麻萨诸塞州现代艺术博物馆的手绘地图
与过去的同事相比，现代制图师要容易得多，他们过去通过粗略地估计对象的位置创建了一个不理想的方案。 直到20世纪初，制图学的变化缓慢，尽管到那时为止几乎没有白点，但它们并不能自夸地图的准确性。
随着地形航空摄影时代的开始，制图人员获得了一种出色的工具，可以使他们制定任何领土的详细计划。 卫星图像本来可以完成长达数千年的创建理想定位工具的工作，但是制图人员面临着新的问题。
作为解决制图问题和错误的工具，基于我们的MAPS.ME服务存在的数据，出现了OpenStreetMap（OSM）项目。 OSM拥有大量数据：不仅概述了卫星图像，而且还包含只有当地居民知道的信息。 今天，我们将更详细地告诉您现实世界如何被数字化并变成地图。
固定地形
该卡已有14,000年的历史。
最早的地图出现在原始历史时期。 河流，山脊，沟壑，岩峰，动物踪迹的弯曲-所有物体均以简单的凹口，波浪线和直线表示。 后续地图距离第一幅草图不远。
指南针，望远镜，六分仪和其他导航仪器的发明以及随后的巨大地理发现导致了制图学的蓬勃发展，但地图仍然不够准确。 使用各种工具和数学方法不能解决问题-最终，人们使用描述或以实物创建的图表来绘制地图。
制图学的发展进入了一个新的阶段，即地形测量。 16世纪首次开始进行地面地形图测量，1919年代首次进行了无法进入的领土的航拍照片。 在俄罗斯，地籍学家使用经纬仪创建了地籍和臭名昭著的“总参谋图”，当时它们的准确性和覆盖面是空前的。
上世纪中叶的解密示例
航拍后，需要漫长而复杂的解密步骤。 图片中的对象需要被识别和识别，以建立其定性和定量特征，并记录结果。 解密方法基于物体的光学和几何特性的摄影复制定律，以及其空间分布的关系。 简而言之，要考虑三个因素：光学，图像几何和空间分布。
为了获得浮雕数据，使用了轮廓组合和立体地形学方法。 在第一种方法中，借助大地测量仪器直接确定表面上最重要点的高度，然后将轮廓的位置应用于航空照片。 立体地形学方法涉及将两个图像彼此部分重叠，以使每个图像都描绘相同的区域。 在立体镜中，该区域看起来像三维图像。 此外，根据该模型，使用仪器确定地形点的高度。
卫星影像
WorldView-1卫星的立体声对示例
同样，在创建立体图像时，卫星也可以工作。 雷达和光学地球遥感卫星提供有关地形的信息（以及许多其他数据，包括雷达干涉测量法-数字地形模型的构建，确定地球表面和结构的位移和变形的信息）。
超高分辨率卫星不会连续拍摄所有照片（高分辨率不需要无尽的西伯利亚森林），而是按顺序订购特定区域。 这样的卫星包括，例如Landsat和Sentinel（在轨轨道上是负责雷达图像的Sentinel-1，负责对地球表面进行光学勘测和研究植被的Sentinel-2，以及用于观察海洋状况的Sentinel-3）。
洛杉矶的Landsat 8卫星图像
卫星不仅在可见光谱中发送数据，而且还在红外（以及其他几个）中发送数据。 人眼看不见的光谱范围内的数据使我们能够分析表面类型，监测农作物生长，发现火情等等。
洛杉矶图像包括对应于范围4-3-2（以Landsat 8术语表示）的电磁频段。 Landsat将红色，绿色和蓝色传感器分别指定为4、3和2。 将来自这些传感器的图像组合在一起时，将显示全彩色图像。
卫星所有者和官方分销商-DigitalGlobe，e-Geos，空中客车防务和航天公司等-接收并处理数据。 在我国，卫星图像的主要供应商是俄罗斯太空系统 ， Sovzond和ScanEx 。
许多服务基于美国地质调查局（USGS）和NASA的全球土地调查（GLS）数据集。 GLS主要从Landsat项目接收数据，该项目自1972年以来一直实时创建整个星球的卫星图像。 使用Landsat，您可以获得有关整个地球表面以及过去几十年来其变化的信息。 所有公共制图服务的这个项目仍然是小规模地球遥感数据的主要来源。
巴哈马就MODIS而言
MODIS中分辨率扫描光谱仪（中等分辨率成像光谱仪）位于Terra和Aqua卫星上，它们是NASA EOS（地球观测系统）集成程序的一部分。 生成的图像的分辨率比大多数其他卫星的结果要粗糙，但是覆盖范围使您几乎可以实时获取每日的全局图像集合。
多光谱数据可用于分析地球的表面，海洋和大气层，在线（几个小时）可以在线研究云，雪，冰，水体，植被的变化，跟踪洪水，火灾等的动态。
“ 世界生活地图集 ”是一个地图集，其中包含专门讨论各种主题的地图和数据：人口，商业，景观，气候，交通等。
Roscosmos Geoportal-免费（部分）数据源。 Roscosmos和NASA提供的卫星图像，地图数据-OpenStreetMap和Rosreestr，搜索工具-GeoNames和OpenStreetMap Nominatim 。
除卫星外，“垂直”射击还有另一个有希望的方向-从无人机接收数据。 因此， DroneMapper公司发送无人机（很少是-直升机）来调查农田-事实证明，这比使用卫星或飞机更经济。
卫星提供了大量的各种信息，并且可以拍摄整个地球的图片，但是公司仅针对所需区域订购数据。 由于卫星图像的高昂费用，公司更喜欢详细介绍大城市的地区。 所有被认为是人烟稀少的事物，通常以最笼统的术语删除。 在云量恒定的地区，卫星会拍摄新的图像，从而获得清晰的图像并增加成本。 但是，某些IT公司有能力购买整个国家的图片。 例如，必应地图。
根据卫星图像和地面上的测量值，创建矢量地图。 处理过的矢量数据出售给打印纸质地图和/或创建地图服务的公司。 使用卫星图像自己绘制地图非常昂贵，因此许多公司更愿意购买基于Google Maps API或Mapbox SDK的交钥匙解决方案，并修改自己的制图人员。
卫星地图问题
在最简单的情况下，要绘制现代地图，只需拍摄卫星图像或其中的一部分，然后在编辑器或某些在线交互式地图创建者服务中重新绘制所有对象。 乍一看，在上面的示例中，OSM的一切都很好-道路看起来应该是应该的。 但这只是乍看之下。 实际上，这些数字数据并不对应于现实世界，因为它们相对于对象的真实位置发生了扭曲和偏移。
卫星以一定角度高速拍摄照片，照片拍摄的时间有限，照片粘在一起......错误相互重叠，因此他们开始在地面上使用照片和视频拍摄来制作地图以及对汽车进行地理跟踪，这清楚地表明存在特定路线。
由于正射矫正不良而出现问题的图片示例：轨道完全位于水边，并在右侧的山上向下移动
地形，拍摄条件和相机类型会影响图像的失真外观。 消除畸变并将原始图像转换为正交投影（即严格垂直观察地形的每个点的过程）的过程称为正射校正。
正交校正后图像中像素的重新分布
使用只能在给定点以上拍照的卫星比较昂贵，因此拍摄时可以达到45度的角度。 从数百公里的高度，这会导致严重的变形。 要创建准确的地图，高质量的正射校正至关重要。
地图很快失去了相关性。 你开了新停车场吗？ 您是否修建了旁路路？ 商店是否已移至其他地址？ 在所有这些情况下，过时的领土图像将变得无用。 更不用说许多重要的细节，无论是在河上的福特还是在森林中的小径，在太空图像中都看不到。 因此，在地图上进行工作是一个无法得出最终结论的过程。
OpenStreetMap卡怎么做
图片
OpenStreetMap是一个非营利性地图项目，来自世界各地的用户社区在其中创建了一个开放的免费地理地图。 使用来自个人GPS跟踪器，航拍，录像，卫星图像以及人类知识的数据来创建地图。 OSM可以比较的下一个项目是Wikipedia。 同样，在OSM中，任何用户都可以编辑地图，并且项目数据是在免费许可下分发的。
OpenStreetMap使用用户记录的GPS轨迹和来自Bing，Mapbox，DigitalGlobe的卫星图像作为地图的基础。 由于法律限制，无法使用Google和Yandex等名片。
图片在采集阶段自动绑定到地形。 扫描也可以使用参考点链接，这些参考点具有从轨道获得的已知坐标或与大地测量网络的点关联。
编辑地图时，OSM中的卫星图像始终会像记录在地面上的轨迹一样移动，以补偿大多数错误。 有许多应用程序可以记录和共享GPS轨道，例如Geo Tracker ， Strava （Android）和GPX Tracker （iOS）。
卫星图像中地图的创建者首先使用轨道数据绘制道路。 由于轨迹以地理坐标描述运动，因此很容易确定道路的通行位置。 然后，将应用所有其他对象。 从图像中创建丢失的对象和区域对象，并从观测值或记录中获取指示对象所有权或使用背景信息进行补充的签名。
要创建包含各种信息的地图，请使用旨在与地理数据配合使用的地理信息系统（GIS）进行分析，转换，分析和打印。 借助GIS，您可以可视化任何数据来创建自己的地图。 在GIS的地图中，您可以添加来自Rosstat，市政，政府部门，部门的数据-所有所谓的地理空间数据。
地理数据来自哪里
因此，卫星图像相对于现实的位置偏移了几十米。 要制作出真正准确的地图，您需要为自己配备导航仪（GPS接收器）或常规电话。 然后使用电话中的接收器或应用程序记录最大跟踪点数。 记录是沿着位于地面上的线性物体进行的，河流，运河，路径，桥梁，铁路和电车轨道等都是合适的。
一首曲目永远无法满足任何部分的需要-它们本身也会被记录为一定程度的错误。 随后，将卫星基板与在不同时间记录的多个轨道对齐。 任何其他信息均来自开放源（或由数据提供者提供）。
很难想象没有各种公司信息的卡。 Yelp，TripAdvisor，Foursquare，2GIS等会收集有关GPS位置的有关组织的本地数据。 社区（包括本地企业的直接代表）独立地向OpenStreetMap和Google Maps贡献数据。 并非所有大型网络都希望增加信息的麻烦，因此他们求助于帮助在地图上放置分支机构并监视数据相关性的公司（ Brandify ， NavAds ， Mobilosoft等）。
有时，有关真实地形的对象的信息会通过移动应用程序添加到地图中-在野外，人们可以立即准确地更新地图数据。 在MAPS.ME中，为此提供了一个内置的地图编辑器，通过该编辑器，更新后的数据可以直接进入OpenStreetMap数据库。 信息的可靠性已由OSM社区的其他成员验证。 在“相反方向”上，来自OSM的数据以原始格式发送到MAPS.ME。 在它们出现在用户智能手机的屏幕上之前，必须对其进行处理和包装。
未来：神经网络映射器
Facebook 表示，他们使用机器学习算法在卫星图像中寻找道路。 但是事实检查已经由检查道路并将其与OSM数据“粘合”在一起的人完成。
Mapillary的照片共享服务去年添加了一项功能，该功能提供了对象图像的语义分割。 实际上，他们能够在同时确定每个区域中的对象类型的同时，将图像分为与一个对象相对应的单独像素组。 人们可以很轻松地做到这一点-例如，我们大多数人都可以在图像中识别并找到汽车，行人，房屋。 但是，计算机很难浏览大量数据。
通过对卷积神经网络进行深度训练，Mapillary能够自动识别出在道路场景中最常发现的12类物体。 他们的方法允许在机器视觉的其他任务中取得进展。 忽略移动对象（例如，云和车辆）之间的重合，我们可以显着改善将源数据转换为二维或立体图像的过程链。 Mapillary的语义分割功能可粗略估算某些城市地区的植被密度或人行道的可用性。
莫斯科西南部根据发展类型将神经网络划分为多个区域
CityClass项目使用神经网络分析了城市发展的类型。 绘制城市功能分区图是漫长而单调的，但是您可以训练计算机以区分工业区和住宅区，以及历史发展区和微区。
斯坦福大学的一组科学家训练了一个神经网络，通过白天和晚上的卫星图像来预测非洲的贫困状况。 首先，网格查找房屋和道路的屋顶，然后将其与夜间区域照明的数据进行比较。
社区继续遵循自动地图创建领域的第一步，并且已经使用机器视觉绘制了一些对象。 很难怀疑，未来将不仅属于人类创造的卡，而且还属于机器创造的卡。