- 综合排序
- 最热优先
- 最新优先
- 来自专栏行业科技知识分享
智慧大坝 3D 可视化
今天将利用 Hightopo 的 HT 产品搭建出一个水墨风的山水大坝 3D 可视化场景。 预览-min.gif 系统分析 HT 三维可视化技术采用 B/S 架构，经过模型轻量化处理后，用户无需再花费高价钱去采购高性能的图形工作站来支撑三维可视化系统。 用户通过 PC、 PAD 或是智能手机，只要打开浏览器可随时随地访问三维可视化系统，实现远程监查和管控。 由于大坝监测信息三维可视化展示应用对大坝结构建模的要求不高，并且考虑 BIM 模型文件一般较大，不利于直接在浏览器中运行，Hightopo 的三维可视化都是经过设计师采用轻量化建模的方式所搭建的场景 图扑软件可视化赋能水利发电可视化、智慧发电站可视化、智慧光伏可视化等等产业都更加适应时代发展。
2.6K30发布于 2021-08-13 - 来自专栏医学和生信笔记
3d版混淆矩阵可视化
混淆矩阵大家应该都不陌生，但是3d版的混淆矩阵你见过吗？ 这个3d版不过是增加了一个维度，用来表示人数而已。 我们通过R语言可以轻松实现这个图，当然，Excel也很简单！3d柱状图嘛 我们就用这篇推文中的混淆矩阵为例：ROC阳性结果还是阴性结果？ pred outcome n 1 猜他不是肿瘤 非肿瘤 15 2 猜他不是肿瘤 肿瘤 1 3 猜他是肿瘤 非肿瘤 5 4 猜他是肿瘤 肿瘤 9 2d混淆矩阵可视化 如果要可视化混淆矩阵，简单的2维非常简单，比如用ggplot2即可： library(tidyverse) ggplot(df1, aes(pred, outcome))+ geom_tile( 3d版混淆矩阵可视化 也是很简单，使用barplot3d这个包即可。 library(barplot3d) 注意这个包画图的顺序：从左到右，从前到后！
1K20编辑于 2023-02-14 - 来自专栏粽子的深度学习笔记
3D Detection: 3D Box和点云 快速可视化
3D检测，用于3D box，点云快速可视化，辅助debug和分析： （Nuscenes,mmdet3d，OpenPCDet等适用） 注意：代码适用于多种模型，但是注意BEVDet系列和FCOS3D（ 3D box投影到bev可视化： import matplotlib.pyplot as plt import torch def box3d2x0y0wh(boxes_3d): # BEVDet/ dpi=90, bbox_inches='tight') # print(0) plt.close(fig) print('Successfully saved') 点云快速可视化 numpy() points = points.copy() fig = plt.figure() ax = fig.add_subplot(111, projection='3d
1.4K30编辑于 2022-09-07 - 来自专栏全栈程序员必看
Pygame学习笔记 6 —— 3D游戏
pygame是是上世纪的产品，虽然不适合最3D游戏，但我可以使用pygame来绘制简单的3D图形，就像在白纸上画立体图形一样。 主要内容： 视觉上的远近、3D空间、绘制一个空间图形 ---- 一、视觉上的远近 人的视觉总是遵循一个原则：近大远小。 return star.x > 0 stars = list(filter(on_screen, stars)) 我们不断生成长短不一运动的短线，看起来就像流星一样✨ ---- 二、3D 32) my_font = pygame.font.SysFont("arial", 23) ball = pygame.image.load("ball.png") # 3D 65)) pygame.display.update() if __name__ == "__main__": run() 下面就是我们最终的效果啦： ---- 第 6
1.5K10编辑于 2022-09-01 - 来自专栏数字孪生可视化
从零开始学习3D可视化之3D界面
ui_2.png 生活中我们经常会说到3D，比如3D游戏、3D电影等等。3D指三维，三个维度、三个坐标，即长、宽、高。 而一直以来在ThingJS中搭建的数字孪生可视化场景都是放在3D“容器”内的，3D“容器”提供了3D和2D的界面展示能力。 创建 Marker Marker 物体可以添加一个图片放置到你希望的位置，也可以将这个图片添加到数字孪生可视化对象身上，跟随数字孪生可视化对象一同移动。 场景中或绑定在3D物体上。 创建 WebView 物体 如果想在数字孪生可视化场景中放一张图片，应该怎么放进去呢？可以使用 WebView 物体，将其他网站或者页面的内容嵌入到数字孪生可视化场景中。
80540发布于 2021-07-16 - 来自专栏全栈程序员必看
数据可视化工具d3_前端3d可视化
可视化工具D3教程 第1章 D3简介 第2章 第一个程序 Hello World 第3章 正式进入D3的世界 第4章 选择、插入、删除元素 第5章 做一个简单的图表 第6章 比例尺的使用 第7章 坐标轴 可视化越来越流行，许多报刊杂志、门户网站、新闻、媒体都大量使用可视化技术，使得复杂的数据和文字变得十分容易理解，有一句谚语“一张图片价值于一千个字”，的确是名副其实。 第6章 比例尺的使用 比例尺是 D3 中很重要的一个概念，上一章里曾经提到过直接用数值的大小来代表像素不是一种好方法，本章正是要解决此问题。 } , { source : 1 , target: 4 } , { source : 1 , target: 5 } , { source : 1 , target: 6 在数据可视化中，地图是很重要的一部分。
14.8K40编辑于 2022-11-10 - 来自专栏生物信息学、python、R、linux
交互可视化plotly之3D plot
x： the x variable. y： the y variable. z： a numeric matrix 基础的3D scatter plot fig <- plot_ly(mtcars, x 3D scatter plot添加颜色范围 fig <- plot_ly(mtcars, x = ~wt, y = ~hp, z = ~qsec, marker = list 3D气泡图 data <- read.csv("https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv 2007[order(data_2007$continent, data_2007$country),] data_2007$size <- data_2007$pop colors <- c('#4AC6B7
1.3K20发布于 2020-04-01 - 来自专栏医学和生信笔记
R语言PCA可视化3D版
之前详细介绍了R语言中的主成分分析，以及超级详细的主成分分析可视化方法，主要是基于factoextra和factoMineR两个神包。 R语言主成分分析 R语言主成分分析可视化(颜值高，很详细) 今天说一下如何提取数据用ggplot2画PCA图，以及三维PCA图。 提取数据 还是使用鸢尾花数据集。 -2.291707 0.5953999 -0.09098530 -0.065735340 ## 5 -2.381863 -0.6446757 -0.01568565 -0.035802870 ## 6 0.5953999 -0.09098530 -0.065735340 setosa ## 5 -2.381863 -0.6446757 -0.01568565 -0.035802870 setosa ## 6 版 其实就是使用3个主成分，之前介绍过一种3D版：使用R语言美化PCA图，使用方法非常简单，也是在文献中学习到的。
96910编辑于 2023-02-14 - 来自专栏3D视觉从入门到精通
3D视觉技术的6个问答
前言 自从加入学习圈「3D视觉技术」以来，与小伙伴们一起讨论交流了近200多个学术问题，每每遇到一些令我难以回答的问题，我都会为自己学识有限而深感焦虑。 今从中挑选六个3D视觉技术的问答，但愿也能让更多小伙伴受益，一起学习，多多交流，更进一步～ 六个问答 问答1： 我们一般用的镜头是定焦镜头，那么我们在镜头上调焦，让模糊的的图像变清晰，这是什么过程？ （6-Dof pose estimation）有哪些主流方法？ “BOP: Benchmark for 6D Object Pose Estimation”中：对各种方法进行了估计还有测试。 用多张不同角度2D图像的表面特征，直接处理相应的2D图片信息从而进行3D物体识别和探测，这样就可以直接利用二维图像上成熟的CNN技术。
82410发布于 2020-12-11 - 来自专栏全栈程序员必看
QQ群关系可视化3D查询搭建
https://github.com/backlion/qqgroup-visualization
1.8K30编辑于 2022-09-06 - 来自专栏Python编程和深度学习
医疗图像分割结果的3D可视化
每个CT扫描的病例（case）可以包含几十到上百个dcm文件，想要可视化查看CT文件，以开源免费软件ITK-SNAP为例，直接将该case文件夹里的其中一个dcm拖进软件，可以看到这个CT扫描文件有134 个dcm文件，每个slice大小为512 x 512，组成大小为512 x 512 x 134的3D数据。 2.3D可视化 由于ITK-SNAP的展示界面不够立体直观，可以借助paraview来展示我们的分割结果。 将分割好的.img或.nii文件拖到ITK-SNAP页面 ? 4.Opacity调透明度 5.Specular添加镜面高光效果 6.Surface可以改变展示效果 各个图层分别选中并设置，效果如下 ? 可以鼠标控制旋转，滚轮缩放，选择性的展示想展示的部分。
11.6K40发布于 2020-05-21 - 来自专栏HT
智慧地产-售楼中心 3D 沙盘可视化
HT for Web 不止自主研发了强大的基于 HTML5 的 2D、3D 渲染引擎，为可视化提供了丰富的展示效果。 介于 2D 组态和 3D 组态上，Hightopo（以下简称 HT ）的 HT for Web 产品上的有着丰富的组态化可供选择，本文将介绍如何运用 HT 丰富的 2/3D 组态搭建出一个售楼中心楼盘沙盘模型可视化 界面一：楼盘沙盘可视化 在场景的搭建上，采用以 HT 的 HT for Web 产品轻量化 HTML5/WebGL 建模的方案，实现快速建模、运行时轻量化到甚至手机终端浏览器即可 3D 可视化运维的良好效果 HT 拥有丰富的 2/3D 可视化展示经验，可供用户打造许多行业标准下，具有代表意义的可视化管理系统，不论是从智慧地产、智慧社区再到智慧城市。 2019 我们也更新了数百个工业互联网 2D/3D 可视化案例集，在这里你能发现许多新奇的实例，也能发掘出不一样的工业互联网：https://mp.weixin.qq.com/s/ZbhB6LO2kBRPrRIfHlKGQA
1.9K41发布于 2020-10-26 - 来自专栏3D可视化
3D可视化开发建模工作谁来做？
3d可视化开发自然是由建模师来完成建模工作，可有的公司没有专业的3D建模师，怎么办呢？thingjs有专业的建模团队，所以是提供建模服务的。
1.5K31发布于 2019-12-20 - 来自专栏代码编写世界
3D Gaussian Splatting可视化渲染原理详解
本文主要围绕 3DGS 的可视化渲染流程 展开，希望能够帮助读者从图形学的角度理解其内部原理，而不仅仅停留在公式推导或代码实现层面。 对于从事 GIS、数字孪生、三维可视化以及 AR/VR 开发的工程师而言，理解这些底层原理，也将为后续将 3DGS 与传统图形引擎融合、构建更复杂的实时三维应用打下基础。 一、引言 提到当下计算机视觉与图形学领域最炙手可热的技术，非 3D Gaussian Splatting（简称 3DGS，3D 高斯泼溅） 莫属。 高斯的本质 在理解了高斯椭球体的数学构造与各向异性特性后，就能理解为什么可以使用“高斯椭球”来表达可视化场景的原因了。 九、总结 回顾整篇文章，我们已经完整分析了 3D Gaussian Splatting 的整个可视化流程。
37910编辑于 2026-07-18 - 来自专栏不仅仅是python
数据可视化-Matplotlib中的3D图表
背景介绍 今天我们演示绘制在极坐标中定义的曲面3D图。并使用matplotlib中内置的color map做展示。 ? 入门实例 先看视频演示效果： 代码块 ''' ================================= 3D表面与极坐标 ================================= 示例由Armin Moser提供. ''' #导入Axes3D注册3D投影 from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt import numpy as np #定义子图表，添加3D投影 fig = plt.figure() ax = fig.add_subplot(111, projection='3d'
1.4K40发布于 2019-08-23 - 来自专栏数据STUDIO
6个顶级Python可视化库
Altair 数据可视化已超神, 再见 Seaborn！Altair 数据可视化已超神 优点 简单的可视化语法 Altair利用直观的语法来创建可视化。 查看数据转换的完整列表[6]。 链接图表 Altair提供了令人印象深刻的将多个地块连接在一起的能力。你可以根据用户的互动，使用选择来过滤所附图块的内容。 如果我们不为条形图增加宽度，图表会是这样的： from bokeh.transform import factor_cmap from bokeh.palettes import Spectral6 survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6, survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6,
3.7K20编辑于 2023-09-04 - 来自专栏萝卜大杂烩
6个顶级Python可视化库
优点 简单的可视化语法 Altair利用直观的语法来创建可视化。你只需要指定数据列和编码通道之间的联系，其余的绘图工作都是自动处理的。这种简单性使得信息的可视化变得快速而直观。 查看数据转换的完整列表[6]。 链接图表 Altair提供了令人印象深刻的将多个地块连接在一起的能力。你可以根据用户的互动，使用选择来过滤所附图块的内容。 如果我们不为条形图增加宽度，图表会是这样的： from bokeh.transform import factor_cmap from bokeh.palettes import Spectral6 survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6, survived", source=titanic_groupby, fill_color=factor_cmap( "class", palette=Spectral6,
3.1K20编辑于 2023-08-21 - 来自专栏杨熹的专栏
TensorFlow-6-TensorBoard 可视化学习
project/tensorflow-zh/how_tos/summaries_and_tensorboard.html 今天学的内容是 TensorBoard 它的作用就是可以把复杂的神经网络训练过程给可视化 tf.summary.scalar 操作来分别输出学习速度和期望误差，可以给每个 scalary_summary 分配一个有意义的标签为 'learning rate' 和 'loss function'，执行后就可以看到可视化的图表
92850发布于 2018-04-03 - 来自专栏点云PCL
3D Object Recognition and 6DOF Pose Estimation
Hypothesis Verification 1, given a set of object hypotheses with a 6DoF pose. 2. From 3D models to 2.5D data Simulate input from depth/3D sensors. ? s_keypoints); gc_clusterer.setModelSceneCorrespondences (m_s_corrs); gc_clusterer.cluster (clusters); 2.Hough 3D voting 1.Correspondence votes are accumulated in a 3D Hough space. Each point associated with a repeatable RF, RFs used to: 1. reduce voting space from 6 to 3D...
1.4K40发布于 2019-07-30 - 来自专栏优雅R
「R」数据可视化6 : 曼哈顿图
本文作者蒋刘一琦 在生物信息领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。 一般，在GWAS的研究中，Pvalue的阈值在10^-6 或者10^-8以下。（现在可能要求更高了？ rs6 1 6 0.5190959 第一列为SNP的名字，第二列CHR为所在染色体，第三列BP为染色体上所在位置。 rs6 1 6 0.5190959 0 6 axisdf = don %>% group_by(CHR) %>% summarize(center=( max(BPcum) + min 2096 3 3 3212. 4 4 4204 5 5 5115 6 6 5966 don是用于作图的主要数据表，而axisdf是用于处理x轴，因为我们想要他们按照染色体的位置排布
4.2K20发布于 2020-07-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号