模模搭古城搭建学习笔记1:地面、围墙篇

本文介绍了使用CampusBuilder(模模搭)搭建数字孪生可视化古城的过程,包括创建地面、选择地面样式、建造围墙、设计水系和添加绿化。通过简单易用的工具,普通人也能快速上手,打造身临其境的古城场景。

偶然间看到这座还原度极高,使人身临其境的古城,心向往之,了解发现这竟不是某个游戏中的游戏场景,而是搭建出来的数字孪生可视化场景。
在这里插入图片描述

这座古城是使用CampusBuilder搭建出来的,**CampusBuilder (也叫“模模搭”)**是面向普通人设计的数字孪生可视化搭建工具,不像市面上很多3D搭建工具上手需要很久,CampusBuilder非常简单易用,普通人五分钟即可上手搭建。下面我将分享我使用CampusBuilder去搭建还原一座古城的数字孪生可视化场景过程。

首先先下载CampusBuilder工具(https://www.thingjs.com/guide/campus/),双击启动并且登录后,我们会进入页面。新用户的场景是空的,点击新建场景或者也可以浏览场景集市购买场景。

经过学习,我了解到使用CampusBuilder搭建数字孪生可视化场景,需要和现实世界建设一个建筑或园区有大致相同的逻辑,同样要从地面到地上逐层搭建。

开始搭建数字孪生可视化场景的第一步当然是先建造地面和围墙~

1、创建地面

第一步创建地面,古城占地面积大需要建造一个大一点的地面。点击室外—圈地,鼠标左键拖动创建无框地面:也可以选择合适的围墙样式创建,同时按住Shift可画直线。创建地面按空格切换2/3D 比较便于操作。

在这里插入图片描述

2、 地面样式

空地面创建完

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值