Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
  • Форум
  • Блоги
  • Контакты
  • Новости
  • Продукты
  • Отрасли
  • Обучение
  • Поддержка
  • События
  • О компании
  • Основные функции

    Визуализация изображений в стерео-режиме

    ArcGIS Pro поддерживает два способа формирования стерео-изображения: анаглифический и с использованием очков с активным затвором. Визуализация снимков в стерео-режиме позволяет видеть объекты на снимках привычным для человека способом, при котором мозг получает информацию о глубине сцены за счет различий между изображениями, которые видит правый и левый глаз. Для создания стереопары достаточно двух перекрывающихся изображений содержащих информацию о местоположении сенсора в момент съемки.


    Отображение наклонных снимков в их собственной системе координат

    При наложении снимка на карту происходит пересчет местоположений пикселов из внутренней системы координат снимка в проекцию карты. Если съемка производилась с большими углами наклона, то при отображении снимка в картографической проекции возникают существенные искажения, мешающие интерпретации снимка. Модуль Image Analyst позволяет отобразить снимок в его собственной системе координат, при этом сохраняется возможность проведения измерений по снимку и загрузки дополнительных слоев в фрейм карты.


    Измерения высот, длин и площадей объектов по снимкам

    Если изображение содержит информацию о местоположении сенсора в момент съемки, а также известна геометрическая модель сенсора, то есть возможность пересчета координат каждого пиксела изображения в координаты точки на местности. Это позволяет производить точные геодезические измерения длин, площадей и относительных высот объектов. Измерения могут производиться с учетом рельефа поверхности.


    Инструменты классификации изображений

    Автоматизированная классификация изображений – один из самых эффективных способов превращения снимков в тематические карты и векторные слои ГИС. Модуль содержит различные инструменты классификации растров, начиная от традиционного алгоритма максимального правдоподобия, заканчивая более современными алгоритмами машинного обучения, такими как Random Forest, Support Vector Machine. Также есть инструменты упрощающие подготовку ГИС-данных в обучающие выборки для нейронных сетей.