Mapflow.ai 💥 - новое приложение для автоматического картографирования с использованием спутниковых снимков

- Платформа обработки данных
- Примеры использования платформы
- Модели семантического анализа
- Источники данных
- Начало работы с Mapflow
- Ссылки

Традиционное цифровое картографирование требует внушительного объема работы и частной армии картографов, чтобы нанести на карту даже один город. Процесс довольно прост, но трудоемкая работа делает его дорогостоящим. Следовательно, мы видим растущий интерес к идее картографирования с помощью ИИ, основанного на алгоритмах распознавания изображений с глубоким обучением. Мы называем это «ленивым» отображением, вместо модного слова «умный» (посмотрите «Умное сопоставление» - некоторые крупные компании уже взяли на себя этот термин), которым является используется в отношении любых систем, использующих искусственный интеллект. С другой стороны, что должны делать системы автоматизации, кроме как освобождать нас от рутинной работы и помогать ускорять творческий процесс?

Наш новый продукт Mapflow.ai - это не замена продуктивного картографа на ленивого, который делегирует всю свою работу машине. Mapflow рассказывает о том, как разумно использовать ленивое отображение. 🤔 🤔 🤔

Платформа обработки данных

В Geoalert мы используем архитектуры CNN, предварительно обученные на кошках и собаках 🐶, то есть на обычных фотографиях, но мы обучаем их на больших картографических наборах данных - тысячи и сотни тысяч объектов. Это то, что называется глубоким обучением.

Пока мы боролись с проблемой обработки сотен миллионов тайлов спутниковых снимков, мы реализовали прототип платформы и запустили проект автоматического (ленивого) картографирования всех зданий по России. Далее мы начали работу над новым продуктом.

При разработке пользовательских сценариев мы исходили из того, что цифровую картографию можно представить с помощью трех основных этапов обработки данных:

• Доступ к данным наблюдения Земли (например, спутниковым или аэрофотоснимкам)
• Автоматическая предварительная обработка и анализ (добро пожаловать, Mapflow!)
• Проверка и интерпретация с помощью ГИС (проверка автоматических результатов и подготовка их к дальнейшей работе)

Обобщив эти шаги, мы разработали приложение, которое:

• Имеет доступ к глобальным данным спутниковых изображений и может получать данные о любом местоположении в мире.
• Предоставляет единую панель управления для управления потоками карт с помощью ИИ
• Позволяет вам запускать постобработку, добавляя новые блоки, относящиеся к соответствующему «потоку сопоставления» - например, полигонизация, слияние с Openstreetmap и т. Д. Для «обнаружения зданий»

Имеет внешние интерфейсы. Во-первых, это REST API, во-вторых, это какие-то внешние приложения, такие как geojson.io, которые позволяют визуализировать результаты.

Примеры использования платформы

Большинство наших пользователей - компании, которые используют наш API для интеграции Mapflow в свои рабочие процессы или приложения. API позволяет создавать проекты, запускать обработки, получать статус и результаты потоковой обработки в формате GeoJSON.

Пример использования №1 - мониторинг растительности в коридорах линий электропередач

В рамках этого совместного проекта с Космическим центром Сколтеха мы разработали плагин QGIS для обнаружения и классификации лесной растительности на спутниковых снимках. Он предоставляет картографам в Технической инспекции российских линий электропередач инструменты для обработки данных и создания отчетов в выбранной ими рабочей среде.

Этот плагин QGIS взаимодействует с API Mapflow для подключения к глобальным спутниковым изображениям с помощью Maxar SecureWatch и создания картографических предупреждений с отчетами о растительности (площадь, покрытая растительностью, средняя высота растительности).

Об этом продукте мы рассказываем в этом посте.

Кейс - извлечение масок дорог для построения графа дорожной сети

Наши партнеры из Геоцентр-Консалтинг используют Mapflow API для запуска извлечения дорог на спутниковых снимках, затем импортируют маску дороги в свое приложение RuMap для дальнейшей постобработки и создания связанного графа дорожной сети.

Из векторизованных полигонов дорожной маски Геоцентр «RuMap» строит каркас дорожной сети, который используется для построения дорожного графа.

Релиз продукта «RuMap: RoadNetworkBuilder» запланирован на февраль 2021 года, мы обязательно расскажем о нем вместе с нашими партнерами.

Кейс - обработка «следов зданий» по всей стране

Первым проектом, в котором были применены технологии масштабирования и пакетной обработки Mapflow, было автоматическое картирование зданий по всей России. (Читать здесь)

В следующих общенациональных проектах наши партнеры Kontur Inc будут создавать следы для внедрения в геоаналитические сервисы по картированию аварийных ситуаций и оценке рисков для населения и инфраструктуры.

Модели семантического анализа

Основной технологией Mapflow, которая помогает картографам ускорить свою работу, является семантический анализ.

🏠 Обнаружение зданий выделяет крыши зданий на спутниковых снимках в высоком разрешении.

Дополнительные опции:

• Классификация по типам домов - Типология представлена ​​основными классами: многоквартирные дома; частный; промышленный… (Справочник по классам городского картографирования)
• Высота здания - оценка высоты здания по длине тени и видимой части стены. Переход к контуру здания

🎄 Извлечение классов лесной растительности из изображений RGB с высоким разрешением (2 метра) с классификацией по типу, плотности и высоте

🚗 Дороги Обнаружение - извлекает маску дороги из спутниковых снимков высокого пространственного разрешения.

🏗️ Строительство Обнаружение ищет строительные площадки путем классификации фрагментов спутниковых изображений в высоком разрешении.

Источники данных

В отличие от многих платформенных проектов, мы не начинали с открытых данных Landsat и Sentinel. С этими данными можно сделать много интересных приложений, но они не подходят для детального картирования из-за низкого пространственного разрешения. Мы рассматриваем эти спутники для новых трубопроводов, над которыми мы сейчас работаем, в сочетании со снимками с высоким разрешением.

По мере развития Mapflow мы планируем как интегрировать бесплатные источники, так и расширять наш премиальный коммерческий пакет за счет партнерства с поставщиками данных.

По умолчанию в Mapflow доступен снимок Mapbox Satellite. Компания объявила о крупнейшем глобальном обновлении приобретением Maxar’s Vivid Basic.

Кстати, обработку Mapbox Satellite можно использовать для картографирования в Openstreetmap. Возможно, вам будет интересно узнать больше о проекте « Открытое картографирование города ».

Одним из дополнительных источников, предоставляемых в Mapflow, является Maxar SecureWatch, что означает доступ к глобальному охвату и целому ряду продуктов для создания базовых карт спутниковых изображений. Если вы хотите получить совет о том, как использовать Mapflow для работы с источниками премиум-класса или загрузить свои собственные данные для обработки, мы будем рады вам помочь.

Начало работы с Mapflow

Самый простой способ ознакомиться с функционалом Mapflow - воспользоваться Веб-приложением.

После регистрации каждый пользователь бесплатно получает 500 кредитов для начала работы.

Интерфейс и сервисы описаны в документации, но имеют интуитивно понятный дизайн. Кроме того, после регистрации каждый пользователь может просмотреть Демонстрационную обработку на базе Mapflow.

Мы постарались спроектировать все необходимые настройки в единой панели. Посмотрите, как это выглядит, или попробуйте сами - Mapflow.ai

использованная литература

- Платформа Mapflow
- Документация Mapflow
- Страница Facebook
- Страница Linkedin
- Telegram
- Страница Github

- Контакты