Classificatie van geogerefeerde objecten
Een van de toepassingen van beeldherkenning met kunstmatige intelligentie is het classificeren van geogerefereerde objecten voor het signaleren van mutaties of kartering. Het op locatie bekijken van de status van objecten zoals bijvoorbeeld bebouwing, groenvoorzieningen, beschoeiing en wegdek is erg tijdrovend. Gelukkig kan een groot deel van deze taken tegenwoordig autonoom of semi autonoom opgelost worden door het trainen van deep learning netwerken. Door gebruik te maken van libraries zoals GDAL en PDAL kunnen we veel verschillende formaten geo data omvormen of exporteren. Met software als QGIS kunnen we de resultaten eenvoudig zichtbaar maken.
Computer vision op luchtfoto’s
Luchtfoto’s hebben vaak een betere kwaliteit dan satelliet beelden, omdat er met een goede camera dichter bij de grond gevlogen kan worden. Het is daardoor met foto’s die gemaakt zijn vanuit een vliegtuig of drone eenvoudiger om gedetailleerde objecten te herkennen. Luchtfoto’s lenen zich beter om een specifiek gebied volledig automatisch in kaart te brengen. Ook kunnen er met zogenaamde oblique foto’s een zij aanzicht gemaakt worden, waardoor diepte te bepalen is en andere details zichtbaar worden. Het nadeel is vaak wel dat er actief een vlucht gemaakt moet worden om het terrein in kaart te brengen. Deze techniek leent zich goed voor het gedetailleerd in kaart brengen van kleinere objecten of voor specifieke bedrijven terreinen of natuurgebieden.
Computer vision op luchtfoto’s
Luchtfoto’s hebben vaak een betere kwaliteit dan satelliet beelden, omdat er met een goede camera dichter bij de grond gevlogen kan worden. Het is daardoor met foto’s die gemaakt zijn vanuit een vliegtuig of drone eenvoudiger om gedetailleerde objecten te herkennen. Luchtfoto’s lenen zich beter om een specifiek gebied volledig automatisch in kaart te brengen. Ook kunnen er met zogenaamde oblique foto’s een zij aanzicht gemaakt worden, waardoor diepte te bepalen is en andere details zichtbaar worden. Het nadeel is vaak wel dat er actief een vlucht gemaakt moet worden om het terrein in kaart te brengen. Deze techniek leent zich goed voor het gedetailleerd in kaart brengen van kleinere objecten of voor specifieke bedrijven terreinen of natuurgebieden.
Beeldherkenning op satelliet beelden
Satelliet beelden zijn doorgaans een goede basis voor beeldherkenning. Vaak is er een groot gebied in kaart gebracht en worden er relatief vaak nieuwe foto’s gemaakt zodat gegevens up to date zijn. Ook is aardobservatie in de beeldherkenning vergevorderd en zijn er veel gegevens beschikbaar waardoor een netwerk goed te trainen is via de Sentinel missie van het Netherlands Space Office en de data beschikbaar in PDOK. Hierdoor is het bijvoorbeeld mogelijk om op satelliet beelden wegen, spoorwegen en rivieren te herkennen. Maar ook bijvoorbeeld auto’s, stukken groen en status van weilanden en natuurgebieden. Zoals bij veel projecten met deep learning zit de uitdaging vooral in het aan kunnen leveren van de juiste gegevens om een deep learning netwerk mee te trainen. Daarvoor moet aangegeven worden wat correct en incorrect is zodat het systeem daarvan kan leren. Omdat objecten vaak al GPS coördinaten hebben is dit relatief goed te aan te leren zolang er bronnen te gebruiken zijn.
Detectie op beelden van camera auto’s
Auto’s die uitgevoerd zijn met een camera en GPS ontvangers kunnen ook geo gerefereerde beelden opleveren. Vaak hebben deze auto’s een hoge kwaliteit 360 graden camera en soms ook nog een LIDAR of infrarood camera, waardoor ze uitermate geschikt zijn voor beeldherkenning. De 360 graden camera beelden kunnen omgevormd worden tot bijvoorbeeld top down beelden, maar kunnen ook direct gebruikt worden om objecten op straat te detecteren. Met LIDAR kan ook nog een keer 3D informatie gebruikt worden en met infrarood is het mogelijk om meer informatie over het type materiaal of begroeiing te detecteren. Zo kan er bijvoorbeeld gekeken worden naar de status van het wegdek, straatmeubilair, groenvoorzieningen en nog veel meer.
Detectie op beelden van camera auto’s
Auto’s die uitgevoerd zijn met een camera en GPS ontvangers kunnen ook geo gerefereerde beelden opleveren. Vaak hebben deze auto’s een hoge kwaliteit 360 graden camera en soms ook nog een LIDAR of infrarood camera, waardoor ze uitermate geschikt zijn voor beeldherkenning. De 360 graden camera beelden kunnen omgevormd worden tot bijvoorbeeld top down beelden, maar kunnen ook direct gebruikt worden om objecten op straat te detecteren. Met LIDAR kan ook nog een keer 3D informatie gebruikt worden en met infrarood is het mogelijk om meer informatie over het type materiaal of begroeiing te detecteren. Zo kan er bijvoorbeeld gekeken worden naar de status van het wegdek, straatmeubilair, groenvoorzieningen en nog veel meer.
