CJJ的专栏

4: 非异形重建: 尽可能将更多三角网拟合成平面, 类似贪婪算法, 不管是基于高度拉盒子还是基于dsm高度去搞都差不多, 但是不能基于mesh直接简化, 此种方法并不能完全将倾斜比较扭曲的边界修正。3: 异形重建: 用点云查询原始倾斜的三角网, 然后基于尽可能保持更多细节的简化算法处理例如；关键在于倾斜数据存在 自相交, 重叠,破洞等非流行特征,需要处理后才能简化和映射纹理；1: 点云实例分割: 倾斜重采样点云, 然后使用点云分类分出建筑;2: 异形非异形分类: 实例点云投影成图片二元分类即可；

access,stat, 时间基本相同 这和网上各种版本完全不相同。测试环境（windows） Linux待测试。测试代码如下：（fopen如果不算fclose 时间 非常快快10倍以上）需求：10w级别的文件打开，需要判断文件是否存在，文件太多影响30%效率。access,stat,fopen 三个函数的时间，

另外上面2，3步甚至还是可以使用polyfit的MIP方式，如果我能减少每个MIP优化的面数，例如使用八叉树对平面进行非均匀划分，然后如果能保证每个小box范围的面不超过10， 那么mip应该也会很快计算出来， 最后再使用三维体布尔运算也可以将问题搞定，2问题待实践，先记录，有时间实验一把。其将此问题限定在单栋建筑点云的box范围内，所有平面求交的选取可以简单理解为三维拟合：选取的交平面形成的闭合体拟合更多的点云点。1：polyfit的所有平面 进行拆分得到上图的Input，例如拆成4*4*4的格网，

正向合并：只需要处理边界瓦片（边界定义，获取量化地形高度范围，如果最低值都大于0，说明不需要合并）；找出待生产瓦片边界三角形（左右上下位置比较），判断此三角形是否需要加点（周围边界点查待生产瓦片），重新生成三角形；1: 量化地形切片：GDAL查询数据；按照量化地形tilesize建立位图，位图每个位置（x,y）去查询所在三角形（三角形使用rtree索引，精确查询使用二维点是否在三角形内，边界也算）；反向合并：使用带生产瓦片边界查询周围瓦片边界，如果待生产边界点有不与边界瓦片点高度不同，用边界修改自身；

C++和Java容器内存消耗占用比较

初步估算算法复杂度为n的3次方, 优化空间不大, 除了求接点与三角形外包可用box加速, 目前就剩开omp硬件加速,或者simd加速等非软件方法了.3: 一个点可能与多个三角形在Z方向上交, 按照最大最小值记录, 最小值底视图, 最大值顶视图。1: 求模型外包围盒box, 根据顶视图输出大小计算输出分辨率resx,resy。本文写一个求顶视图和底视图的方式, 任意方向的视图只是投影平面方程不同而已。2: 遍历图像宽高范围内的所有像素, 求每点与模型每个三角面片的交点 z值。

图像膨胀算法

Java调用scala中map转换问题处理

使用gdal python 接口根据多边形裁切数据

代码改编而来, 环境为C++, vs2015, 理论上windows和Linux都可以用. 不依赖任何库, 这项自身理解和翻译断断续续进行, 最近终于有一点进展, 本次放出Z3, 待全部实现完毕将直接挂出。网上搜了很多Z3-Ordering实现没搜到,通过 sfcurve-master和geomesa-geomesa-3.2.2 得。

使用python写基本界面代替命令行

点云

相机照片的像素坐标和世界坐标转换

点云重建

meshlab 模型重建后简化

grpc C++使用

客户端缓存直接用stdmap存起来即可,key可以是sql语句,value可以是uuid。一般来说内存暴涨都是资原未释放,或者说创建了太多资原。服务端内存暴涨最常见就是创建了太多服务端资原对象.

MinIO Windows初步实验

image

这事估计得坑我一段时间了, 很多年前设计和实现达梦数据源得人, 公司其他人都告诉我达梦不支持空间索引, 所以我们自己做了索引.然而一个惊喜在今天被发现, 在达梦 DM系统包使用手册, SQL语言使用手册 都提到了空间索引,而且文档里面写着 直接支持opengis2.0 标准, 这叫我情何以堪, 抱着侥幸去看系统dll和包, 好家伙赫然哟jts.jar, geos.dll 这两货就是空间计算得, 难道当初研究得人不知道吗? 只能说呵呵了, 既然有那么简单验证下吧.初始化空间包DMGEO, 创建