|
[1]
|
李德仁. 数字孪生城市智慧城市建设的新高度[J]. 中国勘察设计, 2020(10): 13-14.
|
|
[2]
|
徐玉妃, 杨昆, 袁凌云, 等. 基于物联网的智慧校园建设与研究——以云南师范大学为例[J]. 云南师范大学学报(自然科学版), 2016, 36(1): 47-52.
|
|
[3]
|
孔令强. 3Dmax的交互式校园文化微景观漫游设计——以黄河交通学院为例[J]. 科学技术创新, 2021(31): 162-164.
|
|
[4]
|
朱树佳. 基于三维模型的校园地图系统设计与实现[D]: [硕士学位论文]. 济南: 山东大学, 2022.
|
|
[5]
|
陈洁, 蔡君, 李京, 等. 倾斜航空摄影技术及在地质调查中的应用研究——以三峡库区巫峡地区为例[J]. 国土资源遥感, 2021, 33(1): 167-173.
|
|
[6]
|
蔡嘉伦, 贾洪果, 刘国祥, 等. 对比传统低空航测的无人机倾斜摄影测量精度评估[J]. 测绘通报, 2022(2): 31-36.
|
|
[7]
|
乔月. “空-地-人”协同构建实景三维模型: 以海棠亭为例[J]. 测绘通报, 2025(3): 174-177.
|
|
[8]
|
张广波. 面向倾斜实景模型的三维可视化平台建设技术研究[J]. 测绘通报, 2021(S1): 277-281.
|
|
[9]
|
Fedele, A., Somma, R., Troise, C., Holmberg, K., De Natale, G. and Matano, F. (2020) Time-lapse Landform Monitoring in the Pisciarelli (Campi Flegrei-Italy) Fumarole Field Using UAV Photogrammetry. Remote Sensing, 13, Article 118. [Google Scholar] [CrossRef]
|
|
[10]
|
Yan, F., Xia, E., Li, Z. and Zhou, Z. (2021) Sampling-Based Path Planning for High-Quality Aerial 3D Reconstruction of Urban Scenes. Remote Sensing, 13, Article 989. [Google Scholar] [CrossRef]
|
|
[11]
|
李成仁. 基于Vue.js的单页面WebGIS可视化框架研究与实现[J]. 地理空间信息, 2020, 18(5): 83-86.
|
|
[12]
|
张志, 李瑞利. 基于WebGIS的红树林生态管理在线系统[J]. 北京大学学报(自然科学版), 2023, 59(4): 602-608.
|
|
[13]
|
GB/T36342-2018智慧校园总体框架[S]. 北京: 中国标准出版社, 2018.
|
|
[14]
|
吕朋超, 李海洋, 江岭, 等. 多维度建筑物单体模型构建方法[J]. 测绘通报, 2025(2): 1-6.
|
|
[15]
|
史与正, 陈梦华, 黄煜, 等. 实景三维模型的建筑物单体模型框架搭建[J]. 测绘通报, 2023(6): 161-166.
|
|
[16]
|
朱庆, 张利国, 丁雨淋, 等. 从实景三维建模到数字孪生建模[J]. 测绘学报, 2022, 51(6): 1040-1049.
|
|
[17]
|
王文敏, 王晓东. 基于ContextCapture Center平台的城市级实景三维建模技术研究[J]. 测绘通报, 2019(S1): 126-128, 132.
|
|
[18]
|
Simon, M., Copăcean, L., Popescu, C., et al. (2021) 3D Mapping of a Village with a Wingtraone VTOL Tailsiter Drone Using Pix4D Mapper. Research Journal of Agricultural Science, 53, 228-237.
|
|
[19]
|
周勇帅. 基于Cesium框架实现倾斜摄影单体化的方法研究[D]: [硕士学位论文]. 成都: 成都理工大学, 2020.
|
|
[20]
|
许尔惟, 王波, 江函洋, 等. 基于数字孪生技术的智慧校园时空底座建设[J]. 现代测绘, 2023, 46(2): 10-13.
|
|
[21]
|
杨菁, 陈冰凌, 王文鹏, 等. 基于Cesium的三维可视化场景建设及发布技术的研究[J]. 测绘通报, 2021(S1): 50-53.
|
|
[22]
|
de Venâncio, P.V.A.B., Lisboa, A.C. and Barbosa, A.V. (2022) An Automatic Fire Detection System Based on Deep Convolutional Neural Networks for Low-Power, Resource-Constrained Devices. Neural Computing and Applications, 34, 15349-15368. [Google Scholar] [CrossRef]
|