如何导入su_【三维地形】DEM提取等高线,生成SU模型

a092e6f853f7f38d168041c9109613c4.png 3D模型

想要做一个su山体模型

手边没有等高线

难道要手动去描图吗?

完全不需要

今天讲解下如何通过DEM生成等高线

并导入SU建模

(一)

首先在地理空间数据云下载

所在场地的地形

同时通过底地图软件下载

影像图,格式为tif

利用影像图裁剪DEM栅格

保持影响范围与DEM范围一致

提取方法有多重,本文使用掩膜提取

3a4d920f4d76c1a4b7dee0ef347d0843.png

提取完成后如图所示

我们关闭影像图

打开3D工具里面的等值线

230484eba375e38c653aa7512aa9aedf.png

等高线间距可以根据所需

精度选择

点击生成得到如下

  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要用 Python 实现 DEM 输出三维模型可以使用一些开源的库和工具,比如: 1. GDAL:可以用于读取 DEM 数据,生成高程网格等。 2. PyVista:可以用于可视化 DEM 数据,并生成三维模型。 3. Blender:可以通过 Python 脚本生成三维模型。 以下是使用 PyVista 库生成三维模型的示例代码: ```python import pyvista as pv import rasterio as rio # 读取 DEM 文件 with rio.open('dem.tif') as src: z = src.read(1) transform = src.transform # 创建 PyVista 网格 grid = pv.UnstructuredGrid(pv.vtk.vtkXMLUnstructuredGridReader().GetOutput()) grid.points = pv.vtk.vtkPoints() grid.cells = pv.vtk.vtkCellArray() # 将 DEM 中每个像素转换为网格节点 for i in range(z.shape[0]): for j in range(z.shape[1]): grid.points.InsertNextPoint(transform * (j, i, z[i, j])) # 将节点连接成三角形网格 for i in range(z.shape[0] - 1): for j in range(z.shape[1] - 1): cell = pv.vtk.vtkTriangle() cell.GetPointIds().SetId(0, i * z.shape[1] + j) cell.GetPointIds().SetId(1, i * z.shape[1] + j + 1) cell.GetPointIds().SetId(2, (i + 1) * z.shape[1] + j) grid.cells.InsertNextCell(cell) # 可视化网格 plotter = pv.Plotter() plotter.add_mesh(grid, cmap='terrain') plotter.show() ``` 要用 Python 实现 DEM 数据的阴影生成,可以使用以下步骤: 1. 计算光照方向。可以根据 DEM 数据的法向量和太阳高度角、方位角等参数计算。 2. 计算每个像素的阴影值。可以使用遮蔽法或者投影法等方法。 3. 可视化 DEM 数据,并根据阴影值着色。可以使用 PyVista 或者 Matplotlib 等库进行可视化。 以下是使用遮蔽法计算阴影值的示例代码: ```python import numpy as np import rasterio as rio # 读取 DEM 文件 with rio.open('dem.tif') as src: z = src.read(1) transform = src.transform # 计算 DEM 数据的法向量 dx, dy = np.gradient(z, transform[0], transform[4]) dz = np.ones_like(z) nx, ny, nz = np.cross(dx, dy, dz, axis=0, normalize=True) # 计算光照方向 theta = np.radians(30) # 太阳高度角 phi = np.radians(-45) # 太阳方位角 lx = np.cos(theta) * np.cos(phi) ly = np.cos(theta) * np.sin(phi) lz = np.sin(theta) # 计算每个像素的阴影值 shadow = np.zeros_like(z, dtype=bool) for i in range(z.shape[0]): for j in range(z.shape[1]): p = (j, i, z[i, j]) q = (p[0] - lx, p[1] - ly, p[2] - lz) r = (p[0] + lx, p[1] + ly, p[2] + lz) if np.dot(nz[i, j], q - p) > 0 and np.dot(nz[i, j], r - p) > 0: shadow[i, j] = True # 可视化 DEM 数据,并根据阴影值着色 import matplotlib.pyplot as plt from matplotlib.colors import LightSource fig, ax = plt.subplots() ls = LightSource(azdeg=315, altdeg=45) rgb = ls.shade(z, cmap='terrain', vert_exag=10, blend_mode='soft', dx=transform[0], dy=-transform[4], fraction=1, shade_alpha=0.8) ax.imshow(rgb) ax.imshow(shadow, cmap='gray', alpha=0.5) plt.show() ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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