Resumen
Crea un conjunto de archivos LAS no superpuestos cuyas extensiones horizontales se dividen mediante una cuadrícula regular.
Uso
La operación de ordenamiento en teselas conservará todos los puntos que estén dentro de la extensión de procesamiento del dataset LAS que se esté ordenando en teselas, independientemente de la configuración de filtros de capa que pueda haber aplicada. Si necesita filtrar, plantéese utilizar la herramienta Extraer LAS antes o después de ordenar el dataset LAS en teselas.
La subdivisión de archivos LAS grandes que superen los 500 MB de tamaño mejorará el rendimiento de las operaciones que dependan de la lectura de los datos en clústeres espaciales, como las operaciones de análisis que necesitan la creación de una superficie, así como operaciones de visualización de datos. El esquema de ordenamiento en teselas predeterminado genera teselas cuadradas cuyo ancho y altura se definen mediante un tamaño objetivo límite de 250 MB. Los puntos de varios archivos LAS que queden dentro del área de una tesela se fusionarán en la tesela de salida.
Es posible que un dataset LAS compuesto de archivos LAS con extensiones superpuestas genere resultados inexactos en operaciones que dependen de un análisis archivo por archivo. Por ejemplo, las estimaciones de espaciado de puntos se derivan de un análisis de los puntos de cada archivo, sobre el área de cobertura de ese archivo. Por lo tanto, no hay un mecanismo que ajuste el impacto de puntos en las regiones superpuestas. De la misma manera, la herramienta LAS fino también depende del procesamiento archivo por archivo. El resultado no se adaptará a la salida esperada en las regiones donde existan superposiciones de archivos.
Al reorganizar los puntos LAS, los datos LIDAR se agruparán espacialmente y su rendimiento mejorará al visualizar o realizar operaciones de análisis. Para este proceso se requiere la creación de un archivo temporal. Plantéese la posibilidad de especificar una carpeta en una unidad de estado sólido como, por ejemplo, el Espacio de trabajo temporal en la configuración del entorno, para mejorar la velocidad de esta operación.
Plantéese la posibilidad de especificar la compresión ZLAS si los datos LAS ya están clasificados y listos para su archivado o distribución. Los archivos ZLAS no son editables y no se pueden reclasificar, pero normalmente reducen el tamaño del archivo a aproximadamente una tercera parte del archivo LAS sin comprimir.
Las teselas de LAS se pueden definir con uno de los métodos siguientes:
- Especifique el tamaño del archivo de destino del archivo LAS comprimido. Este tamaño es una estimación para una tesela de LAS con una distribución uniforme de los puntos por toda la extensión.
- Especifique el ancho y la altura de una tesela.
- Especifique una entidad de entrada para definir el esquema de ordenamiento en teselas. Cada polígono debe ser rectangular y debe tener un ancho y una altura uniformes. Se pueden utilizar las herramientas Crear red y Generar teselación para crear polígonos en teselas que se superpongan en la extensión de sus datos LAS. Puede asignar nombres personalizados a las teselas LAS utilizando entidades de entrada y eligiendo un campo de texto en el parámetro Método de nomenclatura.
Las teselas LAS de salida se pueden volver a proyectar especificando un Sistema de coordenadas de salida en la configuración del entorno o utilizando entidades de entrada con una referencia espacial diferente a la de los archivos LAS originales. Puede lograr una transformación de datum z solo si están instaladas las cuadrículas de transformación de datum verticales.
Esta herramienta se puede utilizar para fusionar puntos LAS distribuidos a través de muchos archivos en un archivo LAS especificando un tamaño de tesela que sea mayor que la extensión del dataset LAS de entrada.
Sintaxis
arcpy.ddd.TileLas(in_las_dataset, target_folder, {base_name}, {out_las_dataset}, {compute_stats}, {las_version}, {point_format}, {compression}, {las_options}, {tile_feature}, {naming_method}, {file_size}, {tile_width}, {tile_height}, {tile_origin})| Parámetro | Explicación | Tipo de datos |
in_las_dataset | El dataset LAS que se va a procesar. | LAS Dataset Layer |
target_folder | La carpeta donde se escribirán los archivos LAS en teselas. | Folder |
base_name (Opcional) | El nombre por el que empezará cada archivo de salida. | String |
out_las_dataset (Opcional) | El nuevo dataset LAS que hace referencia a los archivos LAS en teselas creados por esta herramienta. Esto es opcional. | LAS Dataset |
compute_stats (Opcional) | Especifica si las estadísticas se deben calcular para los archivos LAS a los que hace referencia el dataset LAS. Calcular estadísticas proporciona un índice espacial para cada archivo LAS, lo que mejora el análisis y el rendimiento de la visualización. Las estadísticas también mejoran la experiencia de filtrado y simbología al limitar la visualización de los atributos LAS, como los códigos de clasificación y la información de retorno, a los valores presentes en el archivo LAS.
| Boolean |
las_version (Opcional) | Especifica la versión del archivo LAS de cada archivo de salida. El valor predeterminado es 1.4.
| String |
point_format (Opcional) | El formato del registro de puntos de los archivos LAS de salida. Las opciones disponibles variarán según la versión del archivo LAS especificada en el parámetro point_format. | Long |
compression (Opcional) | Especifica si el archivo LAS de salida tendrá un formato comprimido o el formato LAS estándar.
| String |
las_options [las_options,...] (Opcional) | Lista de modificaciones opcionales en los archivos LAS de salida.
| String |
tile_feature (Opcional) | Las entidades poligonales que definen el ancho y la altura de la tesela que se van a utilizar al crear un esquema de ordenamiento en teselas de los datos LIDAR. Se supone que los polígonos son rectangulares y que se utilizará la extensión de la primera entidad para definir el ancho y la altura de la tesela. | Feature Layer |
naming_method (Opcional) | Especifica la nomenclatura de cada tesela de salida. Cuando se especifican entidades de entrada en el parámetro tile_feature, el nombre de su texto o campos numéricos también se pueden especificar como origen para establecer el nombre de los archivos LAS de salida. Este nombre se incorporará al final del texto definido en el parámetro base_name. Se admiten las siguientes convenciones de nomenclatura generadas automáticamente:
| String |
file_size (Opcional) | Este valor, que se expresa en megabytes, representa el límite superior del tamaño del archivo sin comprimir de una tesela LAS de salida con una distribución uniforme de los puntos por toda la extensión. El valor predeterminado es 250 y se utiliza para estimar el ancho y la altura de la tesela. Este parámetro se ignora cuando se proporcionan valores para los parámetros tile_feature o tile_width y tile_height. | Double |
tile_width (Opcional) | El ancho de cada tesela. Si se especifica un valor para el ancho y la altura de la tesela, el parámetro file_size se ignorará. Cuando se especifican entidades de entrada en el parámetro tile_feature, el ancho de la tesela se derivará de la altura de la primera entidad y este parámetro se ignorará. | Linear Unit |
tile_height (Opcional) | La altura de cada tesela. Si se especifica un valor para el ancho y la altura de la tesela, el parámetro file_size se ignorará. Cuando se especifican entidades de entrada en el parámetro tile_feature, la altura de la tesela se derivará de la altura de la primera entidad y este parámetro se ignorará. | Linear Unit |
tile_origin (Opcional) | Las coordenadas del origen de la cuadrícula del ordenamiento en teselas. Los valores predeterminados se obtienen de la esquina inferior izquierda del dataset LAS de entrada. Cuando se especifican entidades de entrada en el parámetro tile_feature, el origen se heredará de la esquina inferior izquierda de la primera entidad y este parámetro se ignorará. | Point |
Salida derivada
| Nombre | Explicación | Tipo de datos |
| out_folder | Carpeta en la que se escribirán los archivos LAS de salida. | Carpeta |
Muestra de código
Ejemplo 1 de TileLas (ventana de Python)
En el siguiente ejemplo se muestra cómo usar esta herramienta en la ventana de Python.
arcpy.env.workspace = 'C:/data'
arcpy.ddd.TileLas('Denver_2', basename='2014_', out_las_dataset='Denver_2014.lasd',
las_version='1.4', point_format=6, compression='ZLAS Compression',
las_options=['Rearrange points'], naming_method='ROW_COLUMN', file_size=300)
Ejemplo 2 de TileLas (script independiente)
En el siguiente ejemplo se muestra cómo usar esta herramienta en un script independiente de Python.
'''****************************************************************************
Name: Tile LAS File
Description: Creates tiled LAS files form an untiled collection.
****************************************************************************'''
# Import system modules
import arcpy
import tempfile
import math
in_las = arcpy.GetParameterAsText(1) # The LAS files that need to be tiled
out_folder = arcpy.GetParameterAsText(2) # folder for LAS files
basename = arcpy.GetParameterAsText(3) # basename for output files
out_lasd = arcpy.GetParameterAsText(4) # output LAS dataset
try:
# Create temp LAS dataset to reference LAS files that will be tiled
temp_lasd = arcpy.CreateUniqueName('temp.lasd', tempfile.gettempdir())
arcpy.management.CreateLasDataset(in_las, temp_lasd)
arcpy.ddd.TileLas(temp_lasd, out_folder, basename, out_lasd, las_version=1.4,
point_format=7, file_size=300)
arcpy.management.Delete(temp_lasd)
arcpy.ddd.ClassifyLasGround(out_lasd, method='AGGRESSIVE')
arcpy.ddd.ClassifyLasBuilding(out_lasd, min_height='3 Meters', min_area='4 Meters')
arcpy.ddd.ClassifyLasByHeight(out_lasd, height_classification=[(3, 6), (4,20), (5,70)],
noise='All Noise', compute_stats='COMPUTE_STATS')
except arcpy.ExecuteError:
print(arcpy.GetMessages())
Entornos
Información de licenciamiento
- Basic: Requiere 3D Analyst
- Standard: Requiere 3D Analyst
- Advanced: Requiere 3D Analyst