Threebox 项目教程
2024-09-18 13:27:26作者:薛曦旖Francesca
1. 项目介绍
Threebox 是一个基于 Three.js 的插件,专门为 Mapbox GL JS 设计。它通过自定义图层功能,提供了在 Mapbox 地图上添加和管理 3D 模型的便捷方法。Threebox 不仅支持基本的 3D 渲染,还提供了动画和高级渲染功能,使得开发者可以在地图上创建丰富的 3D 视觉效果。
2. 项目快速启动
2.1 安装
首先,你需要在你的项目中引入 Threebox 库。你可以通过以下方式引入:
<script src="https://cdn.jsdelivr.net/gh/jscastro76/threebox@v2.2.2/dist/threebox.min.js" type="text/javascript"></script>
<link href="https://cdn.jsdelivr.net/gh/jscastro76/threebox@v2.2.2/dist/threebox.css" rel="stylesheet">
2.2 初始化
在你的 HTML 文件中,添加一个用于显示地图的容器:
<div id="map"></div>
然后,初始化 Mapbox 地图和 Threebox:
mapboxgl.accessToken = 'YOUR_MAPBOX_ACCESS_TOKEN';
const map = new mapboxgl.Map({
container: 'map',
style: 'mapbox://styles/mapbox/light-v11',
center: [-73.97627, 40.75155],
zoom: 15.4,
pitch: 64.9,
bearing: 172.5,
antialias: true
});
map.on('load', () => {
const tb = new Threebox(
map,
map.getCanvas().getContext('webgl'),
{ defaultLights: true }
);
const options = {
obj: 'https://docs.mapbox.com/mapbox-gl-js/assets/metlife-building.gltf',
type: 'gltf',
scale: [3.2, 3.2, 2.7],
units: 'meters',
rotation: [90, -90, 0]
};
tb.loadObj(options, (model) => {
model.setCoords([-73.976799, 40.754145]);
model.setRotation([0, 0, 241]);
tb.add(model);
});
map.addLayer({
id: 'custom-threebox-model',
type: 'custom',
renderingMode: '3d',
onAdd: function () {
// 模型加载和设置
},
render: function () {
tb.update();
}
});
});
3. 应用案例和最佳实践
3.1 城市规划
Threebox 可以用于城市规划项目中,通过在地图上添加 3D 建筑模型,帮助规划师和决策者更好地理解城市布局和空间关系。
3.2 旅游导览
在旅游导览应用中,Threebox 可以用于展示旅游景点的 3D 模型,提供更直观和沉浸式的用户体验。
3.3 房地产展示
房地产公司可以使用 Threebox 在地图上展示待售房产的 3D 模型,帮助潜在买家更好地了解房产的位置和周边环境。
4. 典型生态项目
4.1 Mapbox GL JS
Threebox 是基于 Mapbox GL JS 开发的,因此与 Mapbox GL JS 紧密集成,提供了丰富的地图定制功能。
4.2 Three.js
Threebox 使用了 Three.js 作为其 3D 渲染引擎,因此开发者可以利用 Three.js 的强大功能来扩展 Threebox 的能力。
4.3 Mapbox Studio
Mapbox Studio 是一个在线地图设计工具,开发者可以使用它来创建自定义地图样式,并与 Threebox 结合使用,实现更复杂的地图应用。
通过以上步骤,你可以快速上手 Threebox 项目,并在实际应用中发挥其强大的 3D 渲染能力。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1