Cesium加载MVT格式的三种路线:从矢量瓦片到3D Tiles的工程实践

cesium加载mvt矢量瓦片3D Tiles
于 2026-10-29 05:18:40 修改
·本内容遵循CC 4.0 BY-SA版权协议

最近后台收到不少留言,内容都指向同一个热词:cesium加载mvt格式。大家普遍以为,拿到 .mvt 文件之后,像加载图片瓦片那样给 Cesium 一个 URL,地图上的道路、建筑、注记就会自己铺出来。实际试过的人都知道,Cesium 里往往要么一片空白,要么直接抛一个格式相关的错误。我自己刚接触矢量瓦片那阵子也被这个问题卡过很久,后来才想明白一句话:MVT 不是给三维引擎准备的显示格式,它更像一盒“带说明书的原材料”,Cesium 根本没法直接把它当图片或模型吃掉。这篇文章就把我这些年把 MVT 数据接进 Cesium 的几条路线、选型逻辑和踩过的坑一次性讲清楚,适合正在为“Cesium 怎么加载 mvt”发愁的前端工程师、GIS 开发者和数据可视化从业者。

1. MVT 的本质:它不是一张图,而是一份压缩过的数据包

1.1 矢量瓦片与栅格瓦片:从“传照片”到“传菜谱”

先把这个概念掰开。传统栅格瓦片,也就是 XYZ、WMTS 里最常见的 PNG/JPG,本质上是服务端把地图画成一张张固定尺寸的图片,前端拿到之后只能原样显示。改个道路颜色,服务端要把整个金字塔重新渲染一遍;缩放到某个级别,图片还会因为像素拉伸而变模糊。这是很多人一开始对“瓦片”的理解,默认瓦片就等于图片。

MVT 完全不同。一个 .mvt 文件里装的是矢量数据:每一条道路的坐标串、每一栋建筑物的轮廓点、每一个注记字符串,以及它们附带的属性表。前端拿到这些数据之后,再根据自己的样式规则把它画出来。这就像外卖和菜谱的区别——栅格瓦片是“拍好的成品照”,MVT 是“原料加配方”,你想怎么炒都行。这也是为什么矢量瓦片这几年越来越流行:样式可以随时在前端动态调整,不用服务端重新渲染整个瓦片库。

从工程指标看,两者的差异也很明显。栅格瓦片体积基本固定,不管瓦片里是空地还是密集街区,都是几KB到几十KB的图片;MVT 体积和要素数量强相关,一块空白区域可能只有几百字节,密集城区也就几十KB。栅格瓦片无法单独获取某个要素的属性,MVT 里的每个要素天然携带 properties,这意味着交互能力是代差级的。做地图业务的人应该都体会过那种痛苦:想点一个建筑物弹窗,栅格瓦片里只能靠像素坐标猜,MVT 则是直接拿到要素对象。

1.2 MVT 文件里到底装了什么

MVT 的全称是 Mapbox Vector Tile,由 Mapbox 提出并开放成规范。一个瓦片内部大致是这样组织的:最外层是多个 Layer(图层),比如 road、building、water 各是一层;每一层里是若干 Feature(要素);每个要素包含几何信息(Point、LineString、Polygon 三种基础类型)、属性键值对,以及一个 ID。

这里最值得注意的是它的几何坐标系。MVT 规范里,瓦片被抽象成一个网格,默认尺寸是 4096×4096,要素的坐标是这个网格内的相对坐标。当你看到一段二进制数据里存着(2345, 1890)这种数字,它不代表经纬度,而是“在这个瓦片里的相对位置”。前端或转换工具必须知道瓦片的 z/x/y,才能真正还原到 WGS84 坐标。这也是很多半路接手 MVT 的开发者最容易搞混的地方,后面排雷那一节我会重点展开。

由于整个文件使用 Protocol Buffers 编码,它天生是二进制、紧凑的。相比之下,GeoJSON 可读性强,但同样的要素转成 GeoJSON 后体积可能是 MVT 的几倍甚至十几倍。MVT 在传输体积和解析速度上占优,代价是肉眼不可读,出了问题很难靠“打开文件看一眼”来排查。我的习惯是准备一个解码脚本,随时把瓦片 dump 成可读的 JSON,定位问题效率会高很多。

1.3 为什么是 Protocol Buffers,而不是 JSON

这里多说一句原因。矢量瓦片要应对的是海量要素的网络传输,体积每小一点,CDN 成本和加载耗时都跟着降。Protocol Buffers 有严格的 schema 约束,数值类型分得很清楚(int、float、double、bool 等),解码时不需要做类型推断,这比 JSON 一个数字可能被解析成 double 或 string 要高效得多。加上它本身就有二进制压缩手段,几千个点要素压到几十KB很常见。代价则是生态里几乎所有 MVT 工具都要依赖 pbf 这类底层库,你没法像 JSON 那样直接 parse。

为什么要搞清楚这个?因为后面在 Cesium 里折腾 MVT,本质上都是在做同一件事:把二进制解析出来、把相对坐标还原成地理坐标,再把几何和属性交给 Cesium 能认识的某种格式。理解了 1.2 和 1.3,你就不容易在方案选择上跑偏。很多人一上来就问“有没有插件”,其实真正的问题不是缺插件,而是 MVT 和三维引擎中间缺了一个转换角色。

1.4 MVT 不是 3D Tiles,别把两者画等号

经常有人问:“Cesium 支持 3D Tiles,那 MVT 是不是就是它的二维版?”不是。3D Tiles 是三维场景传输格式,组织方式是 tileset.json 索引树,内容节点是 b3dm、pnts、glTF 等,主要用于加载城市级三维模型、点云、倾斜摄影,天然具备 LOD 和空间索引。MVT 是二维地图瓦片,内容只有平面几何和属性,没有高程、纹理、模型这些概念。

所以“把 MVT 直接塞进 Cesium3DTileset”在技术上不成立,必须先做转换,或者另走渲染通道。记住这个前提,下面的几条路线就都好理解了:要么把 MVT 变成 3D Tiles,要么把 MVT 变成 GeoJSON 进 DataSource,要么干脆在三维窗口边上或上面叠一个专门的二维矢量渲染引擎。

2. Cesium 加载 MVT 的路线全景:为什么不能直接打开

2.1 看 Cesium 的“嘴”到底能吃什么

Cesium 作为三维地球引擎,接受数据的通道其实分三类:ImageryProvider 系,吃栅格图片,比如 ArcGIS 影像、WMTS、单张图片;DataSource 系,吃 GeoJSON、KML、CZML 这类结构化地理数据;Cesium3DTileset,吃 tileset.json,里面是三维瓦片树。MVT 这三种都不是。它既不是图片,也不是纯文本风格的 GeoJSON,更不是 tileset 树。所以任何“给个 URL 就能加载”的幻想都可以放下了。

有人会问:“Cesium 不是可以加载 GeoJSON 吗?我把 MVT 转成 GeoJSON 总行吧?”行,这就是路线二的基本思路。但“转”发生在哪里、谁来转、性能能不能扛,是完全不同的问题。如果发生在浏览器端,每个瓦片都要实时解码;如果发生在服务端,就要搭一条预处理管道。不同位置的取舍在后面会详细说。

2.2 三条主路线的横向对比

我在实际项目里真正用过的、值得推荐的其实是三条半路线:

路线 核心思路 交互能力 数据量天花板 实时性 开发量 最合适场景
路线一 MVT 预处理转 3D Tiles,再用 Cesium3DTileset 加载 可拾取属性,样式受 Cesium 限制 极高,百万级要素没问题 差,源数据变更需要重新转换 中 大规模路网、建筑、固定业务底图
路线二 浏览器端解码 MVT 成 GeoJSON,再进 GeoJSONDataSource 强,Entity 可绑定任意自定义属性 低,建议控制在数万要素以内 好,瓦片请求即拿即用 低 小范围原型、要素量少的业务图层
路线三 MapLibre GL 渲染 MVT,再与 Cesium 做视角同步 最强,完整的 MapLibre 样式和交互 中高,取决于 MapLibre 渲染能力 好 高,需要处理双视图同步 想要精细二维矢量效果、又不放弃三维场景

另有一条“半路线”:用 GeoServer 发布 MVT 服务,前端还是按照路线二去解码。它本质上没有改变 Cesium 的接入方式,只是把数据源从静态 mbtiles 换成了标准 OGC API。如果你公司已经有 GeoServer 环境,这条路值得优先尝试,省掉自己搭切片工具链的功夫。

2.3 动手前先回答三个问题

问自己,你的数据量级是多少?几千个要素,老老实实走路线二;几十万上百万,别再纠结前端解码,赶紧切到路线一。你的数据多久更新一次?每天更新的业务数据,预处理转 3D Tiles 会把你折腾到怀疑人生,不如用 GeoServer 加前端解码,或者 MapLibre 同步。你对样式的控制欲有多强?Cesium 的 3D Tiles 样式可以做到按属性变色,但跟 MapLibre 的 style 规范比起来,精细度和表达能力都有限。想实现道路按等级渐变、虚线、避让、碰撞检测,MapLibre 是最舒服的。

把这三个问题想明白,比直接抄代码重要得多。我见过太多团队,一上来就找“Cesium 加载 MVT 插件”,结果装上之后发现性能根本扛不住真实数据量,最后推翻重做。

3. 路线一:MVT 转 3D Tiles,离线流程最稳的做法

3.1 用 tippecanoe 把源数据切成 MVT

如果源数据是 GeoJSON 或 Shapefile,第一步是切成标准的 MVT。工具我首选 tippecanoe,它是 Mapbox 官方出的切片器,处理几十万要素也不慌。macOS 上可以 brew install tippecanoe,Ubuntu 可以直接 apt install tippecanoe。我常用的一条命令是这样:

BASH
tippecanoe -e output_mvt \
-zg \
--drop-densest-as-needed \
--maximum-tile-features=200000 \
--buffer=20 \
-f \
roads.geojson

参数逐个解释:-e output_mvt 直接输出 z/x/y.mvt 的标准瓦片目录,而不是 mbtiles 单文件,后面转换 3D Tiles 时遍历文件更舒服;-zg 让 tippecanoe 根据数据密集程度自动决定最大 zoom,不用自己拍脑袋;--drop-densest-as-needed 在某个瓦片要素超过上限时,优先丢弃最密集区域的要素,保证关键要素不丢;--maximum-tile-features=200000 限制单瓦片要素上限,防止极端情况下瓦片体积失控;--buffer=20 把裁剪缓冲区设为 20 像素。这个参数直接关系到后面要讲的接缝问题。

有个细节必须提醒:切片前先做属性清洗。tippecanoe 只认它认识的字段类型,属性键里如果带空格、中划线或者嵌套对象,切片时要么报错要么静默丢弃。我在生产环境里会先跑一段 Python 把 GeoJSON 的属性统一成下划线命名、全部打平成标量,再进 tippecanoe,省得后面排错。

3.2 从 MVT 到 3D Tiles 的两种玩法

MVT 已经躺在目录里了,接下来怎么变成 Cesium 认的 3D Tiles?最简单粗暴的玩法是上传到 Cesium ion。在 ion 里新建数据集,上传 GeoJSON,它会自动转出 3D Tiles 并托管。适合有账号、数据不涉密、懒得自己搭转换链路的团队。需要注意的是,ion 对单个文件的大小和字段类型有限制,超大 GeoJSON 需要先切片再合并,或者直接喂 mbtiles。

离线玩法相对复杂一些。目前并没有一个开箱即用、完美支持“任意 MVT 转 3D Tiles”的万能工具,真实项目里通常是自己写一段数据转换脚本:遍历瓦片目录,用 pbf 加 @mapbox/vector-tile 解码,按要素类型生成 glTF 几何,打包成 b3dm,最后写出 tileset.json。这个过程的工作量主要在几何构建和 LOD 组织上。如果只是想要一个“能看”的 2.5D 效果,也可以直接把要素的地图坐标投影到平面,按固定高度挤出模型。

提示:时间紧、数据量又不大的话,不要一上来就搞离线转换。先把 GeoJSON 上传 ion 验证效果,确认视觉符合预期,再考虑内网环境自建转换链路。我见过有人花两周搭离线工具,最后发现产品根本没想好要画成什么样,纯属白忙活。

3.3 Cesium 端加载 3D Tiles 与样式

拿到 tileset.json 之后,Cesium 侧的代码反而很简单:

JAVASCRIPT
const tileset = viewer.scene.primitives.add(
new Cesium.Cesium3DTileset({
url: '/data/roads/tileset.json'
})
);
viewer.zoomTo(tileset);

样式控制用 Cesium3DTileStyle。要注意 properties.class 里的字段名必须和 MVT 属性键完全一致,而 Cesium 3D Tiles 的样式协议是它自己的一套 JSON 语法,属性名必须写在 properties. 后面。有的源数据属性键里带了空格或者中划线,切片前没有清洗的话,这里写起来会非常痛苦,甚至整个样式直接失效。clay 一个简单的按属性变色逻辑:

JAVASCRIPT
tileset.style = new Cesium.Cesium3DTileStyle({
color: {
conditions: [
["${properties.class} === 'highway'", "color('#e6550d')"],
["true", "color('#756bb1')"]
]
}
});

3.4 实测数据与体会

我给某规划项目做过一个市级路网,原始 GeoJSON 大约 300MB,主要包含道路、小区边界、兴趣点三类图层。用 -zg 自动识别到 15 级,切片后目录总大小约 180MB。离线脚本把道路转成带高度的线模型,兴趣点转成小立方体,最终 3D Tiles 约 220MB。Cesium 加载后整体帧数稳定在 60fps,拾取单条道路的属性响应在十几毫秒级。

这个方案最让我满意的地方是“一次转换、处处高效”。3D Tiles 天然带空间索引,视口外的瓦片根本不会加载,所以 Cesium 的压力从“解析全量数据”降到了“只渲染当前视角”。缺点是迭代确实慢,样式、高度、抽稀策略改一处,就得重新跑一遍转换脚本。所以我通常把转换脚本参数化,高度、颜色、最小显示 zoom 都做成命令行参数,省得天天改代码。

4. 路线二:前端直接解码 MVT,以 GeoJSON 身份进入 Cesium

4.1 浏览器端的解码链路

如果数据量不大、又希望保持实时更新,最轻量的方案是在浏览器端把 MVT 解码成 GeoJSON,再交给 Cesium 的 GeoJSONDataSource。核心依赖是 @mapbox/vector-tile 和 pbf 这两个 npm 包。一段典型的解码代码:

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Pbf from 'pbf';
 
async function loadMvtToGeoJSON(url, z, x, y) {
const res = await fetch(url);
const buf = await res.arrayBuffer();
const tile = new VectorTile(new Pbf(buf));
const features = [];
for (const layerName in tile.layers) {
const layer = tile.layers[layerName];
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
// 关键:必须把 z/x/y 传进去,否则坐标还原不对
features.push(feature.toGeoJSON(x, y, z));
}
}
return {
type: 'FeatureCollection',
features
};
}

feature.toGeoJSON(x, y, z) 会把瓦片内的局部网格坐标换算成经纬度。这一步千万不要只写 toGeoJSON(),有些版本的库如果不传参数会默认用(0, 0, 0),出来的坐标会完全错位。我自己踩过这个坑,查了半天才发现是这个调用姿势的问题。

4.2 进入 Cesium 的加载方式

拿到 GeoJSON 后,加载也非常直白,直接用 GeoJSONDataSource.load 一把梭即可。需要注意 stroke、fill、strokeWidth 这些是全局样式参数,如果想让不同要素按属性区分颜色,加载后还要遍历 dataSource.entities 逐个设置,或者干脆在解码阶段根据属性生成一个 color 字段,进入 Cesium 后按颜色直接映射:

JAVASCRIPT
const dataSource = await Cesium.GeoJSONDataSource.load(geojson, {
stroke: Cesium.Color.WHITE,
fill: Cesium.Color.fromCssColorString('#2c7fb8').withAlpha(0.6),
strokeWidth: 2
});
viewer.dataSources.add(dataSource);

这里有个常见的性能坑:如果你把每个瓦片都 new 一个 GeoJSONDataSource,页面上的 DataSource 数量会随着瓦片增长而爆炸。正确做法是维护一个空 DataSource,把每次解码得到的要素 add 进去;或者更简单,只保留当前视口范围内的瓦片 DataSource,一旦偏离视口就移除并释放资源。否则用不了多久,Cesium 的 Entity 列表就会膨胀到拖垮整个场景。

4.3 性能天花板在哪里

这个方案的瓶颈不在网络,也不在解码,而在 Cesium 的 Entity 体系。Cesium 把每个 GeoJSON 要素都转成一个 Entity,几万 Entity 还能跑,几十万 Entity 直接把相机操作拖成一帧一帧的幻灯片。我自己的经验阈值是,屏幕上同时存活的要素别超过 3 万到 5 万,这个数字和机器 GPU 有关,但大差不差。一个视口内,常见路网图层到 13、14 级,同时显示几十个瓦片,每个瓦片少则几百、多则几千个要素,轻轻松松突破 10 万。所以这条路线只适合小范围、少要素、强交互的场景,比如工业园区的设备点位、某一栋楼的分区数据、应急指挥里的临时标注。要素一多,请回路线一。

4.4 优化手段:按需加载与抽稀

如果确实要在浏览器端解码又不想这么快撞墙,可以这样优化:只发起视口内的瓦片请求,并且剔除掉屏幕外或者当前 zoom 不需要显示的图层;解码后做一次简化,比如线要素用 simplify-js 抽掉过于密集的点,面要素剔除面积小于阈值的部分。还有一招是把解码任务塞进 Web Worker,避免阻塞主线程。尤其是要素量大的瓦片,看着只有几十KB,解出来能在内存里铺开几千个对象。

我自己的经验是,先把 camera controller 的惯性调小,让操作最跟手,再做解码异步化,不然 UI 卡顿会非常明显。路线二看起来代码少,真正想做到“能用”,优化工作一点不比路线一少。如果团队里有人问“不是有现成库吗,怎么还要写这么多”,那就说明数据量已经到了不该用这条路线的规模了。

5. 路线三:MapLibre 渲染 MVT,Cesium 同步视角

5.1 为什么要把渲染“外包”出去

MapLibre GL JS 对 MVT 的支持是原生的,样式规范成熟到几乎无所不能:渐变线、文字避让、碰撞检测、基于 zoom 的表达式,一套 style JSON 写完就能生效。Cesium 在三维场景上很强,但二维矢量渲染不是它的主场。所以一个非常务实的思路是:让 MapLibre 负责画 MVT,让 Cesium 负责三维地球,两个 View 之间做视角同步。这在“三维地形上叠加精细二维路网或标注”的项目里非常常见,尤其是那种既要倾斜模型、又要道路实时样式、还要点位避让的场景。

5.2 视角同步的核心逻辑

最简单的实现是上下或者左右分屏,两个地图分别响应,用户拖拽一边另一边跟着动。要做叠加效果,则要把 MapLibre 放在 Cesium 容器上方,Cesium 背景设为透明,但交互事件会打架,我一般宁可分屏也不叠在一起。

视角同步的关键是坐标系互转。MapLibre 定位用的是 EPSG:3857 墨卡托坐标下的经纬度,而 Cesium 的 Camera 用的是 ECEF 三维坐标。同步 MapLibre 到 Cesium 时,核心思路大致是这样:

JAVASCRIPT
function syncCameraFromMapLibre(maplibreMap, cesiumViewer) {
const center = maplibreMap.getCenter();
const zoom = maplibreMap.getZoom();
const bearing = maplibreMap.getBearing();
const pitch = maplibreMap.getPitch();
 
// 用经纬度和 zoom 估算 Cesium 相机位置
const dest = Cesium.Cartesian3.fromDegrees(center.lng, center.lat, heightFromZoom(zoom));
cesiumViewer.camera.setView({
destination: dest,
orientation: {
heading: Cesium.Math.toRadians(bearing),
pitch: Cesium.Math.toRadians(pitch),
roll: 0
}
});
}

反过来 Cesium 到 MapLibre 时,先从 camera 里读出经纬度和高度,再换算 MapLibre 的 zoom 级别。这里 heightFromZoom 会用到墨卡托的 zoom 与高度之间的对数换算公式,网上能搜到现成函数,但一定要用自己的数据实测,因为比例因子在各地图库之间有小差异。如果不想写这套换算,也可以找现成的地图同步插件,但一旦出现视角偏移,排查成本会更高。

5.3 优势与代价

这套方案最大优势是样式能力直接拉满。道路拥堵分色、文字避让、符号旋转这些业务需求,用 MapLibre 写样式半小时搞定;如果硬要 Cesium 的 3D Tiles 样式去模拟,可能要折腾好几天。另外,MapLibre 可以实时请求 MVT 服务,不用像路线一那样每次改数据都重新转换。代价也很明显:两个 WebGL 渲染器都在工作,GPU 内存和帧率压力翻倍;交互层要自己处理双视图的事件同步,边界情况非常多。

实际中我踩过一个典型的坑:Cesium camera pitch 超过某个角度后,MapLibre 视角同步出来画面会翻转。后来只能在同步函数里做角度限制,让 pitch 控制在一定范围内。这说明同步逻辑不是简单的互相 setView 就完事,需要处理角度循环、缩放极值等一系列边界情况。如果只追求静态视觉,没必要上这套组合。

5.4 什么时候该选这条路线

如果你的需求是“在三维地形里看二维 MVT 图层”,并且要求样式丰富、交互流畅,那这几乎是唯一解。如果你只是想要一个静态可看的 MVT 效果,又不想维护两个视图,那老实走路线一转成 3D Tiles 更省心。路线三适合那种有专人长期维护的前端项目,不适合一次性交付的临时 demo。团队里至少得有一个人能同时看懂 Cesium 相机模型和 MapLibre 坐标系,否则同步问题会消耗大量时间。

6. 实战排雷:坐标、接缝、属性、性能一个都别放过

6.1 EPSG:3857 与 4326:坐标基准混乱是最大坑

MVT 的内部坐标网格本身没有地理坐标含义,解码工具负责把它翻译成 WGS84 经纬度。但如果你的源数据是 EPSG:3857 墨卡托投影,比如很多从 GeoServer 导出的数据、某些 OSM 工具产物,直接丢给 tippecanoe 切出来的 MVT,在 Cesium 里会偏移得相当离谱。我踩过一次:明明是某市区的道路,解码后全部跑到海上去了。解决办法是切片前统一坐标系,把源数据重投影到 EPSG:4326 再交给 tippecanoe。

如果你用 QGIS 做预处理,导出 GeoJSON 时直接选 WGS84;如果你用 ogr2ogr,命令也很简单:ogr2ogr -t_srs EPSG:4326 output.geojson input.shp。还有一个细节:feature.toGeoJSON(x, y, z) 的返回值是 WGS84 经纬度,但某些工具生成的 GeoJSON 会自动带 crs 字段,Cesium 的 GeoJSONDataSource 对 crs 的处理并不总是友好,送入前最好删掉或者标准化。

6.2 接缝问题:Buffer 是帮手也是隐患

MVT 在切片时会按规范裁剪几何。为了让相邻瓦片之间的粗线、大图标不至于在边界硬生生断裂,tippecanoe 默认会保留一个 Buffer,默认 5 像素,我习惯切到 20。这个 Buffer 区域里的几何会超出瓦片边界,前端渲染时把超界部分画出来,就能和邻瓦重叠,视觉上不容易看出接缝。但在 Cesium 这种三维场景里,Buffer 反而可能变成重复绘制的来源:同一个要素跨四个瓦片,每个瓦片都带一份超界副本,解码后就会出现多个重复要素。

解决思路有两个:一是用解码参数或后处理把超出瓦片范围的坐标裁剪掉,只保留本瓦片内的部分;二是在数据转换时按要素 ID 去重。具体用哪种,取决于你走路线二还是路线一。如果只是 MapLibre 渲染,不裁也行,MapLibre 自己处理得挺好。

6.3 MVT 属性的类型限制:嵌套 JSON 直接丢

MVT 的属性存储比 GeoJSON 寒酸得多:键必须是字符串,值只支持 string、float、double、int、uint、bool 等标量,不支持嵌套对象和数组。很多从业务数据库直接导出的 GeoJSON 里,properties 下面套着对象,比如 { "tags": { "name": "xx", "level": 2 } },进 MVT 时那层嵌套会被直接扔掉,或者变成字符串化后的 [object Object]。最好的做法是在切片前把属性做一次“拍平”,把 tags.name 提成 name,把 tags.level 提成 level,不要寄希望于切完再补救。

另外,MVT 里 int64 类型的大 ID,比如 16 位 ID、雪花 ID,在 JavaScript 里会丢精度。如果业务上需要精确 ID,建议在源数据里就转成字符串字段再进 MVT。这个坑隐蔽到你可能上线一周都没发现,直到用户点开某个要素详情,发现 ID 最后两位变成 0。

6.4 性能问题:看着几十KB,解出来能吓死人

MVT 体积小不代表要素少。一个 40KB 的瓦片,解出来可能包含两万个点要素。在路线二里,这会让 Cesium 直接卡爆;在路线三里,MapLibre 可能还能扛,但也需要开碰撞检测和 LOD。我建议在流程里固定打一个日志,记录每个瓦片的要素数量、解码耗时、渲染耗时。别用猜的,数字不会骗人。对于 Cesium3DTileset,性能通常不是问题,但注意别在 style 里写过于复杂的条件表达式,每帧都要对所有可见瓦片重新求值。

还有一个实用小技巧:把 tileset.minimumScreenSpaceError 调大一点,让 LOD 更激进,远处瓦片提前简化,帧率立刻上来了。对三维场景里的矢量要素,精度远没有流畅度重要,尤其当你旋转视角的时候,突然掉到 30fps 以下,用户第一反应是“系统卡”,而不会去夸你数据画得精细。

6.5 一个小组合拳:测试期先走 GeoJSON

最后给一个省时间的建议:在项目刚开始、数据量还不确定的时候,别急着搭 MVT 转换链路。先用 Cesium 直接加载原始 GeoJSON 跑通业务逻辑,验证样式方案和交互流程。等确认要做大数据量支撑了,再上 tippecanoe 加 3D Tiles,或者 MapLibre。我见过太多项目,一上来就切 MVT,结果产品需求改了三次,每次都要重新跑切片和转换,浪费在工具上的时间比功能本身还多。数据规模是动态的,技术方案也得留出退路。

回到“cesium加载mvt格式”这个话题本身,我最想表达的一点是:Cesium 并不需要“加载 MVT”,它需要的是从 MVT 里提取出来的内容。你只要想清楚自己要的是极速性能、丰富交互,还是实时更新,上面三条路线足够覆盖绝大多数场景。真要说个人体会,我反而建议多数团队先做路线二的小规模验证,再用路线一或路线三承接规模化需求。数据量、更新频率、样式复杂度,这三者决定了你会不会在某个深夜对着空白瓦片发呆。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
编译原理考试大题分析【太原理工大学】
看完本篇大题拿 85% 的分应该没问题,TYUT 太原理工大学编译原理期末考试。
栈老师不回家