Transformers FME: 2025.0

Categories
Nuages de points
Related Transformers
Generalizer
MeshSimplifier
PointCloudThinner
Sampler

PointCloudSimplifier

Réduit le nombre de points dans un nuage de points en conservant sélectivement les points en fonction de la forme du nuage de points. Les points simplifiés et supprimés sont produits comme deux nuages de points discrets.

Aller à la configuration

Cas d'utilisation courants

  • Réduit le volume de données d'une entité nuage de points pour répondre aux prérequis de traitement ou de stockage, lorsqu'il est souhaitable de respecter la forme globale de l'ensemble de données d'origine.

Comment fonctionne-t-il ?

PointCloudSimplifier reçoit des entités de nuages de points et les produit avec moins de points que l'original. Les points à conserver sont identifiés par un algorithme qui détermine la forme globale du nuage de points, puis élimine sélectivement les points.

Les zones présentant des taux de changement élevés (comme les pentes raides) conserveront plus de points, et les zones présentant des taux de changement faibles (généralement les zones plates) seront éclaircies de manière plus agressive. Ceci est basé sur la transformation de l'axe médian (MAT) de l'original, une représentation comme un squelette de l'entité entière du nuage de points. Les points individuels sont considérés par rapport à la MAT et évalués pour être inclus ou exclus.

La méthode de génération du  MAT, la méthode d'échantillonnage et le niveau souhaité de simplification peuvent être optionnellement ajustés via les paramètres.

Le nuage de points simplifié et la nouvelle entité nuage de points contenant tous les points supprimés ressortent du Transformer.

Note  Simplification de la transformation de l'axe médian (MAT). Cette méthode estime les normales pour chaque point et utilise un algorithme de rétrécissement de la boule pour approcher la MAT. Elle échantillonne ensuite le nuage de points en fonction de la taille de l'entité locale (LFS) de chaque point, définie par la distance la plus courte entre le point et l'axe médian. Les points dans les zones à forte courbure (LFS faible) sont échantillonnés à une densité plus élevée que les points redondants à faible courbure (LFS élevé).

Exemples

Notes

  • Ce Transformer est très gourmand en traitement. PointCloudThinner réduit également le nombre de points dans un nuage de points, en utilisant soit des intervalles d'échantillonnage réguliers, soit les premiers/derniers points. Il est beaucoup plus rapide que le PointCloudSimplifier, mais ne tient pas compte de la forme de l'entité.

Choisir un Transformer Nuages de points

FME possède une gamme de Transformers spécialisés dans le traitement de données nuages de points.

Pour plus d'informations sur les propriétés et géométrie des nuages de points, vois Nuages de points (IFMEPointCloud).

Configuration

Ports d'entrée

Ports de sortie

Paramètres

Éditer les paramètres des Transformers

Les paramètres du Transformer peuvent être définis en saisissant directement des valeurs, en utilisant des expressions ou en faisant référence à d'autres éléments de l'espace de travail tels que des valeurs d'attributs ou des paramètres utilisateur. Divers éditeurs et menus contextuels sont disponibles pour vous aider. Pour voir ce qui est disponible, cliquez sur à côté du paramètre concerné.

Pour plus d'information, consulter la section Options des Transformers.

Références

Comportement

Basé sur des entités

Stockage des entités

Non

Dépendances Aucun
Alias  
Historique  

FME Community

FME Community dispose d'une mine de connaissances sur FME, avec plus de 20 000 membres actifs dans le monde entier. Obtenez de l'aide sur FME, partagez vos connaissances et entrez en contact avec des utilisateurs du monde entier.

Voir tous les résultats à propos de ce Transformer sur FME Community.

 

Examples may contain information licensed under the Open Government Licence – Vancouver, Open Government Licence - British Columbia, and/or Open Government Licence – Canada.

Mots clefs : points, nuages de points, sonar LIDAR