Nano Hash - криптовалюты, майнинг, программирование

Масштабируемые карты помещений с наложением на холст LeafletJS

Я пытался реализовать масштабируемые внутренние карты (очень похожие на некоторые схемы рассадки, которые вы видите с помощью LeafletJS). Я смог взять внутреннюю карту и создать из нее фрагменты карты с помощью maptiler, как описано в этой замечательной статье: http://build-failed.blogspot.com/2012/11/zoomable-image-with-leaflet.html

Теперь, когда у меня есть плитки, я хотел бы создать полигоны Canvas, определяющие различные горячие точки на этих плитках. Есть ли способ сделать это? Я видел здесь пример: http://bl.ocks.org/Sumbera/11114288, позволяет вам создать холст поверх карты листовки, но я не уверен, как я могу взять многоугольник холста (или любую подобную геометрию) и поместить его на карту, потому что они не ориентированы на широту / долготу. Многие из этих примеров показывают геометрию, нарисованную на карте, что означает, что вы более или менее знаете широту/долготу, но эти изображения, из которых я построил карту, вообще не основаны на географии.

Есть ли способ сделать это? Хотелось бы идей!

Спасибо!

leaflet
09.01.2016

Ответы:


1

Если я правильно понимаю, вы запутались в том, как определить координаты объектов, которые вы хотите нарисовать на своем холсте, чтобы они совпадали с фрагментами вашей карты? И вы особенно боитесь, что вам придется «изобретать» какие-то координаты широты и долготы?

Вероятно, вам следует рассмотреть возможность использования L.CRS.Simple в параметрах карты при создании экземпляра, так что координаты теперь "плоские".

Простой CRS, который напрямую отображает долготу и широту в x и y. Может использоваться для карт плоских поверхностей (например, игровых карт). Обратите внимание, что ось y по-прежнему должна быть инвертирована (идет снизу вверх).

Вы даже можете настроить эту CRS так, чтобы координаты x и y соответствовали полному разрешению вашей внутренней карты (см. пользовательские координаты на изображении).

Тогда координаты больше не «основаны на географии», а основаны на координатах вашего изображения (за исключением, возможно, вертикальной оси, которая считается с 0 внизу и максимумом вверху).

09.01.2016
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..