Новый инструмент, который был разработан учеными из массачусетского технологического института в сотрудничестве с Qatar Computing Research Institute (QCRI), должно упростить жизнь водителям. В предположениях его использование позволит, ибо более точные карты.
Искусственный интеллект и спутниковые снимки
Создание точных GPS-навигации, которые подходят во время путешествия на машине, это сложный и дорогостоящий процесс. Производители используют не только со спутниковых снимков, аэрофотосъемки или других доступных данных о дорогах. Часто также должны выпустить автопарк собственных автомобилей, которые соберут более подробную информацию. Благодаря этому, компании могут определить, в частности, количество полос и направление, к которому они ведут.
Данные не только нужно собрать и обработать, но требуется их постоянное обновление, что создает еще расходы. В связи с этим, навигаторы часто создаются крупные компании. Но даже крупнейшие игроки, как, например, Google, не в состоянии обеспечить актуальной информации. Кроме того, не все районы, точнее, подключенные автомобили – это не всегда выгодно и появляются другие проблемы.
Вариант, который может помочь в создании более точных карт, и в их быстром обновлении, должен быть инструмент RoadTagger. Оно использует спутниковые снимки и искусственный интеллект, чтобы определить количество полос, съезды и типы дорог.
(фото MIT)
Конечно, если посмотреть на подробные фото со спутника, это, скорее, мы не будем иметь проблем с policzeniem количество полос движения. Хуже, однако, с nauczeniem этой машины, особенно, если выбранные участки дороги закрыты (например, дерева). Здесь в работу должны войти соответствующие алгоритмы, которые обеспечат эффективность на удовлетворительном уровне.
RoadTagger основана на комбинации splotowej нейронная сеть (CNN), часто используемой для задач распознавания изображений, а также сеть нейронная (GNN), то есть grafowej, которое понимает отношения между точками данных. Именно благодаря этому вся система в состоянии прочитать необходимую информацию из предоставленных ему фотографий со спутника.
Средство уже было испытано на фотографиях, изображающих 20 американских городов. RoadTagger правильно опознал 77% скрытых полос и показал эффективность на уровне 93% при указании типов дороги. Ученые не намерены останавливаться на достигнутом – в планах дальнейшее совершенствование инструмента, чтобы увеличить его точность. Кроме того, он со временем распознавать парковки и велосипедные дорожки.
Цель не заменить нынешних методов, используемых при создании точных карт. Компании по-прежнему будут должны хотя бы иметь парк автомобилей. RoadTagger, однако, может обеспечить лучшие карты в областях, которые ранее не были приоритетными. Следует проверить также в ситуациях, когда необходимо быстрое введение обновления для навигации.
Рекомендуем также:
Тест Apple CarPlay – вот, что предлагает водителям iPhone с iOS 13
источник: MIT, ExtremeTech
