谷歌地图分辨率表

简介: 版权声明:欢迎评论和转载,转载请注明来源。 https://blog.csdn.net/zy332719794/article/details/73949818 ...
版权声明:欢迎评论和转载,转载请注明来源。 https://blog.csdn.net/zy332719794/article/details/73949818
级别 实际距离 像素 图上距离 图像分辨率 比例尺 空间分辨率(每像素)
  第2级   5000公里   70   2.47厘米   72dpi   2亿 :1   71公里
  第3级   2000公里   55   1.94厘米   72dpi   1亿 :1   36公里
  第4级   2000公里   115   4.06厘米   72dpi   5千万 :1   17公里
  第5级   1000公里   115   4.06厘米   72dpi   2.5千万 :1   9公里
  第6级   500公里   115   4.06厘米   72dpi   1.2千万 :1   4公里
  第7级   200公里   91   3.21厘米   72dpi   6百万 :1   2公里
  第8级   100公里   176   6.21厘米   72dpi   160万 :1   568米
  第9级   50公里   91   3.21厘米   72dpi   155万 :1   549米
  第10级   20公里   72   2.54厘米   72dpi   80万 :1   278米
  第11级   10公里   72   2.54厘米   72dpi   40万 :1   139米
  第12级   5公里   72   2.54厘米   72dpi   20万 :1   69米
  第13级   2公里   57   2.01厘米   72dpi   10万 :1   35米
  第14级   2公里   118   4.16厘米   72dpi   5万 :1   17米
  第15级   1公里   118   4.16厘米   72dpi   2.5万 :1   8米
  第16级   500米   118   4.16厘米   72dpi   1.2万 :1   4米
  第17级   200米   93   3.28厘米   72dpi   2300 :1   2.15米
  第18级   100米   93   3.28厘米   72dpi   3000 : 1   1.07米
  第19级   50米   93   3.28厘米   72dpi   1500 : 1   0.54米

1. 空间分辨率:表示一个像素的实地距离长度。“实际距离”/“像素”。
2. 比例尺:表示成图(或显示)时“图上距离”代表的实地距离长度。如19级的3.28厘米代表实地距离1500厘米,也可以说显示器(72dpi)上1厘米代表实地约1.57米(1500/3.28/100)
3. 图像分辨率:显示器上每英寸的像素数。
4. 影像图虽然能显示到18、19级,但大多数不是“完全高清”,所以所表示的真实有效分辨率比实际小

相关文章
|
定位技术
百度地图缩放级别与比例尺的关系
百度地图缩放级别与比例尺的关系
2210 0
|
Java 应用服务中间件 开发工具
苍穹外卖》电商实战项目(java)知识点整理(上)
苍穹外卖》电商实战项目(java)知识点整理(上)
1302 3
|
传感器 监控
基于STM32的智能农业环境监测系统设计与实现
基于STM32的智能农业环境监测系统设计与实现
1595 0
|
机器学习/深度学习 计算机视觉
YOLOv5改进 | EIoU、SIoU、WIoU、DIoU、FocusIoU等二十余种损失函数
YOLOv5改进 | EIoU、SIoU、WIoU、DIoU、FocusIoU等二十余种损失函数
3397 0
|
6月前
|
人工智能 安全 Ubuntu
【保姆级教程】OpenClaw从入门到进阶!零基础部署(阿里云/本地)配置免费大模型API+10大核心Skill+避坑指南
2026年,OpenClaw(曾用名Clawdbot)的Skill生态已进入成熟爆发期,ClawHub平台收录的技能插件超数百款,但新手常陷入“选择焦虑”——不知哪些技能真正实用、如何规避安全风险、怎样按阶段搭建自动化工作流。事实上,新手无需盲目堆砌技能,聚焦10款高实用、低风险、社区强维护的核心插件,即可快速构建AI自动化基础能力,从“基础对话工具”进化为“解决实际问题的辅助助手”。
998 15
|
6月前
|
存储 自然语言处理 并行计算
大模型应用:大模型量化:INT4与INT8核心差异、选型指南及代码实现.53
本文深入解析大模型INT4与INT8量化技术:从“缩放+映射”本质出发,对比二者在压缩率(75% vs 87.5%)、精度(256 vs 16离散值)、显存占用及适用场景的差异;详解scale/zero_point参数原理,并提供BitsAndBytes实战代码,助力高效本地部署。
1777 6
|
机器学习/深度学习 人工智能 自然语言处理
Voice-Pro:开源AI音频处理工具,集成转录、翻译、TTS等一站式服务
Voice-Pro是一款开源的多功能音频处理工具,集成了语音转文字、文本转语音、实时翻译、YouTube视频下载和人声分离等多种功能。它支持超过100种语言,适用于教育、娱乐和商业等多个领域,为用户提供一站式的音频处理解决方案,极大地提高工作效率和音频处理的便捷性。
2225 10
Voice-Pro:开源AI音频处理工具,集成转录、翻译、TTS等一站式服务
|
存储 算法 NoSQL
[Eigen中文文档] 稀疏矩阵操作
在许多应用中(例如,有限元方法),通常要处理非常大的矩阵,其中只有少数系数不为零。在这种情况下,可以通过使用仅存储非零系数的特殊表示来减少内存消耗并提高性能。这样的矩阵称为稀疏矩阵。
1170 0

热门文章

最新文章