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.

Reporter subscription

Receive the latest updates about Reporter magazine.
Receive the latest updates about Reporter magazine.

Reporter 87

Download Reporter PDF
Download Reporter PDF

Around the world

Customers across the globe solving complex daily challenges using Leica Geosystems equipment
Customers across the globe solving complex daily challenges using Leica Geosystems equipment