Latest Contributions by VHolubec

Hello, how it´s with support of Maps SDK with further versions of UE 5.x - like the new 5.1? Would the Maps SDK work on the UE 5.1, 5.2, or do you plan to release the Maps SDK for each version separately? Thank you. Vladimir ... View more

V jednom z předchozích článků – https://community.esri.com/t5/czech-gis-blog/stereoskopick%C3%A9-zobrazen%C3%AD-v-arcgis-pro/ba-p/1155726 – jsme si ukázali, jak v několika krocích nahlédnout na překrývající se snímky ve 3D – pomocí speciálních brýlí. Nyní na tento článek navážeme a podíváme se na to, jak stejnou datovou sadu převedeme na skutečná 3D data, se kterými pak můžeme v ArcGIS Pro dále pracovat. První krok bude stejný jako v případě předcházejícího článku. Tedy stáhneme si data od  Esri: https://www.arcgis.com/home/item.html?id=a68aae8d349e46f0932c6a3b387dd1fa. Stažený archiv rozbalíme - výchozí adresář je složka C:.  Mosaic dataset se stereo-snímky najdete v: StereoTutorial\SampleData\Vexcel-Hollywood\0_MosaicDataset\VexcelHollywood.gdb.  Přidejte mosaic dataset VexcelHollywood_Stereo do nové mapy. Pokud se místo snímků načte "šachovnice", je třeba v kontextovém menu mosaic datasetu - v podsekci data - použít nástroj Opravit Mosaic Dataset (Repair Mosaic Dataset) a zde nastavit správné cesty k podsložkám: 0_MosaicDataset DEM Imagery Abychom mohli pracovat dál, musí mít naše data vytvořený stereomodel. Tuto skutečnost ověříme tak, že na mozaikovou datovou sadu klikneme pravým tlačítkem a otevřeme tabulku – Stereo tabulku. Pokud by stereomodel nebyl přítomen, tabulka by neexistovala a my bychom jej museli vytvořit nástrojem Vytvořit stereomodel (Build Stereo Model).     Je-li tento požadavek splněn, můžeme přistoupit k dalším krokům. Krása celé ukázky spočítá v tom, že pro celý převod nám dále stačí již jen jeden či dva nástroje (podle námi požadovaného výsledku). Prvním z nich je nástroj Generovat mračno bodů (Generate Point Cloud). Vstupem bude naše mozaiková datová sada. Následně nastavíme výstupní složku, kam se LAS soubory budou ukládat, a jejich název. Ostatní parametry můžeme pro demonstraci ponechat, nicméně je možné zde poměrně detailně nastavit různé parametry, ať už překryv snímků, práh pro prostorové rozlišení snímků, metodu párování (například semi-globální metodu párování pro hladší výstup) apod.     Po spuštění nástroje se ve výstupní složce vytvoří požadované LAS soubory. Do projektu vložíme novou lokální scénu a do scény přidáme vytvořené LAS soubory. Na následujícím dvoj-snímku pak můžeme porovnat výsledek oproti původním leteckým snímkům.     U mračna bodů ale neskončíme a nástrojem Interpolovat z mračna bodů (Interpolate from point cloud) z mračna bodů vytvoříme digitální model povrchu (DSM).   Vstupem do nástroje je složka s LAS soubory. Automaticky se nám vygeneruje název pro výstupní rastr. My jen zadáme jeho prostorové rozlišení (například 5 metrů) a ostatní parametry ponecháme. Pro zajímavost uveďme, že kromě digitálního modelu povrchu můžeme vytvořit i digitální model terénu, tedy čistě zemský povrch bez budov, stromů apod.   V našich zkušebních datech nejsou některé budovy tak zřejmé, ale to je dáno hustotou vstupních dat, i rozlišením výstupního rastru. Je tedy důležité zvážit, co od výsledku očekáváme a k jakému účelu budou výstupy složit. Podle toho je třeba volit parametry při zpracování. Čím hustší mračno bodů bude a čím podrobnější bude výsledný rastr, tím delší čas zpracování zabere a tím větší bude i výstup. ... View more

Velký rozvoj dronů a dobrá dostupnost dat z družicových senzorů či letecké fotogrammetrie zapříčinily rozšíření datových zdrojů, které můžeme v GIS používat. Tento vývoj jde ruku v ruce se zvyšováním výkonu našeho IT vybavení, hnán naší touhou po stále dokonalejší a detailnější vizualizaci dat i po podrobnějších a hlubších analýzách. Trendem je nyní práce ve 3D a právě ArcGIS Pro je tím správným nástrojem, který použít, když chceme s 3D daty pracovat v prostředí Esri. Otázkou zůstává, jak takové 3D vyrobit, nemáme-li k dispozici žádná 3D data. Jde to přitom velice snadno – stačí k tomu například sada překrývajících se snímků, ze kterých můžeme stereo model vytvořit velmi rychle. Nejprve si připravíme data. Nemáme-li vlastní, můžeme pro tuto ukázku použít data od Esri: https://www.arcgis.com/home/item.html?id=a68aae8d349e46f0932c6a3b387dd1fa. Data stáhneme do složky a rozbalíme - výchozí adresář je složka C:.  Mosaic dataset se stereo-snímky najdete v: StereoTutorial\SampleData\Vexcel-Hollywood\0_MosaicDataset\VexcelHollywood.gdb.  Přidejte mosaic dataset VexcelHollywood_Stereo do nové mapy. Pokud se místo snímků načte "šachovnice", je třeba v kontextovém menu mosaic datasetu - v podsekci data - použít nástroj Opravit Mosaic Dataset (Repair Mosaic Dataset) a zde nastavit správné cesty k podsložkám: 0_MosaicDataset DEM Imagery   Zapnutí stereoskopického režimu Klikneme na záložku Projekt, poté na Možnosti. Na této kartě vybereme záložku Zobrazení. Pro volbu Stereoskopický režim zvolíme buď 3D brýle se závěrkou, nebo Azurové/červené brýle. Nastavení uložíme tlačítkem OK a restartujeme ArcGIS Pro.     Po načtení projektu klikneme na kartu Vložit, kde ve skupině Projekt vybereme položku Nová mapa a dále Nová stereo mapa. Přepneme se na kartu Stereo Model a klikneme na tlačítko Nastavit zdroj. Pokud vybereme Sbírku stereomodelů, vybereme dále jako zdroj stereomodelu mozaikovou datovou sadu. Ta musí obsahovat kolekci vyrovnaných steromodelů. Volba Stereomodel nám umožní vybrat levý a pravý snímek jako zdroj. Tento stereopár musí v datech obsahovat informace o kameře, případně koeficienty RPC. Po potvrzení výběru se v okně zobrazí stereomodel.     ... View more

Často se můžete setkat s tím, že výstup analýzy využívá šestiúhelníkovou síť místo klasické čtvercové. Tento článek vás seznámí s výhodami použití šestiúhelníkové sítě. Shlukování bodových reprezentací výskytu sledovaného jevu (kriminality, hodnot z měřicích stanic apod.) do pravidelných mřížek je běžně rozšířený postup. Provádí se především pro snížení problémů při výpočtech a analýzách s nepravidelně distribuovanými daty, pro zlepšení vizualizace nebo při mapování (interpolaci) určitého fenoménu měřeného bodově do podoby pravidelné sítě, aby vznikla spojitá data. Pravidelná síť se také lépe porovnává s dalšími daty sdruženými v síti o stejné velikosti. Pravidelné sítě se mohou skládat z rovnoramenných trojúhelníků, čtverců nebo šestiúhelníků. Tyto tři geometrické tvary (z množiny prostých geometrických tvarů pouze tyto tři) totiž dokážou vytvořit pravidelnou, rovnoměrně dělenou, opakující se mřížku bez mezer či překryvů.       Vlastnosti šestiúhelníkové mřížky V rámci analýz v GIS a při tematickém mapování se nejčastěji setkáváme s pravidelnou čtvercovou síti. Pojďme se podívat na vlastnosti šestiúhelníkové mřížky, které ji od ní odlišují a díky kterým je výhodnější ji v některých případech použít. Nižší poměr obvodu a plochy Šestiúhelníky při vzorkování nezpůsobují tak vysoké zkreslení. Šestiúhelník má totiž nižší poměr mezi obvodem a plochou. Z geometrických obrazců má nejnižší poměr kruh, ze kterého ale samozřejmě není možné udělat pravidelnou mřížku. Šestiúhelník je mu z těchto tří tvarů nejbližší. Bližší hranice Pokud porovnáme polygony se stejnou plochou, pak čím víc se tvar polygonů blíží kruhu, tím jsou body na jeho obvodu blíže centroidu. Vzorkování pomocí šestiúhelníků je tudíž kompaktnější a body uvnitř šestiúhelníku jsou obecně blíž středu než v ostatních typech buněk. Vhodnější pro spojitá data Díky této kompaktnosti je lepší použít spíš šestiúhelníky než čtverce – například pokud u dat předpokládáme spojitost či pokud reprezentují fenomén pohybu. Víc možností při zachycení tvaru Šestiúhelníky spolu nesousedí pouze v pravých úhlech, ale v násobcích 60 °. Mřížka proto lépe (přesněji) zachycuje křivky ve zpracovávaných datech.   Kartografické zkreslení Pokud analyzujeme data na rozsáhlém území, kde se již projevuje zkreslení dané kartografickým zobrazením, šestiúhelníková síť je jím ovlivněná méně než čtvercová. Organický vzhled Rovné hrany v pravidelné čtvercové síti mohou svádět k pozorování dat v přímých, rovnoběžných liniích, což může potlačit viditelnost vzorů v datech. Šestiúhelníková síť tuto až příliš umělou pravidelnost narušuje, a tak je v datech snazší nacházet vzory, které mají nepravidelný tvar. Výpočet sousedů Výpočet sousedních oblastí šestiúhelníků je přímočařejší. Se sousedními buňkami je od sebe vždy dělí stejně velká hrana. Vzdálenost centroidů sousedních buněk je také stále stejná. U čtvercové sítě to platí pouze pro čtyři sousední buňky vzdálené o N (kde N je délka hrany čtverce). Pro buňky sousedící přes vrchol, diagonálně, je vzdálenost rovna N√2.   Více sousedů při analýze Vzhledem k tomu, že vzdálenost k centroidům všech šesti sousedních buněk je stejná, při hledání sousední buňky pomocí zadaného pásma nebo při použití nástrojů Optimized Hot Spot Analysis, Optimized Outlier Analysis nebo Create Space Time Cube By Aggregating Points bude na vstupu výpočtu více sousedních prvků než u sítě čtvercové. ... View more