Mapa dibujado a mano en el Museo de Arte Moderno de Massachusetts
Los cartógrafos modernos son mucho más fáciles que sus colegas del pasado, quienes crearon un esquema lejos de ser ideal con estimaciones muy aproximadas de la ubicación de los objetos. Hasta principios del siglo XX, la cartografía cambiaba lentamente y, aunque casi no había manchas blancas en ese momento, no podían presumir de la precisión del mapa.
Con el comienzo de la era de la fotografía aérea del terreno, los cartógrafos recibieron una excelente herramienta que permitió elaborar un plan detallado de cualquier territorio. Se suponía que las imágenes satelitales completarían el trabajo de mil años de duración para crear la herramienta de orientación ideal, pero los cartógrafos enfrentaron nuevos problemas.
Como herramienta para resolver problemas y errores cartográficos, apareció el proyecto OpenStreetMap (OSM), basado en los datos de los cuales existe nuestro servicio MAPS.ME. OSM tiene una gran cantidad de datos: no solo imágenes satelitales delineadas, sino también información que solo los residentes locales conocen. Hoy le diremos con más detalle cómo el mundo real se digitaliza y se convierte en un mapa.
Fotofijando el terreno
Esta tarjeta tiene 14,000 años.
Los primeros mapas aparecieron en el período de la historia primitiva. Curvas de ríos, crestas, barrancos, picos rocosos, senderos de animales: todos los objetos están indicados por muescas simples, líneas onduladas y rectas. Los mapas posteriores no están lejos de los primeros dibujos incompletos.
La invención de una brújula, un telescopio, un sextante y otros instrumentos de navegación, y el período posterior de los Grandes descubrimientos geográficos, llevaron al florecimiento de la cartografía, pero los mapas aún no eran lo suficientemente precisos. El uso de varios instrumentos y métodos matemáticos no podría ser la solución al problema; al final, la gente dibujó mapas usando una descripción o diagramas creados en especie.
Una nueva etapa en el desarrollo de la cartografía comenzó con la topografía topográfica. Por primera vez, la topografía terrestre para la producción de mapas topográficos comenzó en el siglo XVI, y las primeras fotografías aéreas de territorios inaccesibles se realizaron en la década de 1910. En Rusia, tanto los "mapas del Estado Mayor" catastrales como los notorios, cuya precisión y cobertura en ese momento no tenían precedentes, fueron creados por los topógrafos utilizando el teodolito .
Ejemplo de descifrado de mediados del siglo pasado
Después de la fotografía aérea, es necesario un paso de descifrado largo y complejo. Los objetos en la imagen deben ser identificados y reconocidos, para establecer sus características cualitativas y cuantitativas, y también para registrar los resultados. El método de descifrado se basa en las leyes de reproducción fotográfica de las propiedades ópticas y geométricas de los objetos, así como en las relaciones de su distribución espacial. En pocas palabras, se tienen en cuenta tres factores: la óptica, la geometría de la imagen y la distribución espacial.
Para obtener datos de relieve, se utilizan métodos combinados de contorno y estereotopográficos. En el primer método, las alturas de los puntos más importantes en la superficie se determinan directamente con la ayuda de instrumentos geodésicos, y luego la posición de las líneas de contorno se aplica a las fotografías aéreas. El método estereotopográfico implica la superposición parcial de dos imágenes entre sí para que cada una de ellas represente la misma área. En un estereoscopio, esta área se ve como una imagen tridimensional. Además, según este modelo, el uso de los instrumentos determina las alturas de los puntos del terreno.
Imágenes satelitales
Ejemplo de un par estéreo del satélite WorldView-1
Del mismo modo, al crear una imagen estéreo, los satélites también funcionan. La información sobre el terreno (y muchos otros datos, incluida la interferometría de radar, la construcción de modelos digitales del terreno, la determinación de los desplazamientos y las deformaciones de la superficie y las estructuras de la Tierra) la proporcionan los satélites de detección remota remota de la Tierra y el radar.
Los satélites de resolución ultra alta no fotografían todo en una fila (no se necesitan bosques siberianos interminables en alta resolución), sino por orden para un territorio específico. Dichos satélites incluyen, por ejemplo, Landsat y Sentinel (en órbita están Sentinel-1, responsable de las imágenes de radar, Sentinel-2, que realiza estudios ópticos de la superficie de la Tierra y el estudio de la vegetación, y Sentinel-3, que observa el estado de los océanos).
Imagen de satélite Landsat 8 de Los Ángeles
Los satélites envían datos no solo en el espectro visible, sino también en el infrarrojo (y varios otros). Los datos de rangos espectrales invisibles para el ojo humano nos permiten analizar los tipos de superficie, monitorear el crecimiento de los cultivos, detectar incendios y mucho más.
La imagen de Los Ángeles incluye las bandas de frecuencia electromagnética correspondientes (en terminología Landsat 8) a los rangos 4-3-2. Landsat designa sensores rojos, verdes y azules como 4, 3 y 2, respectivamente. Aparece una imagen a todo color cuando se combina una combinación de imágenes de estos sensores.
Los propietarios de satélites y los distribuidores oficiales (DigitalGlobe, e-Geos, Airbus Defence and Space y otros) reciben y procesan datos. En nuestro país, los principales proveedores de imágenes satelitales son Russian Space Systems , Sovzond y ScanEx .
Muchos servicios se basan en conjuntos de datos de Global Land Survey (GLS) de US Geological Survey (USGS) y NASA. GLS recibe datos principalmente del proyecto Landsat, que ha estado creando imágenes satelitales de todo el planeta en tiempo real desde 1972. Con Landsat, puede obtener información sobre toda la superficie de la tierra, así como sobre sus cambios en las últimas décadas. Es este proyecto para todos los servicios cartográficos públicos el que sigue siendo la fuente principal de datos de teledetección de la Tierra a pequeña escala.
Bahamas en términos de MODIS
El espectroradiómetro de escaneo de resolución media MODIS (espectroradiómetro de imágenes de resolución moderada) se encuentra en los satélites Terra y Aqua, que forman parte del programa integrado NASA EOS (Sistema de Observación de la Tierra). La resolución de las imágenes resultantes es más gruesa que los resultados de la mayoría de los otros satélites, pero la cobertura le permite obtener una colección global diaria de imágenes en tiempo casi real.
Los datos multiespectrales son útiles para analizar la superficie de la Tierra, el océano y la atmósfera, ya que permiten en línea (literalmente unas pocas horas) estudiar los cambios en las nubes, nieve, hielo, cuerpos de agua, vegetación, rastrear la dinámica de las inundaciones, incendios, etc.
" Living Atlas of the World " es un atlas que contiene mapas y datos dedicados a una variedad de temas: población, negocios, paisaje, clima, transporte, etc.
Geoportal Roscosmos : una fuente de datos gratuita (parcialmente). Imágenes de satélite proporcionadas por Roscosmos y NASA, datos de mapas - OpenStreetMap y Rosreestr, herramientas de búsqueda - GeoNames y OpenStreetMap Nominatim .
Además de los satélites, hay otra dirección prometedora de disparos "verticales": recibir datos de drones. Entonces, la compañía DroneMapper envía drones (raramente - quadrocopters) para inspeccionar tierras de cultivo - resulta más económico que usar un satélite o un avión.
Los satélites proporcionan una gran cantidad de información diversa y pueden tomar fotografías de toda la Tierra, pero las empresas solicitan datos solo para el territorio que necesitan. Debido al alto costo de las imágenes satelitales, las empresas prefieren detallar los territorios de las grandes ciudades. Todo lo que se considera escasamente poblado, generalmente se elimina en los términos más generales. En regiones con nubosidad constante, los satélites toman imágenes nuevas y nuevas, logrando imágenes claras y aumentando los costos. Sin embargo, algunas empresas de TI pueden permitirse comprar imágenes de países enteros. Por ejemplo, Bing Maps.
Basado en imágenes satelitales y mediciones en tierra, se crean mapas vectoriales. Los datos vectoriales procesados se venden a empresas que imprimen mapas en papel y / o crean servicios de mapas. Dibujar mapas usted mismo usando imágenes satelitales es costoso, por lo que muchas compañías prefieren comprar una solución llave en mano basada en la API de Google Maps o el SDK de Mapbox y modificar su propio equipo de cartógrafos.
Problemas de mapas satelitales
En el caso más simple, para dibujar un mapa moderno, es suficiente tomar una imagen de satélite o un fragmento de ella y volver a dibujar todos los objetos en el editor o en algún servicio de creación de mapas interactivos en línea. A primera vista, en el ejemplo anterior, todo está bien desde OSM: las carreteras se ven como deberían. Pero esto es solo a primera vista. De hecho, estos datos digitales no corresponden al mundo real, ya que están distorsionados y desplazados en relación con la ubicación real de los objetos.
El satélite toma imágenes en ángulo a alta velocidad, el tiempo para tomar fotos es limitado, las imágenes están pegadas entre sí ... Los errores se superponen entre sí, por lo que comenzaron a usar la toma de fotos y videos en el suelo para crear mapas, así como geotracking de autos, lo que es una clara evidencia de la existencia de una ruta en particular.
Un ejemplo de una imagen en la que surgió un problema debido a una mala ortorectificación: las pistas se colocaron perfectamente cerca del agua y se movieron hacia la montaña hacia la derecha
El terreno, las condiciones de disparo y el tipo de cámara afectan la apariencia de distorsión en las imágenes. El proceso de eliminar la distorsión y convertir la imagen original en una proyección ortogonal, es decir, una en la que cada punto del terreno se observa estrictamente verticalmente, se llama ortorectificación.
Redistribución de píxeles en la imagen como resultado de la corrección ortográfica
El uso de un satélite que solo tomaría imágenes por encima de un punto dado es costoso, por lo que el disparo se realiza en un ángulo que puede alcanzar los 45 grados. Desde una altura de cientos de kilómetros, esto conduce a una distorsión significativa. Para crear mapas precisos, la orto-rectificación de calidad es vital.
Los mapas pierden relevancia rápidamente. ¿Has abierto un nuevo estacionamiento? ¿Has construido una carretera de circunvalación? ¿La tienda se mudó a una dirección diferente? En todos estos casos, las imágenes obsoletas del territorio se vuelven inútiles. Sin mencionar el hecho de que muchos detalles importantes, ya sea un vado en el río o un sendero en el bosque, no son visibles en las imágenes desde el espacio. Por lo tanto, trabajar en mapas es un proceso en el que es imposible poner un punto final.
¿Cómo funcionan las tarjetas OpenStreetMap?
Imagen
OpenStreetMap es un proyecto de mapeo sin fines de lucro en el que una comunidad de usuarios de todo el mundo crea un mapa geográfico abierto y gratuito. Para crear mapas utilizando datos de rastreadores GPS personales, fotografía aérea, grabaciones de video, imágenes satelitales, así como el conocimiento humano. El próximo proyecto con el que se puede comparar OSM es Wikipedia. Del mismo modo, en OSM, cualquier usuario edita un mapa y los datos del proyecto se distribuyen bajo una licencia gratuita.
OpenStreetMap utiliza pistas GPS grabadas por los usuarios e imágenes satelitales de Bing, Mapbox, DigitalGlobe como base para los mapas. Las tarjetas de visita como Google y Yandex no se pueden usar debido a restricciones legales.
Las imágenes se atan al terreno automáticamente en la etapa de adquisición. Los escaneos también se pueden vincular utilizando puntos de referencia con coordenadas conocidas obtenidas de pistas o asociadas con puntos de la red geodésica.
Al editar mapas, las imágenes de satélite en OSM siempre se cambian como pistas grabadas en el show en el suelo, compensando la mayoría de los errores. Hay muchas aplicaciones que pueden grabar y compartir pistas GPS, por ejemplo, Geo Tracker , Strava (Android) y GPX Tracker (iOS).
El creador de un mapa en una imagen de satélite primero dibuja caminos utilizando datos de seguimiento. Dado que las pistas describen el movimiento en coordenadas geográficas, es fácil determinar por dónde pasa la carretera. Luego se aplican todos los demás objetos. Los objetos perdidos y reales se crean a partir de las imágenes, y las firmas que indican la propiedad de los objetos o que las complementan con información de fondo se toman de observaciones o registros.
Para crear un mapa lleno de información variada, use un sistema de información geográfica (SIG) diseñado para trabajar con geodatos, para su análisis, transformación, análisis e impresión. Con SIG, puede crear su propio mapa con la visualización de cualquier dato. En el SIG para mapas, puede agregar datos de Rosstat, municipios, ministerios, departamentos, todos los llamados datos geoespaciales.
¿De dónde vienen los geodatos?
Por lo tanto, las imágenes de satélite se desplazan en relación con la realidad en varias decenas de metros. Para hacer un mapa verdaderamente preciso, debe armarse con un navegador (receptor GPS) o un teléfono normal. Y luego usando el receptor o la aplicación en el teléfono para registrar el número máximo de puntos de seguimiento. La grabación se lleva a cabo a lo largo de objetos lineales ubicados en el suelo: son adecuados ríos y canales, caminos, puentes, vías de tren y tranvía, etc.
Una pista nunca es suficiente para ninguna sección: ellas mismas también se graban con un cierto nivel de error. Posteriormente, el sustrato del satélite se alinea con múltiples pistas grabadas en diferentes momentos. Cualquier otra información se toma de fuentes abiertas (o la proporciona el proveedor de datos).
Es difícil imaginar tarjetas sin información sobre varias compañías. Yelp, TripAdvisor, Foursquare, 2GIS y otros recopilan datos locales sobre organizaciones con referencia a posiciones de GPS. La comunidad (incluidos los representantes directos de las empresas locales) aporta datos de forma independiente a OpenStreetMap y Google Maps. No todas las redes grandes quieren molestarse con la adición de información, por lo que recurren a empresas ( Brandify , NavAds , Mobilosoft y otras) que ayudan a colocar sucursales en mapas y controlar la relevancia de los datos.
A veces, la información sobre objetos de terreno real se agrega a los mapas a través de aplicaciones móviles: inmediatamente, en el campo, una persona tiene la capacidad de actualizar con precisión los datos del mapa. En MAPS.ME hay un editor de mapas incorporado para esto, a través del cual los datos actualizados van directamente a la base de datos OpenStreetMap. La confiabilidad de la información es verificada por otros miembros de la comunidad OSM. En la "dirección opuesta", los datos de OSM se envían a MAPS.ME en forma cruda. Antes de que aparezcan en la pantalla del teléfono inteligente del usuario, se procesan y empaquetan.
El futuro: mapeadores de redes neuronales
Facebook dijo que usaron algoritmos de aprendizaje automático para encontrar caminos en imágenes satelitales. Pero las personas que revisaron las carreteras y las "pegaron" con datos de OSM ya hicieron la verificación de los hechos.
El año pasado, el servicio de intercambio de fotos de Mapillary agregó una función que proporciona segmentación semántica de imágenes de objetos. De hecho, pudieron dividir las imágenes en grupos separados de píxeles correspondientes a un objeto con la determinación simultánea del tipo de objeto en cada área. La gente hace esto muy fácilmente; por ejemplo, la mayoría de nosotros podemos identificar y encontrar automóviles, peatones, casas en imágenes. Sin embargo, las computadoras eran difíciles de navegar en una gran variedad de datos.
Utilizando un entrenamiento profundo en la red neuronal convolucional, Mapillary pudo identificar automáticamente 12 categorías de objetos que se encuentran con mayor frecuencia en la escena del camino. Su método permite lograr avances en otras tareas de visión artificial. Ignorando las coincidencias entre objetos en movimiento (por ejemplo, nubes y vehículos), podemos mejorar significativamente la cadena de proceso de transformación de datos fuente en una imagen bidimensional o estereoscópica. La segmentación semántica de Mapillary proporciona una estimación aproximada de la densidad de la vegetación o la disponibilidad de pavimento en algunas áreas urbanas.
El sudoeste de Moscú dividió la red neuronal en zonas según el tipo de desarrollo.
El proyecto CityClass analiza los tipos de desarrollo urbano utilizando una red neuronal. Hacer un mapa de la zonificación funcional de la ciudad es largo y monótono, pero puede entrenar una computadora para distinguir una zona industrial de una residencial y el desarrollo histórico de un microdistrito.
Un equipo de científicos de Stanford entrenó una red neuronal para predecir la pobreza en África a partir de imágenes satelitales diurnas y nocturnas. Primero, la cuadrícula encuentra los techos de las casas y los caminos, y luego los compara con los datos sobre la iluminación de los territorios por la noche.
La comunidad continúa siguiendo los primeros pasos en el campo de la creación automática de mapas, y ya utiliza la visión artificial para dibujar algunos objetos. Es difícil dudar de que el futuro pertenecerá a tarjetas creadas no solo por personas, sino también por máquinas.