Kitashirakawa Digital Exploring Office - Kitchen garden, Running/Marathon, Python etc.

* Now on writting !!! 27th Oct. 2024 　PythonとGeographic Information SytstemのReskillngのため、国土地理院(Geospacial Information Authority of Japan)がWeb上でPublicationしているDEM(Digital Elevation Map)のDateを利用して、Optional Point(Longitude Latitude)のCathment Area(集水面積)をCalcurate CodeをCreateしてみました。 　準備作業として、必要な範囲のDEM Dataを国土地理院のHPからDEMDataをDownloadして、結合しておく必要がありますが、これについては、今回は省略します（機会があれば、別途、紹介します。） 　まずは、計算結果の一例からご紹介です。現在国土交通省が四国愛媛県内で建設を進めている山烏坂ダムの地点の集水面積を計算した結果です。青色のドットが最初の概算結果、ピンク色のドットが概算結果を精査するコードを実行した結果です。ピンク色のドットで集水面積がCatchment Area(km2) =  63.91km2、青色のドットで74.30km2と出ました。 　国土交通省四国地方整備局山鳥坂ダム工事事務所のHP(https://www.skr.mlit.go.jp/yamatosa/yamatosakadam/index.html)を参照すると、山鳥坂ダムの集水面積は63.8km2となっていますので、先ほどご説明したピンク色のドットが表している集水面積は誤差はありますが、まあまあ当たっていると思っています。 """Adjust_Catchment_Area(km2) = 412.1    Farst Catchment Area(km2) =  437.1    早明浦ダム集水面積417km2(汗見川取水除き)""" 　具体的な計算方法に入る前に「集水面積とは何か？」という定義について考えます。日本ダム協会のHPにある関連用語集には「河川のある地点について、降雨がその地点に流出する全領域を集水区域、または集水域といい、その面積を集水面積といいます。」という説明...

A day of Sept. 2024 Regard 3Dの操作方法、特徴に関する備忘メモ。今回は3D点群データを生成する際のキーポイントになる「Compute matches...」のパラメータ設定について。 Default Settingでは、Keypoint sensitiveが左から２番目の目盛り(Normal)、Keypoint matching ratioが一番左の目盛り(Normal)になっています。 このSettingを変更するとどうなるかをTryしてみました。同じ写真群を使って、Keypoint sensitiveを一番右側の目盛り、Keypoint matching ratioを右から２番目の目盛りに設定してMatchingの感度を上げて、Compute matchingを実行します。 Testに使用した写真は旧ＪＲ松山駅の正面の北側端部周辺の以下の画像です。 まず、DefaultSettingですが、最初の方の写真に撮影した自動販売機（点群モデルの右側が切れている）を３次元点群データとして再現できていないことがわかります。おそらく、自動販売機あたりの写真が暗いとか、特徴点が少ないといった理由だと思われます。 次に、HighSensitiveSettingにすると、DefaultSttingでは再現できていなかった自動販売機やその周辺の壁が三次元点群データとして再現できているのが分かります。一方でDefaultSettingで再現できていた南側のコンビニエンスストアの看板類・窓などは同程度の点群密度で三次元点群データが生成されているようです。 ということで、ComputeMatchingのPoint sensitivityとPoint matching ratioを上げると、写真間でmatchingするPointの数が多くなり、三次元点群データとして再現しやすくなることがわかりました。 ただし、Matchingの感度を上げるということは計算処理時間がそれだけ長くなるということは間違いないようです。 結局はバランスが大事ということですが、もし、 三次元点群データを作成したい対象として写真を撮影しているにも関わらず、モデル化されないという事象が発生した際には、ComputeMatchingのSensitivityを上げて再計算してみる という手はあり...

FreeSoftware'CloudCompare'を利用したThree Demention Point Cloudの操作・処理・分析について、PrivateなRemaindMemoを兼ねて、Remainしたいと思います。 CloudCompareのHomePageはこちら（https://www.cloudcompare.org/）です。こちらのHomePageからSoftwareをInstallできますし、Comparelably　EasierなTutorialもあります。このTutorialはEnglishではありますが、CloudCompareで何ができるのか、EasilyにExplanationしてくれているので、InitilなLaerningになりました。 このTutorialにもShowしますが、まず、２つのPointCloudsの合成について、MatsuyamaCityの道後Springにある伊予鉄坊ちゃんTrainをThemeにしてSelfPracticeにChallengeしました。 まずは坊ちゃんTrainを一眼レフデジカメで360degree　AllDirectionからShotし、それらのImageからRegard3DをUseして3DPointCloudを作成しました。その3DPointCloudをCloudCompareにImportしたimgです。 ScreenCenterに坊ちゃんTrainが、向かってLeftSideに伊予鉄道後温泉StationのBuildingがLookします。上空にあるWhiteLineはelectrical lineだと思われます。坊ちゃんTrainの前に小さなStoneMonumentがLookできると思います。 このStoneMonumentだけをEnlargeして3DPointCloudをCreateします。AbobeScreenにStoneMonumentのEnlargeをImportしたScreenShotです。 CenterにあるStoneMonumentのUpperLeftあたりにsmallYellowCuboidがexistしていますが、これがもともとShowしていた坊ちゃんTrainのEntire3D_Imageになります。ということで、Regard3DでCreateした3D...

A day Dec. 2024 28th Dec. 2024 During a year-end trip to Ise-Shima, I discovered "Mabushi no Ichiya" on Tabelog and had unaju lunch. It was a luxurious end-of-year lunch. The grilled kabayaki was crispy and perfectly matched with the rich sauce. The liver soup was also very delicious with a refined taste. The bright and clean interior of the restaurant also left a good impression. A day of Dec. 2024 I once again had lunch at Morgen in Kumakogen Town. I ordered the new cutlet curry that was added to the menu, and added some sausage as they still had some left. The pork cutlet and sausage made for a luxurious and high-calorie dish. The thick-sliced ​​pork cutlet was the perfect match for the unique flavor of the Morgen curry. The sausage was, of course, delicious. A day of Nov. 2024 I had lunch at Asachan, a restaurant in Nagahama-cho, Ozu City, Ehime Prefecture. When I looked at the menu, I saw the name "Uwasa no Tendon" and was a little hesitant to order Nagahama Ch...