Wspieranie sztucznej inteligencji w celu rozwiązania problemu parkowania
Studium przypadku
Autor: Linda Duffy
Przy skończonej ilości miejsc parkingowych i rosnącej liczbie samochodów rośnie frustracja i niedogodności związane z parkowaniem. Uznając to za problem, Manuela Rasthofer, dyrektor generalny TerraLoupe GmbH, rozpoczęła projekt połączenia sztucznej inteligencji i ortorektyfikacji zdjęć lotniczych w celu opracowania dokładnej inwentaryzacji dostępnych parkingów i miejsc prakingowych w całych Niemczech.
Mapowanie dostępnej przestrzeni parkingowej
Parkowanie samochodu może być stresującą i czasochłonną czynnością, a w przyszłości autonomiczne pojazdy będą szukać miejsca bez pomocy kierowcy. Zapotrzebowanie na mapy cyfrowe o wysokiej rozdzielczości, które umożliwiają dokładne pomiary i identyfikację wszystkich rodzajów obiektów, w tym miejsca parkingowe, szybko stają się rzeczywistością.
TerraLoupe GmbH to start-up technologiczny z siedzibą w Monachium w Niemczech, który koncentruje się na łączeniu geodanych i analiz komputerowych w innowacyjny sposób. Zaczynając od ortoobrazów o wysokiej rozdzielczości, TerraLoupe stosuje algorytmy uczenia maszynowego do wykrywania i pomiaru obiektów w świecie fizycznym, takich jak budynki, drogi i drzewa, w celu tworzenia bogatych w dane modeli 3D.
„Aby rozwiązać narastający problem z parkowaniem, chcieliśmy sprawdzić, czy wykrywanie i ocena parkingów przy użyciu zdjęć lotniczych i sztucznej inteligencji jest wykonalne”, mówi Rasthofer. „Pomyśleliśmy, że automatyzując wyodrębnianie obiektów i treści cyfrowych, możemy znacznie skrócić czas tworzenia map bez pogarszania dokładności”.
Ekonomiczna metoda tworzenia map cyfrowych, które umożliwiają nawigację autonomiczną jest szczególnie interesująca dla dostawców w branży motoryzacyjnej i producentów oryginalnego wyposażenia (OEM); jednak wiele innych branż również może skorzystać z tych informacji.
HxGN Content Program
Semantyczny model pasa drogowego w Martinsburgu utworzony na podstawie wykrytych oznaczeń z użyciem danych GSD o rozdzielczości 15 centymetrów
Na potrzeby HxGN Content Program w 2014 r. rozpoczęto gromadzenie spekulatywnych, gotowych ortorektyfikowanych obrazów Stanów Zjednoczonych, części Europy i zaludnionych obszarów Kanady w celu opracowania bazy danych dostępnej dla klientów. Celem było uzyskanie zobrazowań o rozdzielczości 30-bez chmur, wykokanych w 4 pasmach na mniej zaludnionych obszarach i 15-centymetrowej rozdzielczości na obszarach miejskich o populacji większej niż 50 000.
Dzięki programowi HxGN Content, firma TerraLoupe uzyskała ortoobrazy Berlina o rozdzielczości 15 cm, aby przetestować opracowane wewnętrznie algorytmy słuzące do identyfikacji obiektów. Początkowe prace obejmujące teren Berlina trwały osiem tygodni. W tym czasie szkolono algorytmy w celu dokładnego identyfikowania i kategoryzowania miejsc parkingowych, a następnie poświęcono zaledwie trzy dni na analizę i opracowanie map dla całych Niemiec.
„Dostęp do zobrazowań za pośrednictwem HxGN Content Program umożliwia nam pobieranie potrzebnych danych geograficznych, a następnie szkolenie naszych algorytmów na nowych danych” — wyjaśnił Rasthofer. “Zawsze istnieją niewielkie różnice w architekturze, infrastrukturze i systemach drogowych, które są unikalne dla każdego kraju. Sprawdzamy przedział ufności dla każdego obiektu i ponownie sprawdzamy niskie wartości procentowe. W miarę jak poprawiamy błędy, algorytmy wciąż się uczą i ulepszają, aż osiągniemy bardzo wysoki poziom dokładności.”
Ortoobrazy lotnicze dostępne w HxGN Content Program przechodzą rygorystyczny proces kontroli dokładności, co umożliwia wykonwyanie na nich pomiarów niemal z geodezyjną dokładnością. „Zawartość bazy HxGN Content Program najlepiej odpowiada potrzebom naszych klientów w zakresie autonomicznej jazdy, pomocy przy parkowaniu i zgłaszania szkód do firm ubezpieczeniowych/reasekuracyjnych” — mówi Rasthofer. „Z powodzeniem dostarczamy do różnych celów dane związane z infrastrukturą, siecią drogową oraz kolejową i inne.”
Uczenie maszynowe przyspiesza dokładne mapowanie
Projekt firmy TerraLoupe pokazuje, że ortoobrazy lotnicze o wysokiej rozdzielczości w połączeniu z uczeniem maszynowym mogą być skutecznie wykorzystywane do pozyskiwania treści cyfrowych. Analiza parkingów dostarcza przydatnych informacji, takich jak lokalizacja, wjazdy i wyjazdy z parkingów oraz ilość samochodów różnych kategorii (kompaktowe, średnie, duże), które mogą zmieścić się na każdym parkingu. Planiści miejscy, dostawcy towarów, taksówkarze i klienci przebywający na zatłoczonych obszarach handlowych mogą skorzystać z udoskonalonej inteligencji parkingowej.
„Dostępność obrazów o wysokiej rozdzielczości i dużej dokładności zadecydowała o tym, gdzie rozpoczęliśmy projekt; jednak zamierzamy przeprowadzić te analizy w całej Europie, gdy dane staną się dostępne za pośrednictwem Hexagon, i chcielibyśmy rozszerzyć nasze usługi na Stany Zjednoczone” – mówi Rasthofer. „Ogólnie rzecz biorąc, naszym celem jest efektywne wyodrębnianie wszystkich typów obiektów i tworzenie kompletnego środowiska cyfrowego.”
Pozyskiwanie zobrazowań lotniczych jest szybsze i wydajniejsze niż metody naziemne, umożliwiając częstsze aktualizacje, co ma kluczowe znaczenie dla wielu zastosowań. Całościowe działania Hexagon prowadzą do powszechnej dostępności obrazów i dobrego partnerstwa biznesowego z dostawcami danych, co umożliwia zaspokojenie rosnącego zapotrzebowania na mapy cyfrowe.