ऊपर से संकेत: कैसे हम अनावश्यक काम और लाल आँखों से कार्टोग्राफर को बचाया

2GIS डेटा सटीकता पर गर्व करता है। प्रत्येक शहर में प्रत्येक कार्य दिवस, हमारे विशेषज्ञ पूरे क्षेत्रों में नक्शे पर सभी परिवर्तनों को ठीक करने के लिए जाते हैं - नए घर, सड़कें और यहां तक ​​कि रास्ते भी। और वे सड़क पर और सड़क के संकेतों को भी इकट्ठा करते हैं और सड़क और पैदल मार्गों को ठीक से बनाने में मदद करते हैं। इस लेख में मैं आपको बताऊंगा कि कैसे हमने कार्टोग्राफरों की मदद करने का फैसला किया और सड़क के संकेतों को स्वचालित रूप से एकत्र करना शुरू कर दिया।

फिजी क्या है और इसके संकेत क्यों हैं

फिजी एक मानचित्र संपादक है जिसे हम अपने जीआईएस विशेषज्ञों के लिए विकसित करते हैं। यह एक क्लासिक क्लाइंट-सर्वर एप्लिकेशन है। हब पर पहले से ही कई लेख हैं: जिसमें हम फिजी के बारे में बात करते हैं:

• एंटरप्राइज़ एप्लिकेशन में UI, या हमने नक्शे बनाने के लिए एक सुविधाजनक प्रणाली कैसे बनाई
• हम कार्ड बनाने वालों के लिए कार्ड कैसे बनाते हैं
• अनंत स्थानीयकरण, या हम वास्तविक समय में मानचित्र का अनुवाद कैसे करते हैं

इससे पहले संकेत कैसे एकत्र करें

फ़िजी में संकेतों को इकट्ठा करने और अद्यतन करने के लिए ऑपरेशन का एक विशेष मोड है। इस मोड में, मैपर डीवीआर द्वारा रिकॉर्ड किए गए वीडियो को खोल सकता है। वीडियो स्वयं एक अलग विंडो में प्रदर्शित होता है, और इसका ट्रैक मानचित्र पर प्रदर्शित होता है। मार्कर वर्तमान स्थिति दिखाता है।



वीडियो के शीर्ष पर एक ग्रिड लगाया जाता है - यह आपको साइन की दूरी निर्धारित करने की अनुमति देता है। जैसे ही चरित्र एक सेल का आकार बन जाता है, कार्टोग्राफर चरित्र को रोक देता है और बनाता है। इस समय, हम वर्तमान स्थिति और संकेत की दूरी जानते हैं, इसलिए हम इसे आगे बढ़ाते हैं और इसे लिंक पर आकर्षित करते हैं। हमारी शब्दावली में लिंक एक सड़क अनुभाग का एक योजनाबद्ध प्रतिनिधित्व है। प्रत्येक वर्ण का अपना संख्यात्मक कोड होता है, उसका कार्टोग्राफर एक विशेष क्षेत्र में प्रवेश करता है।

यदि हम पहले ही किसी पात्र में प्रवेश कर चुके हैं, तो हम उसे चरित्र संपादक में लोड करते हैं। कार्टोग्राफर वीडियो की जांच करता है और यदि आवश्यक हो, तो समान संख्यात्मक कोड का उपयोग करके परिवर्तन करता है। या, यदि संकेत सही है, तो इसे अद्यतन के रूप में चिह्नित करें।

बेशक, इस विधि को प्रत्येक वीडियो को देखने के लिए मानचित्रकार की आवश्यकता होती है - और फिर प्रत्येक चरित्र में प्रवेश करने पर भी समय बिताना पड़ता है। इसके अलावा, मानचित्र पर संकेत की स्थिति सटीक रूप से निर्धारित नहीं की गई है: हम बस ग्रिड द्वारा निर्धारित दूरी से वर्तमान स्थिति से विचलित होते हैं, और फिर हम परिणामी बिंदु को निकटतम सड़क तक खींचते हैं। नतीजतन, जहां आवश्यक हो वहां पर संकेत बिल्कुल नहीं बनाए जा सकते हैं (या बिल्कुल भी नहीं)। इसका मतलब यह है कि कार्टोग्राफर को उसे सही जगह पर ले जाना चाहिए, जो उसके समय का उपभोग भी करता है। इसके अलावा, वीडियो में कोई संकेत नहीं हो सकता है, लेकिन कार्टोग्राफर अभी भी इसे देखने के लिए मजबूर है। बेशक, कार्यक्रम आपको वीडियो की गति बढ़ाने की अनुमति देता है, लेकिन किसी भी मामले में समय की लागत शून्य से अधिक होगी। इसलिए, हमने इस प्रक्रिया को स्वचालित करने का निर्णय लिया।

अब कैसे इकट्ठा करें

हमें अभी भी रजिस्ट्रार वीडियो की आवश्यकता है। लेकिन अब, हर एक को देखने के बजाय, कार्टोग्राफर बस आवश्यक फाइलों का चयन करता है और "डाउनलोड" बटन दबाता है। उसके बाद, वह अन्य चीजें कर सकता है - वीडियो को संसाधित किया जाएगा और नक्शे पर सड़क के संकेत दिखाई देंगे। विभिन्न संदिग्ध मामलों को विशेष रूप से नोट किया जाएगा। इसलिए, कार्टोग्राफर के लिए जो कुछ भी रहता है, वह इन मामलों में जाना और उन्हें सही करना है।

आर्किटेक्चर

वीडियो से आवश्यक विशेषताओं के साथ आवश्यक वर्गों की वस्तुओं को प्राप्त करने के लिए, हमने कई सेवाएं लिखीं।

पहला है VideoPreprocessingService - यह वह जगह है जहाँ वीडियो फ़ाइल अपलोड की जाती है। सेवा रिपॉजिटरी में फ़ाइल भेजती है, डेटाबेस में इसके बारे में रिकॉर्ड बनाती है और इसके प्रसंस्करण के लिए कार्य बनाती है। आपको एक निश्चित आवृत्ति के साथ वीडियो से फ़्रेम काटने की आवश्यकता है, उनके लिए ट्रैक से उनके लिए जीपीएस बिंदुओं का चयन करें, परिणाम को फ़्रेम प्रोसेसिंग सेवा में भेजें।

पहले दो कार्य सेवा द्वारा नहीं, बल्कि कार्यकर्ता द्वारा किए जाते हैं। ऐसा इसलिए किया जाता है ताकि आप इन श्रमिकों की संख्या को आसानी से बदल सकें। इस प्रकार उत्पादकता में वृद्धि, अगर ऐसी आवश्यकता है।

फ़्रेमप्रोसेसिंग सर्विस स्वयं को प्राप्त सभी फ़्रेमों और बिंदुओं को बचाता है। वह कतार में फ्रेम भी अपलोड करता है। यह हमारे साथी मशीन लर्निंग विशेषज्ञों द्वारा लिखित एक सेवा द्वारा पढ़ा जाता है। वह ट्रैफिक संकेतों को पहचानता है। बेशक, फ्रेमप्रोसेसिंग सर्विस इस सेवा से प्रतिक्रियाओं को पढ़ता है - ये वर्णों के कोड हैं, यदि वे फ्रेम पर हैं, और आयतें जिसमें यह चरित्र अंकित है। आयत के आकार को जानने के बाद, हम संकेत की दूरी को समझते हैं। और जब वीडियो से सभी फ़्रेम संसाधित होते हैं - वह उन्हें हमारे मानचित्र सर्वर पर भेजता है।

मैप सर्वर सिस्टम का सबसे महत्वपूर्ण हिस्सा है। ग्राहक उससे सभी डेटा प्राप्त करते हैं जो हम स्टोर करते हैं ( टाइल्स को छोड़कर )। वह इस डेटा को सहेजता है और सभी व्यापारिक तर्क निष्पादित करता है।

सामान्य विवरण

हमारा मैप डेटा जियो ऑब्जेक्ट्स है। एक भू वस्तु एक ज्यामिति (जो कि अंतरिक्ष में किसी वस्तु का स्थान है) और विशेषताओं का एक समूह है। हम उन्हें डेटाबेस में संग्रहीत करते हैं और उन पर काम करते हैं। लेकिन फ्रेमप्रोसेसिंग सर्विस से हमें केवल साइन कोड मिलता है, उस बिंदु के निर्देशांक जिससे साइन को मान्यता दी गई थी, फ्रेम ही और इस फ्रेम पर साइन मास्क। इसलिए हमें इस डेटा सेट को जियो ऑब्जेक्ट में बदलना होगा। प्रत्येक भू वस्तु किसी न किसी वर्ग की होती है। प्रत्येक प्रकार का सड़क चिन्ह एक अलग वर्ग है। हम इसे साइन कोड से आसानी से प्राप्त कर सकते हैं। साइन कोड से हम इस वर्ग के लिए विशिष्ट गुण प्राप्त कर सकते हैं। उदाहरण के लिए, हमें कोड 3_24_60 प्राप्त हुआ। 3_24 - कहता है कि यह गति सीमा है (यातायात नियमों में 3.24 पर हस्ताक्षर करें)। इन पात्रों के लिए प्रतिबंध मूल्य को इंगित किया जाना चाहिए। वह हमें कोड का तीसरा भाग बताता है - यहाँ यह 60 किमी / घंटा होगा।

तो, जियो ऑब्जेक्ट क्लास को परिभाषित किया गया है, इसकी विशेषताएं विशिष्ट भी हैं। ऐसा लगता है कि आप पहले से ही एक जियो ऑब्जेक्ट बना सकते हैं। लेकिन यह बहुत जल्दी है। सबसे पहले, प्रत्येक चिन्ह में एक विशेषता "दिशा" होती है, जो कहती है कि संकेत किस दिशा में कार्य करता है। दूसरे, इस भू-वस्तु के लिए हमारे पास अभी भी ज्यामिति नहीं है। हमारे पास एक बिंदु है जिससे हमने एक संकेत देखा। तो, संकेत खुद हमसे कुछ दूरी पर है। इसके अलावा, इसकी ज्यामिति दिशा विशेषता के मूल्य को प्रभावित करती है।



यहां हम एक छोटा सा विषयांतर करेंगे। बेशक, हमारे पास एक सड़क नेटवर्क है। इसमें अलग-अलग लिंक होते हैं। प्रत्येक लिंक एक पंक्ति है। आकृति के पहले भाग में हमने केवल दो लिंक खींचे हैं। तीर उस दिशा को दिखाते हैं जिसमें वे खींचे गए थे, अर्थात्। बाईं ओर नीचे से ऊपर की ओर खींचा गया था, और दाएं - ऊपर से नीचे तक।

प्रत्येक लिंक इस बात की जानकारी देता है कि आप किस दिशा में आगे बढ़ सकते हैं। आंदोलन की दिशा एक अलग विशेषता है, यह प्रतिपादन की दिशा के बराबर नहीं है। यह विशेषता हमें बताती है कि आप ड्राइंग दिशा के सापेक्ष किस दिशा में आगे बढ़ सकते हैं। आकृति के दूसरे भाग में, दोनों लिंक में इस विशेषता के लिए समान मूल्य है, और तीसरे आंकड़े में - विपरीत मान।

यह संकेतों से कैसे संबंधित है? तो, हम नीचे से लिंक के साथ आगे बढ़ते हैं, और हम किसी प्रकार का संकेत देखते हैं। तो, बाएं लिंक पर साइन की दिशा "केवल स्ट्रेट" होगी, दाईं ओर - "ओनली बैक", यानी तीसरे आंकड़े में लिंक के समान। यहां सब कुछ सरल निकला, लेकिन इसका कारण यह है कि हमारे लिंक वन-वे हैं। वास्तव में, बहुत बड़ी संख्या में लिंक द्विपक्षीय हैं, अर्थात्। उनकी दिशा का अर्थ है "दोनों दिशाओं में।" और संकेत हमेशा एक दिशा में निर्देशित होता है, और हमें यह समझने की जरूरत है कि कौन सी दिशा है।

नक्शा मिलान

नक्शे पर संकेत देने के लिए शुरू करने से पहले, हमें यह समझने की ज़रूरत है कि जब हमने वीडियो रिकॉर्ड किया था, तो हम क्या सड़कें खोले थे। जीपीएस डेटा इसके लिए पर्याप्त नहीं है: यह अक्सर दसियों मीटर के लिए गलत होता है। इसके अलावा, नक्शे अभी भी योजनाएं हैं और वास्तविक भूभाग के साथ मेल नहीं खा सकते हैं। उदाहरण के लिए, चौड़ी मल्टी-लेन सड़कों पर।

यह एक ही बार में कई समस्याओं का समाधान करेगा:

• इन सड़कों पर पहले से ही संकेत बनाए जा सकते हैं, इसलिए हम उनमें परिवर्तन कर सकते हैं, यदि कोई हो;
• इनमें से कुछ संकेत वीडियो पर दिखाई नहीं दे सकते हैं, और हम ऐसे संकेत पा सकते हैं - और उन्हें एक विशेष लेबल लगा सकते हैं;
• हम समझ सकते हैं कि जब हम किसी मान्यता प्राप्त चिन्ह को देखते थे, तो हम किस सड़क पर थे, जो बदले में हमें इस चिन्ह को मानचित्र पर सही जगह पर रखने में मदद करेगा।

एल्गोरिथ्म

हमारे द्वारा उपयोग किया गया एल्गोरिथ्म बहुत सरल है। उनके विवरण के साथ पहले से ही हैबे पर एक लेख है । सामान्य शब्दों में, यह इस तरह से लगता है: हमारे पास एक चयनित सड़क है, ट्रैक से इसके बिंदु के निकटतम जीपीएस बिंदु को ले लो। और इस बिंदु के संबंध में, हम उन सड़कों का मूल्यांकन करते हैं जो हमारे रास्ते से जुड़ती हैं - अर्थात, हम मूल्यांकन करते हैं कि यह कितनी संभावना है कि हमारा बिंदु इस विशेष सड़क को दर्शाता है। प्रत्येक सड़क को अंक मिलते हैं, सबसे अधिक अंक वाले को चुना जाता है। ट्रैक खत्म होने तक दोहराएं।

इस प्रक्रिया में, हमने एल्गोरिथ्म में कई जोड़ दिए। एल्गोरिथ्म ने सड़क लिंक पर दिशाओं को ध्यान में नहीं रखा था, इसलिए हमने जो पहला काम किया था, वह उन्हें ध्यान में रखना शुरू कर दिया था: अब, यदि लिंक एक तरफ़ा है, तो हम समझते हैं कि हमें किस दिशा में बढ़ना चाहिए। और अगर यह दिशा लिंक की दिशा से मेल नहीं खाती है, तो हम इस लिंक को छोड़ देते हैं।

शुरू में, हमें यह लग रहा था कि यह पर्याप्त होगा, और पहले परीक्षणों ने इसकी पुष्टि की। लेकिन फिर हमने आवासीय पड़ोस में रिकॉर्ड किए गए वीडियो की जांच करना शुरू किया, और सब कुछ इतना बुरा नहीं निकला। तथ्य यह है कि हमारे पास सड़कों पर बहुत अधिक डेटा सटीकता है, जिसमें शामिल हैं। तदनुसार, हमने सभी इंट्रा-क्वार्टर ड्राइववे तैयार किए हैं, जो सबसे छोटे विवरण के नीचे हैं। दूसरी ओर - जैसा कि मैंने कहा, जीपीएस बहुत सटीक या बहुत गलत नहीं हो सकता है। और अगर आप एक ऐसी सड़क पर जाते हैं जिसके चारों ओर ऊंची इमारतें हैं, तो ट्रैक के बिंदु काफी मजबूती से निकल सकते हैं। ऐसा होता था कि अंक 20 मीटर से अधिक की ओर बढ़ जाते थे। नतीजतन, यह पता चला है कि कई बिंदु उन सड़कों के करीब हैं जिन पर हम नहीं गए थे। इस तरह की पटरियों के सिकुड़ने का नतीजा यह तस्वीर थी:


सामान्य ज्ञान ने हमें बताया कि ऐसी सड़कों पर कुछ संकेत हैं, और इसलिए वहाँ उन्हें इकट्ठा करने का कोई विशेष कारण नहीं है। इसलिए, सबसे अधिक संभावना है, ज्यादातर मामलों में, कार मुख्य सड़कों पर चली गई। इसलिए, इंट्रा-क्वार्टर ड्राइववे के लिए, हमने जुर्माना पेश किया। जुर्माना से हमारा तात्पर्य सड़क के साथ बिंदुओं की संख्या में कमी है। नतीजतन, इंट्रा-क्वार्टर ड्राइववे के साथ समस्या का समाधान किया गया था - जब हम उनके साथ नहीं जाते थे, तो वे बाहर नहीं निकलते थे, और जब हम वास्तव में उनके साथ यात्रा करते थे, तो ठीक होने के बावजूद भी वे सबसे अच्छा विकल्प बन जाते हैं और फिर हम उन्हें चुनते हैं।

उसके बाद, परिणाम पहले से ही बहुत अच्छे थे। और यह हमें लग रहा था कि नक्शा बनाने का काम खत्म हो गया है। लेकिन मुसीबत आ गई, जहां से उन्होंने इंतजार नहीं किया। काफी अचानक यह पता चला है कि ऐसे मामले हैं जब सड़क से एक और सड़क शाखाएं निकलती हैं, और यह बहुत आसानी से करता है। और सब कुछ इस तथ्य से बढ़ गया था कि शाखा सड़क हमारे साथ समानांतर में भी जा सकती है, कम से कम कुछ समय के लिए। उसी समय, मैं आपको याद दिलाता हूं, जीपीएस ट्रैक लगभग कभी भी उन लिंक के शीर्ष पर स्थित नहीं होता है जिन्हें हमने यात्रा की थी, यह इसके कुछ तरफ थोड़ा ऑफसेट है। और हां, इस सब के लिए धन्यवाद, एल्गोरिथ्म इन शाखाओं से चिपकना शुरू कर दिया। जिसके कारण, सबसे अच्छे रूप में, हमें कई लिंक प्राप्त हुए जो हमने वास्तव में नहीं किए। और सबसे बुरे में - उन्होंने ट्रैक को काफी गलत किया।



इसलिए, हम सड़क के एक अतिरिक्त मूल्यांकन के साथ आए। हम जीपीएस ट्रैक के पिछले और अगले बिंदुओं को उस बिंदु के सापेक्ष लेते हैं, जहां से हमने लिंक का चयन किया था। और हम देखते हैं कि इन बिंदुओं पर अज़ीमुथ इस लिंक के साथ आंदोलन के अज़ीमुथ से बहुत अलग नहीं है। यदि यह बहुत भिन्न होता है, तो हम इस लिंक को ठीक करते हैं।

परिणामस्वरूप, हमें एक परिणाम मिला जो हमें सूट करता है, हालांकि कभी-कभी छोटी त्रुटियां अभी भी होती हैं (कभी-कभी एक अतिरिक्त लिंक चुना जा सकता है जिसे हमने नहीं जाना है)। लेकिन वे काफी दुर्लभ हैं, और इसलिए हमारे लिए महत्वपूर्ण नहीं है।

चरित्र की नियुक्ति

अब हमारे पास सड़क लिंक का एक सेट है जिस पर हमने चलाई, और संकेतों के साथ फ़्रेम का एक सेट। साथ ही इस फ्रेम में कौन सा कैरेक्टर है, इसके बारे में जानकारी से लेकर ट्रैक का यह पॉइंट और कैरेक्टर का मास्क प्राप्त किया जाता है (एक आयत जो इस फ्रेम पर कैरेक्टर का वर्णन करता है)। तो आप इन संकेतों को मानचित्र पर रख सकते हैं।

पहला कदम अतिरिक्त जानकारी प्राप्त करना है जो हमें साइन को सही स्थान पर रखने में मदद करेगा:

1. अजीमुथ संकेत। यदि निशान फ्रेम के केंद्र में बिल्कुल स्थित है, तो यह जीपीएस बिंदु पर अज़ीमुथ के साथ मेल खाता है। यदि संकेत केंद्रित नहीं है, तो यह बिंदु + फ्रेम के केंद्र और कोण के बीच के कोण पर दिगंश है। हमारे पास पहले से ही जीपीएस बिंदु का अज़ीमथ है, और हम फ्रेम के केंद्र और संकेत के बीच के कोण की गणना कर सकते हैं, क्योंकि हम जानते हैं कि साइन मास्क फ्रेम पर कहाँ स्थित है और हम उस व्यूइंग एंगल को जानते हैं जिसके साथ वीडियो रिकॉर्ड किया गया था।
2. जीपीएस बिंदु से निशान की दूरी। हम इसकी गणना कर सकते हैं, क्योंकि हम साइन मास्क का आकार, फ्रेम का रिज़ॉल्यूशन और देखने के कोण को जानते हैं जिसके साथ वीडियो रिकॉर्ड किया गया है।

अब आप सीधे साइन की स्थापना पर जा सकते हैं। क्योंकि ट्रैक पर पॉइंट्स हमेशा (लेकिन वास्तव में कभी नहीं) सड़क लिंक पर झूठ बोलते हैं, पहले हमें लिंक पर अपना साइन डिटेक्शन पॉइंट डालना होगा। हम इसे निम्नानुसार करते हैं:

1. जिन सड़कों पर ट्रैक बैठा था, उनमें से हम केवल उन लोगों को छोड़ते हैं जो हमारे जीपीएस बिंदु के आसपास किसी तरह के बफर को पार करते हैं;
2. हम प्रत्येक चयनित सड़क की दूरी की गणना करते हैं और उन्हें इसके बढ़ने से क्रमबद्ध करते हैं;
3. हम सड़क लेते हैं, उस पर जीपीएस बिंदु के प्रक्षेपण की गणना करते हैं;
4. हमें वह दिशा मिलती है जिसके साथ हम इस सड़क पर इस बिंदु पर जाते हैं;
5. यदि आइटम 4 से दिशा इस सड़क पर अस्वीकार्य है, तो हम आइटम 3 पर लौटते हैं और अगली सड़क वहां ले जाते हैं;
6. यदि दिशा स्वीकार्य है, तो रुकें।

अब हमारे पास सड़क है जब हमने जीपीएस बिंदु सेट किया था, और हमारी सड़क पर इस बिंदु का प्रक्षेपण। वास्तव में, यह सड़क, और इसलिए बिंदु, सही ढंग से नहीं चुना जा सकता है। उदाहरण के लिए, जब कॉर्नरिंग, गलती करना बहुत आसान है।



इसलिए, आगे बढ़ने से पहले, आपको यह सुनिश्चित करने की आवश्यकता है कि हम गलत नहीं हैं। या, यदि आप एक गलती करते हैं, तो सड़क को सही से बदल दें और उस पर एक प्रक्षेपण प्राप्त करें। ऐसा करने के लिए, उन सड़कों को लें जो हमारी सड़क से जुड़ती हैं और दूरी और अजिमुथ द्वारा उनका मूल्यांकन करती हैं। नतीजतन, हमें वह सड़क मिलती है जो किसी दिए गए बिंदु के लिए सबसे उपयुक्त है और उस पर एक प्रक्षेपण का निर्माण करती है।

अब जब हमारा GPS पॉइंट सड़क पर आ गया है, तो हम उसके सापेक्ष चिन्ह के स्थान की गणना कर सकते हैं। ऐसा करने के लिए, इस बिंदु से एक सदिश का निर्माण करें जो दिशा में साइन की दूरी के बराबर लंबाई के साथ साइन एज़िमथ के साथ मेल खाता हो। उसके बाद, हम साइन को उन सड़कों में से एक पर खींचने की कोशिश करते हैं, जिस पर हमारा ट्रैक बैठा था। इस मामले में, हम सड़कों की दिशा और संकेत की दिशा को ध्यान में रखते हैं, जिसकी गणना प्रत्येक सड़क के लिए संकेत के अज़ीमुथ के माध्यम से की जाती है।

इस स्तर पर, यह पता चल सकता है कि कोई उपयुक्त सड़क नहीं थी। उदाहरण के लिए, इस तथ्य के कारण कि संकेत में एक दिशा होगी जो इन सड़कों पर अस्वीकार्य है (यानी, वे एक तरफा हैं)। इस मामले में, यह संकेत कुछ पड़ोसी सड़क पर स्थित है, जिस पर हम पास नहीं हुए थे, जिसका अर्थ है कि हम बस इसे नहीं बनाएंगे।

अब हमारे पास सड़क पर खींचे गए चिह्न का समन्वय है, यह सत्यापित करने के लिए बना हुआ है कि यह उचित रूप से सेट है, क्योंकि कभी-कभी हम गलती कर सकते हैं। ऐसा करने के लिए, हम यह सत्यापित करते हैं कि यह संकेत मूल जीपीएस बिंदु से बहुत दूर नहीं है, इस दूरी की तुलना फ्रेम के माध्यम से प्राप्त संकेत से दूरी के साथ कुछ धारणा के साथ की जाती है। यह भी जांच लें कि निशान जीपीएस बिंदु के पीछे नहीं है। यदि सत्यापन सफल होते हैं, तो हमें सड़क और उसकी दिशा पर संकेत के निर्देशांक मिले, जिसका अर्थ है कि हमारे भू वस्तु में ज्यामिति और सभी आवश्यक गुण हैं। आप इसे सहेजने के लिए आगे बढ़ सकते हैं।

संकेत मिलाएं

वास्तव में, संरक्षण के लिए आगे बढ़ना जल्दबाजी होगी। तथ्य यह है कि प्रत्येक संकेत को कई फ़्रेमों से देखा जा सकता है, कुछ विशेष मामलों के अपवाद के साथ, जब फ्रेम के कुछ हिस्सों के लिए साइन किसी भी बाधा के पीछे छिपा होता है, उदाहरण के लिए, एक ट्रक के पीछे।

इनमें से प्रत्येक फ्रेम से हमें संकेत के लिए एक भू ऑब्जेक्ट मिला, उनके पास समान गुण हैं और वे एक ही बिंदु पर स्थित हैं। इसका मतलब है कि हमें उनमें से केवल एक को छोड़ने की आवश्यकता है। इसके अलावा, यदि यह संकेत नया नहीं है, तो हमारे पास पहले से ही डेटाबेस में है, जिसका अर्थ है कि हमें इसे चिह्नित करने की आवश्यकता है कि यह अपडेट किया गया है, और एक नया जियो ऑब्जेक्ट नहीं बनाएं।

इसके लिए, हम अपने और मौजूदा लोगों के बीच नई भू-वस्तुओं का विलय करते हैं।
सबसे पहले, हम उन सभी संकेतों को प्राप्त करते हैं जो हमने पहले ही बनाए हैं, उन लिंक पर जिन पर हमने चलाई। उनके लिए हम उन सभी पात्रों को जोड़ते हैं जिन्हें हमने फ़्रेम से पहचाना था।

हमें उनके साथ क्या करने की आवश्यकता है: हमें उनकी कक्षाओं, विशेषताओं और ज्यामिति से समझने की आवश्यकता है कि इन भू वस्तुओं में से कुछ एक ही संकेत है। यदि इस सेट में कोई मौजूदा जियो ऑब्जेक्ट है, तो केवल इसे छोड़ दें और ध्यान दें कि इसे अपडेट किया गया है। यदि सेट में केवल नई जियो ऑब्जेक्ट्स हैं, तो उनमें से केवल एक को छोड़ दें।

हम इसे चार चरणों में करते हैं:

1. समूह भू वस्तुओं को उनकी कक्षा द्वारा;
2. चरण 1 से प्रत्येक समूह में हम विशेषताओं द्वारा समूह प्राप्त करते हैं;
3. चरण 2 से प्रत्येक समूह के लिए, हम ज्यामिति द्वारा समूह एकत्र करते हैं;
4. यदि चरण 3 से समूह में कोई मौजूदा संकेत है, तो हम इसे केवल छोड़ देते हैं (यदि उनमें से कई हैं, तो उन सभी को छोड़ दें), और यदि समूह में कोई मौजूदा संकेत नहीं हैं, तो हम उस एक को छोड़ देते हैं जो बीच में है।

उसके बाद, हमारे पास वांछित पात्रों की संख्या है जिन्हें अंततः बचाया जा सकता है।



बेशक, यह पता चल सकता है कि हमारे पास कुछ प्रकार के संकेत हैं, लेकिन हमने इसे वीडियो के साथ नहीं पहचाना। इस स्थिति में, यह प्रतीक अपडेट नहीं किया जाएगा। दुर्भाग्य से, हम यह सुनिश्चित नहीं कर सकते हैं कि यह संकेत भी अब जमीन पर नहीं है, क्योंकि वीडियो रिकॉर्ड करते समय यह किसी प्रकार की बाधा से आच्छादित हो सकता है। इसलिए, हम इस संकेत को तुरंत नहीं हटाते हैं, लेकिन इसे वीडियो पर गायब होने के रूप में चिह्नित करते हैं। यदि यह संकेत किसी अन्य वीडियो पर दिखाई देता है, तो हम बस इस चिह्न को इसमें से निकालते हैं और इसे अपडेट करते हैं। यदि वह अभी भी दिखाई नहीं देगा - कार्टोग्राफर को इस संकेत से निपटना होगा। और इसे हटा दें यदि यह वास्तव में नहीं है।

तत्काल योजना

साइड सड़कों से संकेत

वीडियो न केवल उन सड़कों से संकेत दिखाता है जो हम ड्राइव करते हैं, बल्कि साइड सड़कों से भी: ये वे सड़कें हो सकती हैं जो हमारे पार या हमारे आस-पास से गुजरती हैं। या इसके विपरीत - हमारी शाखाएँ बंद हो जाती हैं। यह सड़कें भी हो सकती हैं जो हमारे समानांतर हैं। इन रास्तों पर खड़े होने वाले संकेतों को उन संकेतों से अलग करना बहुत मुश्किल है जो हमें चाहिए। आखिरकार, अक्सर वे हमारी सड़क के करीब होते हैं।

समस्या को हल करने के लिए, हम एक लिंक पर एक संकेत देते समय कई शब्दार्थ नियमों का उपयोग करने की योजना बनाते हैं। उदाहरण के लिए, 5 किमी / घंटा की गति सीमा राजमार्ग पर होने की संभावना नहीं है, लेकिन बहुत संभावना है कि यह गैस स्टेशन के प्रवेश द्वार पर होगी।

ट्रैकिंग संकेत

कभी-कभी हम संकेत नहीं रखते हैं, और कभी-कभी इसके विपरीत - हम ऐसे संकेत रखते हैं जिन्हें विलय करने की आवश्यकता नहीं होती है। इसलिए, हम फ़्रेम द्वारा वर्णों को ट्रैक करने की योजना बनाते हैं - ताकि हम उन्हें भू वस्तुओं में बदलने से पहले ही विभिन्न फ़्रेमों पर समान वर्ण को पहचान सकें। और इस ज्ञान का उपयोग मर्ज के साथ करें।

निष्कर्ष

वर्तमान संस्करण अनिवार्य रूप से बीटा है। इसलिए, यह अपूर्ण है। ऐसी समस्याएं हैं जिन्हें हम निकट भविष्य में हल करने जा रहे हैं। ऐसी समस्याएं हैं जो अभी भी स्पष्ट नहीं हैं कि कैसे हल किया जाए।और ऐसे भी हैं जो आमतौर पर एल्गोरिदम का उपयोग करके हल किए जाने की संभावना नहीं है। उदाहरण के लिए, GPS ट्रैक बहुत खराब गुणवत्ता के हो सकते हैं। या एक वीडियो जहां छवि और ट्रैक सिंक से बाहर हैं - और इसे केवल देखकर ही समझा जा सकता है। सामान्य तौर पर, यह कार्य मूल रूप से अपेक्षा से बहुत अधिक जटिल निकला।

विभिन्न समस्याओं के समाधान के लिए हमारे पास एक बहुत बड़ा क्षेत्र है। तो, हम तय करेंगे। और हां, यह बताने के लिए कि क्या हम किसी दिलचस्प चीज़ पर ठोकर खाते हैं।