An error occurred while loading the file. Please try again.
-
Mayer authored14d07071
# Nachfolgend sind zwei Verarbeitungsmöglichkeiten zur Shapefilerstellung gegeben: # 1: Erstellung des Shapelayers für eine bestimmte .txt Datei:import osimport pyprojfrom shapely.geometry import Pointimport geopandas as gpd# Klassen-Mappingclasses = { 0: 'Großer Laubbaum', 1: 'Kleiner Laubbaum'}# Bildparameterpixel_size = 0.2 # 20 cm in Meternimg_width = 200img_height = 200# Pfad zur .txt Dateifile_name = '4362024_5320180_rgbi_20cm.txt'file_path = 'Trained models/nano_500 Epochs_15_70_15/predictions/' + file_name# Umwandlung der Koordinaten in WGS84crs_31468 = pyproj.CRS('EPSG:31468')crs_4326 = pyproj.CRS('EPSG:4326')transformer = pyproj.Transformer.from_crs(crs_31468, crs_4326, always_xy=True)# Lesen der .txt Dateiwith open(file_path, 'r') as file: lines = file.readlines()# Extrahieren der Koordinaten aus dem Dateinamenfilename = os.path.basename(file_path)x_base, y_base = map(int, filename.split('_')[:2])# Berechnung der Objektkoordinatenobjects = []for i, line in enumerate(lines): class_id, x_center_rel, y_center_rel, width_rel, height_rel = map(float, line.split()) x_center = x_base + (x_center_rel * img_width * pixel_size) y_center = y_base + ((1 - y_center_rel) * img_height * pixel_size) # Höhe abhängig von der Klasse als Text setzen if classes[int(class_id)] == 'Kleiner Laubbaum': height = "<= 12.19" # Für Kleiner Laubbaum else: height = ">= 12.19" # Für Großer Laubbaum objects.append({ 'ID': i + 1, 'Klasse': classes[int(class_id)], 'Höhe': height, 'Längengrad': x_center, 'Breitengrad': y_center })# Konvertiere die Koordinaten in WGS84for obj in objects: obj['Längengrad'], obj['Breitengrad'] = transformer.transform(obj['Längengrad'], obj['Breitengrad'])# GeoDataFrame erstellengdf = gpd.GeoDataFrame(objects, geometry=[Point(xy) for xy in zip( [obj['Längengrad'] for obj in objects], [obj['Breitengrad'] for obj in objects])], crs="EPSG:4326")# Shapefile speichernshapefile_dir = 'shapefile_output'if not os.path.exists(shapefile_dir): os.makedirs(shapefile_dir)
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
shapefile_path = os.path.join(shapefile_dir, 'detected_objects_in_' + file_name + '.shp')
gdf.to_file(shapefile_path)
# 2: Erstellung eines Shapelayers für alle Objekte aus 'predictions':
import os
import pyproj
import shapefile
import random
from shapely.geometry import Point
import geopandas as gpd
# Klassen-Mapping
classes = {
0: 'Großer Laubbaum',
1: 'Kleiner Laubbaum',
2: 'Großer Nadelbaum',
3: 'Kleiner Nadelbaum',
4: 'Busch/Hecke (Laub/Hartlaub)',
5: 'Busch/Hecke (Nadel)',
6: 'Unbekannt'
}
# Bildparameter
pixel_size = 0.1875 # 20 cm in Metern
img_width = 128
img_height = 128
# Pfad zum predictions Ordner
predictions_dir = 'predictions'
# Liste aller .txt Dateien im predictions Ordner
txt_files = [f for f in os.listdir(predictions_dir) if f.endswith('.txt')]
# Umwandlung der Koordinaten in WGS84
crs_31468 = pyproj.CRS('EPSG:31468')
crs_4326 = pyproj.CRS('EPSG:4326')
transformer = pyproj.Transformer.from_crs(crs_31468, crs_4326, always_xy=True)
# Alle Objekte sammeln
all_objects = []
# Durch alle .txt Dateien iterieren
for txt_file in txt_files:
file_path = os.path.join(predictions_dir, txt_file)
# Lesen der .txt Datei
with open(file_path, 'r') as file:
lines = file.readlines()
# Extrahieren der Koordinaten aus dem Dateinamen
filename = os.path.basename(file_path)
x_base, y_base = map(int, filename.split('_')[:2])
# Berechnung der Objektkoordinaten
for i, line in enumerate(lines):
class_id, x_center_rel, y_center_rel, width_rel, height_rel = map(float, line.split())
x_center = x_base + (x_center_rel * img_width * pixel_size)
y_center = y_base + ((1-y_center_rel) * img_height * pixel_size)
height = random.randint(5, 20) # Zufällige Höhe
all_objects.append({
'ID': len(all_objects) + 1,
'Klasse': classes[int(class_id)],
'Höhe': height,
'Längengrad': x_center,
'Breitengrad': y_center
})
# Konvertiere die Koordinaten in WGS84 und erstelle die Geometrien
for obj in all_objects:
obj['Längengrad'], obj['Breitengrad'] = transformer.transform(obj['Längengrad'], obj['Breitengrad'])
# GeoDataFrame erstellen
gdf = gpd.GeoDataFrame(all_objects, geometry=[Point(xy) for xy in zip(
[obj['Längengrad'] for obj in all_objects],
[obj['Breitengrad'] for obj in all_objects]
)], crs="EPSG:4326")
# Shapefile speichern
shapefile_dir = 'shapefile_output'
if not os.path.exists(shapefile_dir):
os.makedirs(shapefile_dir)
shapefile_path = os.path.join(shapefile_dir, 'detected_objects.shp')
gdf.to_file(shapefile_path)