概要
共通の境界を持つ建物フットプリントを正規化します。
使用法
このツールは、ポリライン圧縮アルゴリズムを使用して、不自然な結果が生成される可能性のあるフィーチャ抽出ワークフローによって作成された建物フットプリント ポリゴンの歪みを矯正します。
ラスター データから生成された建物フットプリントを正規化する場合、正規化の許容値はソース ラスターの解像度よりも大きくなくてはなりません。
他のフィーチャと重複しない正規化された境界を作成するには、隣接する境界を持つフィーチャに共通の属性値が必要です。共通の属性がない場合は、以下の手順を検討してください。
- 目的の正規化許容値に一致するバッファー距離を、[バッファー (Buffer)] ツールで使用します。
- バッファーされたポリゴン フィーチャを [ユニオン (Union)] ツールで処理し、重複するポリゴンに対して 1 つのフィーチャを作成します。
- [空間結合 (Spatial Join)] ツールを使用し、正規化の対象となる元の入力フィーチャに結合したポリゴンの一意の ID を追加します。
- [隣接建物フットプリントの正規化 (Regularize Adjacent Building Footprint)] ツールを [グループ フィールド] (Python では group パラメーター) で指定された一意の ID を含むフィールドとともに実行します。
入力フィーチャが鋭角または優角の内角で構成される場合、または 2 つの線分間にある角度が 90°、135°、180°ではない場合は [任意の角度] 方法の使用を検討してください。
指定したパラメーターを使用して、所定の入力の正規化されたソリューションが生成されない場合、元のフィーチャが出力にコピーされます。STATUS フィールドに指定された値は、そのフィーチャが正規化されたかどうかを次のように示します。
- 0 = 正規化されたフィーチャ
- 1 = 元のフィーチャ
構文
arcpy.3d.RegularizeAdjacentBuildingFootprint(in_features, group, out_feature_class, method, tolerance, precision, angular_limit)
| パラメーター | 説明 | データ タイプ |
in_features | 処理対象の入力フィーチャ。 | Feature Layer |
group | 完全に一致する、重複しない境界を共有するフィーチャを特定するために使われるフィールド。 | Field |
out_feature_class | このツールで生成されるフィーチャクラス。 | Feature Class |
method | 入力フィーチャを正規化するために使用される方法。
| String |
tolerance | 正規化されたフットプリントが、元のフィーチャの境界から外れることができる最大距離。 | Linear Unit |
precision | 正規化プロセスで使用される空間グリッドの精度。有効な値の範囲は 0.05 〜 0.25 です。 | Double |
angular_limit | [直角と対角線] (RIGHT_ANGLES_AND_DIAGONALS) を使用するときに、ベスト フィット ラインの内角で許容される最大の偏位。通常、最善の結果を得るには、この値を 5°以下にしておく必要があります。このパラメーターは、他の正規化方法では無効になっています。 | Double |
コードのサンプル
次のサンプルは、Python ウィンドウでこのツールを使用する方法を示しています。
arcpy.env.workspace = 'c:/data'
arcpy.ddd.RegularizeAdjacentBuildingFootprint('rough_footprints.shp', 'Block_ID',
'regularized_footprints.shp',
'RIGHT_ANGLES_AND_DIAGONALS',
'2 Meters', 0.10)次のサンプルは、スタンドアロン Python スクリプトでこのツールを使用する方法を示しています。
'''****************************************************************************
Name: Classify Lidar & Extract Building Footprints
Description: Extract footprint from lidar points classified as buildings,
regularize its geometry, and calculate the building height.
****************************************************************************'''
import arcpy
lasd = arcpy.GetParameterAsText(0)
dem = arcpy.GetParameterAsText(1)
footprint = arcpy.GetParameterAsText(2)
try:
desc = arcpy.Describe(lasd)
if desc.spatialReference.linearUnitName in ['Foot_US', 'Foot']:
unit = 'Feet'
else:
unit = 'Meters'
ptSpacing = desc.pointSpacing * 2.25
sampling = '{0} {1}'.format(ptSpacing, unit)
# Classify overlap points
arcpy.ddd.ClassifyLASOverlap(lasd, sampling)
# Classify ground points
arcpy.ddd.ClassifyLasGround(lasd)
# Filter for ground points
arcpy.management.MakeLasDatasetLayer(lasd, 'ground', class_code=[2])
# Generate DEM
arcpy.conversion.LasDatasetToRaster('ground', dem, 'ELEVATION',
'BINNING NEAREST NATURAL_NEIGHBOR',
sampling_type='CELLSIZE',
sampling_value=desc.pointSpacing)
# Classify noise points
arcpy.ddd.ClassifyLasNoise(lasd, method='ISOLATION', edit_las='CLASSIFY',
withheld='WITHHELD', ground=dem,
low_z='-2 feet', high_z='300 feet',
max_neighbors=ptSpacing, step_width=ptSpacing,
step_height='10 feet')
# Classify buildings
arcpy.ddd.ClassifyLasBuilding(lasd, '7.5 feet', '80 Square Feet')
#Classify vegetation
arcpy.ddd.ClassifyLasByHeight(lasd, 'GROUND', [8, 20, 55],
compute_stats='COMPUTE_STATS')
# Filter LAS dataset for building points
lasd_layer = 'building points'
arcpy.management.MakeLasDatasetLayer(lasd, lasd_layer, class_code=[6])
# Export raster from lidar using only building points
temp_raster = 'in_memory/bldg_raster'
arcpy.management.LasPointStatsAsRaster(lasd_layer, temp_raster,
'PREDOMINANT_CLASS', 'CELLSIZE', 2.5)
# Convert building raster to polygon
temp_footprint = 'in_memory/footprint'
arcpy.conversion.RasterToPolygon(temp_raster, temp_footprint)
# Regularize building footprints
arcpy.ddd.RegularizeBuildingFootprint(temp_footprint, footprint,
method='RIGHT_ANGLES')
except arcpy.ExecuteError:
print(arcpy.GetMessages())環境
ライセンス情報
- Basic: 次のものが必要 3D Analyst
- Standard: 次のものが必要 3D Analyst
- Advanced: 次のものが必要 3D Analyst