三维gis制作_三维渲染公司

研究区概况

贵州大学北校区和南校区为老校区，西校区为新校区。北校区座落在花溪大道西侧，紧邻花溪国家城市湿地公园，西校区位于北校区西侧，在甲秀南路与北校区一路之隔。南校区位于学士路，在北校区南侧约2公里处。

1.2景观信息提取与分类

依据贵州大学南校区、北校区和西校区的设计平面图及实地调查，利用XTMapGIS软件将各个校区校园划分为不同的斑块，并提取了各斑块的面积和周长、形状指数等作为基本的参数信息。通过对校园内土地利用状况的分析，本文的校园景观被划分为建筑与铺装、绿地、道路、水体以及其他5种斑块类型，其中将绿地斑块进一步划分为教学科研区、生活区、体育活动区、休闲娱乐区和道路5种类型

景观格局分析及指数选取

经资料收集和实地调查，将已在ZTMapGIS中编辑的各个景观图在该软件中进行矢量化处理，并建立相应的属性数据表。随后利用转换工具，将已矢量化的图形转换为tif格式，而后导入Fragstats4. 2. 1软件对各景观指数进行计算，并运用指数相应的生态学意义加以阐释。鉴于分析贵州大学南校区、贵州大学北校区和贵州大学西校区景观格局所反映的侧重点不同，结合分析软件Fragstats4. 2. 1的计算规则，将所选取的景观格局指数分别在斑块、斑块类型和景观3个层次上进行选取。

1.3.1斑块级别

斑块级别指数是景观中各个斑块的基本参数，用来表述斑块的基本性质以及特征化和内容定量化的指数，是计算另外两个级别景观指数的基础

智慧管廊三维渲染实现方案 

随着BIM和3DGIS技术的大力发展，建筑模型的复杂度与构件数量呈几何倍数增长，其中管廊复杂网格是影响模型轻量化和在线渲染速率的一个关键性问题。为有效减少管廊复杂网格模型的数据量及复杂度，本文针对一般圆柱体形管廊，复杂网格的弯管管廊模型及中空管廊网格模型，提出了一套轻量级参数化算法。该算法对场景中的管廊模型进行参数化重绘并辅助以多细节层次等视觉优化手段，以减轻 WebBIM 场景中的智慧管廊模型渲染负担，其在拥有大量管廊模型的场景中应用成功，具有较强的工程实践意义。

近年来，网络技术的发展突飞猛进，人类正向高度信息化的社会迈进。BIM在国内建筑业形成一股热潮，尽管拥有了政府和社会的大力支持，Web 端的 BIM 大规模场景应用开发仍然面临许多巨大的挑战：

一、网页存储瓶颈问题：随着 BIM场景规模的增加，建筑内部空间结构复杂度不断提升，管廊结构的模型体量不断增加，BIM 数据未来可能达到城市级别（100 TB 以上），通常来说，PC 端的浏览器能够使用的内存仅为 1.5 至 2 GB，稍大的 BIM模型就可能会导致浏览器的崩溃。

二、计算渲染瓶颈问题：传统加载方式中，IFC构件被逐一添加在场景中，管廊模型拥有的三角化面片数量多，导致整个初始加载速度慢，且场景中FPS 较低，浏览建筑模型容易出现明显卡顿情况。

在以上问题的基础上，尤其是管廊管线这类构件往往在城市建筑模型中占有了一定的比重，例如水管，通风管道等，且建筑物内部管廊模型排列往往具有一定的复杂性，优化这部分管廊模型的参数，能够有效减少场景中的三角面片数量，帮助提升模型加载速率，对改善上述的两个瓶颈问题起到了积极的作用。

因此针对上述问题，本文提出了一套三维管廊复杂网格参数化算法，首先通过语义分析和几何分析，提取大规模 IFC 场景中的管廊网格模型构件类。然后针对一般圆柱体形管廊网格模型，弯管管廊模型以及中空管廊模型三种不同的特征，对其在服务端

分类进行参数化处理，并将参数结果返回给网页端进行渲染。为了降低网页端的渲染负载，实例化管廊模型的同时辅助以基于 LOD 多细节层次技术的渐进式自适应渲染方法，有效降低场景中管廊模型部分的总数据量及其三角面片数量，加快场景初始加载时间以及提升场景总体加载的帧速率，为轻量化BIM 大规模管廊模型场景的在线可视化提供了支持。