惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

aimingoo的专栏
aimingoo的专栏
WordPress大学
WordPress大学
阮一峰的网络日志
阮一峰的网络日志
博客园 - 司徒正美
月光博客
月光博客
宝玉的分享
宝玉的分享
Recent Announcements
Recent Announcements
小众软件
小众软件
H
Hackread – Cybersecurity News, Data Breaches, AI and More
美团技术团队
博客园 - 三生石上(FineUI控件)
A
About on SuperTechFans
J
Java Code Geeks
云风的 BLOG
云风的 BLOG
罗磊的独立博客
大猫的无限游戏
大猫的无限游戏
IT之家
IT之家
Vercel News
Vercel News
量子位
Martin Fowler
Martin Fowler
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
Visual Studio Blog
腾讯CDC
有赞技术团队
有赞技术团队

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
产品经理必读的三维可视化大屏搭建流程
思睿 · 2024-06-06 · via 人人都是产品经理

如何从零开发一个三维可视化大屏,作为产品经理需要知道哪些技术盲点?

此文从数据采集、数据处理、数据应用三个方面对三维可视化大屏开发流程梳理,帮助0-3岁的产品经理更好理解三维可视化大屏搭建。

一、数据采集

数据采集是三维可视化大屏的基础,它决定了最终展示的精度和细节程度。在三维可视化项目中,数据采集通常包括以下几个方面:

1. 地理空间数据

这部分包括地形、建筑物、道路等的高程数据、位置坐标数据、卫星图像、航空照片等。

【坐标数据的获取】

在地图中我们看到的点位,如楼房位置、园区位置、站点等本质是获取该点的经纬度坐标,放到地图上。坐标数据由客户提供、设备采集、坐标拾取工具、逆地理编码等。

【高程数据的获取】

  • 使用在线地图服务:有许多在线地图服务(百度地图、高德地图)提供高程数据。在这些服务上找到高程信息或下载高程数据,这些数据是以栅格形式提供的,可以通过API或下载方式获取。
  • 使用地理信息系统(GIS)软件:GIS软件如ArcGIS、QGIS等可以加载地图数据,也会提供工具来获取高程点数据。

2. 三维建模数据

三维建模数据的主要数据是点云数据,点云数据可以理解为很多密集的点。

建模数据的采集方法有倾斜摄影测量、激光雷达扫描、无人机航拍等。

1)激光扫描

激光扫描获取的是点云数据

【采集原理】

通过结构光或者激光测距,通过扫描目标物体表面,接收器接收反射回来的激光点云数据,获取表面的三维点云数据。

【主要用途】

激光扫描可以获得准确的物体表面几何信息,可以应用于建筑物、文物保护、汽车制造等领域。

【采集设备】

手持式、地面式、机载式、水下式、全景式、移动式。

2)倾斜摄影

倾斜摄影获取的是影像数据。

倾斜摄影设备包括航空器和倾斜相机两部分,可以将其理解成无人机航测拍照的过程。

【采集原理】

一台无人机上搭载着五镜头相机,同时从1个垂直、4个倾斜等角度采集物体的大量高清图片;

通过倾斜摄影软件(Smart3D、PhotoScan等)转换为点云数据

【优势】

由于相机角度丰富,所以可以获取丰富的地物纹理信息、高效自动化的三维模型生产、高真实度的三维空间场景。

【弊端】

倾斜摄影技术采用可见光进行测量,对天气要求较高,对密集植被下的地形、一些细小物体的建模能力存在不足。

【适用场景】

倾斜摄影可以获取具有真实纹理的三维数据,适合做大范围三维建模、一些对精度要求稍低的三维工程测量应用。

3. 实时或历史数据

比如交通流量、空气质量、温度、湿度、设备状态等动态信息。

这些数据主要取决于实际业务数据,一般为业务中客户关注的关键指标。

呈现方式主要为图表、数据等。

相关图表展示工具可以参考echart或highchart。

4. 属性数据

与建模物体相关的附加信息,如建筑的名称、用途、所有权等基础信息。

呈现方式主要为弹窗、浮窗等文字信息。

二、数据处理

数据处理阶段是将采集来的原始数据转化为可用于三维可视化的格式。

我们在前期采集了很多地理数据、点云数据、业务数据,数据处理的过程就是将这些数据结合集成在一起。

在对数据预处理之后,需要先使用点云数据建设三维模型,再将三维模型与地理系统坐标、高程融合,最后整合相关实时数据、历史数据等。

1. 数据预处理

在前端采集中获取的点云数据清理和验证数据,消除噪声,纠正错误。

2. 三维模型

三维建模的过程可以理解为一个正方体由点——线——面的过程:点云数据——网格数据——三维网格模型。

假设三维建模的物体是一个正方体。

  • 点云生成:将图片影像数据转换为点云数据,即一堆点聚集成一个类似正方体
  • 点云优化:去除冗余点,减少噪音,生成的点云连线后是坑坑洼洼的,需要人工修平;
  • 网格构建:点云数据栅格化,构建三角网格,这是三维模型的基本形式,即点连线成为一个正方体形状;
  • 纹理映射:将图片影像映射到三维模型上,即正方体面上增加真实的画面;
  • 模型细化:对模型进行细节调整,如添加缺失的特征或修正误差;
  • 数据格式转换:将模型转换为适用于特定软件或硬件平台的格式;

3. 数据整合

将不同来源的数据合并到统一的三维空间坐标系中。

这个过程可以理解为在建好的三维模型中,整合坐标数据、高程数据、空气质量、温度、湿度、设备状态、植被等等,让模型更加贴近动态的现实场景。

三、数据应用

数据应用阶段涉及将处理后的数据呈现在三维可视化大屏上,让用户能够从中获取有价值的信息。这包括:

1)界面设计与交互

设计用户界面,提供交互功能,如缩放、旋转、平移和筛选数据。

2)实时数据集成

将实时数据流与三维模型相结合,提供动态更新的视图。

3)分析与可视化

开发工具帮助用户分析数据,如热力图、趋势线、统计图表等。

Echart图表:

https://echarts.apache.org/zh/index.html

Highchart图表:

https://highcharts.com.cn/products/

4)其他功能

根据用户需求开发特定功能,如路径规划、设备监控、环境模拟等。

欢迎指教!

本文由 @思睿 原创发布于人人都是产品经理。未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。