【亲测免费】 Godot 虚拟摇杆项目教程
2026-01-20 02:19:18作者:乔或婵
1. 项目目录结构及介绍
Virtual-Joystick-Godot/
├── addons/
│ └── virtual_joystick/
│ ├── VirtualJoystick.gd
│ ├── VirtualJoystick.tscn
│ └── ...
├── LICENSE
├── README.md
├── icon.svg
├── icon.svg.import
├── project.godot
└── Test/
└── ...
目录结构说明
- addons/: 包含虚拟摇杆的核心代码和场景文件。
- virtual_joystick/: 虚拟摇杆的主要实现文件。
- VirtualJoystick.gd: 虚拟摇杆的脚本文件,负责处理输入和输出。
- VirtualJoystick.tscn: 虚拟摇杆的场景文件,定义了摇杆的外观和行为。
- virtual_joystick/: 虚拟摇杆的主要实现文件。
- LICENSE: 项目的开源许可证文件。
- README.md: 项目的介绍和使用说明。
- icon.svg: 项目的图标文件。
- icon.svg.import: 图标文件的导入配置。
- project.godot: Godot 项目的配置文件。
- Test/: 包含测试场景和相关文件,用于演示虚拟摇杆的使用。
2. 项目启动文件介绍
项目的启动文件是 project.godot,这是一个 Godot 项目的配置文件,包含了项目的全局设置和启动信息。
project.godot 文件内容
[application]
config/name="Virtual Joystick"
config/icon="res://icon.png"
[display]
window/size/width=1280
window/size/height=720
[input]
# 输入配置
启动文件说明
- [application]: 定义了项目的名称和图标。
- [display]: 定义了窗口的初始大小。
- [input]: 定义了项目的输入配置,包括虚拟摇杆的输入映射。
3. 项目的配置文件介绍
项目的配置文件主要集中在 addons/virtual_joystick/VirtualJoystick.gd 和 project.godot 中。
VirtualJoystick.gd 文件内容
extends Node2D
@export var speed : float = 100
@export var joystick_left : VirtualJoystick
@export var joystick_right : VirtualJoystick
var move_vector := Vector2.ZERO
func _process(delta: float) -> void:
# 使用输入函数进行移动
move_vector = Input.get_vector("ui_left", "ui_right", "ui_up", "ui_down")
position += move_vector * speed * delta
# 旋转
if joystick_right and joystick_right.is_pressed:
rotation = joystick_right.output.angle()
配置文件说明
- speed: 定义了移动速度。
- joystick_left: 左虚拟摇杆的引用。
- joystick_right: 右虚拟摇杆的引用。
- move_vector: 移动向量,通过
Input.get_vector获取。 - _process(delta): 每帧更新函数,处理移动和旋转逻辑。
通过以上配置,可以轻松地在 Godot 项目中集成和使用虚拟摇杆。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
668
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
511
621
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
297
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
943
878
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
904
暂无简介
Dart
917
222
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
558
昇腾LLM分布式训练框架
Python
142
169
仓颉编程语言运行时与标准库。
Cangjie
163
924