生成点云 (数据管理工具)

汇总

基于立体像对生成 3D 点并以一组 LAS 文件的形式输出点云。

LAS 文件的切片基于 1,000 x 1,000 地面间距。每个 LAS 切片中的点通过根据用户定义的条件选择像对并在所选像对中过滤点进行计算。此工具的输入为包含立体模型的镶嵌数据集。此工具的输出可用于生成数字地形模型 (DTM) 或数字表面模型 (DSM)。

用法

如果使用相同的输入参数多次运行此工具，则由于采样是随机的，因此输出可能稍有不同。
影像对数量参数中立体像对的顺序首先基于为校正质量阈值、GSD 差异阈值和 Omega/Phi 差异阈值参数定义的值。如果影像对不满足这些阈值，则该影像对从所有这些阈值处获得的得分为 0，每满足一个阈值，将获得 1 分，最多 3 分。最高得分将排列在优先级列表的顶部。接下来，系统将针对任何得分相同的影像对考虑重叠区域阈值，并将影像对之间的交叉角度用作为列表排序的最后一个条件：交叉角度越大，排序越高。
如果想要在生成点云时使用特定的像对，请在立体表的使用字段中为该像对设置一个高值。要打开立体表，请右键单击内容窗格中的镶嵌图层，然后单击打开 > 立体。

标注	说明	数据类型
输入镶嵌数据集	输入镶嵌数据集必须已完成区域网平差过程且具有立体模型。要对镶嵌数据集执行区域网平差，请使用应用区域网平差工具。要基于镶嵌数据集构建立体模型，请使用构建立体模型工具。	Mosaic Dataset; Mosaic Layer
匹配方法	指定将用于生成 3D 点的方法。扩展的地形匹配—将使用扩展地形匹配作为匹配方法，这是一种基于要素的立体匹配方法，它使用 Harris 算子检测要素点。由于提取的要素点较少，所以此方法速度较快，可用于地形变化和细节较少的数据。半全局匹配—将使用半全局匹配作为匹配方法，该方法可以生成密度更高的点，并且具有更多的详细地形信息。可将其用于城市区域的影像。与 ETM 相比，此方法运算量更大。多视图影像匹配—将使用多视图影像匹配作为匹配方法，该方法基于 SGM 匹配方法，后跟一个融合步骤，该步骤可将单个立体模型的多余深度估算合并。该操作会产生密集的 3D 点，并带来庞大的运算量。	String
输出 LAS 文件夹	此文件夹用于存储输出 LAS 文件，包括云存储。如果使用相同的输入参数多次运行此工具，则由于采样是随机的，因此输出可能稍有不同。	Folder
输出 LAS 基本名称	用作格式化输出 LAS 文件名的前缀的字符串。例如，如果以 `name` 为基础，则输出文件将命名为 `name1.las`、`name2.las`，以此类推。	String
最大对象尺寸(米) （可选）	将在其中标识建筑物或树木等表面对象的搜索半径。它是以地图单位表示的线大小。	Double
DSM 组间距(米) （可选）	生成 3D 点时将采用的地面间距（以米为单位）。默认值为源影像像素大小的五倍。	Double
影像对数量（可选）	为生成 3D 点，影像可参与的最大影像对数。默认值是最少 8 个影像对。如果影像参与的影像对数量超过指定值，则构建 3D 点时将不会考虑这些影像。在此情况下，该工具将根据工具中指定的不同阈值参数对这些影像对进行排序。将使用得分最高的影像对生成点。	Double
重叠区域阈值（可选）	可接受的最小重叠区域阈值，即影像对之间的重叠百分比。按照此条件，重叠区域小于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。阈值的值范围为 0 到 1。默认阈值为 0.5，相当于 50%。	Double
校正质量阈值（可选）	可接受的最小校正质量。该阈值将与存储在立体模型中的校正质量值进行比较。按照此条件，校正质量低于此指定阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。阈值的值范围为 0 到 1。默认值为 0.2，相当于 20%。	Double
GSD 差异阈值（可选）	影像对中两个影像之间的地面采样间距 (GSD) 的最大允许阈值。两个影像之间的分辨率比值将与此阈值进行比较。按照此条件，地面采样比率大于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。默认阈值比为 2。	Double
Ω/Φ 差异阈值（可选）	两个影像对之间 Omega 值和 Phi 值差异的最大阈值。将比较影像对的 Omega 值和 Phi 值。按照此条件，Omega 或 Phi 差异大于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。每个比较项的默认阈值差异为 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})

名称	说明	数据类型
in_mosaic_dataset	输入镶嵌数据集必须已完成区域网平差过程且具有立体模型。要对镶嵌数据集执行区域网平差，请使用应用区域网平差工具。要基于镶嵌数据集构建立体模型，请使用构建立体模型工具。	Mosaic Dataset; Mosaic Layer
matching_method	指定将用于生成 3D 点的方法。 `ETM`—将使用扩展地形匹配作为匹配方法，这是一种基于要素的立体匹配方法，它使用 Harris 算子检测要素点。由于提取的要素点较少，所以此方法速度较快，可用于地形变化和细节较少的数据。 `SGM`—将使用半全局匹配作为匹配方法，该方法可以生成密度更高的点，并且具有更多的详细地形信息。可将其用于城市区域的影像。与 ETM 相比，此方法运算量更大。 `MVM`—将使用多视图影像匹配作为匹配方法，该方法基于 SGM 匹配方法，后跟一个融合步骤，该步骤可将单个立体模型的多余深度估算合并。该操作会产生密集的 3D 点，并带来庞大的运算量。	String
out_folder	此文件夹用于存储输出 LAS 文件，包括云存储。如果使用相同的输入参数多次运行此工具，则由于采样是随机的，因此输出可能稍有不同。	Folder
out_base_name	用作格式化输出 LAS 文件名的前缀的字符串。例如，如果以 `name` 为基础，则输出文件将命名为 `name1.las`、`name2.las`，以此类推。	String
object_size （可选）	将在其中标识建筑物或树木等表面对象的搜索半径。它是以地图单位表示的线大小。	Double
ground_spacing （可选）	生成 3D 点时将采用的地面间距（以米为单位）。默认值为源影像像素大小的五倍。	Double
minimum_pairs （可选）	为生成 3D 点，影像可参与的最大影像对数。默认值是最少 8 个影像对。如果影像参与的影像对数量超过指定值，则构建 3D 点时将不会考虑这些影像。在此情况下，该工具将根据工具中指定的不同阈值参数对这些影像对进行排序。将使用得分最高的影像对生成点。	Double
minimum_area （可选）	可接受的最小重叠区域阈值，即影像对之间的重叠百分比。按照此条件，重叠区域小于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。阈值的值范围为 0 到 1。默认阈值为 0.5，相当于 50%。	Double
minimum_adjustment_quality （可选）	可接受的最小校正质量。该阈值将与存储在立体模型中的校正质量值进行比较。按照此条件，校正质量低于此指定阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。阈值的值范围为 0 到 1。默认值为 0.2，相当于 20%。	Double
maximum_diff_gsd （可选）	影像对中两个影像之间的地面采样间距 (GSD) 的最大允许阈值。两个影像之间的分辨率比值将与此阈值进行比较。按照此条件，地面采样比率大于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。默认阈值比为 2。	Double
maximum_diff_OP （可选）	两个影像对之间 Omega 值和 Phi 值差异的最大阈值。将比较影像对的 Omega 值和 Phi 值。按照此条件，Omega 或 Phi 差异大于此阈值的影像对将获得 0 分，且其在排序列表中的位置将下降。每个比较项的默认阈值差异为 8。	Double

代码示例

GeneratePointCloud 示例 1（Python 窗口）

这是 GeneratePointCloud 函数的 Python 示例。

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

环境

当前工作空间, 地理变换, 输出坐标系, 范围, 并行处理因子, 临时工作空间

许可信息

基本: 否
标准: 需要 ArcGIS Reality for ArcGIS Pro
高级: 是

参考

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.

生成点云 (数据管理工具)

汇总

用法

参数

环境

许可信息

参考

相关主题