Passpunkte ermitteln (Reality Mapping Tools)

Zusammenfassung

Ermittelt Bodenpasspunkte in einem Mosaik-Dataset.

Verwendung

Dieses Werkzeug wird im Rahmen des Orthorektifizierungsprozesses verwendet. Die vorläufige Bildsammlung wird mithilfe des Reality-Mapping-Workspace erstellt. Das Mosaik-Dataset erfordert eine schnelle Anpassung; anschließend kann die Bildsammlung mithilfe von Passpunkten weiter optimiert werden.
Das Werkzeug führt in den Bildern eine Objekterkennung durch, um die Bodenpasspunkte (GCP) zu ermitteln.
Mit diesem Werkzeug können zwei Typen von Bodenpasspunkt-Markern erkannt werden: Schachbrettmarken und Kreuze.
Die Ergebnisse der Erkennungsvorgänge können in ArcGIS Reality for ArcGIS Pro-Projekten verwendet werden.
Das Werkzeug verwendet zwei von Esri trainierte Deep-Learning-Modelle. Weitere Informationen zu Deep Learning finden Sie unter "Deep Learning in der Erweiterung "ArcGIS Image Analyst"".
Informationen zum Einrichten des Computers für Deep-Learning-Frameworks in ArcGIS Pro finden Sie unter Installieren von Deep-Learning-Frameworks for ArcGIS.
Das Werkzeug unterstützt zwar CPU und GPU, allerdings ist eine CUDA-fähige NVIDIA-GPU mit mindestens 4 GB VRAM erforderlich, wobei 8 GB VRAM empfohlen werden. Weitere Informationen zu den aktuellen GPU-Anforderungen finden Sie unter "Häufig gestellte Fragen zu Deep Learning".
Dieses Werkzeug kann mehrere verfügbare GPUs unterstützen und verwenden. Um eine bestimmte GPU zu verwenden, geben Sie die GPU-ID-Umgebung an. Wenn die Umgebungseinstellung "GPU-ID" nicht festgelegt wurde, verwendet das Werkzeug alle verfügbaren GPUs. Dies ist die Standardeinstellung.

Beschriftung	Erläuterung	Datentyp
Eingabe-Mosaik-Dataset	Das Mosaik-Dataset mit den Quellbilddaten, aus denen die Bodenpasspunkte erstellt werden.	Mosaic Dataset; Mosaic Layer
Eingabe-Passpunkte	Der Eingabe-Passpunktsatz, der eine Liste der Bodenpasspunkt-Features enthält.	File; Feature Class; Feature Layer; String
Ausgabe-Passpunkte	Die Ausgabe-Bodenpasspunkt-Features.	Feature Class
Ausgabeordner für Bildausschnitte (Optional)	Der Ausgabeordner für Bildausschnitte.	Folder
Größe des zugeschnittenen Bildes (Optional)	Die Kachelgröße der Ausgabe-Bildausschnitte. Die Standard-Kachelgröße beträgt 1024.	Long
Anzahl der Verknüpfungspunkte (Optional)	Die Anzahl der Verknüpfungspunkte für jeden Bodenpasspunkt. Die Standardeinstellung ist 5.	Long

arcpy.rm.DetectControlPoints(in_mosaic_dataset, in_control_points, out_control_points, {out_folder_image_chips}, {tile_size}, {number_tie_points_per_gcp})

Name	Erläuterung	Datentyp
in_mosaic_dataset	Das Mosaik-Dataset mit den Quellbilddaten, aus denen die Bodenpasspunkte erstellt werden.	Mosaic Dataset; Mosaic Layer
in_control_points	Der Eingabe-Passpunktsatz, der eine Liste der Bodenpasspunkt-Features enthält.	File; Feature Class; Feature Layer; String
out_control_points	Die Ausgabe-Bodenpasspunkt-Features.	Feature Class
out_folder_image_chips (Optional)	Der Ausgabeordner für Bildausschnitte.	Folder
tile_size (Optional)	Die Kachelgröße der Ausgabe-Bildausschnitte. Die Standard-Kachelgröße beträgt 1024.	Long
number_tie_points_per_gcp (Optional)	Die Anzahl der Verknüpfungspunkte für jeden Bodenpasspunkt. Die Standardeinstellung ist 5.	Long

Codebeispiel

DetectControlPoints: Beispiel 1 (Python-Fenster)

In diesem Beispiel werden fünf Verknüpfungspunkte mit einer Kachelgröße von 1024 Pixeln verwendet, um Passpunkte zu ermitteln und Bildausschnitte auszugeben.

# Import system modules
import arcpy
arcpy.env.workspace = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb"

arcpy.rm.DetectControlPoints("MyprojectCollection", "myproject_ControlPoints",
    r"C:\myproject\myproject.gdb\ImageCollection_ControlPoints2",
    r"C:\myproject\tempImageChips", 1024, 5)

DetectControlPoints: Beispiel 2 (eigenständiges Skript)

In diesem Beispiel werden fünf Verknüpfungspunkte mit einer Kachelgröße von 1024 Pixeln verwendet, um Passpunkte zu ermitteln und Bildausschnitte auszugeben.

# Import system modules
import arcpy

# Set local variables
in_mosaic = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb\myproject_Collection"
in_control_points = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb\myproject_ControlPoints"
out_control_points = r"C:\myproject\myproject.gdb\ImageCollection_ControlPoints2"
out_folder_image_chips = r"C:\myproject\tempImageChips"
tile_size = 512,
number_tie_points_per_gcp = 3

# Run
arcpy.rm.DetectControlPoints(in_mosaic, in_control_points, out_control_points,
    out_folder_image_chips, tile_size, number_tie_points_per_gcp)

Umgebungen

Aktueller Workspace, Geographische Transformationen, GPU-ID, Ausgabe-Koordinatensystem, Prozessortyp, Scratch-Workspace

Lizenzierungsinformationen