| Beschriftung | Erläuterung | Datentyp |
Eingabe-Mosaik-Dataset | Das Mosaik-Dataset mit den Quellbilddaten, aus denen die Bodenpasspunkte erstellt werden. | Mosaic Dataset; Mosaic Layer |
Eingabe-Passpunkte | Der Eingabe-Passpunktsatz, der eine Liste der Bodenpasspunkt-Features enthält. | File; Feature Class; Feature Layer; String |
Ausgabe-Passpunkte | Die Ausgabe-Bodenpasspunkt-Features. | Feature Class |
Ausgabeordner für Bildschnipsel (optional) | Der Ausgabeordner für Bildschnipsel. | Folder |
Kachelgröße (optional) | Die Kachelgröße der Ausgabe-Bildschnipsel. Die Standard-Kachelgröße beträgt 1024. | Long |
Anzahl der Verknüpfungspunkte (optional) | Die Anzahl der Verknüpfungspunkte für jeden Bodenpasspunkt. Die Standardeinstellung ist 5. | Long |
Mit der Image Analyst-Lizenz verfügbar.
Für ArcGIS-Organisationen mit der ArcGIS Reality-Lizenz verfügbar.
Zusammenfassung
Erkennt Bodenpasspunkte in einem Mosaik Dataset.
Verwendung
Dieses Werkzeug wird im Rahmen des Orthorektifizierungsprozesses verwendet. Die vorläufige Bildsammlung wird mithilfe des Reality-Mapping-Workspace erstellt. Das Mosaik-Dataset erfordert eine schnelle Anpassung; anschließend kann die Bildsammlung mithilfe von Passpunkten weiter optimiert werden.
Das Werkzeug führt in den Bildern eine Objekterkennung durch, um die Bodenpasspunkte (GCP) zu ermitteln.
Mit diesem Werkzeug können zwei Typen von Bodenpasspunkt-Markern erkannt werden: Schachbrettmarken und Kreuze.
Die Ergebnisse der Erkennungsvorgänge können in ArcGIS Reality for ArcGIS Pro-Projekten verwendet werden.
Das Werkzeug verwendet zwei von Esri trainierte Deep-Learning-Modelle. Weitere Informationen zu Deep Learning finden Sie unter Deep Learning in der Erweiterung ArcGIS Image Analyst.
Informationen zum Einrichten des Computers für Deep-Learning-Frameworks in ArcGIS Pro finden Sie unter Installieren von Deep-Learning-Frameworks for ArcGIS.
Das Werkzeug unterstützt zwar CPU und GPU, allerdings ist eine CUDA-fähige NVIDIA-GPU mit mindestens 4 GB VRAM erforderlich, wobei 8 GB VRAM empfohlen werden. Weitere Informationen zu den aktuellen GPU-Anforderungen finden Sie unter Häufig gestellte Fragen zu Deep Learning.
Dieses Werkzeug kann mehrere verfügbare GPUs unterstützen und verwenden. Um eine bestimmte GPU zu verwenden, geben Sie die GPU-ID-Umgebung an. Wenn die Umgebungseinstellung "GPU-ID" nicht festgelegt wurde, verwendet das Werkzeug alle verfügbaren GPUs. Dies ist die Standardeinstellung.
Parameter
arcpy.rm.DetectControlPoints(in_mosaic_dataset, in_control_points, out_control_points, {out_folder_image_chips}, {tile_size}, {number_tie_points_per_gcp})| Name | Erläuterung | Datentyp |
in_mosaic_dataset | Das Mosaik-Dataset mit den Quellbilddaten, aus denen die Bodenpasspunkte erstellt werden. | Mosaic Dataset; Mosaic Layer |
in_control_points | Der Eingabe-Passpunktsatz, der eine Liste der Bodenpasspunkt-Features enthält. | File; Feature Class; Feature Layer; String |
out_control_points | Die Ausgabe-Bodenpasspunkt-Features. | Feature Class |
out_folder_image_chips (optional) | Der Ausgabeordner für Bildschnipsel. | Folder |
tile_size (optional) | Die Kachelgröße der Ausgabe-Bildschnipsel. Die Standard-Kachelgröße beträgt 1024. | Long |
number_tie_points_per_gcp (optional) | Die Anzahl der Verknüpfungspunkte für jeden Bodenpasspunkt. Die Standardeinstellung ist 5. | Long |
Codebeispiel
In diesem Beispiel werden fünf Verknüpfungspunkte mit einer Kachelgröße von 1024 Pixeln verwendet, um Passpunkte zu ermitteln und Bildschnipsel auszugeben.
# Import system modules
import arcpy
arcpy.env.workspace = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb"
arcpy.rm.DetectControlPoints("MyprojectCollection", "myproject_ControlPoints",
r"C:\myproject\myproject.gdb\ImageCollection_ControlPoints2",
r"C:\myproject\tempImageChips", 1024, 5)In diesem Beispiel werden fünf Verknüpfungspunkte mit einer Kachelgröße von 1024 Pixeln verwendet, um Passpunkte zu ermitteln und Bildschnipsel auszugeben.
# Import system modules
import arcpy
# Set local variables
in_mosaic = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb\myproject_Collection"
in_control_points = r"C:\myproject\RealityMapping\myproject.ermw\Imagery\myproject.gdb\myproject_ControlPoints"
out_control_points = r"C:\myproject\myproject.gdb\ImageCollection_ControlPoints2"
out_folder_image_chips = r"C:\myproject\tempImageChips"
tile_size = 512,
number_tie_points_per_gcp = 3
# Execute
arcpy.rm.DetectControlPoints(in_mosaic, in_control_points, out_control_points,
out_folder_image_chips, tile_size, number_tie_points_per_gcp)Umgebungen
Lizenzinformationen
- Basic: Erfordert Image Analyst oder ArcGIS Reality for ArcGIS Pro
- Standard: Erfordert Image Analyst oder ArcGIS Reality for ArcGIS Pro
- Advanced: Erfordert Image Analyst oder ArcGIS Reality for ArcGIS Pro