วิธีการสรุปคลาสคุณสมบัติจุด


9

ฉันมีฟีเจอร์คลาสพร้อมจุดสำหรับทุกๆ 25 ซม. - รวม 400,000 คะแนน ฉันต้องการลดความละเอียดนี้ให้เหลือเพียงหนึ่งจุดในทุกๆมิเตอร์ ฉันจะสั่งให้ ArcGIS Advanced (ArcInfo) ทำสิ่งนี้ได้อย่างไร ฉันไม่เห็นเครื่องมือที่ทำให้ผอมบางหรือเครื่องมือการวางนัยสำหรับคลาสคุณลักษณะของจุดและไม่ต้องการสร้างแรสเตอร์จากข้อมูลเพื่อทำการสุ่มใหม่


1
จุดเหล่านี้ก่อตัวเป็นกริดปกติหรือไม่ คะแนนในรูปแบบใดบ้าง?
geogeek

4
ข้อมูลใดที่ถูกกำหนดให้กับแต่ละจุดและคุณพยายามที่จะเก็บไว้หรือรวม / นับ / เฉลี่ยหรือไม่
HDunn

1
ใช่ ... ตารางปกติ 25 ซม. ระหว่างจุดแต่ละจุด แต่ละจุดมีระดับการปนเปื้อน
Robert Buckley

คำตอบ:


9

ใช้เครื่องมือDelete Identical (Data Management)ใน ArcGIS คุณสามารถเห็นได้จากภาพหน้าจอฉันสร้างกริดที่เป็นจุดเดียวกันภายในขอบเขตรูปหลายเหลี่ยมและใช้เครื่องมือ Delete Identical Tool ที่มีค่าเผื่อ XY 10 ม. เพื่อทำให้จุด บาง ๆ

อีกวิธีหนึ่งคือใช้เครื่องมือการรวม (การจัดการข้อมูล)เพื่อให้คะแนนตรงกันที่ความทนทานต่อ XY บางอย่าง

ป้อนคำอธิบายรูปภาพที่นี่

ป้อนคำอธิบายรูปภาพที่นี่


11

1) สร้างกริดใหม่ที่มีระยะห่าง 1 เมตร (แหอวน)

2) ใช้ "spatial join" เพื่อรวมคุณสมบัติของคะแนนที่อยู่ในรูปหลายเหลี่ยม

3) สร้าง centroids ของรูปหลายเหลี่ยม

3b) อีกวิธีหนึ่งคุณสามารถทำการรวมเชิงพื้นที่ระหว่างเซนทรอยด์กับคะแนนดั้งเดิมของคุณเพื่อให้คุณสามารถกำหนดกฎการรวมขั้นสูงเพิ่มเติม (aka ตามระยะทาง)


เข้าใจ .... ดังนั้นจึงไม่มีเครื่องมือทำให้ผอมบาง
Robert Buckley

4

คุณสามารถใช้เครื่องมือทำให้ผอมบางที่มีอยู่สำหรับชุดข้อมูล LAS, lasthin , จากLASTools (ดาวน์โหลดฟรี)

แม้ว่าฉันจะไม่ได้ใช้มันมากกับรูปร่างของตัวเอง (ฉันได้ลองกับไฟล์ LAS แล้ว) ข้อความช่วยเหลือระบุ:

ใช้ lasthin.exe เป็นจุด LiDAR บางโดยวางกริดสม่ำเสมอเหนือจุดและเก็บไว้ภายในแต่ละกริดเซลล์เฉพาะจุดที่มีพิกัด Z ต่ำสุด (หรือสูงสุดหรือสุ่ม)

อินพุต LiDAR สามารถเป็น LAS, LAZ, BIN, SHP , ASC หรือ TXT เอาต์พุต LiDAR สามารถอยู่ในรูปแบบ LAS, LAZ, BIN หรือ TXT

นอกจากนี้หากคุณเข้าถึง FME มีหม้อแปลง PointCloudThinnerที่ควรทำสิ่งที่คุณต้องการ


0

"การทำให้ผอมบาง" หมายถึงมิติที่ไม่มีคะแนน ด้วยตารางค่าจุดปกติฉันจะแปลงคะแนนเป็นแรสเตอร์จากนั้นทำการสุ่มตัวอย่างตามช่วงเวลาที่ต้องการแล้วแปลงกลับเป็นคะแนน นี่จะมีความเข้มข้นของการคำนวณน้อยกว่าการพยายามแก้ปัญหานี้ด้วยประเภทข้อมูลเวกเตอร์

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.