无人机航测内业处理（iTwin Capture Modeler）

优质文章学习记录

— 7 min read
无人机航测内业处理（iTwin Capture Modeler）

iTwin Capture Modeler 内业处理

1、概述

本文以iTwin Capture Modeler（旧名称为Context Capture或Smart3D）软件为例介绍航测建模、土方算量、三维模型在线发布分享等内业处理。
本机所使用笔记本电脑主要配置：
CPU：intel Core Ultra 9 275HX
显卡：NVIDIA GeForce RTX 5070 Ti Laptop GPU 12GB
内存：32GB
注意：内存大小决定是否可以成功建模，内存不足建模失败（不会提示失败原因），推荐16GB以上；硬盘剩余容量建议为建模图片大小的2~3倍，否则会因为容量不足建模失败。

2、内业数据处理

2.1新建工程

打开两个软件，第一个为引擎，建模必须打开，第二个为主程序，第三个为模型浏览查看程序

在这里插入图片描述

开始计算空三或者建模时，主程序进度条卡在某一数值时，检查引擎界面是否有任务在执行，若无可按回车键解决，或者重新打开引擎

在这里插入图片描述


新建工程，保存路径不能有中文

在这里插入图片描述

2.2新建区块

新建区块（也可使用Metashape计算好的空三导入，Metashape空三计算速度更快，但建模质量较低，只生产正射影像可使用Metashape）

在这里插入图片描述

2.3导入影像

导入影像，可选择图片或者文件夹

在这里插入图片描述

2.4第一次空三

提交第一次空三计算，无需设置参数，第一次空三目的是为了对齐影像，建立连接点

在这里插入图片描述


在这里插入图片描述


空三完成后查看空三质量报告，主要看位置不确定性数值，越小越好，看自己需求需要几公分的

在这里插入图片描述


在这里插入图片描述

2.5刺点

点开测量，选择导入自定义文本格式，或者也可以手动添加坐标点

在这里插入图片描述


选择像控点文件，一般为手簿导出的dat格式文件或者txt等

在这里插入图片描述


根据自己坐标文件的格式内容，选择是否忽略头行等，大多数坐标文件分隔符为英文逗号","，根据自己的文件内容格式选择

在这里插入图片描述


本工程采用的是北京54坐标系，1.5°分带，中央子午线为109.5°，需要自定义坐标系

在这里插入图片描述


自定义坐标系，点击编辑，选择坐标系prj文件

在这里插入图片描述

关于如何自定义参考坐标系文件：本工程坐标系中央子午线为109.5°，可以在空间参考系统数据库中找到与本项目中央子午线最接近的坐标系，右键导出，然后在记事本中打开，将其中的中央子午线修改为109.5°即可

在这里插入图片描述


设置点名及xyz，若导入后在三维视图里面没有显示像控点位置则可能为xy坐标搞反了，重新导入像控点文件即可

在这里插入图片描述


刺点：刺点是为了约束平面和高程位置与提高精度，本工程采用当地理论最低潮面为高程0m点，属于地方高程系统，必须刺点；
刺点优先选择标记清晰，位于图片中央的点

在这里插入图片描述

2.6第二次空三

刺点完成后，再次提交空三运算，空三参数默认即可
空三完成后查看质量报告，重投影误差控制在1个像素内，若该点误差过大可能为刺点出现问题，或者也可以删除该点

在这里插入图片描述

2.7三维重建

选择新建重建框架-三维重建

在这里插入图片描述


空间框架中选择要建模的范围，先选择坐标系，如果建模范围为规则矩形可选择框否则使用新建多边形；有具体的范围也可以导入kml文件；切块大小根据自己电脑内存的大小选择，确保内存使用量不大于本机内存的80%

在这里插入图片描述


选择生产OSGB文件

在这里插入图片描述


坐标系选择自己所需坐标系

在这里插入图片描述


等待生产完成，得到一个xml文件和Date文件夹

在这里插入图片描述


生产完成后删除过程文件，释放磁盘空间

在这里插入图片描述


OSGB模型可使用倾斜伴侣查看http://www.osgblab.com/

3、建模精度检查

模型精度检查可采用倾斜伴侣检查，
选择精度检查，浏览控制点文件，选中控制点，在模型上点击标记，最终得到模型精度

在这里插入图片描述

4、提取高程点

4.1Cass中加载模型

选择3D图标，找到模型所在路径，选择后缀为XML的文件，双击打开

在这里插入图片描述

4.2提取高程点

使用闭合范围提取高程点，先绘制要提取高程点的范围线（使用多段线绘制），采点间距按需求选择（本文为10m）

在这里插入图片描述


在这里插入图片描述

4.3土方算量

利用Cass工程应用计算土方

5、模型分享

倾斜摄影模型在线查看分享可使用中交项目管理系统-CBIM协同实现，可创建场景，叠加卫星影像、BIM模型等信息

在这里插入图片描述


在这里插入图片描述

也可通过四维轻云、BIMFACE等在线网页分享查看模型

Read more

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局 摘要 本文基于 TrendRadar 项目，详细拆解如何通过 Docker 本地部署一套个人专属的 AI 热点情报系统。涵盖从环境准备、Docker 镜像拉取、局域网访问配置、飞书推送修复到 Cherry Studio MCP 服务对接的全流程。通过 Nvidia 免费模型 API，实现零成本的深度热点分析与趋势追踪。 关键词： TrendRadar, Docker部署, AI热点分析, MCP服务, Cherry Studio 1. 背景与需求：为什么我们需要 TrendRadar？ 在这个大数据算法横行的时代，我们每天被头条、抖音等平台“投喂”大量信息，不仅容易陷入信息茧房，还浪费了大量时间筛选有效资讯。 我的核心需求很简单： 1. 拒绝算法绑架：需要一个个人定制化的新闻推送服务。 2.
开源vs闭源AI工具大比较：成本、性能、生态的全方位对比

开源vs闭源AI工具大比较：成本、性能、生态的全方位对比

开源vs闭源AI工具大比较：成本、性能、生态的全方位对比 🌟 Hello，我是摘星！ 🌈 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察，每一次重构都是我的化学实验。 🎵 在编程的交响乐中，我既是指挥家也是演奏者。让我们一起，在技术的音乐厅里，奏响属于程序员的华美乐章。 目录 开源vs闭源AI工具大比较：成本、性能、生态的全方位对比 摘要 1. AI工具选择的战略意义 1.1 技术选型的重要性 1.2 市场趋势分析 2. 成本维度深度对比 2.1 直接成本分析 2.2 隐性成本分析 3. 性能维度全面评测 3.1 基准测试对比 3.2 性能优化策略 4. 生态系统建设对比 4.
多模态检索新突破！Qwen3-VL-Embedding/Reranker AI 真正“看懂“你在搜什么，从图片到视频全拿下！

多模态检索新突破！Qwen3-VL-Embedding/Reranker AI 真正“看懂“你在搜什么，从图片到视频全拿下！

Qwen3-VL-Embedding 和 Qwen3-VL-Reranker：统一多模态表征与排序 摘要 2025年6月，Qwen 团队开源了面向文本的 Qwen3-Embedding 和 Qwen3-ReRanker 模型系列，在多语言文本检索、聚类和分类等多项下游任务中取得了业界领先的性能。 2026年1月，该团队推出了 Qwen 家族的最新成员：Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 模型系列。这些模型基于开源的 Qwen3-VL 模型构建，专为多模态信息检索和跨模态理解场景设计，能够将文本、图像、文档图像和视频等多种模态映射到统一的表示空间中。 Qwen3-VL-Embedding 模型采用多阶段训练范式，从大规模对比预训练逐步发展到重排序模型蒸馏，以生成语义丰富的高维向量。该模型支持 Matryoshka 表示学习（MRL），可灵活选择嵌入维度，并能处理最多 32K tokens 的输入。作为补充，Qwen3-VL-Reranker 采用交叉编码器架构和交叉注意力机制，对查询-文档对进行细粒度的相关性评估。 两个模型系列继承了
AI 自动化测试：接口测试全流程自动化的实现方法

AI 自动化测试：接口测试全流程自动化的实现方法

在 AI 技术飞速渗透各行各业的当下，我们早已告别 “谈 AI 色变” 的观望阶段，迈入 “用 AI 提效” 的实战时代 💡。无论是代码编写时的智能辅助 💻、数据处理中的自动化流程 📊，还是行业场景里的精准解决方案 ，AI 正以润物细无声的方式，重构着我们的工作逻辑与行业生态 🌱。曾几何时，我们需要花费数小时查阅文档 📚、反复调试代码 ⚙️，或是在海量数据中手动筛选关键信息 ，而如今，一个智能工具 🧰、一次模型调用 ⚡，就能将这些繁琐工作的效率提升数倍 📈。正是在这样的变革中，AI 相关技术与工具逐渐走进我们的工作场景，成为破解效率瓶颈、推动创新的关键力量 。今天，我想结合自身实战经验，带你深入探索 AI 技术如何打破传统工作壁垒 🧱，让 AI 真正从 “概念” 变为 “实用工具” ，为你的工作与行业发展注入新动能 ✨。 文章目录 * AI 自动化测试：接口测试全流程自动化的实现方法 🤖 * 为什么传统自动化测试“卡壳”