Submit Search
Upload
Google Earthでの点・線・面の作り方
•
0 likes
•
29,862 views
Naoya Nishibayashi
Follow
Report
Share
Report
Share
1 of 23
Download now
Download to read offline
Recommended
GoogleEarth基礎演習
GoogleEarth基礎演習
Inoshachu, NPO
QGIS はじめてのラスタ解析
QGIS はじめてのラスタ解析
Mayumit
実践コンピュータビジョン 3章 画像間の写像
実践コンピュータビジョン 3章 画像間の写像
yaju88
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
Structure from Motion
Structure from Motion
Ryutaro Yamauchi
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
nonane
Recommended
GoogleEarth基礎演習
GoogleEarth基礎演習
Inoshachu, NPO
QGIS はじめてのラスタ解析
QGIS はじめてのラスタ解析
Mayumit
実践コンピュータビジョン 3章 画像間の写像
実践コンピュータビジョン 3章 画像間の写像
yaju88
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
Structure from Motion
Structure from Motion
Ryutaro Yamauchi
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
関東コンピュータビジョン勉強会
関東コンピュータビジョン勉強会
nonane
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
G2o
G2o
Fujimoto Keisuke
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Yusuke Sekikawa
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
OSgeo Japan
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
Mai Nishimura
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
Ryousuke Wayama
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
Deep Learning JP
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Sift特徴量について
Sift特徴量について
la_flance
論文読み会(DeMoN;CVPR2017)
論文読み会(DeMoN;CVPR2017)
Masaya Kaneko
20160724_cv_sfm_revisited
20160724_cv_sfm_revisited
Kyohei Unno
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
ピンホールカメラモデル
ピンホールカメラモデル
Shohei Mori
アイコンの変え方
アイコンの変え方
Naoya Nishibayashi
Arctokml
Arctokml
Naoya Nishibayashi
More Related Content
What's hot
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII
G2o
G2o
Fujimoto Keisuke
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Yusuke Sekikawa
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
OSgeo Japan
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
Mai Nishimura
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
Ryousuke Wayama
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
Deep Learning JP
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Sift特徴量について
Sift特徴量について
la_flance
論文読み会(DeMoN;CVPR2017)
論文読み会(DeMoN;CVPR2017)
Masaya Kaneko
20160724_cv_sfm_revisited
20160724_cv_sfm_revisited
Kyohei Unno
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
ピンホールカメラモデル
ピンホールカメラモデル
Shohei Mori
What's hot
(20)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
G2o
G2o
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
CNN-SLAMざっくり
CNN-SLAMざっくり
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Sift特徴量について
Sift特徴量について
論文読み会(DeMoN;CVPR2017)
論文読み会(DeMoN;CVPR2017)
20160724_cv_sfm_revisited
20160724_cv_sfm_revisited
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
ピンホールカメラモデル
ピンホールカメラモデル
Viewers also liked
アイコンの変え方
アイコンの変え方
Naoya Nishibayashi
Arctokml
Arctokml
Naoya Nishibayashi
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
Hiroaki Sengoku
デジタル主題図の作りかた
デジタル主題図の作りかた
Kento Ide
Self hazardmap20140817
Self hazardmap20140817
Tomoaki Ito
Google earthとは・opentextmapとは
Google earthとは・opentextmapとは
Naoya Nishibayashi
Foss4g資料西林
Foss4g資料西林
Naoya Nishibayashi
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
Naoya Nishibayashi
20170121 codeforikoma cesium実践
20170121 codeforikoma cesium実践
Naoya Nishibayashi
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
Hiroaki Sengoku
カーネル密度推定
カーネル密度推定
Akisato Kimura
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
Hiroaki Sengoku
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
Hiroaki Sengoku
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
Hiroaki Sengoku
Rits20161207
Rits20161207
Tomoaki Ito
カーネル密度推定を用いた店舗情報の可視化
カーネル密度推定を用いた店舗情報の可視化
Kanetaka Heshiki
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみよう
NozomiIriomote
Viewers also liked
(17)
アイコンの変え方
アイコンの変え方
Arctokml
Arctokml
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
デジタル主題図の作りかた
デジタル主題図の作りかた
Self hazardmap20140817
Self hazardmap20140817
Google earthとは・opentextmapとは
Google earthとは・opentextmapとは
Foss4g資料西林
Foss4g資料西林
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
地図教材コンテストに応募されたマニアックな地図たち(と、少しキャズムについて)
20170121 codeforikoma cesium実践
20170121 codeforikoma cesium実践
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
カーネル密度推定
カーネル密度推定
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
Rits20161207
Rits20161207
カーネル密度推定を用いた店舗情報の可視化
カーネル密度推定を用いた店舗情報の可視化
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみよう
Google Earthでの点・線・面の作り方
1.
Google Earthでの 点・線・面の作り方
と データの保存
2.
Google Earthを起動します
3.
上部のツールバーより点・線・面の描画を選択します ↑点 ↑面 ↑線
4.
点の描画の仕方
5.
点の描画の仕方 ・押しピンのマークを選択すると、マップ上にマークが出てきます。 ・マークをドラッグして 目的の場所に移動させます
6.
名前のところに地点の名前を入れます 自由にその地点の説明文を書きます 地点のアイコンを変更する事が出来ます アイコンの色や大きさを変える事が出来ます
7.
画像を入れる場合はここに、URLをいれる。 ローカルに保存されている画像の場合はパスを記入する。
「../../../画像名.JPG」 など 画像の使用の際には著作権などに気をつけましょう
8.
完成
9.
線の描画の仕方
10.
線の描画の仕方 ・このマークを選択します。 ・マップ上をクリックしていき、 線を書いていきます。
(訂正する場合はBack Spaceキー)
11.
線の名前を記入します 線の色や太さを帰る事が出来ます 自由に説明を書く事が出来ます。 画像を入れる事も出来ます。
12.
線の完成!
13.
面の描画の仕方
14.
線の描画の仕方 ・このマークを選択します。 ・マップ上をクリックしていき、 面を書いていきます。
(訂正する場合はBack Spaceキー)
15.
面の名前を記入します 面の色や透過度を変える事が出来ます 自由に説明や画像を入れる事 が出来ます
16.
完成!
17.
データの保存方法
18.
作ったデータはgoogle earthの左枠の「場所」のところに出来ています。
19.
ここで、右クリックして、フォルダを作ります 追加>フォルダ
20.
作成したフォルダにデータをドラッグして入れて いきます。
21.
データを入れたフォルダを右クリックして、「名前をつけて場所を保存」をします
22.
保存する名前を入力します ファイル形式を選択します (kmlもしくはkmz)
23.
保存先にgoogle earthのアイコンが出来れてれば、保存完了!!
Download now