Tilbake til søkeresultatene

INNOFFARENA-Innovasjonsarena for stat og kommune

Towards automated 3D geospatial objects from optical imagery using novel Ai methods

Alternativ tittel: 3D konstruksjon av kartobjekter ved bruk av flybilder og dyp læring

Tildelt: kr 1,9 mill.

Målet for prosjektet er å utvikle kunstig intelligens for å skape 3-dimensjonale representasjoner av bygninger uten menneskelig innblanding. Ambisjonen er å gjøre dette kun ved bruk av flybilder. I Norge har vi store mengder geografiske data som innehar et stort utnyttelsespotensiale. Den nåværende prosessen for å utnytte denne dataen består av tidkrevende og manuelt arbeid. Dette prosjektet kommer i hovedsak til å rette seg mot generering av bygningsobjekter som etterhvert kan legges inn i FKB-Bygning. FKB-Bygning er en database som inneholder bygningsinformasjon om alle registrerte bygninger i Norge. Statens kartverk ønsker å automatisere store deler av prosessen rundt konstruksjon og oppdatering av FKB-Bygning. Dette prosjektet vil utforske mulighetene for å kun bruke flybilder til generering og plassering av 3-dimensjonale bygningsrepresentasjoner på kartet. Første steg vil være å bruke kunstig intelligens til å lage omriss av bygninger, noe som allerede er gjort men ikke med god nok nøyaktighet. Videre må man gjenkjenne samme bygning i to forskjellige flybilder, som man da kan bruke som datagrunnlag i kombinasjon med fotogrammetri, for å generere en 3-dimensjonal representasjon av bygningen. Forskningen i prosjektet kommer til å bruke data med områder fra hele Norge for å være sikker på at modellene generaliserer godt. Den dataen som brukes til å teste den kunstige intelligens er såkalt ekte data, og resultatene vil derfor reflektere hvor godt den gjør det i en produksjonssetting. Resultatene fra arbeidet vil være et bidrag på veien mot en mer automatisk prosess for konstruering av FKB-Bygning objekter.

The project focuses on techniques and data sources that will enable the realization of 2.5/3-dimensional map objects. The motivation behind the project is automating labor-intensive work related to creating maps and increasing the utilization rate of the data captured. The cost-benefit relationship is central to all mapping projects. As a result, mapping projects use strict requirements and assessments before ordering a project. Through this project, we hope to benefit from and contribute to the rapid advancements in the following computer vision subfields; segmentation and 3-dimensional object reconstruction using aerial multiview images. AI can locate and annotate objects such as buildings using orthophotos with generally good results but not precise enough for map production. However, converting the segmentation results into production-ready and fully approved vectorized objects for "Sentral Felles Kartdatabase" (SFKB) [1] is regarded as difficult. One of the issues is that the product specifications and registration instructions are complex and designed for a manual approach [2]. Another issue is that most research employs a 2D mosaic of corrected aerial images (orthophoto). The project will not use orthophoto as the sole data source but will include and use data sources such as laser scanning, oblique, and vertical images. Images in flight and cross-flight directions overlap by approximately 80% and 30%, respectively. The overlap ensures the collection of at least three images from different camera positions for each object. The various viewpoints serve as the input foundation for generating 3-dimensional models for map objects such as buildings. The final step is to convert the objects in the image to a 3-dimensional representation and convert model coordinates to map coordinates. Furthermore, utilizing oblique images enables AI to find object attributes not present in vertical images, allowing for a richer 3-dimensional object model.

Budsjettformål:

INNOFFARENA-Innovasjonsarena for stat og kommune