无人机航测内业处理（iTwin Capture Modeler）

优质文章学习记录

— 7 min read
无人机航测内业处理（iTwin Capture Modeler）

iTwin Capture Modeler 内业处理

1、概述

本文以iTwin Capture Modeler（旧名称为Context Capture或Smart3D）软件为例介绍航测建模、土方算量、三维模型在线发布分享等内业处理。
本机所使用笔记本电脑主要配置：
CPU：intel Core Ultra 9 275HX
显卡：NVIDIA GeForce RTX 5070 Ti Laptop GPU 12GB
内存：32GB
注意：内存大小决定是否可以成功建模，内存不足建模失败（不会提示失败原因），推荐16GB以上；硬盘剩余容量建议为建模图片大小的2~3倍，否则会因为容量不足建模失败。

2、内业数据处理

2.1新建工程

打开两个软件，第一个为引擎，建模必须打开，第二个为主程序，第三个为模型浏览查看程序

在这里插入图片描述

开始计算空三或者建模时，主程序进度条卡在某一数值时，检查引擎界面是否有任务在执行，若无可按回车键解决，或者重新打开引擎

在这里插入图片描述


新建工程，保存路径不能有中文

在这里插入图片描述

2.2新建区块

新建区块（也可使用Metashape计算好的空三导入，Metashape空三计算速度更快，但建模质量较低，只生产正射影像可使用Metashape）

在这里插入图片描述

2.3导入影像

导入影像，可选择图片或者文件夹

在这里插入图片描述

2.4第一次空三

提交第一次空三计算，无需设置参数，第一次空三目的是为了对齐影像，建立连接点

在这里插入图片描述


在这里插入图片描述


空三完成后查看空三质量报告，主要看位置不确定性数值，越小越好，看自己需求需要几公分的

在这里插入图片描述


在这里插入图片描述

2.5刺点

点开测量，选择导入自定义文本格式，或者也可以手动添加坐标点

在这里插入图片描述


选择像控点文件，一般为手簿导出的dat格式文件或者txt等

在这里插入图片描述


根据自己坐标文件的格式内容，选择是否忽略头行等，大多数坐标文件分隔符为英文逗号","，根据自己的文件内容格式选择

在这里插入图片描述


本工程采用的是北京54坐标系，1.5°分带，中央子午线为109.5°，需要自定义坐标系

在这里插入图片描述


自定义坐标系，点击编辑，选择坐标系prj文件

在这里插入图片描述

关于如何自定义参考坐标系文件：本工程坐标系中央子午线为109.5°，可以在空间参考系统数据库中找到与本项目中央子午线最接近的坐标系，右键导出，然后在记事本中打开，将其中的中央子午线修改为109.5°即可

在这里插入图片描述


设置点名及xyz，若导入后在三维视图里面没有显示像控点位置则可能为xy坐标搞反了，重新导入像控点文件即可

在这里插入图片描述


刺点：刺点是为了约束平面和高程位置与提高精度，本工程采用当地理论最低潮面为高程0m点，属于地方高程系统，必须刺点；
刺点优先选择标记清晰，位于图片中央的点

在这里插入图片描述

2.6第二次空三

刺点完成后，再次提交空三运算，空三参数默认即可
空三完成后查看质量报告，重投影误差控制在1个像素内，若该点误差过大可能为刺点出现问题，或者也可以删除该点

在这里插入图片描述

2.7三维重建

选择新建重建框架-三维重建

在这里插入图片描述


空间框架中选择要建模的范围，先选择坐标系，如果建模范围为规则矩形可选择框否则使用新建多边形；有具体的范围也可以导入kml文件；切块大小根据自己电脑内存的大小选择，确保内存使用量不大于本机内存的80%

在这里插入图片描述


选择生产OSGB文件

在这里插入图片描述


坐标系选择自己所需坐标系

在这里插入图片描述


等待生产完成，得到一个xml文件和Date文件夹

在这里插入图片描述


生产完成后删除过程文件，释放磁盘空间

在这里插入图片描述


OSGB模型可使用倾斜伴侣查看http://www.osgblab.com/

3、建模精度检查

模型精度检查可采用倾斜伴侣检查，
选择精度检查，浏览控制点文件，选中控制点，在模型上点击标记，最终得到模型精度

在这里插入图片描述

4、提取高程点

4.1Cass中加载模型

选择3D图标，找到模型所在路径，选择后缀为XML的文件，双击打开

在这里插入图片描述

4.2提取高程点

使用闭合范围提取高程点，先绘制要提取高程点的范围线（使用多段线绘制），采点间距按需求选择（本文为10m）

在这里插入图片描述


在这里插入图片描述

4.3土方算量

利用Cass工程应用计算土方

5、模型分享

倾斜摄影模型在线查看分享可使用中交项目管理系统-CBIM协同实现，可创建场景，叠加卫星影像、BIM模型等信息

在这里插入图片描述


在这里插入图片描述

也可通过四维轻云、BIMFACE等在线网页分享查看模型

Read more

Neo4j 知识讲解与在线工具使用教程

图数据库领域的核心工具 ——Neo4j，同时详细拆解其在线预览控制台（https://console-preview.neo4j.io/）的使用方法，以及查询工具（https://console-preview.neo4j.io/tools/query）的模块功能。 一、Neo4j 核心知识铺垫 在使用工具前，我们需要先理解 Neo4j 的本质和核心概念，这是后续操作的基础。 1. 什么是 Neo4j？ Neo4j 是世界上最流行的原生图数据库（Native Graph Database），专门用于存储、查询和分析 “实体之间的关联关系”。它与我们熟悉的 MySQL 等关系型数据库的核心差异的是： * 关系型数据库（MySQL）：用 “表 + 行 + 外键” 间接表示关联，查询多表关联时需频繁 JOIN，效率低； * 图数据库（Neo4j）
【FPGA DDR3 深入理解】之核心篇：Training Process——内存稳定性的灵魂仪式

【FPGA DDR3 深入理解】之核心篇：Training Process——内存稳定性的灵魂仪式

【FPGA DDR3 深入理解】之核心篇：Training Process——内存稳定性的灵魂仪式 引言：为什么需要“训练”？ 在FPGA项目中使用DDR3时，很多工程师都有过这样的经历：MIG IP核配置无误，代码仿真完美，但一上板，init_calib_complete 信号却迟迟无法拉高，或者运行时出现随机数据错误。其根源，很大概率在于 DDR3的Training Process（训练过程） 未能成功。 你可以将DDR3想象成一位世界级的田径运动员，而FPGA是他的教练。运动员潜力无限，但若想与教练完美配合，他们必须进行长期的 协同训练 ，以找到最佳的起跑时机、步频和节奏。DDR3训练就是FPGA控制器与DDR3颗粒之间，在上电后自动执行的一套精密“协同训练”流程，目的是 补偿PCB板上的信号传输延迟差异，确保数据被正确采样 。 本文将深入剖析Xilinx FPGA MIG IP核中的DDR3训练过程，带你理解这一确保高速存储稳定性的“灵魂仪式”。 一、 问题的根源：
【花雕学编程】Arduino BLDC 驱动方案 —— MimiClaw（迷你小龙虾）+ ESP32 嵌入式组合机器人

【花雕学编程】Arduino BLDC 驱动方案 —— MimiClaw（迷你小龙虾）+ ESP32 嵌入式组合机器人

这是一套面向无刷电机（BLDC）、高度集成、可快速开发、支持本地智能的机器人开发组合。它将 ESP32 高性能主控 + MimiClaw 智能控制框架 + Arduino 生态易用性 + BLDC 无刷电机驱动 融为一体，是目前创客、实验室、竞赛、小型机器人领域最实用、最稳定、性价比极高的嵌入式机器人方案。 一、核心定义（专业版一句话解释） MimiClaw（迷你小龙虾）+ ESP32是一套基于 Arduino 开发环境、面向 BLDC 无刷电机控制、支持本地智能决策的嵌入式机器人控制系统。它以 ESP32 为硬件核心，以 MimiClaw 为控制大脑，实现无刷电机驱动、传感器融合、自主决策、无线通信、多关节机器人控制一体化。 简单说：ESP32 = 身体与算力MimiClaw = 思考与逻辑BLDC 无刷驱动 = 动力系统Arduino
基于知识图谱的电影推荐问答系统 | Python Django Neo4j MEcharts 大数据 人工智能 deepseek 毕业设计源码

基于知识图谱的电影推荐问答系统 | Python Django Neo4j MEcharts 大数据 人工智能 deepseek 毕业设计源码

博主介绍：✌全网粉丝50W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战8年之久，选择我们就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅 点击查看作者主页，了解更多项目！ 🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅 1、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅ 2、大数据毕业设计：2026年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅ 1、项目介绍 技术栈 以Python为核心开发语言，基于Django框架搭建系统架构，搭配Neo4j图形数据库、MySQL数据库存储数据，整合Echarts可视化工具、协同过滤推荐算法，结合HTML完成前端页面的搭建。 功能模块 * 电影知识图谱管理 * 电影问答交互 * 电影列表展示 * 个人信息查看 * 电影详情展示 * 用户注册登录 * 后台电影数据管理 项目介绍