На пути к кадастровому интеллекту?

Доктор наук Мила Коева работает в Университете Твенте, факультет Геоинформационных наук и земных наблюдений (ITC), руководитель проекта Its4land, выполняемого по программе «Горизонт 2020» Европейского Союза. Посетила Минск с рабочим визитом в 2018 году.  Сфера интересов – современные технологии управления земельными ресурсами по данным дистанционного зондирования Земли. В журнале GIM-International, Май-Июнь 2019 г., №3, опубликована ее статья о возможностях искусственного интеллекта в кадастровой инженерии. Ниже приведен сокращенный перевод статьи.

**********

Неспособность получать доступ к официальным системам регистрации Земли способствует небезопасному землевладению и конфликтам, особенно в развивающихся странах. Необходимы недорогие картографические решения для управления земельными ресурсами. В статье описан опыт составления карт землепользования на основе БПЛА, самый современный подход к дистанционному зондированию Земли, геоинформатике и компьютерному зрению. Главный вопрос, как подойти к кадастровому искусственному интеллекту, который объединяет экспертные знания человека с автоматически генерируемыми знаниями машины.

Кадастровое картирование способствует созданию формальных систем регистрации и защиты прав на землю. По данным Всемирного банка и Международной федерации геодезистов (FIG) 75% населения мира не имеют доступа к таким системам. FIG заявляет, что в 90 странах отсутствуют системы регистрации земли, а в 50 странах такие системы находятся в процессе создания. В этих странах кадастровое картографирование осуществляется на бумаге, часто по устаревшим картам или спутниковым изображениям низкого разрешения, которые могут включать области, покрытые облаками. Определение границ, как правило, проводится в процессе сотрудничества между членами сообществ, правительствами и специальными организациями по оказанию помощи. Этот процесс иногда называется «картографирование сообществом» (community mapping), «картографирование с участием» (participatory mapping), или «ГИС с участием» (participatory GIS). В многочисленных исследованиях изучалось кадастровое картирование на основе ортоизображений, полученных с помощью спутниковых изображений или аэрофотоснимков, а в последнее время также с использованием изображений с беспилотных летательных аппаратов (БПЛА или «дронов»).

Показано, что средняя геометрическая точность в этих случаях такая же или выше, чем у традиционных методов наземной съемки. Как следствие, БПЛА все чаще предлагаются в качестве инструмента для быстрого и дешевого сбора пространственных данных, позволяющего производить или обновлять кадастровые карты.

Видимые границы

Методы кадастровой съемки разделяются на (i) прямые методы, в которых точное пространственное положение границы измеряется на земле с использованием теодолита, тахеометра или глобальной навигационной спутниковой системы (GNSS), и (ii) косвенные методы с использованием таких пространственных данных, как аэрофотоснимки, спутниковые снимки или изображения с БПЛА. Косвенные методы основаны на существовании видимых границ, ограниченных физическими особенностями. Например, здания, живые изгороди, заборы, стены, дороги, тропинки, виды культур или водоемы. Видимые границы выявляются анализом изображений. Предполагается, что видимые границы составляют большую часть всех кадастровых границ.

Автоматизированное кадастровое картографирование

Чтобы исследовать потенциал использования данных БПЛА в сочетании с автоматическим извлечением признаков из изображений для составления карт землепользования, былj разработано специальное программное обеспечение, которое облегчает определение видимых кадастровых границ из данных БПЛА в косвенной кадастровой съемке. Оператор создает узлы кликами вдоль границы. Предлагается подход, когда оператор имеет несколько вариантов создания границы, используя автоматически извлеченные объекты вдоль видимых границ. Один из вариантов состоит в выборе узлов из набора предложенных узлов, которые затем автоматически соединяются вдоль видимых контуров объектов, полученных из данных БПЛА. Подход машинного обучения применяется для изучения того, какие объекты очерчивают кадастровые границы в конкретном масштабе изображения.

Автоматизированный рабочий процесс выделения границ

(a) Сегментация изображения позволяет получить замкнутые контуры, фиксирующие контуры видимых объектов на изображении. Мульти-разрешительная комбинаторная группировка (MCG) показала, что она применима к данным БПЛА высокого разрешения и обеспечивает получение точных контуров видимых объектов.

(b) Сегментация изображения направлена на то, чтобы узнать, какие линии из (a) полезны для разграничения кадастровых границ. Это достигается машинным обучением, которое учитывает линии и их контекст. После обучения по ряду линий программное обеспечение может предсказать вероятность границы для линий из (a), которая представляет линии кадастрового картирования.

(c) Интерактивное разграничение позволяет пользователю начать фактический процесс разграничения: ортомозаика RGB отображается пользователю. Пользователя просят создать окончательные границы, используя автоматически извлеченные элементы вероятных границ.

Проблемы определения границ

Предлагаемый рабочий процесс определения границ, который полностью написан открытым исходным кодом, оценен на различных данных БПЛА в Руанде, Кении, Германии и Франции. Учитывая сложность кадастровых границ, автоматизация их распознавания остается сложной задачей. Сложность зависит от изменчивости объектов и разнообразия их характеристик. Эти обстоятельства препятствуют составлению типовой модели кадастровой границы и, следовательно, разработке универсального метода. Не существует стандартизированных спецификаций границ объектов. Границы часто не отражаются как непрерывные.

Продолжение работ

В настоящее время авторы пересматривают этапы рабочего процесса (b) классификации границ и (c) интерактивного их выделения. Для (b) они исследуют подход, основанный на глубоком обучении нейронной сети. Для (c) они повышают удобство использования и эффективность подключаемого модуля, добавляя дополнительные функции распознавания и ускорения обработки и формирования полигонов.

Извлекаемые границы

Для дальнейшей разработки автоматического кадастрового картирования при косвенной съемке авторы предлагают рассмотреть т.н. «извлекаемую границу», а не только «видимую границу». Вместо того, чтобы фокусироваться на видимой границе, состоящей из контуров физических объектов, автоматическое кадастровое картирование должно фокусироваться на распознавании границы с использованием знаний о местности или  контекста изображения. Знания о местности помогают в определении границ, например, между двумя маяками. Контекст помогает, например, при распознавании открытых ворот в заборе в качестве границы. Эта информация не присуща концепции видимой границы, но она извлекается из изображений дистанционного зондирования Земли.

Заключение

Выделение кадастровых границ не может быть сегодня полностью автоматизировано, поскольку извлеченные контуры границ требуют (юридического) решения и включения местных знаний от операторов-людей для создания окончательных кадастровых границ. Подходы, основанные на изображениях, могут автоматически формировать объекты, но которые не имеют юридического значения. Эти обстоятельства ограничивают возможности автоматизированных подходов. Авторы отмечают, что автоматизация кадастрового картографирования может быть успешной только тогда, когда имеет место интерактивная часть, которая устраняет разрыв между автоматически генерируемыми результатами и окончательной кадастровой границей.

Оригинал здесь.