草图大师su通过照片建模建筑 零插件sketchup

news2025/1/22 16:14:53

打开sketchup,相机-匹配新照片。照片的要求:

  • “匹配照片”最适合主要由直角组成的结构。您肯定至少需要一个直角才能使用匹配照片。
  • 使用从角落以大约 45 度角拍摄的照片。上图来自谷歌街景图是以 45 度角拍摄的图像示例。如果您正在拍照,则可以在模型的多个部分使用“匹配照片”(如果您拍摄每个角落的照片)。
  • 不要裁剪照片。尽管似乎可以使用裁剪后的图像,但通常垂直线在裁剪后的图像上不能很好地对齐,并且您不会喜欢结果。
  • 如果可以的话,避免扭曲或扭曲的照片。“匹配照片”不适用于图像编辑器或专用相机扭曲的图像。
  • 避免拼接图像(全景图)。拼接图像通常过度扭曲,并且每个轴有多个消失点。
  • 选择没有前景特征的照片。当树木和其他前景对象挡住建筑物的视线时,这些前景元素会妨碍根据您的照片绘制模型。
  • 确保您的图像有两个消失点。如果图像只有一个无限消失点,例如走廊或长长的火车轨道,您将很难调整消失点条。同样,使用超长焦镜头(或卫星或航拍图像)拍摄的图像也使调整消失点条变得困难。
  • 参考文献:https://help.sketchup.com/en/sketchup/matching-photo-model-or-model-photohttps://help.sketchup.com/en/sketchup/matching-photo-model-or-model-photo

 导入提前下载的JPEG图片。由于没有办法去实地拍照,只能在网上找一个比较清晰的照片。图中由于距离较远,树木遮蔽较多。

由于第一层被树木遮挡,需要比对街景地图。

 可以判读,底座综合体共5层。第一层大致与第二层相同。

 下面一段内容来自官方网站的介绍。看一看主要的名词含义:匹配照片的颜色编码工具。

https://help.sketchup.com/en/sketchup/matching-photo-model-or-model-photo

  1. 场景选项卡:场景是与选项卡关联的模型的已保存相机视图。如果偏离此特定视图,则匹配的照片将消失。但是,您可以单击匹配照片场景选项卡以返回到包含照片的视图。
  2. 匹配照片视图:当相机处于“匹配照片”视图中时,您会在绘图窗口的左上角看到“匹配照片”。
  3. 消失点栏:您会看到两个绿色条和两个红色条,两端各有一个虚线和一个方形握把。单击并拖动夹点以将这些条与照片中的元素对齐。
  4. 地平线:这条黄线与模型中的地平线对齐。通常,如果设置消失点条,地平线会自行处理。
  5. 轴条:绿色、红色和蓝色实线表示每个轴。当您调整消失点条时,轴条也会移动,因此您通常不需要手动调整这些点条。您可以单击并上下拖动蓝色轴条以大致缩放照片。
  6. 轴原点:原点是三个轴相交的地方。如果您从匹配照片兼容的图像开始,则匹配照片可以很好地为您定位原点,但您可能需要对其进行一些调整。在示例中,原点需要向下移动一点,以便轴原点位于墙壁和地面相交的拐角处。(如果照片俯视建筑物,请尝试屋顶和墙壁的角落。对于在室内拍摄的照片,请将墙壁和天花板或墙壁和地板相交的原点放在角落里。

 拖动红轴、绿轴,与建筑匹配。

 点击完成。

点击画笔或者矩形工具,画出大概的一个长方体。此时图片消失。

点击左上角的场景,模型将和图片叠加。

 此时,只要使用鼠标中键进行旋转视角操作,则立即返回白模型模式。

 如果不旋转视角,则可以直接在图片背景上进行拉伸操作。

 拉伸到与高楼贴合。

 进行拉伸,可以以图片为背景直接划线做好标记,然后返回模型上拉伸。

 由于楼体由多个高度的楼组合而成,难以判定具体距离。需要比对不同的地图。

下面这张图来自百度地图,通过测量工具,可以得出三个楼体的间距。

如果能找到顶视图,那最好了,可以直接利用拉伸成型后修剪即可。

根据反复比对,查看不同卫星图的数据。大致得出建筑体的轮廓数据。在草图大师中绘制相关模型。

例如,下面两个图片描述的低层建筑就有所不同。

 比对后,反复修改su文件。

点击左上角场景名称,进行图片匹配。

此时,可以修正不恰当的估计高度,例如通过楼层数量判断高度形成大概,再通过匹配后拉伸或降低高度,从而同透视图完美对应。

可以在场景标签右键直接进入编辑照片匹配。进行微调。

 可以直接对线进行分段,对应楼层。

 还有更快的方法,但是无法分层编辑,就是直接投影照片。

如下图。左侧为重新建模,可以对细节编辑。右侧为投影照片,突出部分旋转会失真,但是远看还可以接受,可以用于概略建模。

 直接投影会造成白斑,是因为像素确实。

可以通过类比替换白斑区域。复制同样的一部分然后贴在相应位置。

修饰成型。

 

 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/434228.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

模糊数学求传递闭包(C语言)

一、问题描述 我们在模糊数学中利用传递闭包法进行聚类分析的时候,需要求模糊相似矩阵的传递闭包,对于阶数比较高的矩阵,手工计算太过于繁琐,我们可以借助程序实现。 我们先来看一下模糊矩阵的合成规则: 设为有限论域…

ChatGPT能取代传统伪原创工具吗?

文章伪原创工具是一种计算机辅助写作工具,通过算法和技术实现对原有文章内容进行修改和改写,生成新的、看起来不同于原文的文章,以达到避免抄袭和提高原创性的目的。今天我们来聊聊传统伪原创工具和使用ChatGPT进行文章改写的优缺点。 一、传…

【状态估计】电力系统状态估计的虚假数据注入攻击建模与对策(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

C++ Linux Web Server 面试基础篇-操作系统(一、Linux基础)

⭐️我叫忆_恒心,一名喜欢书写博客的在读研究生👨‍🎓。 如果觉得本文能帮到您,麻烦点个赞👍呗! 近期会不断在专栏里进行更新讲解博客~~~ 有什么问题的小伙伴 欢迎留言提问欧,喜欢的小伙伴给个三…

SpringBoot访问静态资源和jar外部静态资源,部署前端打包后的vue项目放入静态资源里

记录一下使用SpringBoot访问静态资源和SpringBoot打包之后的jar外部静态资源,在开发的时候,一般选择前后端分离的方式,前端使用vue 后端使用SpringBoot,通常情况下,部署都是前端通过http去请求后端资源,涉及…

CVE-2021-27905 Apache Solr SSRF漏洞

预备知识 1. 漏洞信息 漏洞编号:CVE-2021-27905 漏洞名称:Apache Solr SSRF漏洞 漏洞描述:Apache Solr是一个开源的搜索服务,使用Java编写、运行在Servlet容器的一个独立的全文搜索服务器,是Apache Lucene项目的开源…

在Claude穿越千年,问了孔子人生问题

📕如果大家还不知道Claude的话,可以先了解下,它是chatgpt最大的竞争对手。他有很多的知识,能做的事情也非常的多。 今天我们就让他用孔子的思想来跟我们对话,看看他会怎么回答我们的人生问题。 我们先问问他&#xf…

组播协议的RP

某组播网络示意图如图,其中MCS1是组播地址(G1)的组播源,PC1和PC2是组G1的接收者。 1.上述组播网络中,端口1、2、3需要运行哪些协议,为什么需要运行这些协议?(仅填必配的组播协议)详细写出具体原因 结合上述拓扑,考虑到存在RP场景,因此运行组播路由协议为PIM-SM协议,…

『pyqt5 从0基础开始项目实战』07. 次数清零与多行数据删除(保姆级图文)

目录 导包和框架代码 次数清零按钮添加绑定事件实现数据清零 数据删除按钮添加绑定事件实现删除功能完整代码总结 欢迎关注 『pyqt5 从0基础开始项目实战』 专栏,持续更新中 欢迎关注 『pyqt5 从0基础开始项目实战』 专栏,持续更新中 导包和框架代码 请…

GEE:Gmeans图像分割

G-means是一种聚类算法,它是基于K-means算法的改进版本。K-means算法的一个主要缺点是需要事先指定聚类的数量,而G-means算法则可以自动确定聚类的数量。 G-means算法使用了类似于K-means的迭代过程,但在每次迭代时,它会检查每个聚类是否可以继续细分为两个子聚类。这个检…

保护你的数字资产:网络安全的重要性和应对策略

网络安全已经成为现代企业和组织的重要问题。在数字化的时代,网络攻击和安全威胁的规模和复杂性不断增加,因此保护数字资产变得越来越重要。而Log360作为一款全面的网络安全解决方案,可以帮助企业识别、分析和应对网络安全威胁,从…

【PyTorch】第六节:乳腺癌的预测(二分类问题)

作者🕵️‍♂️:让机器理解语言か 专栏🎇:PyTorch 描述🎨:PyTorch 是一个基于 Torch 的 Python 开源机器学习库。 寄语💓:🐾没有白走的路,每一步都算数&#…

【SCI电气】考虑不同充电需求的电动汽车有序充电调度方法(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

【Python】【进阶篇】二十、Python爬虫实现Cookie模拟登录

目录 二十、Python爬虫实现Cookie模拟登录20.1 注册登录20.2 分析网页结构20.3 编写完整程序 二十、Python爬虫实现Cookie模拟登录 在使用爬虫采集数据的规程中,我们会遇到许多不同类型的网站,比如一些网站需要用户登录后才允许查看相关内容&#xff0c…

【获奖案例巡展】信创先锋之星——甘肃省住房和城乡建设厅住建数据大脑

为表彰使用大数据、人工智能等基础软件为企业、行业或世界做出杰出贡献和巨大创新的标杆项目,星环科技自2021年推出了“新科技 星力量” 星环科技科技实践案例评选活动,旨在为各行业提供更多的优秀产品案例,彰显技术改变世界的力量&#xff0…

推进数字化转型进程,AntDB数据库协同神州云动共促新发展

当今,数字化转型已成为企业发展的必由之路。随着新技术的不断发展和市场的日益竞争,越来越多的企业开始意识到数字化转型的重要性,在帮助企业数字化转型过程中,高效的客户关系管理软件和具有灵活性、可伸缩的数字底座,…

关于于pyreadline模块的py3k_compat.py的函数collections.Callable兼容性问题

上图警告的官网链接地址 上图警告信息是一个警告信息,提醒你在代码中使用了即将被弃用的函数或配置项,建议及时修改以避免在将来的版本中出现不兼容的情况。具体解释如下: 这段段警告信息来自于pyreadline模块的py3k_compat.py文件,提示你使用了collections模块中即将被弃用…

code=45, title=禁止登录, message=登录失败,建议升级最新版本后重试,或通过问题反馈与我们联系。

如果你是采用 java 开发的,你可以参考本文章,java 和 kotlin 都是可以相互转换的。 在解决之前,先说明环境: JDK版本:java version "17.0.3.1" 【Oracle JDK】 Kotlin版本:1.8.20 采取simbot核心包开发&am…

PLATO-2: Towards Building an Open-Domain Chatbot via Curriculum Learning论文学习

一、概述 Motivation:直接提升PLATO的size训练不work Methods: 通过curriculum learning技术来构建一个高质量的开放领域机器人第一阶段:coarse-gained generation model:再简单的one-to-one框架下学习粗力度的回复生成模型第二…

【Micropython】ESP8266驱动mpu6050读取数据

【Micropython】ESP8266驱动mpu6050读取数据 📌相关篇《【MicroPython ESP32】ssd1306驱动0.96“I2C屏幕mpu6050图形控制》 ✨本案例基于Thonny平台开发。✨ 🔖esp8266固件版本:MicroPython v1.19.1 on 2022-06-18 📍本篇需要使…