| 标注 | 说明 | 数据类型 |
输入要素 | 将处理的输入要素。 | Feature Layer |
分组字段
| 此字段用于确定哪些要素将共享重合、非重叠边界。 | Field |
输出要素类 | 将生成的要素类。 | Feature Class |
方法
| 规则化输入要素时使用的方法。
| String |
容差
| 规则化覆盖区可从其原始要素的边界偏移的最大距离。 | Linear Unit |
精度 | 将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 |
角度偏差限制
| 最佳拟合线内角的最大偏差，可适用于使用直角和对角 (RIGHT_ANGLES_AND_DIAGONALS) 方法时。为获得最佳结果，通常应保持此值小于 5°。对于其他规则化方法，此参数将处于禁用状态。 | Double |
摘要
规则化具有公共边界的建筑物覆盖区。
使用情况
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。
当规则化从栅格数据获取的建筑物覆盖区时，规则化容差应该比源栅格的分辨率更大。
为了使所创建的规则化边界不会与其他要素重叠，具有相邻边界的要素必须具有相同的属性值。如果没有相同属性，请考虑以下步骤：
对于包含锐角或优角的输入要素，或两条线段之间的角度弯曲未落在 90° 和 180° 之间的 45° 间隔时，考虑使用任意角。
如果工具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
参数
arcpy.ddd.RegularizeAdjacentBuildingFootprint(in_features, group, out_feature_class, method, tolerance, precision, angular_limit)
| 名称 | 说明 | 数据类型 |
in_features | 将处理的输入要素。 | Feature Layer |
group | 此字段用于确定哪些要素将共享重合、非重叠边界。 | Field |
out_feature_class | 将生成的要素类。 | Feature Class |
method | 规则化输入要素时使用的方法。
| 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。 | Linear Unit |
precision | 将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 |
angular_limit | 最佳拟合线内角的最大偏差，可适用于使用直角和对角 (RIGHT_ANGLES_AND_DIAGONALS) 方法时。为获得最佳结果，通常应保持此值小于 5°。对于其他规则化方法，此参数将处于禁用状态。 | 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.RegularizeAdjacentBuildingFootprint('rough_footprints.shp', 'Block_ID',
'regularized_footprints.shp',
'RIGHT_ANGLES_AND_DIAGONALS',
'2 Meters', 0.10)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