04、深度检测

本文探讨了Cesium中的深度检测功能,解释了开启和不开启深度检测对地球上的entity显示、坐标拾取准确性以及渲染效果的影响。开启深度检测可能导致点实体部分隐藏、线实体穿地等问题,但能提高坐标拾取精度;反之,不开启则可能产生视觉误差。目前,对于开启深度检测带来的问题,尚无有效解决方案,建议使用Billboard代替点实体。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

深度检测

1、开启深度检测

// 开启深度检测,默认是关闭的
viewer.scene.globe.depthTestAgainstTerrain = true;

2、不开启的后果

  • 地球上的 entity 会 强制绘制、显示 出来而不管是否有遮盖,导致少量位移误差

  • Cesium 拾取鼠标坐标不准

    • scene.pickPosition:有地形数据时,这结果不太准确,需要开启 深度检测
    • globe.pick:准确度较高

这会导致:用鼠标绘制点、线、面 的时候根本拾取不到正确的坐标,导致坐标点严重漂移

3、开启的坏处

开启后,任何实体的渲染都会严格按照深度来绘制

这会导致:

  • entity 【点】实体会有一半隐藏在地下

目前无法解决,只能使用 【Billboard】替代点的图标

在这里插入图片描述

  • entity 【线】会穿过地表
viewer.entities.add({
    polyline: {
        positions: Cesium.Cartesian3.fromDegreesArray([-75, 37, -125, 37]),
        //Cesium.Cartesian3.fromDegreesArrayHeights([-75,39,250000,-125,39,250000,])
        
        //clampToGround: true,
        width: 3,
    },
});

在这里插入图片描述

如果线的位置为:【经度,纬度】时,显示正常。

但如果 关闭深度检测 数据源为【经度、纬度、高度】,会导致线漂浮在空中。

entity.polyline.clampToGround=true
  • polygon

多边形符合地球的曲率,并且可以被放置在表面上或在高度和可任选地被挤压成的体积。

viewer.entities.add({
	polygon: {
        hierarchy: positionData,
        // 不设置高度,则为贴地
        // height:1000, 
        material: new Cesium.ColorMaterialProperty(
        Cesium.Color.WHITE.withAlpha(0.7)
        ),
    },
});

在这里插入图片描述

### Ubuntu 22.04 配置深度学习环境 在 Ubuntu 22.04 上配置深度学习环境可以通过多种方式进行,其中最常见的是通过虚拟环境管理工具(如 `venv` 或 `conda`),并安装所需的深度学习框架(如 PyTorch 和 TensorFlow)。以下是详细的说明: #### 方法一:基于终端的虚拟环境配置 此方法适用于希望直接使用命令行完成环境搭建的用户。 1. **更新系统包** 在开始之前,确保系统的软件包是最新的。 ```bash sudo apt update && sudo apt upgrade -y ``` 2. **安装依赖项** 安装 Python 及其开发库以及其他必要的依赖项。 ```bash sudo apt install python3-pip python3-venv build-essential libssl-dev libffi-dev python3-dev -y ``` 3. **创建虚拟环境** 使用 Python 自带的 `venv` 工具创建一个新的虚拟环境。 ```bash python3 -m venv dl_env source dl_env/bin/activate ``` 4. **升级 pip 并安装 PyTorch** 升级 `pip` 后,根据硬件条件选择合适的 PyTorch 版本进行安装。如果设备支持 CUDA,则可以利用 GPU 加速训练过程;否则可以选择 CPU-only 的版本。 ```bash pip install --upgrade pip pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 对于 NVIDIA GPU 用户[^1] ``` 如果仅需 CPU 支持: ```bash pip install torch torchvision torchaudio ``` 5. **验证安装** 运行以下脚本来确认 PyTorch 是否成功安装以及是否能够检测到 GPU。 ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # 返回 True 表明有可用的 GPU 设备 ``` #### 方法二:基于 PyCharm 的集成开发环境 (IDE) 设置 对于更倾向于图形化界面操作的开发者来说,在 PyCharm 中设置深度学习环境可能更加直观。 1. **下载并安装 PyCharm** 访问 JetBrains 官方网站下载社区版或专业版 PyCharm,并按照提示完成安装。 2. **新建项目并指定解释器** 打开 PyCharm 创建新项目时,可选择现有的虚拟环境或者让 IDE 自动生成一个全新的虚拟环境用于该项目。 3. **安装所需库** 利用内置的包管理功能输入相应的命令来添加必需的库文件至当前项目的环境中去,具体流程类似于上述提到的方法之一中的第四步部分描述的内容。 以上两种途径均能有效地构建起适合开展各类机器学习任务的工作平台,用户可以根据个人喜好和技术背景自由选取其中之一加以实践应用。 ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): device = 'cuda' else: device = 'cpu' print(f"Using device: {device}") ```
评论 1
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