Passpunkte berechnen (Data Management)

Zusammenfassung

Erstellt die Passpunkte zwischen dem Mosaik-Dataset und dem Referenzbild. Die Passpunkte können mit Verknüpfungspunkten zum Berechnen der Ausgleichungen für das Mosaik-Dataset verwendet werden.

Verwendung

• Verwenden Sie für genaue Passpunktergebnisse die Option Hohe Toleranz für den Parameter Ähnlichkeit.

• Die Passpunkte können mithilfe des Werkzeugs Passpunkte anhängen mit Verknüpfungspunkten kombiniert werden.

• Die Passpunkte und Verknüpfungspunkte werden dann im Werkzeug Blockausgleichung berechnen verwendet.

• Wenn Sie über ein Mosaik-Dataset mit vielen Elementen verfügen, geben Sie den Parameter Ausgabe-Bild-Features umsichtig an, da die Verarbeitung des Ergebnisses sehr viel Zeit in Anspruch nehmen kann.

Syntax

ComputeControlPoints(in_mosaic_dataset, in_reference_images, out_control_points, {similarity}, {out_image_feature_points}, density, distribution, area_of_interest, {location_accuracy})

Parameter	Erklärung	Datentyp
in_mosaic_dataset	Das Eingabe-Mosaik-Dataset, das zum Erstellen der Passpunkte verwendet wird.	Mosaic Dataset; Mosaic Layer
in_reference_images	Die Bezugsbilder, die zum Erstellen der Passpunkte für das Mosaik-Dataset verwendet werden. Wenn Sie über mehrere Bilder verfügen, können Sie ein Mosaik-Dataset aus den Bildern erstellen und das Mosaik-Dataset als Referenz verwenden	Raster Layer; Raster Dataset; Image Service; MapServer; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
out_control_points	Die Ausgabe-Passpunkttabelle. Diese Tabelle enthält die erstellten Passpunkte.	Feature Class
similarity (optional)	Gibt die Ähnlichkeit für übereinstimmende Verknüpfungspunkte an. LOW —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind niedrig. Mit dieser Option werden die meisten übereinstimmenden Punkte erzeugt, einige Übereinstimmungen weisen jedoch möglicherweise eine höhere Fehlerstufe auf. MEDIUM —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind mittel. HIGH —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind groß. Mit dieser Option wird die geringste Anzahl übereinstimmender Punkte erzeugt, die einzelnen Übereinstimmungen weisen jedoch eine niedrigere Fehlerstufe auf.	String
out_image_feature_points (optional)	Die Ausgabe-Tabelle mit den Bild-Feature-Punkten. Sie wird als Polygon-Feature-Class gespeichert. Diese Ausgabe kann sehr umfangreich sein.	Feature Class
density	Die Anzahl der zu erstellenden Passpunkte. LOW —Legen Sie die Punktdichte auf "Niedrig" fest. Dadurch wird die niedrigste Anzahl von Verknüpfungspunkten erstellt. MEDIUM —Legen Sie die Punktdichte auf "Mittel" fest. Dadurch wird eine mittelmäßige Anzahl von Punkten erstellt. HIGH —Legen Sie die Punktdichte auf "Hoch" fest. Dadurch wird die höchste Anzahl von Verknüpfungspunkten erstellt.	String
distribution	Gibt an, ob die Punkte eine regelmäßige oder eine zufällige Verteilung aufweisen. RANDOM —Punkte werden nach dem Zufallsprinzip erstellt. Nach dem Zufallsprinzip erstellte Punkte sind besser für überlappende Flächen mit unregelmäßigen Formen geeignet. REGULAR —Punkte werden basierend auf einem festen Muster generiert. Für Punkte, die auf einem festgelegten Muster basieren, wird anhand der Punktdichte bestimmt, wie häufig Punkte erstellt werden sollen.	String
area_of_interest	Beschränken Sie den Bereich, in dem Verknüpfungspunkte generiert werden, um nur diese Polygon-Feature-Class zu erstellen.	Feature Layer
location_accuracy (optional)	Gibt das Schlüsselwort an, das die Genauigkeit der Bilddaten beschreibt. LOW —Bilder weisen eine große Verschiebung und eine große Rotation auf (> 5 Grad).Der SIFT-Algorithmus dient zur Berechnung der Punktzuordnung. MEDIUM —Bilder weisen eine mittlere Verschiebung und eine kleine Rotation auf (< 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung. HIGH —Bilder weisen eine kleine Verschiebung und eine kleine Rotation auf ( 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.	String

Codebeispiel

ComputeControlPoints – Beispiel 1 (Python-Fenster)

Dies ist ein Python-Beispiel für das Werkzeug ComputeControlPoints.

import arcpy
arcpy.ComputeControlPoints_management("c:/block/BD.gdb/redQB", 
     "c:/block/BD.gdb/redQB_tiePoints", "HIGH",
     "c:/block/BD.gdb/redQB_mask", "c:/block/BD.gdb/redQB_imgFeatures")

ComputeControlPoints – Beispiel 2 (eigenständiges Skript)

Dies ist ein Beispiel für ein eigenständiges Skript für das Werkzeug ComputeControlPoints.

#compute control points

import arcpy
arcpy.env.workspace = "c:/workspace"

#compute control points using a mask 
mdName = "BD.gdb/redlandsQB"
in_mask = "BD.gdb/redlandsQB_mask"
out_controlPoint = "BD.gdb/redlandsQB_tiePoints"
out_imageFeature = "BD.gdb/redlandsQB_imageFeatures"

arcpy.ComputeControlPoints_management(mdName, out_controlPoint, 
     "HIGH", in_mask, out_imageFeature)

Umgebungen

Aktueller Workspace, Faktor für parallele Verarbeitung, Scratch-Workspace

Lizenzinformationen

• Basic: Nein
• Standard: Ja
• Advanced: Ja