描述
通过消除几何中不需要出现的伪影来对建筑物覆盖区面的形状进行规范化。
插图
使用方法
此工具使用折线压缩算法校正通过要素提取工作流（该工作流可能会产生多余的伪影）创建的建筑物覆盖区面中的变形。
如果您的建筑物覆盖区包含圆形结构，请先处理这些要素。紧凑度可用来识别圆形建筑物。要计算此值，请执行以下操作：
- 添加双精度型字段。
- 使用字段计算器计算以下公式：
(4 * 3.14159265358979 * !shape.area!) / !shape.length! ** 2 - 一个正圆的值为 1，但由于使用此工具处理的面通常有些不规则，因此，值越接近 1 的形状越有可能是圆形。在使用圆形方法执行此工具之前，请先评估结果以确定圆形建筑的最小值，然后选择大于或等于该值的值。
如果建筑物覆盖区表示具有边的几何，并且这些边可形成包括但不限于 45° 和 90° 折弯的角度组合，请考虑使用任何角度方法。首先选择包含不规则边的要素子集，然后评估可产生所需结果的对角线惩罚值。如果结果未充分捕获对角边，请考虑修改容差值以约束规则化区域并逐渐减小对角线惩罚。如果输出包含具有锐角的不需要的边，请迭代运行该工具，同时逐渐增大对角线惩罚，直到获得所需输出为止，然后使用此值来处理整个数据集。
如果在计算机上使用任意角方法并且该计算机配备支持 CUDA 且具有超过 2 GB 内存的 NVIDIA 显卡，则该工具将使用 GPU 来执行其操作。可以在处理器类型环境设置中修改此行为。如果存在多个 GPU，则可通过 GPU ID 环境设置来指定所需 GPU。
如果指定参数无法对给定输入生成规则化解决方案，则会将原始要素复制到输出。STATUS 字段中指定的值将指示是否按以下方式对要素进行规则化：
- 0 - 规则化要素
- 1 - 原始要素
语法
RegularizeBuildingFootprint(in_features, out_feature_class, method, tolerance, densification, precision, diagonal_penalty, min_radius, max_radius)
| 参数 | 说明 | 数据类型 |
in_features | 表示建筑物覆盖区的待规则化面。 | Feature Layer |
out_feature_class | 将由此工具生成的要素类。 | Feature Class |
method | 在输入要素处理过程中要使用的规则化方法。
| String |
tolerance | 规则化覆盖区可从其原始要素的边界偏移的最大距离。指定的值将基于输入要素坐标系的线性单位。 | Double |
densification | 用于评估规则化要素为直的或弯的采样间隔。增密必须小于等于容差值。 此参数仅用于支持直角标识的方法。 | Double |
precision | 在规则化过程中使用的空间格网精度。值的有效范围为 0.05 到 0.25。 | Double |
diagonal_penalty | 如果使用 RIGHT_ANGLES_AND_DIAGONALS 方法，则该值将指示在两条相邻线段之间构造直角或对角边的可能性。如果使用 ANY_ANGLES 方法，则该值将指示构造相应对角边的可能性，这些对角边不符合由工具算法确定的首选边。通常，该值越高，则构造对角边的可能性越小。 | Double |
min_radius | 适用于规则化圆的最小半径。值 0 表示无最小尺寸限制。此选项仅适用于 CIRCLE 方法。 | Double |
max_radius | 适用于规则化圆的最大半径。此选项仅适用于 CIRCLE 方法。 | Double |
代码示例
下面的示例演示了如何在 Python 窗口中使用此工具。
arcpy.env.workspace = 'c:/data'
arcpy.ddd.RegularizeBuildingFootprint('rough_footprints.shp',
'regularized_footprints.shp',
method='Circle', tolerance=1.5, min_radius=10,
max_radius=20)下面的示例演示了如何在独立 Python 脚本中使用此工具。
'''****************************************************************************
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())许可信息
- Basic: 需要 3D Analyst
- Standard: 需要 3D Analyst
- Advanced: 需要 3D Analyst