qq网站登录网址wordpress前台用户注册

qq网站登录网址,wordpress前台用户注册,网赌网站怎么建设,胶南网络推广基于 ContextCapture SDK 的 Python 自动化三维建模 ContextCapture 是 Bentley 提供的一款商业级三维重建软件#xff0c;广泛应用于无人机倾斜摄影、实景三维建模等场景。 本文基于 ContextCapture 官方提供的 MasterKernel SDK#xff0c;介绍如何通过 Python 脚本实现对 …基于 ContextCapture SDK 的 Python 自动化三维建模ContextCapture 是 Bentley 提供的一款商业级三维重建软件广泛应用于无人机倾斜摄影、实景三维建模等场景。本文基于 ContextCapture 官方提供的 MasterKernel SDK介绍如何通过 Python 脚本实现对 ContextCapture 建模流程的自动化控制包括项目创建、空中三角测量AT、三维重建以及多种格式成果的顺序生产。ContextCapture MasterKernel SDK介绍:https://docs.bentley.com/LiveContent/web/ContextCapture Help-v18/zh-cn/GUID-8A35B878-C2BB-4F01-8D5A-18321EF04410.html1.安装ContextCapture基于ContextCapture的安装网上有很多详细的教程本文不再对安装步骤进行详细展开。本文测试环境使用的ContextCapture版本为v10.18.0.232后续示例均基于该版本仅供参考。2.配置适合ContextCapture的Python环境在 ContextCapture 安装目录的sdk/dist文件夹中可以找到官方提供的 Python SDK 安装包.whl文件。例如ccmasterkernel-10.18.0.232-cp36-cp36m-win_amd64.whl其中“cp36-cp36m”表示只支持 Python3.6 相关版本要安装正确的Python版本。安装完成Python环境后打开命令行进入sdk/dist文件夹下执行pip install ccmasterkernel-10.18.0.232-cp36-cp36m-win_amd64.whl安装好这个包。3.编写Python脚本关于sdk使用的相关文档说明在sdk/doc/html文件夹下。下面给出一个完整的 Python 脚本示例用于演示如何通过 ContextCapture SDK 实现无人机影像的自动化三维建模流程。该脚本后续可根据实际需求进行裁剪或扩展。此脚本是一个用于自动化 ContextCapture (CC) 建模流程的 Python 脚本。它能够自动创建项目、提交空三运算 (AT)并按顺序生成多种格式的三维模型OBJ, LAS, 3D Tiles。注意正式运行脚本前需确保ContextCapture Engine 已启动否则任务无法正常提交3.1命令行参数脚本支持通过命令行参数进行灵活配置参数必选/可选默认值说明--photos必选-照片所在的源文件夹路径。支持 jpg, tif, png 等格式。--project必选-项目输出的根文件夹路径。脚本将在此目录下创建.ccm项目文件和各个产物文件夹。--memory可选16.0目标内存使用量 (GB)。用于控制分块大小建议设置为机器物理内存的 50%-70%。--formats可选全部指定要生产的格式列表。可选值:OBJ,LAS,3DTiles。多个值之间用空格分隔。3.2 使用示例在命令行 (CMD 或 PowerShell) 中运行以下命令。1 基础用法生成所有默认格式 (OBJ, LAS, 3D Tiles)默认使用 16GB 内存限制。/* by 01022.hk - online tools website : 01022.hk/zh/generateethwallets.html */ python test_cc_sequential.py --photos D:\MyData\Mission_01\Images --project D:\Projects\Mission_012指定输出格式如果你只需要点云 (LAS) 和 OBJ 模型不需要 3D Tiles/* by 01022.hk - online tools website : 01022.hk/zh/generateethwallets.html */ python test_cc_sequential.py --photos D:\Images --project D:\Output --formats LAS OBJ3自定义内存限制针对大内存 (例如 64GB 内存)可以调高限制以加快处理速度 (例如设为 48GB)python test_cc_sequential.py --photos D:\Images --project D:\Output --memory 48.0针对小内存机器 (例如 16GB 内存)建议调低限制 (例如 8GB)python test_cc_sequential.py --photos D:\Images --project D:\Output --memory 8.03.3 输出结构运行完成后在指定的--project目录下会自动生成以下结构D:\Projects\Mission_01\ -- 项目根目录 │ Mission_01.ccm -- CC 工程文件 │ cc_sequential.log -- 详细运行日志 │ ├─ Production_OBJ\ -- OBJ 模型输出目录 │ metadata.xml │ ... │ ├─ Production_LAS\ -- LAS 点云输出目录 │ cloud.las │ ... │ └─ Production_3DTiles\ -- Cesium 3D Tiles 输出目录 tileset.json ...3.4 日志脚本运行过程中简要信息会显示在屏幕上。详细的带时间戳的日志会保存在脚本同级目录下的cc_sequential.log文件中。3.5 具体代码实现 ContextCapture 顺序多格式生产脚本 支持 OBJ、LAS 点云、Cesium 3D Tiles 三种格式 使用分块处理 (Tiling) 控制内存 顺序执行避免内存不足 import sys import time import os import logging from logging.handlers import RotatingFileHandler import traceback import argparse # --- 日志配置 --- # 日志文件名为 cc_sequential.log位于脚本所在目录 log_file_path os.path.join(os.path.dirname(os.path.abspath(__file__)), cc_sequential.log) logger logging.getLogger(CC_Production) logger.setLevel(logging.INFO) # 1. RotatingFileHandler: 10MB 切割保留 5 个备份 # maxBytes 10 * 1024 * 1024 10485760 B rf_handler RotatingFileHandler(log_file_path, maxBytes10 * 1024 * 1024, backupCount5, encodingutf-8) file_formatter logging.Formatter(%(asctime)s [%(levelname)s] %(message)s) rf_handler.setFormatter(file_formatter) logger.addHandler(rf_handler) # 2. StreamHandler: 输出到控制台 console_handler logging.StreamHandler(sys.stdout) console_handler.setFormatter(logging.Formatter(%(message)s)) # 控制台输出保持原样纯文本方便阅读 logger.addHandler(console_handler) # ---------------- try: import ccmasterkernel logger.info(成功导入 ccmasterkernel 模块) except ImportError: logger.error(错误: 无法导入 ccmasterkernel 模块。) sys.exit(1) def parse_args(): parser argparse.ArgumentParser(descriptionContextCapture 顺序多格式生产脚本) # 路径参数 (必须) parser.add_argument(--photos, requiredTrue, help照片所在目录路径) parser.add_argument(--project, requiredTrue, help项目输出目录路径) # 可选参数 parser.add_argument(--memory, typefloat, default16.0, help目标内存使用量 (GB)默认 16.0) parser.add_argument(--formats, nargs, default[OBJ, LAS, 3DTiles], choices[OBJ, LAS, 3DTiles], help指定要生产的格式 (默认全部): OBJ, LAS, 3DTiles) return parser.parse_args() def main(): args parse_args() # 定义路径变量 (从 args 获取) project_dir args.project # 自动根据目录名生成项目文件名 project_name_base os.path.basename(os.path.normpath(project_dir)) project_file_path os.path.join(project_dir, f{project_name_base}.ccm) photos_dir args.photos # 多格式输出目录 production_obj_dir os.path.join(project_dir, Production_OBJ) production_las_dir os.path.join(project_dir, Production_LAS) production_3dtiles_dir os.path.join(project_dir, Production_3DTiles) logger.info(\n * 60) logger.info(ContextCapture 顺序多格式自动化脚本 (CLI Mode)) logger.info( * 60) logger.info(f项目文件路径: {project_file_path}) logger.info(f照片目录: {photos_dir}) logger.info(f目标内存: {args.memory} GB) # 确定要生产的格式 formats_to_produce_list [] # 格式定义映射: Name - (DriverName, OutputDir, Description) format_map { OBJ: (OBJ, production_obj_dir, OBJ 网格模型), LAS: (LAS, production_las_dir, LAS 点云), 3DTiles: (Cesium 3D Tiles, production_3dtiles_dir, Cesium 3D Tiles) } req_formats args.formats logger.info(f计划生产格式: {, .join(req_formats)}) # 构建 production list # 保持原有顺序: OBJ - LAS - 3DTiles (如果被选中) if OBJ in req_formats: formats_to_produce_list.append((OBJ, *format_map[OBJ])) if LAS in req_formats: formats_to_produce_list.append((LAS, *format_map[LAS])) if 3DTiles in req_formats: formats_to_produce_list.append((Cesium 3D Tiles, *format_map[3DTiles])) logger.info(\n输出位置预览:) for _, _, out_dir, desc in formats_to_produce_list: logger.info(f - {desc}: {out_dir}) logger.info(\n注意: 选中格式将依次执行避免内存不足) logger.info( * 60 \n) # 确保项目目录存在 if not os.path.exists(project_dir): try: os.makedirs(project_dir) except OSError as e: logger.error(f错误: 无法创建项目目录 {project_dir}: {e}) return # 1. 创建并配置项目 logger.info(正在创建项目...) project ccmasterkernel.Project() project.setName(project_name_base) # 使用目录名作为项目名 project.setProjectFilePath(project_file_path) # 2. 创建区块并添加照片 logger.info(正在创建初始区块...) block ccmasterkernel.Block(project) project.addBlock(block) block.setName(InitialBlock) logger.info(正在添加照片...) photogroups block.getPhotogroups() if os.path.exists(photos_dir): photo_files [f for f in os.listdir(photos_dir) if f.lower().endswith((.jpg, .jpeg, .tif, .tiff, .png))] if not photo_files: logger.warning(f警告: 在 {photos_dir} 中未找到照片文件。) for f in photo_files: full_path os.path.join(photos_dir, f) photogroups.addPhotoInAutoMode(full_path) logger.info(f已尝试添加 {len(photo_files)} 张照片。) else: logger.error(f错误: 照片目录 {photos_dir} 不存在。) return # 验证区块是否有效 if not block.isReadyForAT(): logger.error(错误: 区块未准备好进行 AT。) return # 保存项目 logger.info(正在保存项目...) save_error project.writeToFile() if not save_error.isNone(): logger.error(f保存项目失败: {save_error.message}) return logger.info(项目保存成功。) # 3. 空中三角测量 (AT) logger.info(\n准备空中三角测量 (AT) 区块...) block_at ccmasterkernel.Block(project) project.addBlock(block_at) block_at.setName(AT_Block) block_at.setBlockTemplate(ccmasterkernel.BlockTemplate.Template_adjusted, block) # 保存更新后的项目 logger.info(正在保存更新后的项目...) save_error project.writeToFile() if not save_error.isNone(): logger.error(f保存项目失败: {save_error.message}) return logger.info(开始提交 AT 处理...) at block_at.getAT() if at is None: logger.error(错误: 无法获取 AT 对象。) return # 提交 AT 处理 submit_error at.submitProcessing() if not submit_error.isNone(): logger.error(fAT 提交失败: {submit_error.message}) return # 监控 AT 任务 if not monitor_job(at, AT): logger.error(AT 处理未成功完成脚本终止。) return logger.info(AT 处理完成。\n) # 4. 重建 (Reconstruction) - 配置分块处理 logger.info( * 60) logger.info(创建重建项目...) logger.info( * 60) reconstruction ccmasterkernel.Reconstruction(block_at) block_at.addReconstruction(reconstruction) reconstruction.setName(Reconstruction_Sequential) # 配置重建设置 logger.info(\n配置重建设置...) settings reconstruction.getSettings() reconstruction.setSettings(settings) # 配置分块处理 (Tiling) logger.info(配置分块处理 (Tiling)...) tiling reconstruction.getTiling() tiling.tilingMode ccmasterkernel.TilingMode.TilingMode_adaptive tiling.targetMemoryUse args.memory # 使用命令行参数 tiling.overlapRatio 0.2 tiling.discardEmptyTiles True reconstruction.setTiling(tiling) logger.info(f - 模式: Adaptive (自动分块)) logger.info(f - 目标内存: {tiling.targetMemoryUse} GB) logger.info(f - 瓦片重叠率: {tiling.overlapRatio * 100}%) # 保存重建配置 logger.info(\n保存重建配置...) save_error project.writeToFile() if not save_error.isNone(): logger.error(f保存项目失败: {save_error.message}) return # 获取瓦片数量 num_tiles reconstruction.getNumInternalTiles() logger.info(f\n重建包含 {num_tiles} 个瓦片) # 5. 顺序生产 - 依次执行每种格式 logger.info(\n * 60) logger.info(开始顺序生产依次执行避免内存不足) logger.info( * 60) results [] # 遍历我们构建的格式列表 for idx, (prod_name, driver_name, output_dir, description) in enumerate(formats_to_produce_list, 1): logger.info(\n * 60) logger.info(f第 {idx}/{len(formats_to_produce_list)} 步: 生产 {description}) logger.info( * 60) # 创建生产 logger.info(f\n配置 {description}...) production ccmasterkernel.Production(reconstruction) reconstruction.addProduction(production) production.setName(fProduction_{prod_name}) production.setDriverName(driver_name) production.setDestination(output_dir) logger.info(f ✓ {description} 配置完成) # 保存项目 save_error project.writeToFile() if not save_error.isNone(): logger.error(f ✗ 保存项目失败: {save_error.message}) results.append((description, False)) continue # 添加所有瓦片任务 logger.info(f\n为 {description} 添加 {num_tiles} 个瓦片任务...) production_jobs [] try: for i in range(num_tiles): tile reconstruction.getInternalTile(i) job ccmasterkernel.TileProductionJob(production, tile) production.addProductionJob(job) production_jobs.append(job) logger.info(f ✓ 已添加 {num_tiles} 个瓦片任务) except Exception as e: logger.error(f ✗ 添加任务时出错: {e}) results.append((description, False)) continue # 提交生产 logger.info(f\n提交 {description} 生产...) submit_error production.submitProcessing() if not submit_error.isNone(): logger.error(f ✗ 提交失败: {submit_error.message}) results.append((description, False)) continue logger.info(f ✓ 提交成功) # 监控所有瓦片任务 logger.info(f\n监控 {description} 任务{num_tiles} 个瓦片...) all_tiles_success True for tile_idx, job in enumerate(production_jobs): job_desc f{description} - 瓦片 {tile_idx} if not monitor_job(job, job_desc): logger.error(f ✗ 瓦片 {tile_idx} 处理失败) all_tiles_success False break # 如果一个瓦片失败停止监控后续瓦片 else: logger.info(f ✓ 瓦片 {tile_idx} 处理成功) if all_tiles_success: logger.info(f\n✓ {description} 所有瓦片处理成功) logger.info(f 输出位置: {output_dir}) results.append((description, True)) else: logger.error(f\n✗ {description} 处理失败) results.append((description, False)) # 最终结果汇总 logger.info(\n * 60) logger.info(生产结果汇总) logger.info( * 60) for description, success in results: status ✓ 成功 if success else ✗ 失败 logger.info(f {status}: {description}) all_success all(success for _, success in results) if all_success: logger.info(\n * 60) logger.info(所有请求的格式生产成功完成) logger.info( * 60) else: logger.error(\n部分格式生产失败请检查日志获取详细信息。) def monitor_job(job_object, job_name): 通用任务监控函数 previous_status ccmasterkernel.JobStatus.Job_unknown while True: # 更新状态 try: job_object.updateJobStatus() except AttributeError: pass status job_object.getJobStatus() # 显示状态变化 if status ! previous_status: status_str ccmasterkernel.jobStatusAsString(status) logger.info(f [{job_name}] {status_str}) previous_status status # 检查是否结束 if status in [ccmasterkernel.JobStatus.Job_completed, ccmasterkernel.JobStatus.Job_failed, ccmasterkernel.JobStatus.Job_cancelled]: break time.sleep(2) # 最终结果检查 if status ccmasterkernel.JobStatus.Job_completed: return True else: msg job_object.getJobMessage() if msg: logger.error(f [{job_name}] 错误: {msg}) return False if __name__ __main__: try: main() except KeyboardInterrupt: logger.info(\n\n用户中断脚本执行。) except Exception as e: logger.error(f\n错误: {e}) logger.error(详细堆栈:, exc_infoTrue)github仓库地址https://github.com/Canon-create/contextcapture-python-example参考文章https://blog.csdn.net/qq_41475842/article/details/112959892