评估点云分类模型 (3D Analyst 工具)
汇总
使用分类良好的点云作为基线来评估一个或多个点云分类模型的质量，从而比较从每个模型获得的分类结果。
用法
要获得最好的评估结果，参考点云必须对正在评估的感兴趣对象进行良好分类。
被评估的所有输入模型必须具有相同的分类代码。 如果参考点云没有其值或含义与被评估模型中的类匹配的类代码，请通过点云类重映射参数使用训练模型中的代码来指定参考点云的分类。
PointCNN 深度学习架构用于创建点云分类模型。 在处理同一组输入数据时，此架构可能会产生略有不同的结果。 您可以多次指定相同的模型作为输入，以评估来自点云的分类结果的一致性。 有关分类结果可变性潜力的详细信息，请参阅 PointCNN：X 变换点的卷积插值。
评估过程将在目标文件夹参数值中创建多个输出文件。 各文件名称将以基本名称参数值中指定的文本开头。
<base name>_ModelStatistics.csv—此表中列出了每个模型的整体准确率、精确率、召回率和 F1 分数。
<base name>_ClassCodeStatistics.csv—此表汇总了每个类代码的准确率、精确率、召回率和 F1 分数的评估结果。
<base name>_ConfusionMatrices.csv—此表汇总了输入模型对参考点云中每个类代码的每个点的分类方式。 除了正确和误报数值外，该表还标识了发生误报的类别。
<base name>ConfusionMatrix<model number>.png—此图像所显示的图表提供了给定模型混淆矩阵的易于阅读的描述。
当使用相对高度属性训练输入模型时，需要参考表面参数。 栅格表面用作参考高度，从该高度开始为每个点插入相对高度。 这为模型提供了附加信息，这些信息有助于区分对象。 为此参数提供的栅格表面应表示与创建模型的训练数据中使用的栅格相同类型的数据。 在大多数情况下，这将是从地面分类点创建的栅格。 通过应用地面过滤器并使用 LAS 数据集转栅格 工具，可以从 LAS 数据集中的地面分类点生成栅格表面。 也可以使用 点云转栅格 工具从点云场景图层生成地面表面。 或者，可以使用非基于输入点云的栅格表面，但必须确保栅格中的 z 值与点云中的 z 值相应匹配。
当输入模型在训练时某些类的点被排除在训练数据之外时，请使用排除类代码参数来确保从模型评估的点集中忽略这些点。 排除不为给定模型的目标提供有用上下文的类将减少被评估的点数，这将提高训练和应用模型的速度。 例如，表示建筑物的点通常与表示交通信号灯、电力线或汽车等对象的点无关。 也可以使用 分类 LAS 建筑物 工具对建筑物点进行可靠分类。 如果在用于创建模型的训练数据中排除了表示建筑物的类代码为 6 的点，则输入点云还必须对建筑物点进行分类，并将其在此工具中排除。
参数
| 标注 | 说明 | 数据类型 |
|---|---|---|
|
输入模型定义 |
将在评估过程中使用的点云分类模型和批量大小。 值表列：
|
Value Table |
|
参考点云 |
将用于评估分类模型的点云。 |
LAS Dataset Layer; File |
|
目标文件夹 |
将用于存储汇总评估结果的文件的目录。 |
Folder |
|
基本名称 |
将用于汇总评估结果的每个输出文件的文件名前缀。 |
String |
|
处理边界 （可选） |
用于描绘将用于评估分类模型的参考点云部分的面要素。 |
Feature Layer |
|
点云类重映射 （可选） |
参考点云中的类代码必须与正在评估的模型中的类代码相匹配。 当类代码不匹配时，使用此参数将点云中的不同类代码与正在评估的模型中支持的类相关联。 值表列：
|
Value Table |
|
参考表面 （可选） |
将用于为点云数据中的每个点提供相对高度值的栅格表面。 在分析中，将不考虑不与栅格重叠的点。 |
Raster Layer |
|
排除类代码 （可选） |
将在处理过程中排除的类代码。 可以指定 0 到 255 范围内的任何值。 |
Long |
派生输出
| 标注 | 说明 | 数据类型 |
|---|---|---|
|
输出混淆矩阵 |
存储每个输入模型的每个类代码的混淆矩阵的 CSV 格式表。 |
Text File |
|
输出模型统计数据 |
汇总输入模型的整体统计数据的 CSV 格式表。 |
Text File |
|
输出类代码统计数据 |
汇总每个输入模型的每个类代码的统计数据的 CSV 格式表。 |
Text File |
环境
范围, 处理器类型, GPU ID, 输出坐标系, 地理变换
许可信息
- 基本: 需要 3D Analyst
- 标准: 需要 3D Analyst
- 高级: 需要 3D Analyst