社区 图形处理/算法帖子详情 求教!ContextCapture生产的点云数据坐标与模型坐标差距很大
最近在用ContextCapture做无人机摄影测量,生产区域的三维模型与点云数据,选取的坐标系均为WGS84 UTM 47N。但是模型与点云数据的坐标差距十分大。
同一点,模型上坐标为:3359850.3146,229725.9105,3852.5620;点云上坐标为:-7556137.7373,11654503.8992,3814.7921
模型是用ContextCapture Viewer打开的,也用EPS打开查看过。之前查阅到点云数据生产时最好不要用WGS84这个坐标系,我也用其他坐标系生产了点云,又用ArcGIS Pro转换为WGS84 UTM 47N地理坐标,不知是我转换错还是怎样,坐标没有改动。
求教,模型的坐标应该是符合WGS84 UTM 47N的,但是点云到底是什么回事,它这是什么坐标系,有什么解决办法吗?!
相关推荐
倾斜摄影实景三维建模全流程:从无人机采集到Web三维展示
实景三维重建是数字孪生与智慧城市建设的关键技术,其核心是通过无人机倾斜摄影获取多视角影像,再经空三解算生成高精度三维模型。然而,从原始数据到浏览器中流畅展示的三维场景,还面临模型破洞、拉花、悬浮物等质量问题,以及数据量大、格式不兼容等发布挑战。模型修复与轻量化处理是决定成果可用性的重要环节,而基于3D Tiles标准的网络发布则让大规模三维场景在Web端高效渲染成为可能。这一技术链路广泛应用于文旅展示、城市规划、应急管理等领域。本文以工程实践为背景,系统梳理从外业采集、内业建模、模型修复到CesiumJS部
无人机倾斜摄影与三维重建:从航拍到实景三维模型的完整实战
计算机视觉与摄影测量技术的结合,让真实世界可以转化为高精度的空间数据。从多视角影像采集到空中三角测量解算,再到密集点云与纹理映射,整个流程构成了实景三维重建的核心链路。这项技术不仅服务于测绘与GIS领域,也在数字孪生、工程巡检、文旅展示等场景中发挥关键作用。通过无人机搭载多角度相机获取重叠影像,配合控制点与POS数据,能够生成带地理坐标、可量测的实景模型。文章围绕倾斜摄影和三维重建的工程实践,从设备选型、航线设计到数据处理的完整环节展开,帮助读者理解从二维影像到三维空间数据的转化逻辑,并掌握落地应用中的常见
企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx
企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx
MCGS的Http协议驱动,支持http协议
硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量
印尼稻米收成与粮食安全数据集2026年
本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。


图形处理/算法

