更新!谷歌倾斜摄影OSGB数据V1.2版

谷歌倾斜摄影OSGB数据V1.2版终于来了!
一个月前发布了谷歌倾斜摄影数据生成OSGB数据V1.0版,对谷歌倾斜摄影数据转换工具进行了重大更新,V1.1版主要解决了三个问题:1.支持Cesiumlab等数据处理软件,将OSGB数据转换成3DTiles数据,并在Cesium上加载显示。2.支持大势智慧、OSGBlab等数据处理工具将OSGB数据导出生成DOM和DSM数据,3.解决倾斜摄影数据显示问题。目前已使用V1.1版本生产了台湾台北、台中和桃园三个地方的倾斜摄影数据,数据质量良好。但是香港、澳门等是之前生产的数据,仍然是使用V1.0或V0.2版生产的,在这里对大家说声抱歉,一直未更新的原因,并非主观原因,而是再等发布V1.2版后再生产。

经过一个月的努力与优化,OSGB转换工具当初设计的功能都已实现,并且数据处理Bug修复与成果数据显示效率优化已经完成,因此正式发布V1.2版。V1.2版主要解决了OSGB数据偏移问题,这也是转换工具V0.2发布以来一直未解决的难点。
目前通过obj、fbx等三维模型数据转换OSGB格式,都会存在坐标偏移问题,这个问题在OSGB数据生产很常见。obj、fbx等数据是以米或厘米为单位建立的三维空间局部坐标系;在三维地球上,本质上都是调用OpenGL、DirectX、Vulkan等图形设备接口API进行渲染,这些图形设备接口也有自己的空间坐标系,也就是大家常见的XYZ轴空间坐标顺序不一样,OSGEarth/Cesium等三维GIS渲染中间件,也会自己定义一套三维空间坐标系,目的是为了规避这些图形设备接口GDI坐标系的差异,同时也为了方便地理数据接入,将地理坐标系转换到空间坐标系进行计算,上层数据都是投影坐标(如3857:WebMercator)或地理坐标系(如4326:WGS84坐标系)数据,如何计算投影/地理坐标、三维空间坐标系、图形设备接口三维坐标,这是广大三维GIS开发者比较难理解也很难掌握的知识点,因为三维转换参数不对,最终影响的是显示效果。

言归正传,回到OSGB数据上,OSGB数据以米为单位,而且精度很高,谷歌倾斜摄影数据分辨率能达到5cm,相比目前卫星影像0.3米高分辨率还要高6倍。如何将高分辨率OSGB数据完美、精准匹配叠加在OSGEarth等三维GIS平台上,使用WGS84或者3857等常用投影或地理坐标系,误差较大,具体表现是OSGB数据与卫星影像数据不匹配,看下面效果图:
请添加图片描述
上图OSGB数据是采用Web Mercator(3857)进行生产的,导出DOM数据叠加卫星影像底图进行对比可以看出:OSGB数据中道路和房屋等和卫星影像底图数据没有匹配上,偏差在20米左右,无法满足实际使用要求。但是在V1.2版本中,彻底解决了数据偏移问题,解决这个问题,并非偏移原点坐标就能解决,而是在数据生产时,对数据进行逐顶点处理转换,再进行优化合并。经过正确处理后的效果如下图所示:
请添加图片描述
从上图可以看到,道路、房屋建筑等要素精准匹配,能够满足实际应用要求。

至此,谷歌倾斜摄影OSGB数据转换工具V1.2版已经是一个比较完善的版本,这个版本其实还有一些问题,在数据生产速度方面,还有待提升。这个版本已经具备可以进行全球倾斜摄影数据生产能力,上篇文章统计了谷歌全球倾斜摄影面积,总共有86.5万平方千米,并且还在逐月增加。如果要生产全球数据,采用静态文件散列存储是无法满足实际使用要求的,因为文件能达到百亿级,因此需要有数据存储和发布服务,这在以后版本中进行升级和优化,敬请期待!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/763326.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

OFDM关键技术——PAPR降低技术

OFDM信号的峰均比问题 PAR问题由于不同子载波上N个正弦信号叠加引起,由于各个子载波的幅值和相位相互独立,当子载波数目较大时,由中心极限定理可知,同相分量的幅度服从高斯分布。 峰值功率:0.1033 平均功率&am…

网安小贴士(4)哈希函数

一、前言 哈希函数是密码学中的基础工具,哈希函数在密码学中扮演着至关重要的角色,广泛应用于确保数据的安全性和完整性。随着技术的发展,新的哈希算法和应用场景也在不断出现。 二、定义 哈希函数是一种数学函数,它接受一个输…

计算机I/O系统与外围设备详解:从基础概念到实际应用

计算机I/O系统与外围设备详解:从基础概念到实际应用 在计算机世界中,理解I/O系统和外围设备的基本概念对初学者来说至关重要。本文将详细介绍I/O系统的基础知识、I/O接口、计算机外围设备及其工作原理,帮助基础小白更好地理解这些概念。 I/O…

毫米波雷达深度学习技术-1.7训练一个神经网络

1.7 训练一个神经网络 对于训练神经网络,有两个步骤,即前向传递和误差反向传播。 1.7.1 前向传播和反向传播 在前向传递中,输入被馈送到模型并与权重向量相乘,并为每一层添加偏差以计算模型的输出。密集层或全连接层第l层的输入、…

中画幅巡检相机-SHARE 100M A10

【毫厘之间,洞见非凡】 ——SHARE 100M A10中画幅测量相机,巡检行业的新选择 在巡检行业,精准度是关键,深圳赛尔智控科技有限公司最新推出的SHARE 100M A10中画幅测量相机,基于先进的IMX461影像传感器,拥有…

prometheus 安装node_exporter, node_exporter 安装最新版 普罗米修思安装监控服务器client

1. 本文介绍两种安装方式,一种安装为service,使用systemctl start node_exporter管理,第二种为安装docker内 容器内使用。 1.1 安装到系统内: 1.1.1 github地址: Releases prometheus/node_exporter GitHub ​ 1.1.2 下载命…

解析Linux top 命令输出并生成动态图表

文章目录 0. 引言1. 原理2. 功能3. 程序架构流程图结构图 4. 数据解析模块5. 图表绘制模块6. 主程序入口7. 使用方法8. 总结9. 附录完整代码 0. 引言 在性能调优和系统监控中,top 命令是一种重要工具,提供了实时的系统状态信息,如 CPU 使用率…

PHP电商系统开发指南高级技巧

开发高级 php 电商系统所需的技巧包括:数据库优化:使用索引、规范化数据结构和缓存机制。性能优化:启用页面缓存、优化图像和使用 cdn。购物车管理:使用会话或数据库存储数据,实现实时更新和弃单恢复。支付集成&#x…

windows10如何打开开发者模式

按键盘上的win键或者点击屏幕左下角的开始图标,即可出现如下的界面 在打开的界面中找到设置按钮,点击设置按钮 进入windows设置界面后,找到‘更新和安全’的选项,随后点击进入 进去后在左侧的功能列表中找到‘开发者选…

Transformer模型原理细节解析

基本原理: Transformer 的核心概念是 自注意力机制(Self-Attention Mechanism),它允许模型在处理每个输入时“关注”输入序列的不同部分。这种机制让模型能够理解每个单词或符号与其他单词或符号之间的关系,而不是逐个地线性处理输入。 Transformer 主要由两个部分组成:…

推荐算法学习笔记2.1:基于深度学习的推荐算法-基于共线矩阵的深度推荐算法-AutoRec模型

AutoRec模型 前置知识:推荐算法学习笔记1.1:传统推荐算法-协同过滤算法 AutoRec模型通过引入自编码器结构,将共线矩阵中的用户向量(基于用户的U-AutoRec)或物品向量(基于物品的I-AutoRec)嵌入到低维空间后还…

Ubuntu24.04LTS基础软件下载

librewolf: deb文件link 作用:访问github,无痕浏览,这个速度,不指望了 vscodium: 从deb安装,ubuntu sudo dpkg -i xxx.debpaste-image 插件替代 markdown wps: libreoffice: 替换USTC源 sudo nano /etc/apt/sourc…

Objective-C语法基础

新建一个XCode项目 新建一个类 1、成员变量、属性 1.1、类内使用成员变量&#xff0c;类外使用属性 Role.h #import <Foundation/Foundation.h>NS_ASSUME_NONNULL_BEGINinterface Role : NSObject {//成员变量&#xff1a;只能类内使用NSString *_name;int _age; }//属…

GOM引擎源码 完整可编译 带微端 附带基础附件

GOM引擎源码 完整可编译 带微端 附带基础附件 时间紧迫&#xff0c;无暇顾及&#xff0c;无意中得到即公布GameOfMir源码未测试&#xff0c;专业人事自行编译测试&#xff01;非诚勿扰&#xff01;源码下载&#xff1a;极速云

招生报名系统教培招生小程序

招生报名系统&#xff1a;轻松实现教培招生新高度 &#x1f680; 招生报名系统&#xff0c;开启智慧教育新时代 在当今数字化快速发展的时代&#xff0c;教育行业也迎来了变革的浪潮。招生报名系统作为这一变革的先锋&#xff0c;为教育机构提供了全新的招生渠道和管理方式。通…

Spring Boot集成DeepLearning4j实现图片数字识别

1.什么是DeepLearning4j&#xff1f; DeepLearning4J&#xff08;DL4J&#xff09;是一套基于Java语言的神经网络工具包&#xff0c;可以构建、定型和部署神经网络。DL4J与Hadoop和Spark集成&#xff0c;支持分布式CPU和GPU&#xff0c;为商业环境&#xff08;而非研究工具目的…

【前端CSS3】一篇搞懂各类常用选择器(黑马程序员)

文章目录 一、前言&#x1f680;&#x1f680;&#x1f680;二、正文&#xff1a;2.1 基础选择器2.1.1 标签选择器2.1.2 类选择器2.1.3 id选择器2.1.4 通配符选择题2.1.5 类选择器与id选择器区别☀️☀️☀️2.1.6 基础选择器总结&#x1f680; 2.2 复合类选择器2.2.1 后代选择…

Python | Leetcode Python题解之第191题位1的个数

题目&#xff1a; 题解&#xff1a; class Solution:def hammingWeight(self, n: int) -> int:ret 0while n:n & n - 1ret 1return ret

Unity 功能 之 创建 【Unity Package】 Manager 自己自定义管理的包的简单整理

Unity 功能 之 创建 【Unity Package】 Manager 自己自定义管理的包的简单整理 一、简单介绍 Unity Package 是一种模块化的资源管理和分发方式&#xff0c;用于将游戏开发所需的代码、资源、配置文件等内容打包成一个独立的、可重用的组件。Unity Package 可以在多个项目之间…

【RabbitMQ问题踩坑】RabbitMQ设置手动ack后,消息队列有多条消息,只能消费一条,就不继续消费了,这是为什么 ?

现象&#xff1a;我发送5条消息到MQ队列中&#xff0c;同时&#xff0c;我在yml中设置的是需要在代码中手动确认&#xff0c;但是我把代码中的手动ack给关闭了&#xff0c;会出现什么情况&#xff1f; yml中配置&#xff0c;配置需要在代码中手动去确认消费者消费消息成功&…