Mapflow 💥— новое приложение для работы с платформой автоматического картирования по спутниковым снимкам
– Платформа обработки данных и кейсы
– Как применяется платформа
– Модели семантического анализа
– Источники данных
– Начать пользоваться
– Ссылки
Идея платформы для автоматизации картографирования, на основе обучающихся алгоритмов распознавания изображений, родилась из проблемы долгой ручной картографической работы. Мы называем это “ленивой” картографией, вместо надоевшего слова “умный” (проверьте “Smart Mapping” — некоторые компании уже захватили этот термин), применяемого в отношении любых систем, использующих искусственный интеллект. С другой стороны, что же еще должны делать системы автоматизации, как не избавлять нас от рутины и помогать в ускорении работы?
Наш новый продукт Mapflow не про замену работоспособного картографа на ленивого, всю работу за которого будет выполнять обучаемая система, Mapflow — про то, как такую “ленивую” картографию применять с умом. 🤔 🤔 🤔
Платформа обработки данных и кейсы применения
В компании Геоалерт мы применяем нейросети, предварительно обученные на котиках, т.е. на обычных фотографиях, но переобучаем их на больших картографических датасетах — тысячах и сотнях тысяч объектов. Это называется глубокое обучение. Решая задачу с обработкой сотен миллионов фрагментов спутниковых покрытий, мы реализовали прототип платформы, и запустили масштабный проект по автоматическому (ленивому!) картированию зданий на всю Россию. С этого прототипа началась работа над созданием нового продукта.
Проектируя базовые сценарии работы в платформе, мы исходили из понимания, что картография и пространственный анализ базируются на трех основных стадиях обработки данных:
- Доступ к данным ДЗЗ (например спутниковая или аэрофотосъемка)
- Автоматический препроцессинг и анализ — здесь вступает в игру Mapflow
- Работа в ГИС — проверка автоматических результатов и подготовка их для дальнейшей работы
Следуя этой логике, мы разрабатывали платформу, которая:
- Имеет доступ к глобальным данным спутниковой съемки и может масштабироваться на любые территории и объемы данных
- Имеет механизм управления цепочками обработки и AI моделями для семантического анализа и классификации изображений
- Позволяет конструировать обработки блоками, добавляя части, связанные с постобработкой — например, полигонизация, сглаживание, мерджинг с Openstreetmap и т.д. (Часть этих постпроцессингов уже доступна для подключения в пользовательском интерфейсе Mapflow, остальные пока управляются на уровне конфигурационных файлов обработок)
- Имеет интерфейсы внешних приложений ГИС. Это в первую очередь REST API, на основе которого реализованы трансляция данных в geojson.io и плагин для открытой ГИС QGIS
Как применяется платформа
Большинство наших пользователей это компании, которые использовали API Mapflow для интеграции в собственные приложения или приложения для конечных пользователей. API позволяет с помощью стандартного REST интерфейса программных запросов создавать проекты, запускать обработки, отслеживать статусы и стримить результаты обработки в формате GeoJSON.
Кейс — мониторинг охранных зон ЛЭП
В этом проекте, реализованном совместно со Сколтехом и АО “ОПДС”, операторы-картографы Технической инспекции ЕЭС работают с платформой Mapflow, используя свободную ГИС QGIS.
Специально разработанное ПО, подключаемое как плагин QGIS и взаимодействующее с API Mapflow, позволяет им соединять все бизнес-процессы по обработке спутниковых снимков и формированию отчетов в среде одного приложения.
Мы подробно описывали этот продукт в статье.
Кейс — генерация масок дорог для создания дорожных графов
Наши партнеры из ЗАО «Геоцентр-Консалтинг» используют API, чтобы запускать распознавание дорог на спутниковых снимках, а затем импортировать маску дорог в свою платформу оперативного создания и актуализации графа улично-дорожной сети «RuMap: RoadNetworkBuilder».
Из векторизованных полигонов контуров дорог, платформа Геоцентра строит скелет дорожной сети, который используется для формирования дорожного графа.
Релиз продукта «RuMap: RoadNetworkBuilder» запланирован на январь 2021 года, мы обязательно расскажем о нем подробнее совместно с нашими партнерами.
Кейс — обработка “футпринтов зданий” в масштабах стран
Первым проектом, в котором были применены масштабирование и очередность задач обработки, стало автоматическое картирование зданий по всей России, о чем уже было сказано.
В новых масштабных проектах наши партнеры Kontur Inc осуществляют обработку “футпринтов зданий” для интеграции в геоаналитические сервисы вокруг мониторинга чрезвычайных ситуаций и оценки рисков для населения и инфраструктуры.
Модели семантического анализа
Основная уникальная технология Mapflow, помогающая ленивым картографам это модели семантического анализа.
🏠 Здания Выделение контуров зданий по крышам зданий на спутниковых снимках высокого пространственного разрешения
Дополнительные опции:
- Классификация по типологии зданий — Типология зданий представлена основными классами: многоквартирные дома; частный сектор; пром. зоны… (см справочник по классам Urban Mapping)
- Высоты зданий — Определение высоты здания по косвенными признакам — длине тени и видимой части стены.
🎄 Лес Выделение масок древесно-кустарниковой растительности на RGB снимках высокого пространственного разрешения (2 метра)
- Классификация по высотам леса — Разделение области древесно-кустарниковой растительности на высотные классы. Участки леса каждого высотного класса сохраняются в отдельных полигонах, высотный класс указывается в его свойствах.
- Классификация по плотности зарастаний: высокий плотный лес, низкая кустарниковая растительность, редколесье.
🚗 Дороги Выделение маски дорог на спутниковых снимках высокого пространственного разрешения
🏗️ Строительство Классификация изображений на спутниковых снимках высокого разрешения для определения стройплощадок и строящихся объектов
Источники данных
В отличие от многих платформенных проектов мы не начинаем с открытых данных Landsat и Sentinel. С этими данными можно делать много интересных приложений, но они не подходят для задач детальной картографии в силу низкого пространственного разрешения. Мы рассматриваем эти источники для новых задач, над которыми ведем работу, в комплексе с высокодетальной съемкой. Сейчас основной фокус сделан на высокое оптическое разрешение, являющееся наиболее востребованным коммерческим сегментом ДЗЗ и наиболее применяемым в задачах картографии.
Таким образом, по мере развития Mapflow, мы планируем и интеграцию бесплатных источников, и расширение набора премиальных коммерческих — через партнерство с провайдерами данных.
По умолчанию в Mapflow доступны снимки Mapbox Satellite. Покрытие часто отставало по качеству и актуальности, но буквально на днях, компания объявила об обновлении снимков, приобретя новую глобальную мозаику “Maxar Vivid”.
Кстати, обработку по Mapbox Satellite можно использовать для картографии в Openstreetmap. Возможно, вам будет интересно узнать больше о проекте “Open Urban Mapping”.
Одной из премиальных программ, уже сейчас доступных в Mapflow, является интеграция с сервисом Maxar SecureWatch, обеспечивающим доступ к глобальным архивам и целой линейке продуктов онлайн покрытий спутниковых снимков. Если вы хотите проконсультироваться как использовать Mapflow для работы с премиум источниками или для загрузки своих собственных данных в обработку — мы будем рады вам помочь.
Начать пользоваться
Самый простой способ познакомиться с функционалом и попробовать работу с Mapflow — использовать новое пользовательское приложение.
Кстати, каждому пользователю начисляется подарочный стартовый баланс для ознакомительной работы.
Интерфейс и сервисы описаны в документации, но понятны интуитивно, а кроме того можно посмотреть на примеры обработок в демонстрационном проекте.
Мы спроектировали все функции настроек обработок в одной панели управления. Все сценарии доступны пользователю в одном окне приложения:
- пошаговый запуск новых обработок
- просмотр истории обработок
- просмотр результатов на карте и скачивание
Ссылки
– Платформа Mapflow
– Документация Mapflow
– Страница Facebook
– Страница Linkedin
– Канал в Телеграм
– Страница Github
– Контакты
