Cómo generalizar una clase de entidad de puntos

Tengo una clase de entidad de puntos con un punto por cada 25 cm, en un total de 400,000 puntos. Me gustaría reducir esta resolución a un punto por metro. ¿Cómo podría indicarle a ArcGIS Advanced (ArcInfo) que haga esto? No puedo ver una herramienta de adelgazamiento o una herramienta de generalización para las clases de entidad de Punto y no quiero crear un ráster a partir de los datos aún para volver a muestrear.

Use la herramienta Eliminar idéntico (gestión de datos) en ArcGIS. Como puede ver en las capturas de pantalla, generé una cuadrícula uniforme de puntos dentro de la extensión del polígono y usé la herramienta Eliminar idéntico con una tolerancia XY de 10 m para adelgazar los puntos.

Alternativamente, use la herramienta Integrar (Gestión de datos) para hacer que los puntos coincidan en una cierta tolerancia XY.

1) cree una nueva cuadrícula con un espacio de 1 m (red de pesca)

2) use "unión espacial" para agregar los atributos de los puntos que caen dentro de los polígonos

3) crea los centroides de los polígonos

3b) Alternativamente, puede hacer una unión espacial entre los centroides y sus puntos originales para que pueda definir reglas de fusión más avanzadas (también basadas en la distancia)

Puede usar la herramienta de adelgazamiento que está disponible para datasets LAS, lasthin , de LASTools (descarga gratuita).

Aunque no lo he usado mucho en shapefiles (lo he intentado en archivos LAS), el texto de ayuda dice:

Utiliza lasthin.exe para diluir los puntos LiDAR colocando una cuadrícula uniforme sobre los puntos y manteniendo dentro de cada celda de la cuadrícula solo el punto con la coordenada Z más baja (o más alta o aleatoria).

La entrada LiDAR puede ser LAS, LAZ, BIN, SHP , ASC o TXT. La salida LiDAR puede estar en formato LAS, LAZ, BIN o TXT.

Además, si tiene acceso a FME, hay un transformador PointCloudThinner allí que debe hacer lo que necesita.

"Adelgazar" implica dimensionalidad, que los puntos no poseen. Dada una cuadrícula regular de valores de puntos, convertiría los puntos en un ráster, luego volvería a muestrear al intervalo deseado y volvería a convertirlos en puntos. Esto sería mucho menos computacionalmente intenso que tratar de resolver esto con tipos de datos vectoriales.