Классификация облака точек с использованием обучающей модели (3D Analyst)

Краткая информация

Классифицирует облако точек с помощью модели глубокого обучения

Использование

• Для этого инструмента требуются установка среды глубокого изучения.

  Чтобы настроить компьютер на работу в среде глубокого обучения в ArcGIS Pro, см. раздел Установка сред глубокого обучения для ArcGIS.

• По умолчанию инструмент классифицирует все точки входного облака точек. Если какие-либо из существующих кодов классов во входном облаке точек классифицированы правильно, исключите эти точки из редактирования, указав, какие коды классов следует редактировать, а какие сохранять, с помощью параметров Сохранение существующего кода класса и Существующие коды классов.

  Более подробно о классификации облака точек с помощью глубокого обучения

• Входное облако точек должно иметь те же атрибуты, что и обучающие данные, используемые для разработки классификационной модели. Например, если обученная модель использовала атрибут интенсивности, обрабатываемое облако точек также должно иметь значения интенсивности. Плотность и распределение точек также должны быть аналогичны данным, используемым при обучении модели.

• Если пространственная привязка входного облака точек не использует систему координат проекции, то для определения системы координат проекции, используемой при классификации точек, можно использовать параметр среды Выходная системы координат.

• Модель обучена обрабатывать данные облака точек в блоках определенного размера, содержащих определенное количество точек и заданный набор атрибутов. Обработка входного облака точек осуществляется путем его деления на блоки, определяемые моделью. Несколько блоков могут быть обработаны в заданное время. Набор блоков, которые обрабатываются вместе, называется пакетом. Размер пакета контролирует объем ресурсов компьютера, которые будут использоваться во время операции вывода. Хотя для обработки облака точек можно использовать центральный процессор, вывод выполняется более эффективно с графическим процессором NVIDIA с поддержкой CUDA. Вы можете контролировать количество одновременно обрабатываемых блоков, чтобы ограничить объем потребляемой памяти графического процессора, указав значение в параметре Размер пакета. Не указывайте размер пакета, превышающий ресурсы компьютера. Доступную память графического процессора до и во время запуска инструмента можно отслеживать с помощью утилиты NVIDIA System Management Interface (SMI). Это утилита командной строки, которая автоматически устанавливается вместе с драйвером NVIDIA для вашего графического процессора. Это приложение будет отслеживать использование графического процессора. Чтобы контролировать объем доступной памяти во время работы инструмента, рассмотрите возможность оценки подмножества данных облака точек с помощью небольшого размера пакета и постепенно увеличивайте это значение до тех пор, пока не будет достигнут желаемый уровень использования. В противном случае вы можете позволить инструменту автоматически максимизировать использование памяти графического процессора.

• Параметр Базовая поверхность требуется, когда входная модель была обучена с атрибутами относительной высоты. Растровая поверхность используется в качестве базовой высоты, от которой интерполируются относительные высоты для каждой точки. Это предоставляет дополнительную информацию для модели, которую можно использовать для более простой дифференциации объектов. Растровая поверхность, заданная для этого параметра, должна представлять тот же тип данных, что и растр, использованный в обучающих данных, по которым создавалась модель. В большинстве случаев это будет растр, созданный из наземных классифицированных точек. Растровая поверхность может быть построена из классифицированных точек поверхности земли в наборе данных LAS путем применения фильтра поверхности земли и использования инструмента Набор данных LAS в растр. Поверхность земли также может быть сгенерирована по слою сцены облака точек с помощью инструмента Облако точек в растр. Растровые поверхности, которые не происходят из входного облака точек, использовать можно, но необходимо убедиться, что z-значения в растре точно соответствуют z-значениям в облаке точек.

• Если входная модель была обучена по точкам из определенных классов, исключенных из обучающих данных, используйте параметр Исключенные коды классов, чтобы гарантировать, что одинаковые точки не будут использоваться в наборе точек, который оценивается моделью. Исключение классов, которые не обеспечивают полезного контекста для целей данной модели, уменьшит количество оцениваемых точек, что повышает скорость обучения и применения модели. Например, точки, представляющие здания, обычно не имеют отношения к точкам, представляющим такие объекты, как светофоры, линии электропередач или автомобили. Точки зданий также могут быть надежно классифицированы с помощью инструмента Классифицировать здания в LAS. Если точки с классом 6, представляющие здания, были исключены из обучающих данных, которые использовались для создания модели, входное облако точек также должно классифицировать точки зданий и исключить их из этого инструмента.

Параметры

Диалог

Подпись	Описание	Тип данных
Целевое облако точек	Облако точек, которое будет классифицировано.	LAS Dataset Layer
Входное определение модели	Входной файл определения модели Esri (*.emd) или пакет глубокого обучения (*.dlpk), который будет использоваться для классификации облака точек. URL-адрес пакета глубокого обучения, который опубликован на ArcGIS Online или ArcGIS Living Atlas также может быть использован.	File; String
Целевая классификация	Коды классов из обученной модели, которые будут использоваться для классификации входного облака точек. Если поднабор не задан, по умолчанию будут использоваться все классы из входной модели.	String
Сохранение существующего кода класса (Дополнительный)	Указывает, как будут определяться редактируемые точки из облака входных точек. Редактировать все точки— Редактировать выбранные точки— Сохранить выбранные точки—	String
Существующие коды классов (Дополнительный)	Классы, точки которых будут редактироваться, или для которых будут сохранены исходные обозначения кодов классов, на основе значения параметра Сохранение существующего кода класса.	Long
Вычислить статистику (Дополнительный)	Определяет, будет ли вычисляться статистика для файлов .las, на которые ссылается набор данных LAS. Вычисление статистики определяет пространственный индекс для каждого файла .las, что улучшает производительность анализа и отображения. Статистика также улучшает фильтрацию и символы, ограничивая отображение таких атрибутов LAS, как коды классификации и возвращаемая информация, значениями, которые присутствуют в файле .las. Отмечено – статистика будет рассчитана. Это значение по умолчанию Не отмечено – статистика не будет рассчитана.	Boolean
Обработка границ	Граница полигона, определяющего поднабор обрабатываемых точек из входного облака точек. Точки за пределами ограничивающих объектов не будут обрабатываться.	Feature Layer
Обновить пирамидные слои (Дополнительный)	Определяет, будут ли пирамидные слои для набора данных LAS обновлены после изменения кодов классов. Отмечено - пирамидные слои для набора данных LAS будут обновлены. Это значение по умолчанию Не отмечено - пирамидные слои для набора данных LAS не будут обновлены.	Boolean
Базовая поверхность (Дополнительный)	Растровая поверхность, которая будет использоваться для получения значений относительной высоты для каждой точки в данных облаков точек. Точки, которые не перекрываются с растром, будут исключены из анализа.	Raster Layer
Исключенные коды классов (Дополнительный)	Коды классов, исключенные из обработки. Можно задать любое значение от 0 до 255.	Long
Размер пакета (Дополнительный)	Количество блоков данных облака точек, которые будут одновременно обрабатываться во время операции вывода. Как правило, больший размер пакета приводит к более быстрой обработке данных, однако следует избегать использования размера пакета, который слишком велик для ресурсов компьютера. При использовании графического процессора наиболее распространенным ограничением размера пакета, который может обработать компьютер, является доступная память графического процессора. Объем памяти, используемый данным блоком, зависит от лимита точек блока модели и требуемых атрибутов точек. Чтобы узнать доступную память графического процессора и получить дополнительную информацию об оценке использования памяти графического процессора, используйте утилиту командной строки NVIDIA SMI, описанную в разделе Использование. Для некоторых архитектур оптимальный размер пакета будет рассчитан, если размер пакета не указан. При использовании графического процессора оптимальный размер пакета будет зависеть от объема памяти, потребляемой данным блоком данных, и объема памяти графического процессора, свободно доступного при запуске инструмента. Когда центральный процессор используется для вывода, каждый блок обрабатывается в потоке центрального процессора, а оптимальный размер пакета рассчитывается как половина доступных неиспользуемых потоков центрального процессора.	Long

Производные выходные данные

Подпись	Описание	Тип данных
Выходное облако точек	Облако точек, классифицированное с помощью модели глубокого обучения.	Feature Layer

Python

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

Имя	Описание	Тип данных
in_point_cloud	Облако точек, которое будет классифицировано.	LAS Dataset Layer
in_trained_model	Входной файл определения модели Esri (*.emd) или пакет глубокого обучения (*.dlpk), который будет использоваться для классификации облака точек. URL-адрес пакета глубокого обучения, который опубликован на ArcGIS Online или ArcGIS Living Atlas также может быть использован.	File; String
output_classes [output_classes,...]	Коды классов из обученной модели, которые будут использоваться для классификации входного облака точек. Если поднабор не задан, по умолчанию будут использоваться все классы из входной модели.	String
in_class_mode (Дополнительный)	Указывает, как будут определяться редактируемые точки из облака входных точек. EDIT_ALL—Все точки во входном облаке точек будут редактироваться. Это значение по умолчанию EDIT_SELECTED—Будут редактироваться только точки с кодами классов, заданными в параметре target_classes; все остальные точки останутся неизменными. PRESERVE_SELECTED—Точки с кодами классов, указанными в параметре target_classes, будут сохранены, остальные точки будут редактироваться.	String
target_classes [target_classes,...] (Дополнительный)	Классы, точки которых будут редактироваться, или для которых будут сохранены исходные обозначения кодов классов, на основе значения параметра in_class_mode.	Long
compute_stats (Дополнительный)	Определяет, будет ли вычисляться статистика для файлов .las, на которые ссылается набор данных LAS. Вычисление статистики определяет пространственный индекс для каждого файла .las, что улучшает производительность анализа и отображения. Статистика также улучшает фильтрацию и символы, ограничивая отображение таких атрибутов LAS, как коды классификации и возвращаемая информация, значениями, которые присутствуют в файле .las. COMPUTE_STATS—Статистика будет рассчитана. Это значение по умолчанию NO_COMPUTE_STATS—Статистика не будет рассчитана.	Boolean
boundary	Граница полигона, определяющего поднабор обрабатываемых точек из входного облака точек. Точки за пределами ограничивающих объектов не будут обрабатываться.	Feature Layer
update_pyramid (Дополнительный)	Определяет, будут ли пирамидные слои для набора данных LAS обновлены после изменения кодов классов. UPDATE_PYRAMID—Пирамидные слои для набора данных LAS будут обновлены. Это значение по умолчанию NO_UPDATE_PYRAMID—Пирамидные слои для набора данных LAS не будут обновлены.	Boolean
reference_height (Дополнительный)	Растровая поверхность, которая будет использоваться для получения значений относительной высоты для каждой точки в данных облаков точек. Точки, которые не перекрываются с растром, будут исключены из анализа.	Raster Layer
excluded_class_codes [excluded_class_codes,...] (Дополнительный)	Коды классов, исключенные из обработки. Можно задать любое значение от 0 до 255.	Long
batch_size (Дополнительный)	Количество блоков данных облака точек, которые будут одновременно обрабатываться во время операции вывода. Как правило, больший размер пакета приводит к более быстрой обработке данных, однако следует избегать использования размера пакета, который слишком велик для ресурсов компьютера. При использовании графического процессора наиболее распространенным ограничением размера пакета, который может обработать компьютер, является доступная память графического процессора. Объем памяти, используемый данным блоком, зависит от лимита точек блока модели и требуемых атрибутов точек. Чтобы узнать доступную память графического процессора и получить дополнительную информацию об оценке использования памяти графического процессора, используйте утилиту командной строки NVIDIA SMI, описанную в разделе Использование. Для некоторых архитектур оптимальный размер пакета будет рассчитан, если размер пакета не указан. При использовании графического процессора оптимальный размер пакета будет зависеть от объема памяти, потребляемой данным блоком данных, и объема памяти графического процессора, свободно доступного при запуске инструмента. Когда центральный процессор используется для вывода, каждый блок обрабатывается в потоке центрального процессора, а оптимальный размер пакета рассчитывается как половина доступных неиспользуемых потоков центрального процессора.	Long

Производные выходные данные

Имя	Описание	Тип данных
out_point_cloud	Облако точек, классифицированное с помощью модели глубокого обучения.	Feature Layer

Пример кода

ClassifyPointCloudUsingTrainedModel, пример (автономный скрипт)

В следующем примере показано использование этого инструмента в окне Python:

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

Параметры среды

Экстент, Тип процессора, GPU ID, Выходная система координат, Географические преобразования

Информация о лицензиях

• Basic: Обязательно 3D Analyst
• Standard: Обязательно 3D Analyst
• Advanced: Обязательно 3D Analyst