Passpunkte berechnen (Reality-Mapping)

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.

Parameter

BeschriftungErläuterungDatentyp
Eingabe-Mosaik-Dataset

Das Eingabe-Mosaik-Dataset, das zum Erstellen der Passpunkte verwendet wird.

Mosaic Dataset; Mosaic Layer
Eingabe-Bezugsbilder

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; Map Server; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
Ausgabe-Passpunkte

Die Ausgabe-Passpunkttabelle. Diese Tabelle enthält die erstellten Passpunkte.

Feature Class
Ähnlichkeit
(optional)

Gibt die Ähnlichkeit an, die für übereinstimmende Verknüpfungspunkte verwendet wird.

  • Geringe ÄhnlichkeitDie 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.
  • Mittlere ÄhnlichkeitDie Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind mittel.
  • Große ÄhnlichkeitDie 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
Ausgabe-Bild-Features
(optional)

Die Ausgabe-Tabelle mit den Bild-Feature-Punkten. Sie wird als Polygon-Feature-Class gespeichert. Diese Ausgabe kann sehr umfangreich sein.

Feature Class
Punktdichte

Legt die Anzahl der zu erstellenden Passpunkte fest.

  • Geringe PunktdichteDie Punktdichte ist niedrig. Dadurch wird die niedrigste Anzahl von Verknüpfungspunkten erstellt.
  • Mittlere PunktdichteDie Punktdichte ist mittel. Dadurch wird eine mittelgroße Anzahl von Punkten erstellt.
  • Hohe PunktdichteDie Punktdichte ist hoch. Dadurch wird die höchste Anzahl von Punkten erstellt.
String
Punktverteilung

Gibt an, ob die Punkte eine regelmäßige oder eine zufällige Verteilung aufweisen.

  • Zufällige PunktverteilungPunkte werden nach dem Zufallsprinzip generiert. Nach dem Zufallsprinzip erstellte Punkte sind besser für überlappende Flächen mit unregelmäßigen Formen geeignet.
  • Regelmäßige PunktverteilungPunkte 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
Interessenbereich

Beschränken Sie den Bereich, in dem Verknüpfungspunkte erstellt werden, um nur diese Polygon-Feature-Class zu erstellen.

Feature Layer
Genauigkeit der Bildposition
(optional)

Gibt das Schlüsselwort an, das die Genauigkeit der Bilddaten beschreibt.

  • Niedrige Genauigkeit der BildpositionBilder weisen eine große Verschiebung und eine große Rotation auf (> 5 Grad).Der SIFT-Algorithmus dient zur Berechnung der Punktzuordnung.
  • Mittlere Genauigkeit der BildpositionBilder weisen eine mittlere Verschiebung und eine kleine Rotation auf (< 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.
  • Hohe Genauigkeit der BildpositionBilder weisen eine kleine Verschiebung und eine kleine Rotation auf ( 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.
String

arcpy.rm.ComputeControlPoints(in_mosaic_dataset, in_reference_images, out_control_points, {similarity}, {out_image_feature_points}, density, distribution, area_of_interest, {location_accuracy})
NameErläuterungDatentyp
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; Map Server; 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 an, die für übereinstimmende Verknüpfungspunkte verwendet wird.

  • LOWDie 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.
  • MEDIUMDie Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind mittel.
  • HIGHDie 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

Legt die Anzahl der zu erstellenden Passpunkte fest.

  • LOWDie Punktdichte ist niedrig. Dadurch wird die niedrigste Anzahl von Verknüpfungspunkten erstellt.
  • MEDIUMDie Punktdichte ist mittel. Dadurch wird eine mittelgroße Anzahl von Punkten erstellt.
  • HIGHDie Punktdichte ist hoch. Dadurch wird die höchste Anzahl von Punkten erstellt.
String
distribution

Gibt an, ob die Punkte eine regelmäßige oder eine zufällige Verteilung aufweisen.

  • RANDOMPunkte werden nach dem Zufallsprinzip generiert. Nach dem Zufallsprinzip erstellte Punkte sind besser für überlappende Flächen mit unregelmäßigen Formen geeignet.
  • REGULARPunkte 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 erstellt werden, um nur diese Polygon-Feature-Class zu erstellen.

Feature Layer
location_accuracy
(optional)

Gibt das Schlüsselwort an, das die Genauigkeit der Bilddaten beschreibt.

  • LOWBilder weisen eine große Verschiebung und eine große Rotation auf (> 5 Grad).Der SIFT-Algorithmus dient zur Berechnung der Punktzuordnung.
  • MEDIUMBilder weisen eine mittlere Verschiebung und eine kleine Rotation auf (< 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.
  • HIGHBilder 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 die Funktion ComputeControlPoints.

import arcpy
arcpy.ComputeControlPoints_rm("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 die Funktion 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_rm(mdName, out_controlPoint, 
     "HIGH", in_mask, out_imageFeature)

Lizenzinformationen

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

Verwandte Themen