新闻详情

新闻详情

首页 / 资讯中心 / 详情

QGIS数据处理-CityEngine程序化生成建筑

发布时间:2026/11/19 1:32:11来源:尧图网络
QGIS数据处理-CityEngine程序化生成建筑
高德矢量http://webrd01.is.autonavi.com/appmaptile?x{x}y{y}z{z}langzh_cnsize1scale1style8高德影像https://webst01.is.autonavi.com/appmaptile?style6x{x}y{y}z{z}腾讯矢量http://rt0.map.gtimg.com/realtimerender?z{z}x{x}y{-y}typevectorstyle0OSM矢量https://tile.openstreetmap.org/{z}/{x}/{y}.png坐标系知识地理坐标系球投影坐标系平面常用的GIS数据获取1.POI数据获取.txt-图层-添加分隔文本图层2.行政区域下载.json-直接拖到QGIS图层3.OSM数据用于交通路网框选下载-拖入图层-选择路网导入-----------------变更因为OSM路网全都在一个层级没有拆分开导致在CityEngine中不好程序化生成道路所以后续不采用OSM转而使用bigemap或水经注下载的层级路网数据百度路网4.建筑shp数据直接拖到QGIS图层 一般用百度建筑数据 或 天地图数据5.天地图获取交通路网、水系、湖泊用于水系湖泊6.DEM高程地理空间数据云卫星影像 .tifDEM .tif道路 多文件水系湖泊 多文件建筑 多文件利用行政区域数据可以导出该区域影像图数据处理1.卫星影像尺寸和DEM高程图尺寸一样大2.真的数字孪生场景倾斜摄影、激光雷达扫描建模实现成本高导入雕刻软件进行精细化再SP贴图绘制目前都是程序化生成标志性建筑精细化建模实现成本低数字孪生研发整体流程、一、获取数据 水经注或bigemap之类GIS下载软件二、处理数据 QGIS三、程序化生成建筑以及道路并优化建筑和道路 CityEngine四、精细化建模标志性建筑以及交互模型建模软件blender或C4d之类五、导入UE地块、周边建筑、道路、精细化模型道路模型量很大容易卡死因为道路包含道路信息、道路模型、马路牙子上的路灯花坛树等等、交互模型园区、楼宇等等六、场景模型匹配Cesium经纬度坐标七、功能开发数据、UMG、交互、逻辑UE地编建模 GIS CityEngine UE开发1.加载本地影像图2.加载本地局部地形图3.乱码问题处理GB2312UTF-8EPSG:4326EPSG:32650数据处理DEM、卫星图裁剪创建临时图层-添加多边形要素、框选、矢量提取图层范围、栅格按掩模图层裁剪栅格或矢量裁剪查看石是否乱码 查看坐标系投影 建筑轮廓裁剪相交、全选建筑轮廓融合、全选建筑轮廓多部件转单部件处理矢量数据 第一步查看石是否乱码 第二步查看坐标系投影水CityEngine层级目录介绍assets: 模型、纹理贴图data: GIS数据images: 照片maps:卫星图、DEM图models: obj fbx 等模型3ws格式等rules:规则文件scenes:场景scripts:脚本
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉