Questions tagged «georeferencing»

将地理数据与已知的坐标系对齐，以便可以与其他地理数据一起查看，查询和分析。

8
使用QGIS的带有控制点的地理配准矢量层？
我有一个非地理参考的矢量层，需要对其进行地理参考。使用栅格图层，该任务既简单又直接，但是我不知道该如何处理矢量图层。我有一些控制点具有已知的坐标，应该为转换提供一些基础。因此，假设我知道id-s为1、2和3的点应具有x1，y1的坐标；x2，y2; x3，y3。除了简单的移位之外，还可能会有一些旋转和比例转换。 有任何想法吗？
1
选择地理配准转换是否有一般的经验法则？
对栅格进行地理配准时可以使用以下几种转换： 一阶多项式（仿射） 二阶多项式 三阶多项式 花键...等 是否有任何特定的规则或经验法则，关于特定栅格应使用哪种变换？ 例如，特定的转换通常应与航空照片一起使用，另一转换应与卫星图像一起使用，而第三幅应在对地图进行数字化时使用？ 是否有任何书籍详细解释​​了其背后的数学原理？
5
将PDF（尤其是GeoPDF）作为数据添加到ArcMap吗？
我收到了很多PDF地图（矢量，图像，有地理参考和没有地理参考），并且必须将它们转换为图像文件，然后才能将它们添加到ArcMap和地理参考。 我看不到任何明显的现成的实用程序，该实用程序可让我直接添加PDF并对其进行地理参考，而不必先转换为图像文件。 有任何想法吗？ 我希望添加PDF直接映射，而无需事先进行“ pdf到图像”转换
5
是否可以对现有的，未地理参考的pdf进行地理参考？
我想知道是否有直接将pdf地理参考而不先将其转换为图像的方法。我可以访问ArcGIS 10.1，但无法找到任何可能的信息。如果他们有解决方案，我愿意尝试其他开源软件。 我收到的PDF格式的站点计划通常是从AutoCAD生成的。目前，我将pdf另存为jpg，以导入到ArcMap中，对其进行地理参考，然后将诸如建筑物轮廓之类的数字化。我只是想知道是否有一种方法可以跳过转换为jpg步骤。
1
使用GDAL进行地理配准？
我有一个要尝试在Google Earth中覆盖的.tiff图像。为此，我需要先对其进行地理配准。图像投影是使用NAD83作为基准的UTM。我知道图像四个角的纬度/经度。 我正在做以下方式： gdalinfo获取四个坐标。 gdal_translate指定纬度/经度信息 gdal2tiles.py可以平铺图像。 唯一使我烦恼的是，我从未指定UTM和NAD83，那么它怎么会覆盖我的图像？有人知道如何指定此投影信息吗？
2
如何使用QGIS反向地理参考？
我有一幅带有“奇怪”投影的地图（它基本上是手绘的，而不是精确的）。我可以使用Georeferencer插件和带有2000-3000个控制点的Thin Plate Spline转换轻松地在QGIS中对其进行地理参考，并将其转换为简单的WGS 84（EPSG：4326）“ latlong”投影，并进一步处理/增强其他数据，例如来自Natural Earth或OpenStreetMap。 现在，我要执行反操作：理想情况下，使用相同的控制点集将这些栅格图层（或栅格化矢量图层）之一转换回手绘的准投影，以便在覆盖时将图像匹配图形编辑器。我该怎么做？
3
您将使用哪个CRS对历史世界地图进行地理参考？
您会建议使用哪种CRS来对历史世界地图进行地理参考，例如伦敦地理学院-人民地图集-1920中的地图，例如 该地图显示一个纬度/经度网格，我想用它来选择控制点。我只是使用WGS84 EPSG：4326设法获得了一些合理的结果，但是想知道是否没有更好的选择。
3
创建GeoTIFF的步骤
首先，我想提一下我在使用GIS方面还很陌生，因此请原谅我的经验。 我的情况如下：我的任务是对一组图像进行地理校正，然后将这些图像作为叠加图导入到Google Earth Enterprise服务器中。根据我的研究，听起来不错的方法是将图像转换为.tif，安装GeoTIFF元数据，然后直接导入图像（Google Earth会找出其余的图像）。但是，我不确定要从哪里实际创建GeoTIFF元数据（并安装它）。 这是我拥有的数据：图像中心的经度/纬度，方向（即旋转到北向的角度）和分辨率（例如90m）。有谁知道一个好的方法/工具集来导出任何其他数据并将其安装到.tif中？除了GeoTIFF以外，还有什么好主意吗？
1
有没有关于傻瓜的均方根误差（RMSE）的说明？
在GIS中拥有全面的专业知识有时不足以完全理解GIS科学的某些概念。除此之外，我也不是数学家。 考虑到这一点，在将图像地理参考到底图时，谁能提供孩子对均方根误差（RMSE）的解释？完成此操作一千次后，我唯一关心的就是首先在目标地图中找到也在基础地图中的位置。使用常识作为工具，我通常会找到教堂，老建筑和类似物体，它们都是非常稳定的结构，不会在底图和目标图像之间的时差上移动。在放置尽可能多的通行证之后，我将查看统计信息表，然后重新使用RMSE高的通行证或删除它们，以使总RMSE得分尽可能低。 现在我知道rmse是一种统计误差计算，但是一直困扰我的是，有时我100％确信通过点非常准确地放置在图像上...例如。在教堂的尖顶或目标图像和底图中都存在的另一稳定结构上，但均方根值仍然很高。因此，我将能够将通行点更改为远离参考结构的位置（即，使视觉转换的准确性降低），从而降低均方根值！在我看来这是一个悖论，因为我将降低操作的视觉准确性以提高统计准确性。 有时，我完全忽略了有效值，因为我可以看到，在地理配准操作之后，参考地图和目标图像会很好地对齐...即所有通过点都在两个地图上的正确位置。 关于我是否在做根本上错误的事情，有人可以给我更好的简单解释吗？
2
改善地理配准结果？[关闭]
已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗？更新问题，使其仅通过编辑此帖子来关注一个问题。 2年前关闭。 背景这是我的第二个问题，涉及对裸栅格地图进行地理配准，以便在不同的坐标系上以及与其他数据层一起重新可视化它们。上一个问题是将任意无元数据的地图图像转换为QGIS项目 问题我的目标是对该地图进行地理配准： 这似乎不是Plate-Carrée。因此，在QGIS中，我创建了几个合理的控制点，为完整起见，我将其附加在底部[ref：1]。我为QGIS Georeferencer提供了与我的项目文件EPSG：4326相同的目标SRS。使用Helmert和多项式变换时，我得到的结果异常差，但是用薄板样条曲线得到了合理的图像（这使得结果的地理估计值通过了我的控制点）。但是，即使这样的结果也很差，例如在较高的纬度上（参见日本北部的俄罗斯海岸）。这是我使用自然地球背景的QGIS屏幕的屏幕截图。 替代路径我在MapWarper上使用了更易于使用的工具尝试了类似的练习：在http://mapwarper.net/maps/758#Preview_Map_tab上查看结果和控制点，我得到的结果较差（可能是由于事实我添加了更少的控制点）。 简而言之的问题 有什么技巧可以使我获得良好的地理参考？ 可以立即识别出这种投影吗？ 在旧图纸上的“未知坐标系”中，gdaltransform建议将多个坐标点转换为多个目标SRS，以实际发现用于生成原始地图的投影参数为目标。我尝试过这样的事情：保存我的QGIS点列表之后，我进行了一些字符串处理，以获取空格分隔的经/纬度列表，cat eurasian-steppe-gcp.points | tail -n+2 | cut -d, -f1-2 | sed 's/,/ /'> tmp.txt并将结果文件输入到gdaltransform中：gdaltransform -s_srs EPSG:3785 -t_srs EPSG:4326 < tmp.txt并切换s_srs和t_srs标志（该项目使用EPSG：4326）。我知道我在黑暗中射击，希望能走运，所以当我无法理解输出时，我并不感到惊讶。有人可以扩展我将如何使用此方法来找到源地图的投影和投影参数的最佳估计吗？我的想法是，与其在无数个控制点上放置好地理参考，不如通过遍历所有公共坐标系来获得较少控制点的近乎完美的地理参考，会更容易吗？对于每个被测CRS，是否涉及每个点与其他所有点的交叉验证？ 我想了解此算法或地理配准，因此可以使流程自动化-我一直都遇到这个问题，直到内容创建者停止将其地图视为一次性创建，再也无法集成以及其他内容，我不希望停止。 参考文献 [ref：1] QGIS GCP文件： mapX,mapY,pixelX,pixelY,enable 142.632649100000009,54.453595900000003,505.941176470588232,-95.220588235293974,1 154.934252200000003,59.559921699999997,536.411764705882206,-52.779411764705742,1 80.080158100000006,9.657192300000000,291.558823529411711,-322.661764705882206,1 10.448442600000000,57.819128900000003,21.676470588235190,-103.926470588235134,1 34.007173000000002,27.761438299999998,101.117647058823422,-244.852941176470466,1 50.950890399999999,11.862196600000001,171.852941176470495,-313.955882352941046,1 29.713217199999999,60.024133200000001,90.779411764705799,-92.499999999999829,1 60.000000000000000,0.000000000000000,208.308823529411683,-362.382352941176350,1 69.867506500000005,66.639146199999999,224.088235294117567,-33.191176470588061,1 27.276107100000001,71.049154799999997,89.147058823529306,-21.764705882352814,1 140.000000000000000,0.000000000000000,536.955882352941217,-362.926470588235190,1 20.000000000000000,0.000000000000000,43.441176470588132,-362.926470588235190,1 20.196882700000000,31.243024100000000,47.249999999999901,-231.794117647058698,1 …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.