将su模型导入arcgis，并获取高度信息，多面体转shp文件（ArcMap）

2023-11-01 10:32
文章标签 arcgis 模型 导入 获取 信息 shp 高度 arcmap 多面体 su

本文主要是介绍将su模型导入arcgis，并获取高度信息，多面体转shp文件（ArcMap），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

问题：将Sketchup中导出的su模型，导入arcgis并得到面shp文件，进而获取各建筑的高度、面积等信息。

思路：　（1）导入arcgis得到多面体

　　　　（2）转为面shp文件

　　　　（3）计算高度/面积等

1、【3D Analyst工具】【转换】【由文件转出】【导入3D文件】（在此步骤之间，建议先建立一个用于储存过程文件的数据库）

在这里插入图片描述

 导入3D文件工具位置

 

在这里插入图片描述

导入3D文件参数设置

 

在这里插入图片描述

导入3D文件结果图（ArcScene展示结果）

 

【打开属性表】，此时模型的属性信息如图：

在这里插入图片描述

 

 2、【转换工具】【转为栅格】【多面体转栅格】

在这里插入图片描述

【多面体转栅格】工具位置

 

 

在这里插入图片描述

【多面体转栅格】参数设置

注： 输出像元大小可根据需要调整。

在这里插入图片描述

多面体转栅格局部结果图

 3、【乘】运算（下边建议使用搜索工具查找相关分析工具，当然也可用【栅格计算器】工具进行此操作，目的是在【转为整型】后保持数据精度）

在这里插入图片描述

搜索工具查找【乘】工具

 

在这里插入图片描述

【乘】参数设置

注： 这个因精确到小数点后一位，故乘10；若两位，则乘100。

4、【转为整型】（为下边的【栅格转面】做准备）

在这里插入图片描述

【转为整型】参数设置

 5、【栅格转面】

在这里插入图片描述

栅格转面参数设置

注：一定注意勾选【简化面】

 

在这里插入图片描述

栅格转面结果图

此时，就得到了面shp文件

 6、【添加字段】

在这里插入图片描述

【添加字段】参数设置

 7、计算字段，使用【字段计算器】

在这里插入图片描述

【字段计算器】参数设置

此处对应上文的【乘】运算，相应的÷10，可对应需要调整

 打开属性表，即可看到每个建筑对应的高度信息（也可以根据需要对shp文件进行融合等等一系列操作）

在这里插入图片描述

高度信息

 

 

 

在这里插入图片描述

不同高度显示图

 

在这里插入图片描述

模型流程图

 

 

在这里插入图片描述

扫码关注公众号

 

这篇关于将su模型导入arcgis，并获取高度信息，多面体转shp文件（ArcMap）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/322341。

相关文章

大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人，AI大神Andrej Karpathy，曾是OpenAI联合创始人之一，特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ，宣布将长期致力于AI原生教育。 近日，Andrej Karpathy接受了No Priors（投资博客）的采访，与硅谷知名投资人 Sara Guo 和 Elad G
阅读更多...
Retrieval-based-Voice-Conversion-WebUI模型构建指南

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI（简称 RVC）模型是一个基于 VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）的简单易用的语音转换框架。 具有以下特点 简单易用：RVC 模型通过简单易用的网页界面，使得用户无需深入了
阅读更多...
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

引言 随着时间的发展，大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用，随着人们期望的不断增加，目标也发生了巨大的变化。在短短的几个月的时间里，人们对大模型的认识已经从对其zero-shot能力感到惊讶，转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构（例如Transformer）对海量的、多种多样的数据分布进行建模得到，它包含了大量的先验
阅读更多...
业务中14个需要进行A/B测试的时刻[信息图]

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中，我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试，如何有效地规划和启动测试，如何评估测试是否成功，您应该关注哪些指标，多年来我们发现的常见错误等等。 什么是A/B测试？ A/B测试（有时称为“分割测试”）是一种实验类型，其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体，以查看哪一种效果最好。 本质上，A/B测
阅读更多...
图神经网络模型介绍（1）

图神经网络模型介绍（1）

我们将图神经网络分为基于谱域的模型和基于空域的模型，并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络：谱图卷积网络、切比雪夫网络和图卷积网络。 （1）谱图卷积网络 卷积定理：函数卷积的傅里叶变换是函数傅里叶变换的乘积，即F{f*g}
阅读更多...
秋招最新大模型算法面试，熬夜都要肝完它

秋招最新大模型算法面试，熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候，不知道面试完会不会复盘、总结，做笔记的习惯，这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助，都附有完整答案，熬夜也要看完，祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
阅读更多...
【生成模型系列（初级）】嵌入（Embedding）方程——自然语言处理的数学灵魂【通俗理解】

【生成模型系列（初级）】嵌入（Embedding）方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入（Embedding）方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节：嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”，它将文本中的单词或短语转换成计算机能够理解的数学形式，即向量。 正如翻译机将一种语言
阅读更多...
【北交大信息所AI-Max2】使用方法

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡，拥有登录权限的账号密码，一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 （如果是1集群把75改成66） 交互式开发 执行器选Terminal 密码随便设一个（需记住） 工作空间：私有数据、全部文件 加速器选GeForce_RTX_2080_Ti
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2