串口可视化软件

分页组合（分页+轮播表格）

1.逻辑思维数据处理、分页配置、数据展示2.实际操作数据容器模拟数据过滤器接受分页组件回调并处理数据（根据回调页数，和每页展示数量（num），对数据进行处理并发出回调）轮播表格接受数据容器发送的数据并展示3.展示效果过滤器根据接受的分页组件发的page回调，以及定义的展示条数（num），处理数据，并发送回调给轮播表格组件。分页轮播表格.mp4

全流程！数据准备与数据对接怎么做？

序在项目实施过程中，数据接入的工作可以被分为两部分：数据准备和数据对接。所谓数据准备，是指大屏原型稿已确认， 后端开发 或者 数据开发 就可以根据原型来开发对应的接口/SQL语句了。而数据对接，指的是大屏搭建完毕后，前端开发人员为大屏接入相应的数据。由于数据接入的工作是由两部分人在不同的阶段来进行的，这就会导致后端开发的接口可能无法满足前端的需求，或者即使能满足需求，也存在一些问题，最终导致

数据对接概述

数据对接是在做什么？在和数据做关联之前，大屏内容是静态的，任何时候打开都是一模一样的。将大屏和数据做关联，把真实的数据以可视化的形式展现在大屏上，让大屏动起来，就是数据对接！数据从哪里来？数据的来源进行数据对接时，数据的来源可能多种多样：数据库API接口websocket...不同客户、不同业务、不同项目中，使用的数据源都会有所差别，即便是同一个项目，也有可能会同时使用多种数据源，与多方厂商进行对

三维可视化数字能源系统，助力智慧园区高效能源管理

随着5G普及和新基建政策，构建智慧园区成为当下城市管理的热门需求，智慧园区建设的核心是3D可视化平台，利用它可以提高企业园区智能化、智慧化管理服务水平。为了顺应智慧园区建设需求，通过ThingJS打造了一款三维可视化数字能源系统。通过数字孪生技术，结合三维可视化呈现能力，辅助园区完善能源管理体系，优化能管模式和机制，全面提升园区用能效率和供能服务水平。整合园区各个关键环节的资源，集成了能源、告警、

常见自定义事件以及使用

简介：自定义动作种类繁多，统一整理下每种常用动作通用自定义动作通常自定义动作包括显示、隐藏、显隐切换、移动、旋转、以及更新组件配置其中 更新组件配置 这一动作不推荐作为常规使用，仅在其他方式无法实现对应需求时考虑使用。特定相对常用的自定义动作设置选中项在选项卡类组件基本上都有，类似针对轮播动画的动作是轮播表格特有的另外播放，暂停相关功能很好理解这里便不再讲述地图类自定义动作地图类组件通常包括多级城

倾斜摄影在可视化行业，到底有多强

传统三维建模通常使用3ds Max、AutoCAD等建模软件，基于影像数据、CAD平面图或者拍摄图片估算建筑物轮廓与高度等信息进行人工建模。这种方式制作出的模型数据外观表达美观，局部细节变形率低，但生产过程需要大量的人工参与，制作周期较长。倾斜摄影技术通过高效的数据采集设备及专业的数据处理流程生成的数据成果直观反映地物的外观、位置、高度等属性，为真实效果和测绘级精度提供保证，并且有效提升模型的生产

上班摸鱼必备，和人机来亿把五子棋！

继上次的EasyV井字棋后，EasyV可爱的同事又又又又给大家搞了个五子棋。（此处大家👏和我的膝盖献给元宝and孟德）ps：试玩链接在文章底部，点开就能玩，不搞那些花哨的！甚至还发送了试玩邀请让大家放松放松，他真的，我哭死！和井字棋不同的是，井字棋需要两个人用同一个设备来玩，比较适合双方都处于同一个位置（当然自娱自乐也是可以的）；而五子棋，则可以自己一个人和人机挑战，就非常适合上班摸鱼放松！当然，

cityengine中跟随地形生成建筑模型的方法

数据准备高程数据这块，我们一定要选择原始数据输出经过测试原始数据带有最低与最高的高度，这一点在后面的步骤中很重要，而渲染位图不带这个信息原始数据打开是个黑色的图片，渲染位图打开能看到高程的信息被渲染到了图片上详细步骤1.把高程图拖到工程里的maps文件夹，然后再把数据拖到视图里。2.在弹出的弹框里选择地形导入，选择坐标系，一定要与后面建筑的坐标统一（数据导出时坐标系得一致）3.原始数据模式导出的G

QGIS清理shp数据

目的：我们需要把下图红框外的道路数据删除掉，并且删掉（或者单独提取出）层级比较低的小路，减小后面的道路模型大小除了比较通用的裁剪的方法，还有一种办法是选中了直接删掉周边多余数据1.鼠标在工具栏右键，打开selection toolbar2.点击切换编辑状态，点击选择要素，选择要删除的部分，直接键盘删除3.编辑状态下，打开属性表（也可以打开属性表后点击编辑）4.选择需要删除的字段（一些级别比较小的小

深度解读｜易知微《数字孪生与智能算法白皮书》正式发布，解锁数字孪生智能新范式

在AI加速落地、产业数字化不断纵深的当下，企业对“看得见、算得准、调得动”的智能系统需求日益增长，市场对数字孪生的要求正从“可视化工具”走向“智能决策引擎”。然而，当前80\%数字孪生项目仍困于\传统数据可视化\的困境之中，面临数据割裂、模型失真、响应滞后三大桎梏，亟需注入算法驱动力。当传统数字孪生遭遇AI大模型冲击，如何打破\有形无智\的困局？面对数字技术与实体经济深度融合的历史机遇，易