实测:TB级倾斜摄影模型合并根节点前后加载效果对比,结果惊人

2024-04-28 01:48

本文主要是介绍实测:TB级倾斜摄影模型合并根节点前后加载效果对比,结果惊人,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

随着无人机性能快速提升,单个项目涉及到的倾斜摄影模型数据范围、数据量及单个模型体积也在不断变大,带来的问题是数据显示速度却越来越慢,那么如何在不升级配置的情况下提升模型的加载速度呢?

  • TB级倾斜摄影模型合并根节点前后加载效果对比

未合并根节点的大数据

 

合并根节点之后的效果

 

  • 是什么原因导致加载速度差异的呢?

原因在于对模型的加载是以tile瓦片为单位进行扫描显示的,所以tile文件夹越多会导致加载扫描时间瓦片的时长也就越长,内存占用也较多,导致加载和浏览时出现明显卡顿。

1. 为什么倾斜摄影模型分块会产生这么多根节点呢?

在CC(Smart3D)中,对于体积量大的数据建模时都需要对模型进行分块。分块大小的依据是内存,内存大分块大,瓦片数量少;反之,内存小的分块就小,瓦片数就会很多。受内存限制(一般128G,256G是比较大的了),航测范围大,模型体积变大,瓦片数量变多。

 

2. CC能否合并根节点呢?

CC软件本身是可以直接对根节点进行合并操作的,但是其操作较为繁琐,存在的问题是瓦片数量过多,软件容易崩溃。

3. 如何解决这个问题?

基于上面说的卡顿原因,不难看出如果模型数据合并根节点后只有一个根节点,是不是就可以秒速加载了呢?尝试解决方案有以下三个方面:

A. 直接从本源入手,建模时提升计算机内存减少分块瓦片数,但是受限于内存;

B. CC直接合并根节点,但崩溃率高;

C. 最佳解决办法:图新地球对已生产好的osgb数据基于原片进行重新生产

  • 图新地球合并根节点操作如下:

第一步:图新地球支持对大模型的根节点可进行高速合并,所以首先要下载打开图新地球

 

第二步:对原先加载的模型生成lfp索引,再进行根节点合并操作,根据需求对面片数、纹理高宽进行设置;

 

第三步:在设置好后点击确定进行根节点的合并;

完成合并根节点操作之后,重新打开模型数据即可秒速加载。

-END-

这篇关于实测:TB级倾斜摄影模型合并根节点前后加载效果对比,结果惊人的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/942047

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

hdu2241(二分+合并数组)

题意:判断是否存在a+b+c = x,a,b,c分别属于集合A,B,C 如果用暴力会超时,所以这里用到了数组合并,将b,c数组合并成d,d数组存的是b,c数组元素的和,然后对d数组进行二分就可以了 代码如下(附注释): #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<que

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

day-51 合并零之间的节点

思路 直接遍历链表即可,遇到val=0跳过,val非零则加在一起,最后返回即可 解题过程 返回链表可以有头结点,方便插入,返回head.next Code /*** Definition for singly-linked list.* public class ListNode {* int val;* ListNode next;* ListNode() {}*

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言