Générer un nuage de points (Outils de gestion des données)

Résumé

Produit des points 3D à partir de paires stéréo génère un nuage de points sous la forme d’un ensemble de fichiers LAS.

Le tuilage des fichiers LAS repose sur un espacement au sol de 1 000 sur 1 000. Les points dans chaque tuile LAS sont calculés en sélectionnant des paires, en fonction de critères définis par l'utilisateur, et les points de filtre à partir des paires sélectionnées. L’entrée de cet outil est un jeu de données mosaïque contenant un modèle stéréo. La sortie de cet outil peut servir à générer un modèle numérique de terrain (DTM) ou un modèle de surface numérique (DSM).

Utilisation

Si cet outil est exécuté plusieurs fois avec les mêmes paramètres en entrée, la sortie peut être légèrement différente en raison de l’échantillonnage aléatoire.
L’ordre des paires stéréoscopiques dans le paramètre Number of Image Pairs (Nombre de paires d’images) repose d’abord sur les valeurs définies pour Adjustment Quality Threshold (Seuil de qualité d’ajustement), GSD Difference Threshold (Seuil de différence GSD) et Omega/Phi Difference Threshold (Seuil de différence Omega/Phi). Chacun de ces seuils attribue un score de 0 à une paire d'images si elle n'atteint pas ce seuil. Un score de 1 est attribué pour chaque seuil atteint. Le maximum est de 3. Les scores les plus élevés sont classés en haut de la liste des priorités. Ensuite, la valeur Overlap Area Threshold (Seuil de la zone de superposition) est prise en compte pour toutes les paires présentant les mêmes scores. L’angle d’intersection entre les paires d’images est utilisé comme dernier critère pour classer la liste, où l’angle d’intersection le plus grand est classé en premier.
Si vous voulez utiliser une paire spécifique pour générer un nuage de points, définissez une valeur élevée pour cette paire dans le champ Use (Utiliser) de la table stéréo. Pour ouvrir la table stéréo, cliquez avec le bouton droit de la souris sur la couche mosaïque dans la fenêtre Contents (Contenu), puis cliquez sur Open (Ouvrir) > Stereo (Stéréo).

Etiqueter	Explication	Type de données
Mosaïque en entrée	Jeu de données mosaïque en entrée, pour lequel le processus d’ajustement de bloc doit être terminé et qui doit posséder un modèle stéréo. Pour procéder à l’ajustement de bloc du jeu de données mosaïque, utilisez l’outil Apply Block Adjustment (Appliquer l’ajustement de bloc). Pour créer un modèle stéréo sur le jeu de données mosaïque, utilisez l’outil Build Stereo Model (Créer un modèle stéréo).	Mosaic Dataset; Mosaic Layer
Méthode d’appariement	Spécifie la méthode à utiliser pour générer des points 3D. Appariement de l’étendue du terrain—L’appariement MNT étendu, un appariement stéréo basé sur les entités où l’opérateur Harris est employé pour détecter les points d’entités, sera utilisé comme méthode d’appariement. Le nombre de points d’entités extrait étant moins élevé, cette méthode est rapide et peut être utilisée pour les données présentant moins de variations de MNT et moins de détails. Appariement semi-global—L’appariement semi-global, qui génère des points plus denses avec des informations plus détaillées sur le MNT, sera utilisé comme méthode d’appariement. Elle peut être utilisée pour les images de zones urbaines. Cette méthode utilise davantage de ressources de calcul que l’appariement MNT étendu. Appariement d’images à plusieurs vues—L’appariement d’images à plusieurs vues, qui repose sur la méthode d’appariement SGM suivie d’une étape de fusion au cours de laquelle les estimations de profondeur redondantes dans un modèle stéréo unique sont fusionnées, sera utilisé comme méthode d’appariement. Elle génère des points 3D denses et est efficace.	String
Dossier LAS en sortie	Dossier utilisé pour stocker les fichiers LAS en sortie, y compris le stockage cloud. Si cet outil est exécuté plusieurs fois avec les mêmes paramètres en entrée, la sortie peut être légèrement différente en raison de l’échantillonnage aléatoire.	Folder
Nom de base LAS en sortie	Une chaîne utilisée comme préfixe pour formuler les noms de fichiers LAS en sortie. Par exemple, si `name` est utilisé comme base, les fichiers en sortie se nomment `name1.las`, `name2.las`, etc.	String
Taille d'objet maximale (en mètres) (Facultatif)	Un rayon de recherche au sein duquel les objets de surface, tels que les bâtiments ou les arbres, sont identifiés. Il s'agit de la taille linéaire en unités de carte.	Double
Espacement au sol du MNS (en mètres) (Facultatif)	Espace au sol, en mètres, dans lequel les points 3D seront générés. La valeur par défaut est égale à cinq fois la taille de pixel de l’image source.	Double
Nombre de paires d'images (Facultatif)	Nombre maximal de paires d’images dont peut faire partie une image pour générer des points 3D. La valeur par défaut est de 8 paires d’images au minimum. Si le nombre de paires d’images dont fait partie l’image est supérieur au nombre maximal spécifié, les paires d’images supplémentaires ne sont pas prises en compte lors de la construction des points 3D. Dans ce cas, l’outil classe les paires en fonction des divers paramètres de seuil spécifiés dans l’outil. Les paires dont les scores sont les plus élevés sont utilisés pour générer les points.	Double
Seuil de la zone de superposition (Facultatif)	Zone de seuil de superposition minimal acceptable, qui correspond à un pourcentage de superposition entre une paire d’images. Les paires d'images dont les zones de superposition sont inférieures à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Les valeurs du seuil sont comprises entre 0 et 1. La valeur de seuil par défaut est égale à 0.5, c’est-à-dire 50 pour cent.	Double
Seuil de qualité d'ajustement (Facultatif)	Qualité d’ajustement minimale acceptable. La valeur de seuil sera comparée à la valeur de qualité d’ajustement stockée dans le modèle stéréo. Les paires d’images dont la qualité d’ajustement est inférieure au seuil spécifié reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Les valeurs du seuil sont comprises entre 0 et 1. La valeur par défaut est égale à 0.2, c'est-à-dire 20 pour cent.	Double
Seuil de différence GSD (Facultatif)	Seuil maximal autorisé pour la distance de référence au sol entre deux images d’une paire. Le ratio de résolution entre les deux images est comparé à la valeur de seuil. Les paires d'images dont le ratio de référence au sol est supérieur à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Le ratio de seuil par défaut est égal à 2.	Double
Seuil de différence Omega/Phi (Facultatif)	Seuil maximal pour la différence entre les valeurs Omega et les valeurs Phi pour les deux paires d’images. Les valeurs Omega et les valeurs Phi pour les paires d’images sont comparées. Les paires d’images dont la différence Omega ou Phi est supérieure à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. La différence de seuil par défaut pour chaque comparaison est égale à 8.	Double

arcpy.management.GeneratePointCloud(in_mosaic_dataset, matching_method, out_folder, out_base_name, {object_size}, {ground_spacing}, {minimum_pairs}, {minimum_area}, {minimum_adjustment_quality}, {maximum_diff_gsd}, {maximum_diff_OP})

Nom	Explication	Type de données
in_mosaic_dataset	Jeu de données mosaïque en entrée, pour lequel le processus d’ajustement de bloc doit être terminé et qui doit posséder un modèle stéréo. Pour procéder à l’ajustement de bloc du jeu de données mosaïque, utilisez l’outil Apply Block Adjustment (Appliquer l’ajustement de bloc). Pour créer un modèle stéréo sur le jeu de données mosaïque, utilisez l’outil Build Stereo Model (Créer un modèle stéréo).	Mosaic Dataset; Mosaic Layer
matching_method	Spécifie la méthode à utiliser pour générer des points 3D. `ETM`—L’appariement MNT étendu, un appariement stéréo basé sur les entités où l’opérateur Harris est employé pour détecter les points d’entités, sera utilisé comme méthode d’appariement. Le nombre de points d’entités extrait étant moins élevé, cette méthode est rapide et peut être utilisée pour les données présentant moins de variations de MNT et moins de détails. `SGM`—L’appariement semi-global, qui génère des points plus denses avec des informations plus détaillées sur le MNT, sera utilisé comme méthode d’appariement. Elle peut être utilisée pour les images de zones urbaines. Cette méthode utilise davantage de ressources de calcul que l’appariement MNT étendu. `MVM`—L’appariement d’images à plusieurs vues, qui repose sur la méthode d’appariement SGM suivie d’une étape de fusion au cours de laquelle les estimations de profondeur redondantes dans un modèle stéréo unique sont fusionnées, sera utilisé comme méthode d’appariement. Elle génère des points 3D denses et est efficace.	String
out_folder	Dossier utilisé pour stocker les fichiers LAS en sortie, y compris le stockage cloud. Si cet outil est exécuté plusieurs fois avec les mêmes paramètres en entrée, la sortie peut être légèrement différente en raison de l’échantillonnage aléatoire.	Folder
out_base_name	Une chaîne utilisée comme préfixe pour formuler les noms de fichiers LAS en sortie. Par exemple, si `name` est utilisé comme base, les fichiers en sortie se nomment `name1.las`, `name2.las`, etc.	String
object_size (Facultatif)	Un rayon de recherche au sein duquel les objets de surface, tels que les bâtiments ou les arbres, sont identifiés. Il s'agit de la taille linéaire en unités de carte.	Double
ground_spacing (Facultatif)	Espace au sol, en mètres, dans lequel les points 3D seront générés. La valeur par défaut est égale à cinq fois la taille de pixel de l’image source.	Double
minimum_pairs (Facultatif)	Nombre maximal de paires d’images dont peut faire partie une image pour générer des points 3D. La valeur par défaut est de 8 paires d’images au minimum. Si le nombre de paires d’images dont fait partie l’image est supérieur au nombre maximal spécifié, les paires d’images supplémentaires ne sont pas prises en compte lors de la construction des points 3D. Dans ce cas, l’outil classe les paires en fonction des divers paramètres de seuil spécifiés dans l’outil. Les paires dont les scores sont les plus élevés sont utilisés pour générer les points.	Double
minimum_area (Facultatif)	Zone de seuil de superposition minimal acceptable, qui correspond à un pourcentage de superposition entre une paire d’images. Les paires d'images dont les zones de superposition sont inférieures à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Les valeurs du seuil sont comprises entre 0 et 1. La valeur de seuil par défaut est égale à 0.5, c’est-à-dire 50 pour cent.	Double
minimum_adjustment_quality (Facultatif)	Qualité d’ajustement minimale acceptable. La valeur de seuil sera comparée à la valeur de qualité d’ajustement stockée dans le modèle stéréo. Les paires d’images dont la qualité d’ajustement est inférieure au seuil spécifié reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Les valeurs du seuil sont comprises entre 0 et 1. La valeur par défaut est égale à 0.2, c'est-à-dire 20 pour cent.	Double
maximum_diff_gsd (Facultatif)	Seuil maximal autorisé pour la distance de référence au sol entre deux images d’une paire. Le ratio de résolution entre les deux images est comparé à la valeur de seuil. Les paires d'images dont le ratio de référence au sol est supérieur à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Le ratio de seuil par défaut est égal à 2.	Double
maximum_diff_OP (Facultatif)	Seuil maximal pour la différence entre les valeurs Omega et les valeurs Phi pour les deux paires d’images. Les valeurs Omega et les valeurs Phi pour les paires d’images sont comparées. Les paires d’images dont la différence Omega ou Phi est supérieure à ce seuil reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. La différence de seuil par défaut pour chaque comparaison est égale à 8.	Double

Exemple de code

Exemple 1 d’utilisation de la fonction GeneratePointCloud (fenêtre Python)

Il s’agit d’un exemple Python d’utilisation de la fonction GeneratePointCloud.

import arcpy
arcpy.management.GeneratePointCloud('c:/data/BD.gdb/SpringMD', 'ETM',
                                    'c:/data/output', 'SpringLAS', '10')

Environnements

Espace de travail courant, Transformations géographiques, Système de coordonnées en sortie, Etendue, Facteur de traitement parallèle, Espace de travail temporaire

Informations de licence

Basic: Non
Standard: Nécessite ArcGIS Reality for ArcGIS Pro
Advanced: Oui

Bibliographie

Hirschmüller, Heiko, et al. “Memory Efficient Semi-Global Matching.” ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences 1, n° 3 (2012) : 371 à 376.

Hirschmuller, Heiko. 2008. “Stereo Processing by Semiglobal Matching and Mutual Information.” IEEE Transactions on Pattern Analysis and Machine Intelligence 30 (2) : 328 à 341.