Classer le nuage de points à l’aide du modèle entraîné (3D Analyst)—ArcGIS Pro

Synthèse

Classe un nuage de points à l’aide d’un modèle de classification PointCNN.

Utilisation

Cet outil utilise l’implémentation PointCNN à l’aide des structures Deep Learning.
Pour configurer votre machine afin d’utiliser des structures d’apprentissage profond dans ArcGIS Pro, consultez la rubrique Installer les structures d’apprentissage profond pour ArcGIS.
L’outil classe par défaut tous les points du nuage de points en entrée. Si l’un des codes de classes existants dans le nuage de points en entrée est correctement classé, veillez à exclure ces points de la modification en indiquant les codes de classes à mettre à jour ou à conserver à l’aide des paramètres Gestion des codes de classes existants et Codes de classes existants.
En savoir plus sur la classification d’un nuage de points avec le Deep Learning.
Le nuage de points en entrée doit avoir les mêmes attributs dotés de plages de valeurs similaires que les données d’entraînement utilisées pour développer le modèle de classification. Par exemple, si le modèle entraîné utilisait l’attribut d’intensité avec une plage de valeurs spécifique, le nuage de points doit posséder des valeurs d’intensité dans la même plage. La densité et la distribution des points doivent également être similaires par rapport aux données utilisées lors de l’entraînement du modèle.
Si la référence spatiale du nuage de points en entrée n’utilise pas de système de coordonnées projetées, l’environnement Système de coordonnées en sortie peut être utilisé pour définir un système de coordonnées projetées qui sera utilisé pour la classification de ses points.

Paramètres

Étiquette	Explication	Type de données
Nuage de points cible	Nuage de points qui sera classé.	LAS Dataset Layer
Définition du modèle en entrée	Fichier de définition du modèle Esri en entrée (.emd) ou paquetage de Deep Learning (.dlpk) qui sera utilisé pour classer le nuage de points. Une adresse Web peut également être utilisée pour le paquetage de Deep Learning publié sur ArcGIS Online ou sur ArcGIS Living Atlas.	File; String
Classification cible	Codes de classes issus du modèle entraîné qui seront utilisés pour classer le nuage de points en entrée. Toutes les classes du modèle en entrée seront utilisées par défaut sauf si un sous-ensemble est spécifié.	String
Gestion des codes de classes existants (Facultatif)	Indique comment les points modifiables du nuage de points en entrée seront définis. Mettre à jour tous les points— Mettre à jour les points sélectionnés— Conserver les points sélectionnés—	String
Codes de classes existants (Facultatif)	Classes dont les points sont mis à jour ou dont la désignation de code de classe d’origine est conservée en fonction de la valeur du paramètre Gestion des codes de classes existants.	Long
Calculer les statistiques (Facultatif)	Spécifie si des statistiques seront calculées pour les fichiers .las référencés par le jeu de données LAS. Les statistiques de calcul fournissent un index spatial pour chaque fichier .las, ce qui contribue à améliorer les performances d’analyse et d’affichage. Les statistiques améliorent également l’expérience de filtrage et de symbologie en limitant l’affichage des attributs LAS (par exemple, les codes de classification et les informations renvoyées) aux valeurs présentes dans le fichier .las. Activé : les statistiques sont calculées. Il s’agit de l’option par défaut. Désactivé : les statistiques ne sont pas calculées.	Boolean
Limite de traitement	Limite de polygone qui définit le sous-ensemble de points à traiter à partir du nuage de points en entrée. Les points situés en dehors des entités de limite ne seront pas évalués.	Feature Layer
Mettre à jour la pyramide (Facultatif)	Spécifie si la pyramide du jeu de données LAS est mise à jour après la modification des codes de classe. Activé : la pyramide du jeu de données LAS est mise à jour. Il s’agit de l’option par défaut. Désactivé : la pyramide du jeu de données LAS n’est pas mise à jour.	Boolean

Sortie obtenue

Étiquette	Explication	Type de données
Nuage de points en sortie	Nuage de points classé par le modèle de Deep Learning.	Feature Layer

arcpy.ddd.ClassifyPointCloudUsingTrainedModel(in_point_cloud, in_trained_model, output_classes, {in_class_mode}, {target_classes}, {compute_stats}, boundary, {update_pyramid})

Nom	Explication	Type de données
in_point_cloud	Nuage de points qui sera classé.	LAS Dataset Layer
in_trained_model	Fichier de définition du modèle Esri en entrée (.emd) ou paquetage de Deep Learning (.dlpk) qui sera utilisé pour classer le nuage de points. Une adresse Web peut également être utilisée pour le paquetage de Deep Learning publié sur ArcGIS Online ou sur ArcGIS Living Atlas.	File; String
output_classes [output_classes,...]	Codes de classes issus du modèle entraîné qui seront utilisés pour classer le nuage de points en entrée. Toutes les classes du modèle en entrée seront utilisées par défaut sauf si un sous-ensemble est spécifié.	String
in_class_mode (Facultatif)	Indique comment les points modifiables du nuage de points en entrée seront définis. EDIT_ALL—Tous les points du nuage de points en entrée seront mis à jour. Il s’agit de l’option par défaut. EDIT_SELECTED—Seuls les points dont les codes de classes sont spécifiés dans le paramètre target_classes seront mis à jour ; tous les autres points restent inchangés. PRESERVE_SELECTED—Les points dont les codes de classes sont spécifiés dans le paramètre target_classes seront conservés ; les points restants seront mis à jour.	String
target_classes [target_classes,...] (Facultatif)	Classes dont les points sont mis à jour ou dont la désignation de code de classe d’origine est conservée en fonction de la valeur du paramètre in_class_mode.	Long
compute_stats (Facultatif)	Spécifie si des statistiques seront calculées pour les fichiers .las référencés par le jeu de données LAS. Les statistiques de calcul fournissent un index spatial pour chaque fichier .las, ce qui contribue à améliorer les performances d’analyse et d’affichage. Les statistiques améliorent également l’expérience de filtrage et de symbologie en limitant l’affichage des attributs LAS (par exemple, les codes de classification et les informations renvoyées) aux valeurs présentes dans le fichier .las. COMPUTE_STATS—Les statistiques sont calculées. Il s’agit de l’option par défaut. NO_COMPUTE_STATS—Les statistiques ne sont pas calculées.	Boolean
boundary	Limite de polygone qui définit le sous-ensemble de points à traiter à partir du nuage de points en entrée. Les points situés en dehors des entités de limite ne seront pas évalués.	Feature Layer
update_pyramid (Facultatif)	Spécifie si la pyramide du jeu de données LAS est mise à jour après la modification des codes de classe. UPDATE_PYRAMID—La pyramide du jeu de données LAS est mise à jour. Il s’agit de l’option par défaut. NO_UPDATE_PYRAMID—La pyramide du jeu de données LAS n’est pas mise à jour.	Boolean

Sortie obtenue

Nom	Explication	Type de données
out_point_cloud	Nuage de points classé par le modèle de Deep Learning.	Feature Layer

Exemple de code

Exemple d’utilisation de l’outil ClassifyPointCloudUsingTrainedModel (script autonome)

L'exemple suivant illustre l'utilisation de cet outil dans la fenêtre Python.

import arcpy
arcpy.env.workspace = 'C:/data/'
arcpy.ddd.ClassifyPointCloudUsingTrainedModel('2018_survey.lasd', 'electrical_infrastructure_classification.emd', 
                                              [14, 15], 'EDIT_SELECTED', [0,1])

Environnements

Étendue, Type de processeur, ID du processeur graphique, Système de coordonnées en sortie, Transformations géographiques

Synthèse

Utilisation

Paramètres

Sortie obtenue

Sortie obtenue

Exemple de code

Environnements

Cas particuliers

Informations de licence

Rubriques connexes

Dans cette rubrique