Calculer les points de contrôle (Reality Mapping)

Synthèse

Crée les points de contrôle entre le jeu de données mosaïque et l’image de référence. Les points de contrôle peuvent ensuite être utilisés avec les points de rattachement pour calculer les ajustements du jeu de données mosaïque.

Utilisation

  • Pour que les résultats des points de contrôle soient précis, utilisez l’option Similarité élevée pour le paramètre Similarité.

  • Les points de contrôle peuvent être associés aux points de rattachement à l’aide de l’outil Ajouter des points de contrôle.

  • Les points de contrôle et les points de rattachement sont ensuite utilisés dans l’outil Calculer l’ajustement de bloc.

  • Si votre jeu de données mosaïque comporte de nombreux éléments, soyez prudent lorsque vous spécifiez le paramètre Entités image en sortie car le traitement de votre résultat risque d’être long.

Paramètres

ÉtiquetteExplicationType de données
Jeu de données mosaïque en entrée

Jeu de données mosaïque en entrée utilisé pour créer des points de contrôle.

Mosaic Dataset; Mosaic Layer
Images de référence en entrée

Images de référence utilisées pour créer des points de contrôle pour le jeu de données mosaïque. Si vous avez plusieurs images, créez un jeu de données mosaïque à partir des images et utilisez-le comme référence.

Raster Layer; Raster Dataset; Image Service; Map Server; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
Points de contrôle en sortie

Table de points de contrôle en sortie. Cette table contient les points de contrôle créés.

Feature Class
Similarité
(Facultatif)

Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement.

  • Similarité faibleLes critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certaines des correspondances peuvent compter un taux d'erreurs plus important.
  • Similarité moyenneLes critères de similarité des points appariés sont moyens.
  • Similarité élevéeLes critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.
String
Entités image en sortie
(Facultatif)

Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d'entités surfaciques. Cette sortie peut être très grande.

Feature Class
Densité de point

Détermine le nombre de points de rattachement à créer.

  • Densité de point faibleLa densité des points sera faible, créant le moins de points de rattachement.
  • Densité de point moyenneLa densité de points sera moyenne, créant un nombre modéré de points.
  • Densité de point élevéeLa densité de points sera élevée, créant le plus de points.
String
Distribution de points

Spécifie si les points présentent une distribution régulière ou aléatoire.

  • Distribution de points aléatoireLes points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières.
  • Distribution de points régulièreLes points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.
String
Zone d’intérêt

Limite la zone dans laquelle les points de rattachement sont générés à cette classe d’entités surfaciques uniquement.

Feature Layer
Précision de la localisation de l’image
(Facultatif)

Spécifie le mot-clé qui décrit la précision de l’imagerie.

  • Précision de la localisation de l’image faibleLes images disposent d'une translation et d'une rotation importantes (> 5 degrés).L'algorithme SIFT est utilisé dans le calcul d'appariement des points.
  • Précision de la localisation de l’image moyenneLes images disposent d'une translation moyenne et d'une rotation faible (<5 degrés).L'algorithme Harris est utilisé dans le calcul d' appariement des points.
  • Précision de la localisation de l’image élevéeLes images disposent d'une translation et d'une rotation faibles.L'algorithme Harris est utilisé dans le calcul d' appariement des points.
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})
NomExplicationType de données
in_mosaic_dataset

Jeu de données mosaïque en entrée utilisé pour créer des points de contrôle.

Mosaic Dataset; Mosaic Layer
in_reference_images

Images de référence utilisées pour créer des points de contrôle pour le jeu de données mosaïque. Si vous avez plusieurs images, créez un jeu de données mosaïque à partir des images et utilisez-le comme référence.

Raster Layer; Raster Dataset; Image Service; Map Server; WMS Map; Mosaic Layer; Internet Tiled Layer; Map Server Layer
out_control_points

Table de points de contrôle en sortie. Cette table contient les points de contrôle créés.

Feature Class
similarity
(Facultatif)

Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement.

  • LOWLes critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certaines des correspondances peuvent compter un taux d'erreurs plus important.
  • MEDIUMLes critères de similarité des points appariés sont moyens.
  • HIGHLes critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.
String
out_image_feature_points
(Facultatif)

Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d'entités surfaciques. Cette sortie peut être très grande.

Feature Class
density

Détermine le nombre de points de rattachement à créer.

  • LOWLa densité des points sera faible, créant le moins de points de rattachement.
  • MEDIUMLa densité de points sera moyenne, créant un nombre modéré de points.
  • HIGHLa densité de points sera élevée, créant le plus de points.
String
distribution

Spécifie si les points présentent une distribution régulière ou aléatoire.

  • RANDOMLes points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières.
  • REGULARLes points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.
String
area_of_interest

Limite la zone dans laquelle les points de rattachement sont générés à cette classe d’entités surfaciques uniquement.

Feature Layer
location_accuracy
(Facultatif)

Spécifie le mot-clé qui décrit la précision de l’imagerie.

  • LOWLes images disposent d'une translation et d'une rotation importantes (> 5 degrés).L'algorithme SIFT est utilisé dans le calcul d'appariement des points.
  • MEDIUMLes images disposent d'une translation moyenne et d'une rotation faible (<5 degrés).L'algorithme Harris est utilisé dans le calcul d' appariement des points.
  • HIGHLes images disposent d'une translation et d'une rotation faibles.L'algorithme Harris est utilisé dans le calcul d' appariement des points.
String

Exemple de code

Exemple 1 d’utilisation de la fonction ComputeControlPoints (fenêtre Python)

Il s’agit d’un exemple Python pour la fonction 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")
Exemple 2 d’utilisation de la fonction ComputeControlPoints (script autonome)

Ce script autonome illustre l’utilisation de la fonction 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)

Informations de licence

  • Basic: Non
  • Standard: Oui
  • Advanced: Oui

Rubriques connexes