Специалисты Университета аэрокосмического приборостроения создали инновационную систему машинного обучения, которая позволяет анализировать ландшафт в режиме реального времени.
Новая система автоматически обрабатывает данные, полученные с беспилотных летательных аппаратов, и с высокой точностью распознает объекты. Скорость распознавания сравнима со скоростью полета дрона.
Раньше создание карт местности было длительным процессом, требующим ручной работы. Например, на построение карты рельефа лесного массива уходили целые сутки. Теперь же эту задачу можно решить за считанные минуты. Разработка стала результатом работы пяти сотрудников лаборатории машинного обучения Инженерной школы Университета аэрокосмического приборостроения.
Основой технологии стал лидар – устройство, которое использует лазерные лучи для измерения расстояний до объектов и формирования трехмерной модели местности. Отраженные от поверхности сигналы формируют детальную цифровую модель ландшафта, позволяя различать изгибы рек, мосты, леса и другие особенности местности.
Родион Машковцев, лаборант лаборатории машинного обучения, отметил, что ранее применявшиеся математические алгоритмы не обеспечивали необходимой точности анализа и часто создавали цифровой «шум». Новая модель машинного обучения значительно улучшает точность распознавания и позволяет решать сложные задачи в различных условиях, включая поиск людей в горах и густых лесах. Система способна «видеть» даже сквозь листву, что невозможно при использовании обычных оптических камер.
Сергей Ненашев, заведующий лабораторией промышленной электроники Инженерной школы, подчеркнул, что ранее они использовали наземный лидар, но его возможности были ограничены по охвату территории. Воздушно-лазерное сканирование позволяет обрабатывать огромные площади – на километры в длину.
Весь процесс – от сбора до анализа данных – происходит в режиме реального времени. Нейросеть, встроенная в систему, мгновенно распознает объекты, а информация с беспилотников поступает на сервер, что позволяет работать с большими объемами данных.
Разработка имеет широкий спектр применения. Роман Воронов, лаборант лаборатории машинного обучения, отметил, что технология может быть полезна в геодезии, нефтедобыче, промышленной инфраструктуре городов, кадастровых работах, сельском и лесном хозяйстве, логистике, мониторинге водоемов и охране объектов.
Компьютерное зрение, лежащее в основе решения, открывает новые возможности для автоматизации анализа местности и может значительно повысить эффективность работы в различных отраслях.
Источник: geoinfo.ru
распечатать статью
