MapLibre GL JS第46课:用Markers添加自定义图标

【AI方案集】AI智能体全自动跨境电商运营系统设计.docx 这套AI技术方案不走“先堆概念再硬套场景”的老路,而是以业务痛点为锚点,把机器视觉识别、预测性分析、大模型知识赋能等能力拆解成轻量化可落地的功能模块,直接嵌入生产运营的关键环节,既能快速落地见效,又能通过持续的数据迭代逐步放大价值,帮企业在不盲目新增硬件投入的前提下,稳步完成智能化升级,实实在在把AI变成能降本、提效、控风险的生产工具。 立即下载

📌 学习目标

  • 掌握用Markers添加自定义图标的实现方法
  • 理解相关API的使用
  • 能够独立完成类似功能开发

⭕️👉课程完整目录⬅️⭕️

🎯 核心概念

使用Markers向地图添加自定义图标。

💻 完 整 代 码

代码示例

const geojson = {
    'type': 'FeatureCollection',
    'features': [
        {
            'type': 'Feature',
            'properties': {
                'message': 'Foo',
                'iconSize': [60, 60]
            },
            'geometry': {
                'type': 'Point',
                'coordinates': [-66.324462890625, -16.024695711685304]
            }
        },
        {
            'type': 'Feature',
            'properties': {
                'message': 'Bar',
                'iconSize': [50, 50]
            },
            'geometry': {
                'type': 'Point',
                'coordinates': [-61.2158203125, -15.97189158092897]
            }
        },
        {
            'type': 'Feature',
            'properties': {
                'message': 'Baz',
                'iconSize': [40, 40]
            },
            'geometry': {
                'type': 'Point',
                'coordinates': [-63.29223632812499, -18.28151823530889]
            }
        }
    ]
};

const map = new maplibregl.Map({
    container: 'map',
    style: 'https://demotiles.maplibre.org/style.json',
    center: [-65.017, -16.457],
    zoom: 5
});

// 向地图添加Markers图标
geojson.features.forEach((marker) => {
    // 创建Markers图标DOM元素
    const el = document.createElement('div');
    el.className = 'marker';
    el.style.backgroundImage =
        `url(https://picsum.photos/${
            marker.properties.iconSize.join('/')
        }/)`;
    el.style.width = `${marker.properties.iconSize[0]}px`;
    el.style.height = `${marker.properties.iconSize[1]}px`;

    el.addEventListener('click', () => {
        window.alert(marker.properties.message);
    });

    // 向地图添加Markers图标
    new maplibregl.Marker({element: el})
        .setLngLat(marker.geometry.coordinates)
        .addTo(map);
});

代码示例

<!DOCTYPE html>
<html lang="en">
<head>
    <title>Add custom icons with Markers</title>
    <meta property="og:description" content="向地图添加自定义标记图标。" />
    <meta property="og:created" content="2025-06-25" />
    <meta charset='utf-8'>
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <link rel='stylesheet' href='https://unpkg.com/maplibre-gl@5.24.0/dist/maplibre-gl.css' />
    <script src='https://unpkg.com/maplibre-gl@5.24.0/dist/maplibre-gl.js'></script>
    <style>
        body { margin: 0; padding: 0; }
        html, body, #map { height: 100%; }
    </style>
</head>
<body>
<style>
    .marker {
        display: block;
        border: none;
        border-radius: 50%;
        cursor: pointer;
        padding: 0;
    }
</style>

<div id="map"></div>

<script>
    const geojson = {
        'type': 'FeatureCollection',
        'features': [
            {
                'type': 'Feature',
                'properties': {
                    'message': 'Foo',
                    'iconSize': [60, 60]
                },
                'geometry': {
                    'type': 'Point',
                    'coordinates': [-66.324462890625, -16.024695711685304]
                }
            },
            {
                'type': 'Feature',
                'properties': {
                    'message': 'Bar',
                    'iconSize': [50, 50]
                },
                'geometry': {
                    'type': 'Point',
                    'coordinates': [-61.2158203125, -15.97189158092897]
                }
            },
            {
                'type': 'Feature',
                'properties': {
                    'message': 'Baz',
                    'iconSize': [40, 40]
                },
                'geometry': {
                    'type': 'Point',
                    'coordinates': [-63.29223632812499, -18.28151823530889]
                }
            }
        ]
    };

    const map = new maplibregl.Map({
        container: 'map',
        style: 'https://demotiles.maplibre.org/style.json',
        center: [-65.017, -16.457],
        zoom: 5
    });

    // 向地图添加标记
    geojson.features.forEach((marker) => {
        // 为标记创建一个DOM元素
        const el = document.createElement('div');
        el.className = 'marker';
        el.style.backgroundImage =
            `url(https://picsum.photos/${
                marker.properties.iconSize.join('/')
            }/)`;
        el.style.width = `${marker.properties.iconSize[0]}px`;
        el.style.height = `${marker.properties.iconSize[1]}px`;

        el.addEventListener('click', () => {
            window.alert(marker.properties.message);
        });

        // 将标记添加到地图
        new maplibregl.Marker({element: el})
            .setLngLat(marker.geometry.coordinates)
            .addTo(map);
    });
</script>
</body>
</html>

🔍 代码解析

初始化地图

使用 new maplibregl.Map() 创建地图实例,配置基本参数。本示例的核心特色是展示如何使用 maplibregl.Marker 添加自定义DOM元素作为地图标记。

关键配置项

  • container: 地图容器的 DOM 元素 ID
  • style: 使用 MapLibre 官方样式 https://demotiles.maplibre.org/style.json
  • center: 地图初始中心点 [-65.017, -16.457](南美洲区域)
  • zoom: 初始缩放级别为 5,显示区域级别视图

创建自定义DOM元素

const el = document.createElement('div');
el.className = 'marker';
el.style.backgroundImage = `url(https://picsum.photos/${marker.properties.iconSize.join('/')}/)`;
el.style.width = `${marker.properties.iconSize[0]}px`;
el.style.height = `${marker.properties.iconSize[1]}px`;

el.addEventListener('click', () => {
    window.alert(marker.properties.message);
});

添加Marker到地图

new maplibregl.Marker({element: el})
    .setLngLat(marker.geometry.coordinates)
    .addTo(map);

Marker CSS样式

.marker {
    display: block;
    border: none;
    border-radius: 50%;
    cursor: pointer;
    padding: 0;
}

⚙️ 参数说明

参数类型必填默认值说明
containerstring是-地图容器元素的 ID
stylestring/object是-地图样式 URL 或内联样式对象
center[number, number]否[0, 0]初始中心点坐标
zoomnumber否0初始缩放级别

Marker 构造参数

参数类型必填说明
elementHTMLElement否自定义 DOM 元素,不提供则使用默认标记
anchorstring否锚点位置,默认 center

Marker 方法

方法说明
setLngLat(lnglat)设置标记位置
addTo(map)将标记添加到地图
remove()从地图移除标记

🎨 效果说明

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

运行代码后,地图上会显示三个圆形图标标记:

  • Foo: 坐标 [-66.32, -16.02],图标大小 60x60 像素
  • Bar: 坐标 [-61.22, -15.97],图标大小 50x50 像素
  • Baz: 坐标 [-63.29, -18.28],图标大小 40x40 像素

交互功能:

  • 点击图标会弹出对应的消息(Foo、Bar 或 Baz)
  • 图标显示为圆形(通过 border-radius: 50%)
  • 支持鼠标拖拽、滚轮缩放等标准地图交互

💡 常 见 问 题

Q1: Marker 和符号图层有什么区别?
A: Marker 是 DOM 元素,适合少量标记和复杂交互;符号图层是 WebGL 渲染,适合大量标记和高性能场景。

Q2: 如何调整 Marker 的锚点位置?
A: 在创建 Marker 时传入 anchor 参数:

new maplibregl.Marker({element: el, anchor: 'bottom'})

Q3: 如何移除 Marker?
A: 调用 Marker 实例的 remove() 方法:

const marker = new maplibregl.Marker({element: el}).addTo(map);
marker.remove();

Q4: 可以给 Marker 添加弹窗吗?
A: 可以,使用 setPopup() 方法:

new maplibregl.Marker({element: el})
    .setPopup(new maplibregl.Popup().setHTML('<h3>标题</h3>'))
    .addTo(map);

📝 练习任务

  1. 基础练习:修改图标的大小和形状,观察效果
  2. 进阶挑战:为每个 Marker 添加不同颜色的边框
  3. 拓展思考:如何实现 Marker 的拖拽功能?

🌟 最佳实践

  1. 性能考虑: 大量标记(>100)建议使用符号图层而非 Marker
  2. 样式统一: 使用 CSS class 而非内联样式管理 Marker 外观
  3. 事件委托: 对于多个 Marker,考虑使用事件委托优化性能
  4. 响应式设计: 使用 position:absolute 和 transform 确保 Marker 定位准确
  5. 清理资源: 在地图销毁时移除所有 Marker
  6. 可访问性: 为 Marker 添加适当的 ARIA 属性和 tabindex

🔗 延伸阅读


本文是MapLibre GL JS实践课程系列的一部分,欢迎关注收藏

产业园区运营负责人如何实现创新资源的系统化配置?.docx 产业园区运营负责人如何实现创新资源的系统化配置? 立即下载

相关推荐

高校技术转移办公室人员需要哪些材料完成成果转化项目审核?.docx

高校技术转移办公室人员需要哪些材料完成成果转化项目审核?

论文复现基于物理信息神经网络预测2D3D非稳态温度场及热源(Python代码实现)

内容概要:本文详细介绍了基于物理信息神经网络(PINN)预测2D和3D非稳态温度场及热源的Python代码实现,旨在复现相关科研论文。该方法将物理定律嵌入神经网络结构中,利用偏微分方程描述传热过程,在无需大量标注数据的前提下,求解复杂的非稳态传热问题,实现对温度场时空演化和内部热源分布的高精度预测。文中系统阐述了PINN的模型构建原理、损失函数设计策略(包含初始条件、边界条件与控制方程的物理约束)、网络训练流程以及数值实验结果,充分展示了其在科学计算与工程仿真中的强大潜力与良好泛化能力。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉偏微分方程与传热学基本概念,对科学计算、物理信息建模、智能仿真等方向感兴趣的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于复现并深入理解PINN在非稳态热传导问题中的具体应用;②为从事热管理、材料科学、能源系统、航空航天等领域的研究人员提供可扩展、可定制的开源代码框架;③辅助高校教学与科研实践,帮助学生掌握物理信息驱动的机器学习建模方法及其在实际工程问题中的实现路径。; 阅读建议:建议读者结合文中提供的完整代码与详细注释,使用主流深度学习框架(如TensorFlow或PyTorch)进行动手实践,重点理解物理约束如何通过损失项融入网络训练过程,并尝试在不同几何构型、边界条件或热源形式下进行模型验证,以深入掌握PINN的设计思想与泛化机制。

科技中介服务机构如何降低服务门槛、提升客户粘性?.docx

科技中介服务机构如何降低服务门槛、提升客户粘性?

无源项一维波动问题的PINN的Python torch实现

内容概要:本文详细介绍了无源项一维波动问题的物理信息神经网络(PINN)的Python实现方法,基于PyTorch框架构建神经网络模型,将波动方程作为物理约束嵌入损失函数中,实现对偏微分方程的无网格数值求解。文中系统阐述了PINN的核心原理、网络结构设计、初始与边界条件的处理策略,以及利用自动微分技术高效计算高阶偏导数的方法。该方法摆脱了传统数值方法对网格划分的依赖,能够以端到端的方式逼近复杂物理问题的解,展现出在科学计算与工程仿真领域的强大潜力,尤其适用于高维或多物理场耦合问题的智能求解。; 适合人群:具备深度学习基础、偏微分方程知识及Python编程能力的研究生、科研人员,以及从事科学计算、工程仿真与人工智能交叉领域研究的专业技术人员。; 使用场景及目标:①掌握物理信息神经网络(PINN)求解偏微分方程的理论与实现流程;②完成无源项一维波动方程的神经网络建模、训练与结果可视化;③将该方法迁移应用于热传导、流体力学、电磁场等其他物理系统的建模与仿真研究; 其他说明:代码实现强调物理定律与数据驱动的深度融合,建议读者在学习过程中结合PyTorch框架特性与微分方程理论,通过调整网络层数、激活函数、损失权重和优化器参数等方式,探究不同配置对模型收敛速度与求解精度的影响,以深化对PINN工作机制的理解。

数字政府AI知识库平台规划方案(技术方案版).pptx

数字政府AI知识库平台规划方案(技术方案版).pptx

高校技术转移办公室人员如何更高效地进行成果推介书制作?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

工业流水线上玻璃瓶内异物检测数据集VOC+YOLO格式915张1类别.md

【重要提示】本页面仅为资源介绍,不含外部下载地址 亲爱的 优快云 用户: 感谢你浏览本资源页面,在这里提前向大家说明相关情况,避免后续产生误解。本资源我设置的初衷是 0 积分免费分享文档介绍,希望可以无偿给到有需要的朋友。但 优快云 平台存在自动调控机制,系统会根据资源下载热度、文件体积、平台规则等因素,自动修改资源所需下载积分,页面显示为 1 积分、2 积分或更高积分都属于平台自动调整结果,并非我手动修改设置,我没有权限自主锁定积分数值。 如果你打开页面后,发现下载所需积分不为 0,请务必谨慎考虑是否下载。一旦你支付积分完成下载,后续遇到资源内容和描述不符、文件损坏等问题,我无法承担对应的积分损失,也没有渠道为你办理积分退还。在此强烈建议,只有页面明确显示 0 积分的时候,再进行下载操作。 同时特别说明:这份资源介绍文案里,没有附带任何外部下载地址。资源本身是通过 优快云 官方上传通道上传的附件,正常情况下直接点击页面自带的下载按钮即可获取文件。页面找不到外部下载链接属于正常情况,并非资源缺失。 如果因为平台积分显示异常,导致你被扣取积分,积分退款、积分异常相关问题,请直接联系 优快云 官方客服咨询处理。平台规则由官方制定,我无法干预积分变动,望各位理解。

物流运输业AI知识库平台规划方案(决策评审版).pptx

物流运输业AI知识库平台规划方案(决策评审版).pptx

【网络性能测试】基于Iperf工具的Linux服务器带宽检测:TCP/UDP上下行速率与多并发稳定性评估方案

涵盖TCP和UDP协议下的上传与下载带宽、多并发连接支持以及长时间稳定性测试。详细说明了Iperf的安装步骤(包括内容概要:服务端CentOS系统本文介绍了如何和客户端Windows系统的使用Iperf工具部署)、基本命令对Linux服务器带用法及关键宽进行全方位测试参数解析,并提供了多种实际测试场景的命令,涵盖TCP和UDP协议下的上传示例,如指定端口、带与下载带宽、宽、时间、多并发连接支持能力以及网络稳定性测试。线程数等,帮助用户全面详细说明了Iperf的安装步骤评估网络服务质量。此外(包括服务端Cent,还列出了常用OS系统和客户端参数及其功能,便于Windows系统的部署)、基本灵活配置测试环境命令格式及常用。; 适合参数含义,并通过人群:具备一定具体命令示例演示Linux系统操作基础和网络了不同场景下的测试方法,如指定知识,从事运维、端口、带网络测试或系统宽、测试时管理相关工作的技术人员长、并发线,尤其是需要对程数等,服务器带宽性能帮助用户全面评估网络进行评估的专业人员。; 使用性能表现。;场景及目标: 适合人群:具备①测试服务器在基础网络知识和高负载下的最大吞Linux操作能力的运维吐能力;人员、网络工程师②验证网络链或开发人员,路是否存在丢包或尤其适用于需要对波动;③服务器网络性能进行评估多并发连接对调优或故障排查的技术人员。带宽的影响;; 使用场景及④进行长时间运行目标:①测试的稳定性监测,服务器在高负载下的最大吞吐能力确保生产环境网络可靠;②评估。; 阅读建议:建议读者TCP/UDP传输结合文档中的命令实例,在真实环境中搭建性能差异;③验证多线程并发连接对带测试场景,逐步实践宽的影响;④各项参数组合,长时间运行测试以重点关注测试结果中的判断网络稳定性;⑤带宽数值、丢包率和延迟变化诊断丢包、,从而深入理解网络延迟等问题。; 阅读建议:建议性能瓶颈所在,并在实际环境中搭建优化网络架构。测试环境,结合文档中的命令示例逐步实践,重点关注参数组合对测试结果的影响,并利用日志记录和分析功能提升测试准确性。

科技中介服务机构如何借助AI提升技术评估与服务推荐的专业性.docx

科技中介服务机构如何借助AI提升技术评估与服务推荐的专业性

零售行业AI知识库平台规划方案(技术方案版).pptx

零售行业AI知识库平台规划方案(技术方案版).pptx

智慧交通高速公路城市道路路面抛洒物散落货物障碍物检测数据集VOC+YOLO格式4521张1类别.md

【重要提示】本页面仅为资源介绍,不含外部下载地址 亲爱的 优快云 用户: 感谢你浏览本资源页面,在这里提前向大家说明相关情况,避免后续产生误解。本资源我设置的初衷是 0 积分免费分享文档介绍,希望可以无偿给到有需要的朋友。但 优快云 平台存在自动调控机制,系统会根据资源下载热度、文件体积、平台规则等因素,自动修改资源所需下载积分,页面显示为 1 积分、2 积分或更高积分都属于平台自动调整结果,并非我手动修改设置,我没有权限自主锁定积分数值。 如果你打开页面后,发现下载所需积分不为 0,请务必谨慎考虑是否下载。一旦你支付积分完成下载,后续遇到资源内容和描述不符、文件损坏等问题,我无法承担对应的积分损失,也没有渠道为你办理积分退还。在此强烈建议,只有页面明确显示 0 积分的时候,再进行下载操作。 同时特别说明:这份资源介绍文案里,没有附带任何外部下载地址。资源本身是通过 优快云 官方上传通道上传的附件,正常情况下直接点击页面自带的下载按钮即可获取文件。页面找不到外部下载链接属于正常情况,并非资源缺失。 如果因为平台积分显示异常,导致你被扣取积分,积分退款、积分异常相关问题,请直接联系 优快云 官方客服咨询处理。平台规则由官方制定,我无法干预积分变动,望各位理解。

环境(docker)部署若依 RuoYi‑Vue CICD 完整实操流程-实战

环境(docker)部署若依 RuoYi‑Vue CICD 完整实操流程-实战

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

内容概要:本文详细阐述了全桥LLC谐振变换器在变频与移相混合控制策略下的闭环仿真模型构建与实现过程,重点聚焦于其在Simulink环境中的系统建模与先进控制方法设计。文章首先深入剖析了LLC谐振变换器的工作原理,突出其在高频、高效率电源转换应用中的显著优势。针对宽范围输入电压带来的挑战,提出了一种融合变频控制与移相控制的混合调制策略,以实现高效、稳定的输出电压调节。通过建立精确的数学模型,设计了包含电压外环与电流内环的双闭环控制系统,有效提升了系统的动态响应速度和稳态精度,并显著降低了输出电压纹波。研究利用Simulink平台完成了完整的系统仿真验证,并深入探讨了关键电路与控制参数对整体系统性能的影响,为实际工程应用中的设计优化提供了坚实的理论依据和技术支撑。; 适合人群:具备一定电力电子技术基础,熟悉Simulink仿真工具,从事电源变换器设计与研究的研发人员。; 使用场景及目标:①掌握全桥LLC谐振变换器在变频与移相混合控制下的工作机理;②学习如何在Simulink中构建复杂的电力电子系统仿真模型;③了解并应用双闭环控制策略提高变换器性能; 阅读建议:建议读者结合文中提供的仿真模型与参数设置,动手实践以加深理解,同时关注控制策略的实际效果与理论分析之间的差异,不断优化模型参数以达到最佳性能。

等保3.0规划方案.pptx

等保3.0规划方案.pptx

状态估计【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究(Matlab代码实现)

【状态估计】【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究(Matlab代码实现)内容概要:本文主要介绍了基于变频控制的多相交错LLC谐振变换器闭环仿真研究,重点探讨了多相交错并联技术在降低输出电流纹波和提升功率容量方面的优势,分析了交错角对纹波抵消的影响以及均流问题的成因。针对变频控制带来的非线性特性,文章采用扩展描述函数(EDF)建立小信号模型,用于指导PID控制器的设计,并验证其在稳态和动态工况下的控制性能。通过Simulink仿真平台对闭环系统进行建模与测试,考察了启动过程、负载阶跃响应及频率调节的平滑性,结果表明所设计的控制系统具有良好的稳态精度和动态响应能力。; 适合人群:电力电子、电气工程及其自动化等相关专业的高校师生及从事电源系统研发的工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与建模方法;②学习变频控制下非线性系统的建模与PID环路设计技巧;③应用于高效率、低纹波开关电源的仿真设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行实践操作,重点关注EDF建模过程与控制器参数整定方法,通过对比不同交错角下的仿真结果加深对纹波抑制机理的理解。

美股分钟级历史行情数据,涵盖纽交所、纳斯达克及部分ETF 每条数据均包含时间戳、开盘价、最高价、最低价、收盘价、成交量、成交额及前收盘价 时间粒度为1分钟和5分钟两种 数据起始时间可追溯至数年前,已做

美股分钟级历史行情数据,涵盖纽交所、纳斯达克及部分ETF。每条数据均包含时间戳、开盘价、最高价、最低价、收盘价、成交量、成交额及前收盘价。时间粒度为1分钟和5分钟两种。数据起始时间可追溯至数年前,已做复权处理,前复权与后复权价格均有提供。 数据源:CMES金融数据库

inferCNV包安装问题及解决办法

InferCNV是一个由broad研究所开发的,利用单细胞转录组数据分析肿瘤细胞拷贝数变异(CNV)的工具。基本思路是在整个基因组范围内,通过计算肿瘤细胞关于参考的“正常”细胞的相对表达,利用滑窗思想对邻近的基因相对表达,计算拷贝数。 先贴一个官方安装说明: 官方infercnv安装说明 安装infercnv包: if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager:

m0_51042606的博客 6803
上一篇: 结果缓存机制:GeoAI-UP的执行结果缓存与失效策略
下一篇: 错误处理与容错机制:GeoAI-UP的降级策略设计
丷丩
丷丩 优质创作者: 数据科学与机器学习技术领域 优质创作者: 数据科学与机器学习技术领域
博客等级 码龄18年 1万+粉丝 317原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

丷丩

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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