Создать облако точек (Инструменты Управление данными)

Краткая информация

Создает 3D-точки из стереопар и выводит облако точек в виде набора файлов LAS.

Разбиение файлов LAS на листы базируется на интервалах на поверхности размером 1000 на 1000. Точки в каждом листе LAS вычисляются путем выбора пар на основе пользовательского критерия, и дальнейшей фильтрации точек из этих выбранных пар. Входными данными для этого инструмента является набор данных мозаики, который содержит стерео-модель. Результат этого инструмента может быть использован для создания цифровой модели terrain или цифровой модели местности (ЦММ).

Использование

Если запустить этот инструмент несколько раз с одинаковыми входными параметрами, выходные данные могут слегка отличаться, из-за использования случайной выборки.
Порядок стереопар в параметре Количество пар изображений в первую очередь базируется на значениях, определенных для параметров Порог качества уравнивания, Порог разности разрешений и Порог разности Omega/Phi. Каждый из этих порогов даст паре изображений 0 очков, если она не удовлетворяет этому порогу, или 1 очко, если она удовлетворяет каждому из порогов, максимальное значение равно 3. Наибольшие набранные очки отображаются в верхней части списка приоритетов. Далее принимается во внимание значение Порога перекрытия областей для любых пар с одинаковым количеством очков, при этом угол пересечения между парами изображений будет использоваться в качестве последнего критерия при упорядочивании списка, где больший угол пересечения будет иметь высший порядок.
Если вы хотите, чтобы для создания облака точек использовалась какая-то определенная пара, установите для этой пары высокое значение в поле Use стерео-таблицы. Чтобы открыть стерео таблицу, щелкните правой кнопкой мыши слой мозаики на панели Содержание и выберите Открыть > Стерео.

Подпись	Объяснение	Тип данных
Входной набор данных мозаики	Входной набор данных мозаики, для которого должен быть завершен процесс блочного уравнивания и который должен иметь стерео-модель. Чтобы выполнить блочное уравнивание набора данных мозаики, используйте инструмент Применить блочное уравнивание. Чтобы построить стерео-модель для набора данных мозаики, используйте инструмент Построить стерео-модель.	Mosaic Dataset; Mosaic Layer
Метод сопоставления	Указывает метод, который будет использоваться для создания 3D-точек. Расширенное сопоставление поверхности–В качестве метода сопоставления будет использоваться расширенное сопоставление поверхности (ETM) - стерео-сопоставление на основе объектов, которое использует оператор Харриса для обнаружения точек объектов. Поскольку извлекается меньше точек пространственных объектов, этот метод является быстрым и может использоваться для данных с меньшей вариацией рельефа и детальностью. Полуглобальное сопоставление–В качестве метода сопоставления будет использоваться полуглобальное сопоставление (SGM), которое создает более плотные точки с более подробной информацией о рельефе. Он может использоваться для снимков городских территорий. Этот метод использует более интенсивные вычисления, чем метод ETM. Многовидовое сопоставление изображений–В качестве метода сопоставления будет использоваться многовидовое сопоставление изображений (MVM), основаное на методе сопоставления SGM, за которым следует шаг слияния, в котором объединяются избыточные оценки глубины по одной стереомодели. При этом создаются 3D-точки, и это вычислительно эффективно.	String
Выходная папка LAS	Папка, используемая для хранения выходных файлов LAS, включая облачное хранилище. Если запустить этот инструмент несколько раз с одинаковыми входными параметрами, выходные данные могут слегка отличаться, из-за использования случайной выборки.	Folder
Выходное базовое имя LAS	Строка, используемая в качестве префикса для формирования имен выходных файлов LAS. Например, если в качестве основы используется `name`, выходные файлы будут называться `name1.las`, `name2.las` и т.д.	String
Максимальный размер объекта (в метрах) (Дополнительный)	Радиус поиска, внутри которого будут идентифицированы объекты на поверхности, такие как деревья или здания. Это линейный размер в единицах карты.	Double
Интервал на поверхности для ЦММ (в метрах) (Дополнительный)	Интервал на поверхности, в метрах, на котором будут создаваться 3D-точки. По умолчанию равен пятикратному размеру пиксела исходного изображения.	Double
Количество пар изображений (Дополнительный)	Максимальное количество пар изображений, в котором изображение может использоваться для создания 3D-точек. Минимальное значение по умолчанию – 8 пар изображений. Если изображение участвует в большем количестве пар изображений, чем указано, эти пары изображений не будут учитываться при построении 3D-точек. В этом случае инструмент упорядочивает пары на основе различных пороговых параметров, указанных в инструменте. Пары с наибольшим количеством очков будут использоваться для создания точек.	Double
Порог перекрытия областей (Дополнительный)	Допустимый минимальная порог перекрытия областей, который представляет собой процент перекрытия между парой изображений. Пары изображений с областью перекрытия меньше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Диапазон значений порога — от 0 до 1. Значение по умолчанию для порога – 0.5, то есть 50%.	Double
Порог качества уравнивания (Дополнительный)	Допустимое минимальное значение качества уравнивания. Пороговое значение будет сравниваться со значением качества уравнивания, которое хранится в стерео-модели. Пары изображений с качеством уравнивания меньше, чем заданный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Диапазон значений порога — от 0 до 1. Значение по умолчанию для порога – 0,2, то есть 20 %.	Double
Порог разности разрешений (Дополнительный)	Максимальное допустимое пороговое значение для расстояния на земной поверхности (GSD) между двумя изображениями, составляющими пару. Коэффициент разрешения между двумя изображениями будет сравниваться с пороговым значением. Пары изображений с коэффициентом земной поверхности больше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Значение порогового коэффициента по умолчанию равно 2.	Double
Порог разности Omega/Phi (Дополнительный)	Максимальное пороговое значение для разности между значениями Omega и Phi для двух пар изображений. Выполняется сравнение значений Omega и значений Phi для пар изображений. Пары изображений с разностью Omega или Phi больше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Значение порога разности по умолчанию для каждого сравнения равно 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})

Имя	Объяснение	Тип данных
in_mosaic_dataset	Входной набор данных мозаики, для которого должен быть завершен процесс блочного уравнивания и который должен иметь стерео-модель. Чтобы выполнить блочное уравнивание набора данных мозаики, используйте инструмент Применить блочное уравнивание. Чтобы построить стерео-модель для набора данных мозаики, используйте инструмент Построить стерео-модель.	Mosaic Dataset; Mosaic Layer
matching_method	Указывает метод, который будет использоваться для создания 3D-точек. `ETM`–В качестве метода сопоставления будет использоваться расширенное сопоставление поверхности (ETM) - стерео-сопоставление на основе объектов, которое использует оператор Харриса для обнаружения точек объектов. Поскольку извлекается меньше точек пространственных объектов, этот метод является быстрым и может использоваться для данных с меньшей вариацией рельефа и детальностью. `SGM`–В качестве метода сопоставления будет использоваться полуглобальное сопоставление (SGM), которое создает более плотные точки с более подробной информацией о рельефе. Он может использоваться для снимков городских территорий. Этот метод использует более интенсивные вычисления, чем метод ETM. `MVM`–В качестве метода сопоставления будет использоваться многовидовое сопоставление изображений (MVM), основаное на методе сопоставления SGM, за которым следует шаг слияния, в котором объединяются избыточные оценки глубины по одной стереомодели. При этом создаются 3D-точки, и это вычислительно эффективно.	String
out_folder	Папка, используемая для хранения выходных файлов LAS, включая облачное хранилище. Если запустить этот инструмент несколько раз с одинаковыми входными параметрами, выходные данные могут слегка отличаться, из-за использования случайной выборки.	Folder
out_base_name	Строка, используемая в качестве префикса для формирования имен выходных файлов LAS. Например, если в качестве основы используется `name`, выходные файлы будут называться `name1.las`, `name2.las` и т.д.	String
object_size (Дополнительный)	Радиус поиска, внутри которого будут идентифицированы объекты на поверхности, такие как деревья или здания. Это линейный размер в единицах карты.	Double
ground_spacing (Дополнительный)	Интервал на поверхности, в метрах, на котором будут создаваться 3D-точки. По умолчанию равен пятикратному размеру пиксела исходного изображения.	Double
minimum_pairs (Дополнительный)	Максимальное количество пар изображений, в котором изображение может использоваться для создания 3D-точек. Минимальное значение по умолчанию – 8 пар изображений. Если изображение участвует в большем количестве пар изображений, чем указано, эти пары изображений не будут учитываться при построении 3D-точек. В этом случае инструмент упорядочивает пары на основе различных пороговых параметров, указанных в инструменте. Пары с наибольшим количеством очков будут использоваться для создания точек.	Double
minimum_area (Дополнительный)	Допустимый минимальная порог перекрытия областей, который представляет собой процент перекрытия между парой изображений. Пары изображений с областью перекрытия меньше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Диапазон значений порога — от 0 до 1. Значение по умолчанию для порога – 0.5, то есть 50%.	Double
minimum_adjustment_quality (Дополнительный)	Допустимое минимальное значение качества уравнивания. Пороговое значение будет сравниваться со значением качества уравнивания, которое хранится в стерео-модели. Пары изображений с качеством уравнивания меньше, чем заданный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Диапазон значений порога — от 0 до 1. Значение по умолчанию для порога – 0,2, то есть 20 %.	Double
maximum_diff_gsd (Дополнительный)	Максимальное допустимое пороговое значение для расстояния на земной поверхности (GSD) между двумя изображениями, составляющими пару. Коэффициент разрешения между двумя изображениями будет сравниваться с пороговым значением. Пары изображений с коэффициентом земной поверхности больше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Значение порогового коэффициента по умолчанию равно 2.	Double
maximum_diff_OP (Дополнительный)	Максимальное пороговое значение для разности между значениями Omega и Phi для двух пар изображений. Выполняется сравнение значений Omega и значений Phi для пар изображений. Пары изображений с разностью Omega или Phi больше, чем данный порог, получат 0 очков по данному критерию и опустятся ниже в упорядоченном списке. Значение порога разности по умолчанию для каждого сравнения равно 8.	Double

Пример кода

GeneratePointCloud, пример 1 (окно Python)

Пример Python для функции GeneratePointCloud.

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

Параметры среды

Текущая рабочая область, Географические преобразования, Выходная система координат, Экстент, Коэффициент параллельной обработки, Временная рабочая область

Информация о лицензировании

Basic: Нет
Standard: Требуется ArcGIS Reality for ArcGIS Pro
Advanced: Да

Справочная информация

Hirschmüller, Heiko, et al. “Memory Efficient Semi-Global Matching.” ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences 1, no. 3 (2012): 371–376.
Hirschmüller, Heiko. 2008. “Stereo Processing by Semiglobal Matching and Mutual Information.” IEEE Transactions on Pattern Analysis and Machine Intelligence 30 (2): 328–341.