Картовите приложения промениха нашия свят без съмнение. Картографирането на пътищата обаче е трудно и досадно: след като се направят аеро-фотографии, цели екипи в компаниите прекарват много часове в ръчно проследяване на пътищата и коригиране на грешките от изображенията. В резултат на това дори компании като Google все още не са достигнали дотам да могат да картират всички пътища по целия свят.
Пропуските в картите са проблем, особено за системите, разработени за самоуправляеми автомобили. За да се справят с предизвикателството, изследователи от Лабораторията по компютърни науки и изкуствен интелект в MIT (CSAIL) са създали RoadTracer – автоматичен метод за изграждане на пътни карти, които са с 45% по-точни от съществуващите.
Използвайки данни от въздушните изображения, според екипа, RoadTracer не е просто по-точен, а по-рентабилен от сегашните подходи. Системата може да бъде полезна както за технологичните гиганти като Google, така и за по-малките организации, които нямат ресурсите да проследят и коригират големи количества грешки в картите, обяснява . Мохамад Ализад, професор от МИТ.
„RoadTracer е подходящ за картографиране на районите в света, за които картите често са стари и неточни, което включва както места с по-малобройно население и райони, където често има строителство“, казва Ализеда, един от съавторите на статия за системата. „Например, съществуващите карти за отдалечени райони, като например Тайланд, пропускат много пътища. RoadTracer може да им помогне да ги направят по-точни.“
Разглеждайки въздушните изображения на Ню Йорк, RoadTracer би могъл правилно да проследи 44% от пътните възли. Това е повече от два пъти по-ефективно спрямо традиционните подходи, основаващи се на сегментиране на изображения, което може да постигне само 19% разпознаване.
Сегашните усилия за автоматизиране на картите включват обучение на невронни мрежи, за да се разчитат въздушните изображения и да се идентифицират отделните пиксели като „път“ или „не-път“. Тъй като въздушните изображения често могат да бъдат неясни и непълни, такива системи изискват последваща обработка, която има за цел да запълни пропуските.
За съжаление това така наречено „сегментиране“ често е неточно. Ако моделът грешно разпознае пиксел, тази грешка ще се мултиплицира в крайната пътна карта. Грешките са особено вероятни, ако въздушните изображения обхващат дървета, сгради или сенки, които закриват пътищата или ограничават видимостта към тях и не се вижда къде започват и завършват улиците.
RoadTracer създава карти стъпка по стъпка. Той започва от известно, познато място в пътната мрежа и използва невронна мрежа, за да „проучи“ околния район, определяйки коя точка е най-вероятно да бъде следващата част на пътя. След това се добавя тази точка и повтаря процеса постепенно, проследявайки пътната мрежа стъпка по стъпка.
„Вместо да прави хиляди различни решения едновременно за това дали дадени пиксели представляват части от път или не, RoadTracer се фокусира върху по-простия проблем да разбере коя посока да следва, когато тръгне от определено място, за което знае, че е път“, казва Файден Бастани, завършващ студент в MIT. „Това в много отношения всъщност е много по-близо до това как ние като хора изграждаме умствените модели на света около нас.“
Екипът обучил RoadTracer с въздушни изображения от 25 града в шест страни в Северна Америка и Европа. След това оценил способностите му за картографиране чрез 15 други града.
„Важно е една система за картографиране да може да се справя добре с градовете, за които не е обучавана, защото регионите, където автоматичното картографиране е най-обещаващо, са тези, за които не съществуват карти или съществуващите са неточни“, казва проф. Хари Балъкришан от MIT.
Бастани казва, че фактът, че RoadTracer прави с 45% по-малко грешки, е от съществено значение за това автоматичните системи за картографиране да станат по-практични. „Ако процентът на грешки е твърде висок, е по-ефективно пътищата да се нанасят ръчно от нулата, вместо да се премахват неправилните сегменти от изведената дигитална карта“, казва Бащани.
Все пак, внедряването на нещо като RoadTracer няма да направи хората ненужни. Учените казват, че си представят системата да предлага пътни карти за голям регион, а след това да се намеси човек, който да провери дизайна. „Това, което е ясно, е, че със система като нашата може драстично да намалим досадната работа, която хората ще трябва да извършват“, казва Ализаде.
Системата ще бъде представена през юни на конференцията за компютърна визия и разпознаване на модели (CVPR) в Солт Лейк Сити, Юта. Тя е съвместна разработка на между CSAIL и Qatar Computing Research Institute (QCRI).