lingguilan

DSM又称数字地表模型数据,是指包含了地表建筑物、桥梁、数目等要素的地表高程模型,即这个数据除了包含地表高程,还包含了地表面以上的建筑、植物等要素的信息。此功能常用于提取倾斜模型的高程信息,提取出模型的高度信息,再在WebGL查询对应经纬度的高程值,提取出来的高程数据也可用于填挖方分析。

一、操作步骤与功能介绍

模型数据集或者SCP缓存切片数据添加至场景中,在三维分析中打开生成DSM功能。
如下图所示,左半边部分主要是确定生成DSM数据的范围。右边则是生成的DSM数据的结果参数设置。

1、范围

默认范围是场景添加的所有的数据的范围,如果提取的DSM数据只需要一个小范围,那可以自定义范围。自定义范围有两种方式——绘制面和选择面。
绘制面——点击绘制面时,会跳到场景中,绘制一个矩形面。


选择面——选择面功能只有当场景中有面数据才会高亮使用。

2、分辨率

这个参数就是设置生成的DSM栅格数据的精细程度。数值越大,则生成得越不精细,生成得越快,相反,数值越小越精细,生成得越慢。

3、相机高度

用于设置生成 DSM 数据的相机高度,相机高度离建筑物越近越细致。默认为50米,即表示生成的 DSM 数据为50米相机高度处看到的地表情况。
!!!注意:需要根据模型在场景的绝对高度来设置。如果模型图层底部高于相机高度,那么生成出来的DSM数据是空的,因此若要将模型的DSM提取出来,则相机高度需要高于模型最高值。
下图分别是将相机高度设成150m50m的结果对比

4、镶嵌到DEM

生成出来的栅格数据会和放在场景的DEM进行镶嵌,更改DEM数据。勾选后,下方的数据源和数据集会改成目标DEM数据,不勾选则默认另存到目标数据源下

二、结果展示。

本数据是设置的参数如下图所示。其中相机高度是根据场景——查询坐标值的功能取出的模型最高高程334m设置的。

结果如下图

三维分析之生成DSM相关推荐

  1. 三维分析之生成立面图

    作者: 小诗 立面图反映了建筑的外貌和立面装修的效果.在三维建筑场景中,借助生成的立面图来直观地评价建筑群的美观性,并且方便地获得影响立面图美观的建筑物. "生成立面图"功能支持生 ...

  2. ArcGIS三维分析之ArcGlobe简要说明

    ArcGlobe是ArcGIS9.0之后出现的新产品,设计用于展示大数据量的场景,基于全球视野,所有数据均投影到全球立方投影(World Cube Projection)下,并对数据进行分级分块显示. ...

  3. 结合FME利用倾斜三维模型数据成果生成DSM等数据产品

    原文发布时间:2017/8/4  14:39:06 作者:土豆(天下图) 邮箱:18055031@qq.com 1 序言 众所周知,我们利用Smart3D除了生成各种数据格式的三维模型以外,还可以在生 ...

  4. ArcGIS二次开发基础教程(10):三维分析

    ArcGIS二次开发基础教程(10):三维分析 坡度分析 请务必学会使用帮助文档!!! //DEM数据的坡度分析 将分析结果添加到地图上 //首先获取DEM数据,方法有很多例如从个人地理数据库获取,也 ...

  5. matlab voronoi 多晶体程序,【干货】二维及三维voronoi泰森多边形生成及其批量cohesive的插入...

    原标题:[干货]二维及三维voronoi泰森多边形生成及其批量cohesive的插入 目前voronoi晶粒模型已经被广泛应用,材料的穿晶断裂和沿晶断裂是失效的两种主要表现形式,建立晶粒模型是分析材料 ...

  6. 任意多边形三维屋顶自动生成算法

    任意多变性三维屋顶自动生成算法 已经在CSDN猫了一年了,通过这里找到许多资源,特别是Android方面的.但是一直没有写过博客,很感激在一些牛人博客里找到自己问题的答案,所以从今天起我也将效仿大家, ...

  7. MATLAB 三维数据图像生成算法

    MATLAB 三维数据图像生成算法 三维点云数据分析,通过图像形势展示该数据的变化规律 看标题,跑代码.玩得6! x=[xxxx,xxxx];%这里是你的数据 y=[yyyy,yyyy]; z=[zz ...

  8. 三维分析之天际线分析

    天际线是指天空与观察点周围的表面以及要素相分离的界线.天际线分析功能可根据观察点,生成当前场景窗口中建筑物顶端边缘与天空的分离线.借助分离线可以直观发现不和谐的建筑体. 操作步骤 1.在"三 ...

  9. NLP实战:利用Python理解、分析和生成文本 | 赠书

    导读:本文内容参考自<自然语言处理实战:利用Python理解.分析和生成文本>一书,由Hobson Lane等人所著. 本书是介绍自然语言处理(NLP)和深度学习的实战书.NLP已成为深度 ...

最新文章

  1. mysql慢查询开启及分析方法
  2. 【bzoj4571SCOI2016美味】
  3. 喜欢产品小师妹?你必须知道的一点产品知识,竞品分析:流利说雅思
  4. python相同key合并value_python之入门
  5. 子元素相对于父元素垂直居中对齐
  6. Maven学习(五)————依赖的特性辨析
  7. nuxt.js部署vue应用到服务端过程
  8. C - Copying Books (POJ - 1505)
  9. OpenStack Queens版本Security项目介绍
  10. 笔记本搜不到寝室路由的无线信号怎么办
  11. 【CF-Round-458:D】Bash and a Tough Math Puzzle(判断是否可以通过修改区间内的一个数使区间gcd=x)
  12. MATLAB 谐波 模块,simulink 谐波分析_matlab谐波分析_simulink中sign模块(6)
  13. 思科交换机VLAN基本配置
  14. 物联网卡是做什么用的
  15. item_get - 根据ID取聚美优品商品详情
  16. Golang环境及revel框架在Linux下的安装
  17. 求矩阵的特征值和特征向量方法
  18. 记一次锐捷网络虚拟化(VSU)故障处理
  19. c语言动态图形代码 叮当猫,C语言制作图形马赛克处理技术,网友:这小子不进腾讯可惜了!-Go语言中文社区...
  20. 有效处理Java异常三原则

热门文章

  1. python基于PHP+MySQL的健身俱乐部网站的设计与实现
  2. 20180102189刘钰
  3. Allegro16.6 DXF导入生成板框
  4. numpy的常用函数
  5. 使用深度学习进行三维脑肿瘤分割
  6. 【重磅】全球AI芯片排行榜发布 解读入围的七家中国公司
  7. Docker:docker 环境配置 python 版
  8. 基于windriver开发驱动,64位平台和32位平台一次解决
  9. 阿里巴巴戛纳首秀,带去了天猫全域营销
  10. 不考研也能转计算机专业!第二学士学位开始报名!