ArcMap标注数据导出为训练集：从GIS到AI的数据转换实战

1次阅读

没有评论

共计 2077 个字符，预计需要花费 6 分钟才能阅读完成。

地理信息系统（GIS）数据和机器学习训练集在数据结构上存在显著差异，这给数据转换带来不少挑战：

坐标系差异 ：GIS 数据通常使用各种投影坐标系，而 AI 模型通常需要 WGS84 等地理坐标系
标注格式不同 ：GIS 中的标注信息存储在属性表中，而训练集需要结构化标签
数据组织方式 ：GIS 数据以图层形式组织，训练集则需要图像 + 标注的对应关系

这些差异导致直接导出数据经常出现坐标偏移、标注丢失等问题，需要一个系统的转换流程。

我们推荐使用 ArcPy+Python 的组合方案，既能利用 ArcGIS 的强大功能，又能灵活处理数据转换。下面是详细步骤：

准备 ArcMap 环境
确保 ArcGIS Desktop 安装正确
打开 Python 窗口或配置好外部 Python 环境
安装必要的库：arcpy, geopandas, shapely 等
导出流程
从 ArcMap 中提取标注图层
转换为通用地理坐标系
提取标注信息并结构化
保存为 AI 训练集格式

下面是关键步骤的 Python 代码示例，带有详细注释：

import arcpy
import json
from geopandas import GeoDataFrame

# 1. 从 ArcMap 中导出要素类
def export_feature_class(input_layer, output_geojson):
    """
    将 ArcMap 中的要素类导出为 GeoJSON 格式
    :param input_layer: 输入图层名称或路径
    :param output_geojson: 输出 GeoJSON 文件路径
    """
    # 设置工作空间
    arcpy.env.workspace = "in_memory"

    # 检查输入是否存在
    if not arcpy.Exists(input_layer):
        raise ValueError("输入图层不存在")

    # 导出为临时要素类
    temp_fc = "temp_fc"
    arcpy.CopyFeatures_management(input_layer, temp_fc)

    # 转换为 GeoJSON
    arcpy.FeaturesToJSON_conversion(temp_fc, output_geojson)

    # 清理临时数据
    arcpy.Delete_management(temp_fc)

# 2. 坐标系统一化
def convert_coordinate_system(input_geojson, output_geojson, target_crs="EPSG:4326"):
    """
    将 GeoJSON 转换为目标坐标系
    :param input_geojson: 输入 GeoJSON 路径
    :param output_geojson: 输出 GeoJSON 路径
    :param target_crs: 目标坐标系，默认为 WGS84
    """
    gdf = GeoDataFrame.from_file(input_geojson)

    # 转换坐标系
    gdf = gdf.to_crs(target_crs)

    # 保存结果
    gdf.to_file(output_geojson, driver="GeoJSON")

# 3. 提取标注信息
def extract_labels(input_geojson, label_field):
    """
    从 GeoJSON 中提取标注信息
    :param input_geojson: 输入 GeoJSON 路径
    :param label_field: 包含标注信息的字段名
    :return: 包含几何信息和标注的字典列表
    """
    with open(input_geojson) as f:
        data = json.load(f)

    features = []
    for feature in data["features"]:
        geom = feature["geometry"]
        props = feature["properties"]

        # 确保标注字段存在
        if label_field not in props:
            continue

        features.append({
            "geometry": geom,
            "label": props[label_field]
        })

    return features

在实践过程中，有几个常见问题需要特别注意：