltAnglesByKeyboard(); } }
这里的 _xAxis
和 _yAxis
就是前面在 Accelerometer_ReadingChanged
事件中获得的读数数值。
这里计算所得的角度值是下面图片中所指示的角度值。
▲ X 方向数值
▲ Y 方向数值
参考资料
本文会经常更新,请阅读原文: https://walterlv.com/post/uwp-accelerometer.html ,以避免陈旧错误知识的误导,同时有更好的阅读体验。
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。欢迎转载、使用、重新发布,但务必保留文章署名 吕毅 (包含链接:https://walterlv.com ),不得用于商业目的,基于本文修改后的作品务必以相同的许可发布。如有任何疑问,请 与我联系 (walter.lv@qq.com) 。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 分析 IoT ESP8266 传感器数据
- 如何在iOS 8中使用Touch ID传感器
- [译] 感知喜怒哀乐:用深度学习构建声音情感传感器
- 耐能借力奇景光电SLiM 3D传感解决方案亮相安博会
- 预测性维护:使用卷积神经网络(CNN)检测传感器故障
- 三维感知与三维数据分析最新进展 - 3D传感&人工智能前沿科技论坛
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。