三维场景视图加载cgcs2000坐标系数据

2023-11-01 07:52

本文主要是介绍三维场景视图加载cgcs2000坐标系数据,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!

需求:

高程服务:2000坐标系

底图:天地图2000坐标系

三维模型:2000坐标系

效果图:

测试数据:

链接:https://pan.baidu.com/s/1cJbMfzkMalY06wOrmXStSQ 
提取码:uz2a 
 

高程服务发布方式:

直接使用geoscenepro自带的2000坐标系,切片格式为lerc

发布之后的效果:

底图:

天地图影像底图,2000坐标系

三维模型:

2000坐标系

业务代码:

<!DOCTYPE html>
<html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><meta http-equiv="X-UA-Compatible" content="ie=edge"><title>加载天地图</title><linkrel="stylesheet"href="https://js.arcgis.com/4.27/esri/themes/light/main.css"/><script src="https://js.arcgis.com/4.27/"></script><style>html,body,#map {width: 100%;height: 100%;padding: 0;margin: 0;}</style><script>require(["esri/Map","esri/views/SceneView","esri/layers/WebTileLayer","esri/layers/support/TileInfo","esri/Ground","esri/layers/ElevationLayer","esri/layers/SceneLayer",], function (Map, SceneView, WebTileLayer, TileInfo,Ground,ElevationLayer,SceneLayer) {let tileInfo = new TileInfo({dpi: 90.71428571427429,rows: 256,cols: 256,compressionQuality: 0,origin: {x: -180,y: 90},spatialReference: {wkid: 4490},lods: [{ level: 0, levelValue: 1, resolution: 0.703125, scale: 295497593.05875003 },{ level: 1, levelValue: 2, resolution: 0.3515625, scale: 147748796.52937502 },{ level: 2, levelValue: 3, resolution: 0.17578125, scale: 73874398.264687508 },{ level: 3, levelValue: 4, resolution: 0.087890625, scale: 36937199.132343754 },{ level: 4, levelValue: 5, resolution: 0.0439453125, scale: 18468599.566171877 },{ level: 5, levelValue: 6, resolution: 0.02197265625, scale: 9234299.7830859385 },{ level: 6, levelValue: 7, resolution: 0.010986328125, scale: 4617149.8915429693 },{ level: 7, levelValue: 8, resolution: 0.0054931640625, scale: 2308574.9457714846 },{ level: 8, levelValue: 9, resolution: 0.00274658203125, scale: 1154287.4728857423 },{ level: 9, levelValue: 10, resolution: 0.001373291015625, scale: 577143.73644287116 },{ level: 10, levelValue: 11, resolution: 0.0006866455078125, scale: 288571.86822143558 },{ level: 11, levelValue: 12, resolution: 0.00034332275390625, scale: 144285.93411071779 },{ level: 12, levelValue: 13, resolution: 0.000171661376953125, scale: 72142.967055358895 },{ level: 13, levelValue: 14, resolution: 8.58306884765625e-005, scale: 36071.483527679447 },{ level: 14, levelValue: 15, resolution: 4.291534423828125e-005, scale: 18035.741763839724 },{ level: 15, levelValue: 16, resolution: 2.1457672119140625e-005, scale: 9017.8708819198619 },{ level: 16, levelValue: 17, resolution: 1.0728836059570313e-005, scale: 4508.9354409599309 },{ level: 17, levelValue: 18, resolution: 5.3644180297851563e-006, scale: 2254.4677204799655 },{ level: 18, levelValue: 19, resolution: 2.68220901489257815e-006, scale: 1127.23386023998275 },{ level: 19, levelValue: 20, resolution: 1.341104507446289075e-006, scale: 563.616930119991375 }]});/*天地图-影像(CGCS2000)*/var img_tiandituLayer = new WebTileLayer("http://{subDomain}.tianditu.gov.cn/img_c/wmts?SERVICE=WMTS&VERSION=1.0.0&REQUEST=GetTile&LAYER=img&STYLE=default&FORMAT=tiles&TILEMATRIXSET=c&TILEMATRIX={level}&TILEROW={row}&TILECOL={col}&tk=ac0daf56728bbb77d9514ba3df69bcd3", {subDomains: ["t0","t1","t2","t3","t4","t5","t6","t7"],title: "天地图-影像",tileInfo: tileInfo,spatialReference: {wkid: 4490},fullExtent:{xmin: -180,xmax: 180,ymin: -90,ymax: 90,spatialReference: 4490}});var cia_tiandituLayer = new WebTileLayer("http://{subDomain}.tianditu.gov.cn/cia_c/wmts?SERVICE=WMTS&VERSION=1.0.0&REQUEST=GetTile&LAYER=cia&STYLE=default&FORMAT=tiles&TILEMATRIXSET=c&TILEMATRIX={level}&TILEROW={row}&TILECOL={col}&tk=ac0daf56728bbb77d9514ba3df69bcd3", {subDomains: ["t0","t1","t2","t3","t4","t5","t6","t7"],title: "天地图-影像注记",tileInfo: tileInfo,spatialReference: {wkid: 4490},fullExtent:{xmin: -180,xmax: 180,ymin: -90,ymax: 90,spatialReference: 4490}});//定义业务图层,例如:倾斜模型服务var layer = new SceneLayer({url: "https://whgeoscene.hygt.com/server/rest/services/Hosted/wuhan4490/SceneServer",});//定义高程表面var customElevation = new ElevationLayer({//url: "https://elevation3d.arcgis.com/arcgis/rest/services/WorldElevation3D/Terrain3D/ImageServer/",url:"https://whgeoscene.hygt.com/server/rest/services/wuhan4490new/ImageServer"});var customeGround = new Ground({layers: [customElevation],});var map = new Map({ground: customeGround,//高程表面basemap: {baseLayers: [img_tiandituLayer],referenceLayers: [cia_tiandituLayer],},layers: [layer],//业务图层});var view = new SceneView({container: "map",map: map,camera:{position: {x: 105.61385,y: 35.59715,z: 25512547.962,spatialReference: 4490},heading: 360.00,tilt: 0.10}});view.when(function () {view.qualitySettings.memoryLimit = 4096; //20190722 修改内存大小。view.goTo(layer.fullExtent);});})</script>
</head><body><div id="map"></div>
</body></html></html>

这篇关于三维场景视图加载cgcs2000坐标系数据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/321584

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

防止Linux rm命令误操作的多场景防护方案与实践

《防止Linuxrm命令误操作的多场景防护方案与实践》在Linux系统中,rm命令是删除文件和目录的高效工具,但一旦误操作,如执行rm-rf/或rm-rf/*,极易导致系统数据灾难,本文针对不同场景... 目录引言理解 rm 命令及误操作风险rm 命令基础常见误操作案例防护方案使用 rm编程 别名及安全删除

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I