你好，

我有一个点形状文件，我想在光栅中重新创建，明确地，ESRI ASCII网格格式。

然而，当我使用“数字光栅化器”时，我遇到了一些问题，光栅中的一些合成单元与点的原始位置相距0.25米。是否有任何方法可以设置光栅化器（或使用不同的变压器）以强制生成的单元完全覆盖在原始点上（即：点将位于单元的中心）？

谢谢

我有一个似乎很随机的问题。我正在从折线要素类创建光栅。我使用SDE功能类阅读器，attributeCreator/3dforcer/numericasterizer-和SDE光栅数据集作为编写器。

奇怪的是，这种安排适用于某些读卡器“未来作战系统”，而对于其他读卡器则失败了，消息是：在写入光栅数据集时，无法写入光栅数据块。

读取器(无论是成功的还是失败的)——都来自相同的大型FC(相同的属性)——所以在这一边找不到任何明显的关系……有什么建议吗？谢谢

我使用NumericMaster和.tiff从.shp生成了一个.tiff，在arcmap中效果很好，但是当我尝试在autodesk中打开它时，会得到“type:unsupported”，有人认识到这个问题吗？

你好，

我有一个点云，每个点都有一个介于0-50之间的值。我使用PointcloudFilter将这些点分成6个组，并将这6类点收集到一个名为groups的属性中。然后我创建了一个按组分组的数字寄存器，单元大小为2mx2m。

我现在要做的是把它们变成多边形，我已经尝试了其他的路线，但是我想尝试一下拉斯特多普勒冈纳，因此，我需要将光栅的条带更改为我的组类别。我的问题是，我需要如何制定RasteExpressionEvaluator，以便强制者根据我以前的过滤器组生成多边形？

我创建了一个向量网格，由大小为0.00027778度（约30米）的多边形组成。多边形有一个值，表示居住在其中的人数。自然地，许多多边形将没有居民。这些多边形被过滤掉。我要将此网格转换为光栅网格，每个光栅单元与向量多边形完全匹配。具有零居民的“丢失”多边形应导致nodata光栅单元。

我把多边形输入到数字转换器中，使用与多边形完全相同的单元大小。看来我正在努力做的是可能的。然而，在我网格的北部，有光栅单元应该是nodata，但相反，他们得到了上面的单元格的值。

图像显示多边形（红色轮廓）和光栅单元的比较：

在图像的北部，所有光栅单元的正下方都有一个“孪生体”，它应该是节点数据，因此是不可见的。南方的一切都很好。我的网格的总大小是0.5x0.5度，但我也试过用1X1度，结果完全一样。我也尝试过在0和1的数字转换器中使用“公差”。运气不好。

有人知道如何清除这些多余的细胞吗？

大家好

任何人都在努力使城市的房屋编号自动化，我们假设还没有实施地址系统，可以使用与北美相同的系统（街道一侧，奇数和另一侧偶数。）

任何想法

谢谢

你好，我在这个问题上已经坚持了一段时间了，尝试不同的变压器，但我想我终于撞上了墙。总结一下我想做的事情：

读取点形状文件，在5平方公里的区域内形成5米的网格点。每个点都有一个关联的类型，这只是一个介于1和25之间的数字。

提取坐标，创建顶点，然后使用数字光栅。

从文本文件读取我的rgb24调色板，并将RGB颜色与正确的颜色匹配。

使用口译强制手段，调色板加法器，分解器，发电机等，以获得uint16输出。

写出MAPINFO垂直映射器NGRID格式。因为它有一个调色板，光栅将生成.grc输出，而不是.grd输出。

这将生成.grc输出，所有的颜色都应用正确。唯一的问题是，当查询mapinfo中的输出时，类名为空。我假设，由于类型进入光栅化以允许应用调色板，该类型将进入输出，并允许用户看到每种颜色代表什么。不确定是否需要添加另一个变压器来提取该值？我试过使用数字光栅变换器中的类型分组，但这导致我为每种类型都有一个GRC文件。

我使用并阅读了一些关于光栅和调色板操作的FME博客文章，它让我走了很多路，我认为这正是MapInfo输出需要一个非常具体的变压器的使用，我完全卡住了！

谢谢你的帮助，

西蒙

我要将多边形文件转换为光栅TIF。多边形形状属性的整数值应成为输出光栅的单元值。我试过数字转换器，但是这个转换器为每个唯一的单元值创建多个tif文件。是执行这个安静的简单任务的替代转换器，还是将多个光栅文件组合到一个输出光栅的另一个转换器？

目前，数字转换器似乎总是使用“最后胜利”模式。也就是说，变换器使用最终来顶点的z坐标作为每个单元值，如果两个或多个输入顶点位于同一单元格中。

如果变压器能在几种模式下工作就好了，比如最小值，最大值，平均值，先赢，最后胜利标准偏差，等。这对于高效分析点云尤其有用，与一些点云变形金刚一起。

我将从点创建光栅，我希望光栅计算位于单元大小的点的z值的平均值，并将其作为单元值放在光栅中。

我使用了Numericroster，但它没有描述它如何计算光栅的像素值。

有什么想法吗？

如果NumericMaster具有“Accumulate attributes”选项（是/否选项），则可能会很有用。就像pointcloudcombiner。

你好，

我被要求使用来自LAS和DTM数据集的组合完成一些分析，以确定植被高度。但是我对las文件到光栅过程的转换有一些疑问。我打算创建一个las文件的光栅版本，然后从dtm中减去zvalues以找到植被高度。

我使用的是FME 2015.1.0.2版本15482。

我已经阅读了LAS文件，然后使用了点云过滤器来只保留5级数据。然后，我将输出推到一个meric rasteriser，在与DTM进行比较之前转换为一个光栅。我的问题是，似乎没有选择；对…负有责任，或设置，解释多点云数据点落在我规定的单元大小内的情况。

不管怎样，我运行了这个过程，并且完成了一些测试；当多个点落在一个给定的单元格中时，输出光栅的结果值似乎是经过单元的最后一个点云数据点的值（我认为每次单元中出现一个点时，单元的每个值都会被覆盖）。因此，生成的单元格值完全是根据其在文件中的顺序派生的，而不是通过任何“已知”）。我还检查了单元格的赋值与单元格中的所有点。不用说delta在某些情况下对于给定单元格中的所有值都是实质性的不同。我真的希望能够控制在多个包含的实例中如何分配结果单元格值，即分钟，最大值，AVG等。有人能建议一种方法吗？

作为旁白，我还创建了另一种方法，将点云分解为点，然后使用光栅上的点的dtmusing获取diff，但问题是lasFile中的点数很大（毫不奇怪），而且速度很慢（或者在某些情况下我的计算机无法应付）。因此，我认为我首先需要使用Araster方法来确定植被高度。

事先谢谢，

当做，

抢劫

当我通过数字光栅器将矢量数据传输到光栅数据时，有人知道逻辑是什么吗？例如，一个单元内多边形的原始属性值为100（占10%），其他多边形的原始属性值为10（占90%）。新光栅化单元的价值是什么？

目前，numericastrizer总是将一个常量字符串“numericastrizer”作为“fme_basename”提供给生成的功能。即使将“fme_basename”设置为“group by”参数。当用户将“FME U basename”设置为“group by”时，变压器最好能传播输入特性的“FME U basename”值。

此外，如果名称包含日文字符且“输入按组排序”设置为“是”，则转换器不识别设置为“分组依据”参数的属性名称。这也应该改进。

pointcloudonrastercomponentsetter简介

本文是用FME 2014创建的。

pointcloudonrastercomponentsetter允许颜色信息从光栅传输到点云。使用这种转换器最常见的方法是使用叠加的正射影像为点云着色:


左侧的点云将转换为右侧的突出显示绿色字段。

不费吹灰之力，我们可以获得比简单着色更有趣的结果。

示例1：突出显示道路走廊

此示例使用道路中心线数据集以及点云和正射影像突出显示点云上的道路走廊。这是通过使道路比点云的其余部分稍轻来实现的。下载
在此工作区中执行以下步骤：

1）缓冲道路（这将定义我们的走廊）
2）用缓冲器夹住正射影像
3）使用RastereExpressionEvaluator，增加缓冲区内光栅的亮度（我们可以对颜色进行任何更改-使其变暗或升高，说，红色和蓝色）
4）拼接更新的光栅（在顶部）和原始图像
5)覆盖点云和马赛克图像


前后：通过使道路更轻来突出道路走廊

示例2：更改道路走廊的强度

默认情况下，pointcloudonrastercomponentsetter将颜色值从基础光栅传输到点云。在自定义模式下，我们可以使用光栅设置任何点云组件，包括强度下载
在这个例子中，我们不需要正射影像，但我们将再次使用道路中心线。主要步骤如下：

1）道路缓冲
2）将缓冲器强制到将用作强度的高度（例如，10）
3）用数字扩散器对缓冲区进行光栅化。
4）用pointcloudonrastercomponentsetter覆盖点云和光栅。“要设置的组件”应设置为“自定义”，“部件清单”应包含“FMEPC强度”



前后：通过改变强度突出道路走廊

示例3：使用正射影像中的颜色重新分类点云

如果我们有能够为我们提供某些领域分类信息的数据集，pointcloudonrastercomponentsetter是更改点类的好工具。例如，如果我们有建筑足迹，我们可以将点分类设置为6（即根据LAS规范的“建筑物”）。

下载

在这个例子中，我们发现光栅上的区域是相当绿色的，然后将所有分类为“地面”的点设置为新的“低植被”类别：

以下是工作区中的步骤：

1）用正射影像给震源点云上色
2）在Orhophoto上使用RasteExpressionEvaluator，将绿色区域设置为3，剩下的2分
3）分离点云，并使用“仅地面”（Class 2）将光栅值传输到点云。而不是单一的2类，我们将得到一个3级（绿色区域）和2级（其余区域）的点云。
4）结合点云的更新部分，使用其他以前拆分的点云类

作为额外的一步，我们只能将常量颜色值设置为类3。这将使我们看到受转型影响的领域：


前后：重新分类点云