Si tiene un conjunto de imágenes de drones y desea conocer la ubicación de las imágenes, este tutorial puede ser de su interés. Hemos realizado un ejemplo aplicado que recupera los metadatos geoespaciales de la cámara del dron para un grupo de imágenes y realiza una representación geoespacial en un mapa con el nombre de la imagen disponible como ventana emergente. El tutorial se realiza bajo un Jupyter notebook con Python y Folium.
Para este tutorial, necesita un entorno de conda geoespacial. Sigue este otro tutorial:
Tutorial
Código
#!pip install exif
#!pip install folium
import os
import folium
import numpy as np
import pandas as pd
from exif import Image
imageFolder = '../VUELO1/'
imageList = os.listdir(imageFolder)
#filter list to image files
imageList = [i for i in imageList if i[-4:]=='.JPG']
imageList[:5]
['DJI_0591.JPG',
'DJI_0592.JPG',
'DJI_0593.JPG',
'DJI_0594.JPG',
'DJI_0595.JPG']
For one image
imagePath = os.path.join(imageFolder, imageList[0])
imageRead = open(imagePath,'rb')
imageObject = Image(imageRead)
imageObject.list_all()[:5]
['image_description', 'make', 'model', 'orientation', 'x_resolution']
#show geospatial exif records
print(imageObject.gps_latitude)
print(imageObject.gps_longitude)
print(imageObject.gps_latitude_ref)
print(imageObject.gps_longitude_ref)
(15.0, 27.0, 59.0756)
(74.0, 42.0, 40.3897)
S
W
def getCoords(imageObject):
latTuple = imageObject.gps_latitude
lonTuple = imageObject.gps_longitude
latRef = imageObject.gps_latitude_ref
lonRef = imageObject.gps_longitude_ref
latCoord = latTuple[0] + latTuple[1]/60 + latTuple[2]/3600
lonCoord = lonTuple[0] + lonTuple[1]/60 + lonTuple[2]/3600
#for negatives lats and lons
if latRef == 'S':
latCoord = -latCoord
if lonRef == 'W':
lonCoord = -lonCoord
return latCoord, lonCoord
#get lat and lon for one image
lat, lon = getCoords(imageObject)
print(lat, lon)
-15.466409888888888 -74.71121936111112
Working for all images
#get an pandas dataframe for lats and lons
latLonDf = pd.DataFrame(columns=["Lat","Lon"])
for image in imageList:
imagePath = os.path.join(imageFolder, image)
imageRead = open(imagePath,'rb')
imageObject = Image(imageRead)
lat, lon = getCoords(imageObject)
#print(lat, lon)
latLonDf.loc[image,"Lat"]=lat
latLonDf.loc[image,"Lon"]=lon
latLonDf.head()
Lat | Lon | |
---|---|---|
DJI_0591.JPG | -15.46641 | -74.711219 |
DJI_0592.JPG | -15.468541 | -74.714916 |
DJI_0593.JPG | -15.468456 | -74.714952 |
DJI_0594.JPG | -15.468331 | -74.714941 |
DJI_0595.JPG | -15.468186 | -74.714919 |
### Plotting images coordinates
meanLat = latLonDf.Lat.mean()
meanLon = latLonDf.Lon.mean()
m = folium.Map(location=[meanLat,meanLon], zoom_start=17, control_scale=True)
for index, row in latLonDf.iterrows():
folium.CircleMarker(location=[row.Lat,row.Lon], radius=2, popup=index).add_to(m)
m
Make this Notebook Trusted to load map: File -> Trust Notebook
latLonDf.to_csv('imagesLatLon')
Datos de entrada
Puede descargar los datos de entrada desde este enlace.