Commit 14d07071 authored by Mayer's avatar Mayer
Browse files

Add new file

parent a5b5b189
# Nachfolgend sind zwei Verarbeitungsmöglichkeiten zur Shapefilerstellung gegeben:
# 1: Erstellung des Shapelayers für eine bestimmte .txt Datei:
import os
import pyproj
from shapely.geometry import Point
import geopandas as gpd
# Klassen-Mapping
classes = {
0: 'Großer Laubbaum',
1: 'Kleiner Laubbaum'
}
# Bildparameter
pixel_size = 0.2 # 20 cm in Metern
img_width = 200
img_height = 200
# Pfad zur .txt Datei
file_name = '4362024_5320180_rgbi_20cm.txt'
file_path = 'Trained models/nano_500 Epochs_15_70_15/predictions/' + file_name
# 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)
# 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
objects = []
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 WGS84
for obj in objects:
obj['Längengrad'], obj['Breitengrad'] = transformer.transform(obj['Längengrad'], obj['Breitengrad'])
# GeoDataFrame erstellen
gdf = 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 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_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)
Supports Markdown
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment