MIT verbetert methode om wegenkaart op basis van satellietfoto's te maken

Wetenschappers van MIT hebben het systeem RoadTracer ontwikkeld, waarmee ze neurale netwerken gebruiken om stap voor stap een weg te volgen om deze in kaart te brengen. Dit zou aanzienlijk nauwkeuriger zijn dan de bestaande methoden.

RoadTracer neemt een locatie op een satellietfoto waarvan zeker is dat het een weg is en gebruikt neurale netwerken om de omgeving te analyseren en zo te bepalen welk punt het meest waarschijnlijk het volgende deel van de weg is. Dit is anders dan de bestaande manier, waarbij eveneens neurale netwerken getraind worden, maar dan om uit de analyse van de pixels te bepalen of het bij segmenten om een weg gaat of niet.

Foute aannames kunnen hierbij versterkt worden en delen waarbij de wegen aan het oog zijn ontrokken, zoals door bomen, zijn lastig als zodanig te herkennen. "RoadTracer richt zich op het simpelere probleem van uitzoeken welke richting te volgen vanaf een startpunt waarvan we weten dat het een weg is. Het voegt dan een punt toe en herhaalt dat om geleidelijk, stap voor stap, het wegennetwerk vast te stellen", vertelt Fayven Bastani, die als student aan MIT's Computer Science and Artificial Intelligence Laboratory is verbonden en in juni het onderzoek van zijn team gaat presenteren.

Bastani en zijn team hebben RoadTracer getraind op satellietbeelden van vijfentwintig steden in zes landen in Noord-Amerika en Europa. De werking is daarna ter evaluatie toegepast op beelden van vijftien andere steden, waar het niet voor getraind was. Het systeem kon zo 44 procent van de kruisingen in New York City correct in kaart brengen, terwijl de methode op basis van segmentatie dat voor slechts 19 procent kon. Over het geheel genomen ligt de foutmarge van RoadTracer 45 procent lager dan die van bestaande systemen.

Volgens Bastani maakt RoadTracer het geautomatiseerd maken van plattegronden voor bedrijven makkelijker, hoewel er nog wel een menselijke check aan te pas moet komen. Ook hun werk zou volgens hem efficiënter kunnen met het systeem, omdat ze de tracing na een correctie weer kunnen starten vanaf het punt van de fout.

Reacties (32)

[CurlyMo]

Wat me opvalt is dat alle veel steden in de test video in Amerika liggen. Amerikaanse steden zijn vaak in blokjes ingericht net als het centrum van Parijs zonder echt doodlopende wegen. Ik ben wel benieuwd hoe goed het algoritme werkt in Hong Kong waar veel meer vormen voorkomen. Of Amsterdam. Gaat het algoritme niet opeens van een autoweg het fietspad op. Of Dubai met al zijn kunstmatige vormen, maar weinig contrast gezien het woestijngebied.

[Reactie gewijzigd door CurlyMo op 22 juli 2024 15:19]

[Flaat]

Exact dit, Google weet van veel fietspaden niet van het bestaan af, of stuurt je over een voetgangerspad door een park. Om het nog niet te hebben over eenrichtingsverkeer etc.

[Snipperhoofd]

Niet alle steden van de dataset liggen in de USA. In het nieuwsbericht wordt gesproken over 6 landen, maar ik heb getracht het originele artikel te vinden en kom uit op dit zeer vergelijkbare artikel:
"Unthule: An Incremental Graph Construction Process for Robust Road Map Extraction from Aerial Images"
https://arxiv.org/pdf/1802.03680.pdf

Daarin staat dat de dataset bestaat uit 40 steden uit de USA en UK. 25 in de training set en 15 in de test set, wat overeen komt met de aantallen van het nieuwsbericht.

[Alienus]

Volgens mij is dat niet alleen een zeer vergelijkbaar artikel; de auteurs komen mij op het oog overeen met de groep waarover het artikel gaat, de techniek die beschreven wordt ook, en ook de steden die als voorbeeld worden aangehaald. Goeie vondst, hier wordt je wijzer van dan een artikel puur voor leken

[HallonRubus]

Facebook heeft een vergelijkbare methode al gebruikt om data aan Openstreetmap toe te voegen: https://wiki.openstreetmap.org/wiki/AI-Assisted_Road_Tracing

[Anoniem: 998261]

Leuk onderwerp voor een fundamentele discussie: Facebook is immers "fout" en Openstreetmap "goed". Wat moeten we nu vinden van hetgeen Facebook heeft toegevoegd aan Openstreetmap :-)

[CivLord]

Een leukere discussie zou zijn waarom Facbook überhaupt iets met straten doet. Voor zover ik weet heeft Facebook geen eigen kaartendienst die kan profiteren van deze gegevens.

[Alienus]

Zoals verschillende mensen al melden, is er zo ongeveer sprake van een ideale wereld-situatie in Amerikaanse steden, met een zeer rechtlijnig grid. In de wetenschappelijke wereld wordt dit doorgaans de "Manhatan world" genoemd, na gelijknamige datasets ingewonnen op Manhattan Island, New York.

Kenmerkend is dat niet alleen de wegen, maar ook de gebouwen en bebouwing doorgaans zeer vierkant zijn, en vrijwel zonder uitzondering precies passen in het vierkante wegennetwerk. Dat maakt het veel makkelijker voor een automatische methode of neural network om dingen te herkennen aan beeld; er zijn meer herhalende patronen en deze zijn uniformer.

Het ligt voor de hand om aan te nemen dat hetzelfde neural network, zelfs wanneer je het net zo goed traint voor een Europese stad, of een Afrikaanse stad (nog onregelmatiger), deze minder goede resultaten zal behalen. Echter; daar zien we dan weer geen voorbeelden van; terwijl dat eigenlijk juist veel interessanter is!

Echter, sommige getoonde voorbeelden zijn wel degelijk een stuk minder van de ideale wereld af dan Manhattan: zo zie je dat niet alles met hoeken van 90° aansluit op elkaar. Dat is bijvoorbeeld ook het geval in Seattle, waar twee tegen elkaar opwedijverende plaatsjes een grid hadden dat ook niet op elkaar aansloot.

[Reactie gewijzigd door Alienus op 22 juli 2024 15:19]

[Anoniem: 310408]

Kan alleen met oblique (weet de Nederlandse term niet zo snel) sat beelden en om de geo referenced te krijgen is een crime.

Onthou dat dit voor straten slechts een experiment is, OpenStreet heeft vrijwel alle wegen al en die zijn behoorlijk nauwkeurig.

[Alienus]

Obliek is de Nederlandse term voor oblique luchtfoto's. Maar met een sateliet kun je niet zomaar een obliek (30 graden of meer) beeld maken waar je wat aan hebt, volgens mij kom je dan op een erg onscherp beeld uit, omdat de satelliet eenvoudigweg veel te ver van zijn doel zal zijn verwijderd, aanzienlijk verder dan bij een nadir (naar beneden gericht) beeld.

Ook kan ik beamen dat openstreetmap enorm veel straten al gemapt heeft. een Pakistaanse collega van me wist een obscuur dorpje op te zoeken in Pakistan, en zelfs Noord-Koreaanse steden zijn er in terug te vinden.

[HoppyF]

Klinkt goed maar zo lang ik op Google Maps nog satelliet foto's zie staan van vele jaren oud is die volledig onbruikbaar. Onbegrijpelijk dat satelliet foto's niet elk jaar bijgewerkt worden.
Zo moeilijk kan dat toch niet zijn?
De wegenkaarten zijn wel vaak bijgewerkt maar er is geen match tussen die twee.

Geautomatiseerd bijwerken zou een oplossing kunnen zijn.

[coolmos]

Satellietfoto's zijn niet zonder meer bruikbaar, die moeten gestitched worden zodat ze op de juiste plek liggen. Weet je wat een beetje satellietfoto kost?

Kijk maar eens bij terraserver of digitalglobe, dan zie je wat de meest recente foto's zijn en wat de resolutie is.

[HoppyF]

Zal niet goedkoop zijn maar Google heeft genoeg middelen om dit te kunnen betalen.
Iedereen kijkt naar dit soort kaarten dus er is wel een belang.
Wat heb ik aan een oude satelliet foto waar een al lang gebouwde wijk niet op staat?

[coolmos]

Als de foto er niet is kan Google deze ook niet kopen.

[Anoniem: 998261]

Snap je werkelijk het verschil niet tussen een commercieel product en een onderzoeksproject?

[Pathogen]

Niet dat ik het zelf beter zou kunnen, maar een success rate van <50% vind ik nog steeds extreem laag Ik dacht dat deze techniek al veel verder was...

[xoniq]

45% more accurate.

Dus efficiënter en 45% meer accuraat dan de huidige methodes.

[Reactie gewijzigd door xoniq op 22 juli 2024 15:19]

[Flight77]

volgens mij doelde @Pathogen op

Het systeem kon zo 44 procent van de kruisingen in New York City correct in kaart brengen

[Pathogen]

Correcta!

[mmniet]

als deze methode gecombineerd wordt met mobiele data gegevens of strava-tracking informatie dan kan je het nog hoger krijgen lijkt me

[MeneerG]

Of gegevens van navigatiesystemen als Waze/Maps. Als meerdere devices meerdere keren op cruisesnelheid over een stukje gaan waar volgens de kaart geen weg ligt, moet het toch niet zo moeilijk meer zijn om te beredeneren dat hier een toegankelijke weg ligt?

[coolmos]

Tsja....copyright.

[m-vw]

Dat gevoel had ik bij de A4 bij Steenbergen. Op de eerste dag zag je veel verkeer op een plek waar geen weg getekend was. Binnen notime was de weg ingetekend.

Vermoed dat er wel een soort algoritme is.

[coolmos]

Waze gebruikt iig geen algoritme, daar wordt alles handmatig toegevoegd. Van Maps weet ik het niet zeker, het lijkt er op dat ze tegenwoordig nieuwe wegen van Waze overnemen.

[cdwave]

Ik vond dat stuk weg dat de zee in loopt (*) wel lollig uitzien. Of ziet de tracer iets dat ik niet kan zien op zo'n klein plaatje?

(*) New York, da's de begindia van het filmpje, linksonder loopt een stuk weg via de havensteigers een eindje het water in en houdt dan op.

[Reactie gewijzigd door cdwave op 22 juli 2024 15:19]

[friend]

Locatie: 40.709359, -73.994016
Dat loopt daar inderdaad niet door, geen tunnel o.i.d..

[coolmos]

Als je de satellietfoto daar bekijkt zie je ook meteen hoe dat komt:

https://imgur.com/a/2hmSp

[pim]

Ik ging er vanuit dat Google gps signalen trackt van Google maps gebruikers, en dat zo alle wegen in kaart zijn te brengen.
Zelfs wandelpaadjes in the middle of nowhere.

Gps heatmaps leveren mooie plaatjes van het wegennetwerk op:
https://www.google.nl/sea...Q_AUIESgB&biw=360&bih=631

[his.dudeness]

Wat als je meerdere satellietfoto's gebruikt om diepte uit te rekenen in 3D (zoals photogrammetry maar dan veel simpeler), en dan zoiets als dit gebruikt? Lijkt mij dat als je simpele diepte map hebt, je veel makkelijker kleine straatjes kan herkennen.