Nano Hash - криптовалюты, майнинг, программирование

Географические растры в сцене three.js

Я хочу просмотреть некоторые растры в моей сцене three.js. Я думал использовать для этого цезий, но он был слишком медленным, когда я загрузил в сцену более 1000 движущихся объектов. Поэтому я решил вернуться к three.js с простой цилиндрической проекцией.

Есть ли простой способ построить что-то вроде «WmsMaterial»? Материал должен брать текстуры с какого-нибудь wms или тайлового сервера, например: http://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/4/5/9

И измените уровень плитки в соответствии с уровнем масштабирования. Любые идеи, как это сделать просто?

three.js wms
02.02.2014

Ответы:


1

При изменении масштаба вы можете запросить плитку с помощью запроса REST и загрузить ее как текстуру, а затем создать материал с текстурой. Управляйте кешем, чтобы не запрашивать уже загруженную плитку

03.02.2014
  • Хороший ответ, но было бы здорово, если бы вы поделились некоторыми примерами. 28.02.2017
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..