arcpy.management.InterpolateFromPointCloud(in_container, out_raster, cell_size, {interpolation_method}, {smooth_method}, {surface_type}, {fill_dem}, {options})
|
Name
|
Erläuterung
|
Datentyp
|
|
in_container
|
Der Pfad und Name der Eingabedatei, des Eingabeordners, des Eingabe-Feature-Layers oder des Eingabe-LAS-Dataset. Die Eingabe kann ein Ordner mit LAS-Dateien, eine Lösungspunkttabelle aus Ortho-Mapping-Werkzeugen oder ein LAS-Dataset sein. Im Fall eines Cloud-Speichers müssen Sie dessen Pfad angeben, z. B. C:\Temp\Cloud.acs\las.
Die LAS-Dateien können die Ausgabe des Werkzeugs Punktwolke erstellen sein, in dem LAS-Punkte als Bodenpunkte oder Punkte über dem Boden kategorisiert werden. Eine Lösungspunktetabelle ist die Ausgabe des Werkzeugs Blockausgleichung berechnen bzw. Kameramodell berechnen.
|
Folder; File; Feature Class; Feature Layer
|
|
out_raster
|
Der Speicherort, der Name und die Dateierweiterung des Ausgabe-Raster-Datasets. Als Speicherort des Ausgabe-Raster-Datasets können Sie auch einen Cloud-Speicherpfad angeben, z. B. C:\Temp\Cloud.acs\lasfolder.
Die Ausgabe kann in den meisten beschreibbaren Raster-Formaten, wie TIFF, CRF oder IMG, erstellt werden.
|
Raster Dataset
|
|
cell_size
|
Die Zellengröße des Ausgabe-Raster-Datasets.
|
Double
|
|
interpolation_method
(Optional)
|
Gibt die Methode an, die zum Interpolieren des Ausgabe-Raster-Datasets aus der Punktwolke verwendet wird.
TRIANGULATION—Die Triangulationsmethode wird verwendet. Sie wird auch als lineare TIN-Interpolation (Triangulated Irregular Network) bezeichnet und ist für unregelmäßig verteilte Punkte mit geringer Dichte vorgesehen, z. B. Lösungspunkte aus der Berechnung der Blockausgleichung.
NATURAL_NEIGHBOR—Die Methode "Natürlicher Nachbar" wird verwendet. Sie ist mit der Triangulation vergleichbar, es wird jedoch eine glattere Oberfläche erstellt, und der Vorgang ist rechenintensiver.
IDW—Die IDW-Methode (Inverse Distance Weighted) wird verwendet. Sie wird für regelmäßig verteilte Punkte mit hoher Dichte verwendet, z. B. LAS-Dateien von Punktwolken des Werkzeugs Punktwolke erstellen. Der IDW-Suchradius wird automatisch basierend auf der durchschnittlichen Punktdichte berechnet.
|
String
|
|
smooth_method
(Optional)
|
Gibt den Filter zum Glätten des Ausgabe-Raster-Datasets an.
GAUSS3x3—Ein Gauß'scher Filter mit einem Fenster im Format 3 x 3 wird verwendet.
GAUSS5x5—Ein Gauß'scher Filter mit einem Fenster im Format 5 x 5 wird verwendet.
GAUSS7x7—Ein Gauß'scher Filter mit einem Fenster im Format 7 x 7 wird verwendet.
GAUSS9x9—Ein Gauß'scher Filter mit einem Fenster im Format 9 x 9 wird verwendet.
NONE—Kein Glättungsfilter wird verwendet.
|
String
|
|
surface_type
(Optional)
|
Gibt an, ob ein digitales Geländemodell oder ein digitales Oberflächenmodell erstellt wird.
DTM—Ein digitales Geländemodell wird erstellt, indem nur die Bodenpunkte interpoliert werden.
DSM—Ein digitales Oberflächenmodell wird erstellt, indem alle Punkte interpoliert werden.
|
String
|
|
fill_dem
(Optional)
|
Eine DEM-Raster-Eingabe, die zum Füllen von NoData-Bereichen dient. NoData-Bereiche können dort vorhanden sein, wo Pixel nicht genügend Informationen aus der Eingabe erhalten, um Werte zu generieren.
|
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer
|
|
options
[[name, value],...]
(Optional)
|
Bodenpunkte aus den Eingabe-LAS-Daten klassifizieren.
Dieser Parameter ist aktiv, wenn der Parameter surface_type auf DTM festgelegt ist.
Classify—Klassifizieren Sie den Boden je nach Terrain-Typ mit verschiedenen Optionen. Bei den Optionen wird nicht zwischen Groß- und Kleinschreibung unterschieden.
standard—Diese Methode weist eine Toleranz für Neigungsvariation auf, die es ihr ermöglicht, graduelle Unebenheiten in der Topografie des Bodens zu erfassen. Diese Typen von scharfen Reliefs werden eher von der Option aggressive als von der Option conservative erfasst. Dies ist die Standardeinstellung.
conservative—Verglichen mit anderen Optionen verwendet diese Methode eine straffere Beschränkung der Neigungsvariation des Bodens, wodurch der Boden von tief liegender Vegetation wie Gras und Sträuchern differenziert werden kann. Sie ist optimal für Topografien mit minimaler Krümmung geeignet.
aggressive—Diese Methode ermöglicht die Erkennung von Bodenflächen mit scharfen Reliefs wie Bergkämme und Bergspitzen, die von der Option standard ignoriert werden. Diese Methode wird am besten bei der zweiten Iteration dieses Werkzeugs verwendet, wobei die Option ReuseGround auf 1 festgelegt ist. Vermeiden Sie die Verwendung dieser Methode in städtischen Gebieten oder flachen, ländlichen Gebieten, da dies dazu führen kann, dass höhere Objekte wie Versorgungstürme, Vegetation und Gebäudeteile falsch als Boden klassifiziert werden.
LowNoise—Die Entfernung unter dem Boden, die zur Klassifizierung von Punkten mit niedrigem Rauschen verwendet wird. Die Einheit lautet Meter. Der Standardwert ist 0,25 Meter.
HighNoise—Die Entfernung über dem Boden, die zur Klassifizierung von Punkten mit hohem Rauschen verwendet wird. Die Einheit lautet Meter. Der Standardwert beträgt 100 Meter.
ReuseGround—Legt fest, ob vorhandene Bodenpunkte reklassifiziert oder wiederverwendet werden sollen. Ein Wert von 0 bedeutet Reklassifizieren, ein Wert von 1 bedeutet Wiederverwenden. Der Standardwert ist 0.
ReuseLowNoise—Legt fest, ob vorhandene Punkte mit niedrigem Rauschen wiederverwendet oder reklassifiziert werden. Ein Wert von 0 bedeutet Reklassifizieren, ein Wert von 1 bedeutet Wiederverwenden. Der Standardwert ist 0.
ReuseHighNoise—Legt fest, ob vorhandene Punkte mit hohem Rauschen wiederverwendet oder reklassifiziert werden. Ein Wert von 0 bedeutet Reklassifizieren, ein Wert von 1 bedeutet Wiederverwenden. Der Standardwert ist 0.
Spalten der Wertetabelle:
|
Value Table
|
Codebeispiel
InterpolateFromPointCloud: Beispiel 1 (Python-Fenster)
Dies ist ein Python-Beispiel für die Funktion InterpolateFromPointCloud, die ein DTM nach der Reklassifizierung des Bodens erstellt.
# Import system modules
import arcpy
# Run InterpolateFromPointCloud
arcpy.management.InterpolateFromPointCloud(in_container=r"C:\data\LASFoler", out_raster=r"C:\data\dtm.crf", cell_size=0.2, interpolation_method="IDW", smooth_method="GAUSS5x5", surface_type="DTM", fill_dem=None, options="Classify standard;LowNoise 0.25;HighNoise 110;ReuseGround 0;ReuseLowNoise 1;ReuseHighNoise 1")
InterpolateFromPointCloud: Beispiel 2 (eigenständiges Skript)
Dies ist ein Python-Beispiel für die Funktion InterpolateFromPointCloud, die ein DSM erstellt.
# Define input parameters
import arcpy
in_container="C:/data/LASFoler"
out_raster="C:/data/dsm.crf"
# Run InterpolateFromPointCloud
arcpy.management.InterpolateFromPointCloud(in_container, out_raster, 0.2, "TRIANGULATION", "GAUSS5x5", "DSM")
InterpolateFromPointCloud: Beispiel 3 (eigenständiges Skript)
Dies ist ein Python-Beispiel für die Funktion InterpolateFromPointCloud, die ein DSM in einem Cloud-Speicher erstellt.
# Define input parameters
import arcpy
in_container="C:/data/LASFoler"
out_raster="C:/data/Azure.acs/ProductFolder/dsm.crf"
# Run InterpolateFromPointCloud
arcpy.management.InterpolateFromPointCloud(in_container, out_raster, 0.2, "TRIANGULATION", "GAUSS5x5", "DSM")