ArcGIS Desktop

  • ArcGIS Pro
  • ArcMap

  • My Profile
  • Hilfe
  • Sign Out
ArcGIS Desktop

ArcGIS Online

Die Mapping-Plattform für Ihre Organisation

ArcGIS Desktop

Ein vollständiges professionelles GIS

ArcGIS Enterprise

GIS in Ihrem Unternehmen

ArcGIS for Developers

Werkzeuge zum Erstellen standortbezogener Apps

ArcGIS Solutions

Kostenlose Karten- und App-Vorlagen für Ihre Branche

ArcGIS Marketplace

Rufen Sie Apps und Daten für Ihre Organisation ab.

  • Dokumentation
  • Support
Esri
  • Anmelden
user
  • Eigenes Profil
  • Abmelden

ArcMap

  • Startseite
  • Erste Schritte
  • Karte
  • Analysieren
  • Verwalten von Daten
  • Werkzeuge
  • Erweiterungen

Verknüpfungspunkte berechnen

  • Zusammenfassung
  • Verwendung
  • Syntax
  • Codebeispiel
  • Umgebungen
  • Lizenzinformationen

Zusammenfassung

Berechnet die Verknüpfungspunkte zwischen den überlappenden Mosaik-Dataset-Elementen. Die Verknüpfungspunkte können zum Berechnen der Blockausgleichung für das Mosaik-Dataset verwendet werden.

Verwendung

  • Die Verknüpfungspunkte können mit dem Werkzeug Passpunkte anhängen mit Passpunkten kombiniert werden.

  • Die Verknüpfungspunkte und die optionalen Passpunkte werden dann als Eingaben für das Werkzeug Blockausgleichung berechnen verwendet.

  • Wenn Sie über ein Mosaik-Dataset mit vielen Elementen verfügen, geben Sie den Parameter Ausgabe-Bild-Features umsichtig an, da die Verarbeitung des Ergebnisses sehr viel Zeit in Anspruch nehmen kann.

Syntax

ComputeTiePoints(in_mosaic_dataset, out_control_points, {similarity}, {in_mask_dataset}, {out_image_features}, density, distribution, location_accuracy)
ParameterErklärungDatentyp
in_mosaic_dataset

Das Eingabe-Mosaik-Dataset, das zum Erstellen der Verknüpfungspunkte verwendet wird.

Mosaic Layer; Mosaic Dataset
out_control_points

Die Ausgabe-Passpunkttabelle. Die Tabelle enthält die mit diesem Werkzeug erstellten Verknüpfungspunkte.

Feature Class
similarity
(optional)

Gibt die Ähnlichkeit für übereinstimmende Verknüpfungspunkte an.

  • LOW —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind niedrig. Mit dieser Option werden die meisten übereinstimmenden Punkte erzeugt, einige Übereinstimmungen weisen jedoch möglicherweise eine höhere Fehlerstufe auf.
  • MEDIUM —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind mittel.
  • HIGH —Die Kriterien für die Ähnlichkeit für die beiden übereinstimmenden Punkte sind groß. Mit dieser Option wird die geringste Anzahl übereinstimmender Punkte erzeugt, die einzelnen Übereinstimmungen weisen jedoch eine niedrigere Fehlerstufe auf.
String
in_mask_dataset
(optional)

Eine Polygon-Feature-Class, mit der Bereiche aus der Berechnung von Passpunkten ausgeschlossen werden sollen.

Ein Feld mit dem Namen mask kann den Ein- oder Ausschluss von Flächen steuern. Der Wert 1 gibt an, dass die von den Polygonen definierten Bereiche (innerhalb) aus der Berechnung ausgeschlossen werden. Der Wert 2 gibt an, dass die definierten Polygone (innerhalb) in die Berechnung eingeschlossen werden, während Bereiche außerhalb der Polygone ausgeschlossen werden.

Feature Layer
out_image_features
(optional)

Die Ausgabe-Tabelle mit den Bild-Feature-Punkten. Sie wird als Polygon-Feature-Class gespeichert. Diese Ausgabe kann sehr umfangreich sein.

Feature Class
density

Die Anzahl der zu erstellenden Passpunkte.

  • LOW —Legen Sie die Punktdichte auf "Niedrig" fest. Dadurch wird die niedrigste Anzahl von Verknüpfungspunkten erstellt.
  • MEDIUM —Legen Sie die Punktdichte auf "Mittel" fest. Dadurch wird eine mittelmäßige Anzahl von Punkten erstellt.
  • HIGH —Legen Sie die Punktdichte auf "Hoch" fest. Dadurch wird die höchste Anzahl von Verknüpfungspunkten erstellt.
String
distribution

Gibt an, ob die Punkte eine regelmäßige oder eine zufällige Verteilung aufweisen.

  • RANDOM —Punkte werden nach dem Zufallsprinzip erstellt. Nach dem Zufallsprinzip erstellte Punkte sind besser für überlappende Flächen mit unregelmäßigen Formen geeignet.
  • REGULAR —Punkte werden basierend auf einem festen Muster generiert. Für Punkte, die auf einem festgelegten Muster basieren, wird anhand der Punktdichte bestimmt, wie häufig Punkte erstellt werden sollen.
String
location_accuracy

Gibt das Schlüsselwort an, das die Genauigkeit der Bilddaten beschreibt.

  • LOW —Bilder weisen eine große Verschiebung und eine große Rotation auf (> 5 Grad).Der SIFT-Algorithmus dient zur Berechnung der Punktzuordnung.
  • MEDIUM —Bilder weisen eine mittlere Verschiebung und eine kleine Rotation auf (< 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.
  • HIGH —Bilder weisen eine kleine Verschiebung und eine kleine Rotation auf ( 5 Grad).Der Harris-Algorithmus dient zur Berechnung der Punktzuordnung.
String

Codebeispiel

ComputeTiePoints – Beispiel 1 (Python-Fenster)

Dies ist ein Python-Beispiel für das Werkzeug ComputeTiePoints.

import arcpy
arcpy.ComputeTiePoints_management("c:/workspace/BD.gdb/redQB", 
     "c:/workspace/BD.gdb/redQB_tiePoints", "MEDIUM")
ComputeTiePoints – Beispiel 2 (eigenständiges Skript)

Dies ist ein Beispiel für ein eigenständiges Skript für das Werkzeug ComputeTiePoints.

#compute tie points

import arcpy
arcpy.env.workspace = "c:/workspace"

#Compute tie points for a mosaic dataset
mdName = "BD.gdb/redlandsQB"
out_tiePoint = "BD.gdb/redlandsQB_tiePoints"

arcpy.ComputeTiePoints_management(mdName, out_tiePoint, "MEDIUM")

Umgebungen

  • Aktueller Workspace
  • Faktor für parallele Verarbeitung
  • Scratch-Workspace

Lizenzinformationen

  • Basic: Nein
  • Standard: Ja
  • Advanced: Ja

Verwandte Themen

  • Überblick über das Toolset "Raster"
  • Automatisches Georeferenzieren von Rastern
  • Grundlagen für die Georeferenzierung eines Raster-Datasets
  • Raster registrieren

ArcGIS Desktop

  • Startseite
  • Dokumentation
  • Support

ArcGIS Plattform

  • ArcGIS Online
  • ArcGIS Desktop
  • ArcGIS Enterprise
  • ArcGIS for Developers
  • ArcGIS Solutions
  • ArcGIS Marketplace

Über Esri

  • Über uns
  • Karriere
  • Esri Blog
  • User Conference
  • Developer Summit
Esri
Wir sind an Ihrer Meinung interessiert.
Copyright © 2019 Esri. | Datenschutz | Rechtliches