支持人工智能解决方案解决停车问题
案例分析
随着有限数量的停车位和越来越多的汽车，与停车相关的挫败感和不便正在增长。认为这是一个问题，Manuela Rasthofer，首席执行官Terraloupe GmbH启动了一个项目，以结合人工智能和矫正空中图像，以创建整个德国可用的停车场和空间的准确清单。
映射可用的停车位
停车汽车可能是一项压力且耗时的活动，将来，自动导航的车辆将在没有驾驶员提供帮助的情况下寻找空间。需要准确测量和识别所有类型的物体（包括停车位）的高清数字地图的需求迅速成为现实。
Terraloupe GmbH是一家位于德国慕尼黑的技术初创企业，专注于以创新的方式将Geodata和计算机分析相结合。从高分辨率矫形器开始，Terraloupe应用机器学习算法来检测和测量物理世界中的对象，例如建筑物，道路和树木，以创建数据丰富的3D模型。
“为了解决越来越多的停车问题，我们想看看使用空中图像和人工智能检测和评估停车场是否可行，”Rasthofer说。“通过自动化功能和数字内容的提取，我们认为我们可以大大减少创建地图所需的时间，而不会牺牲准确性。”
创建数字地图的一种经济高效的方法对于一级汽车供应商和原始设备制造商（OEM）特别有趣，以支持自主导航行业。但是，许多其他行业也可以利用这些信息。
HXGN内容程序提供
基于Martinsburg的15厘米GSD数据，由检测到的车道标记创建的语义车道模型
2014年，HXGN内容程序开始收集美国，欧洲部分地区和加拿大人口稠密地区的投机现成的矫正图像，以创建可供客户使用的数据库。目的是在人口较少的地区获得无云的30厘米分辨率，4波段图像以及人口大于50,000的都会区的15厘米分辨率。
通过HXGN Content计划，Terraloupe获得了15 cm的柏林分辨率，以测试其内部开发的对象识别算法。柏林的最初工作花了八周的时间来训练算法，以准确识别和分类停车位，然后仅三天来分析和制作整个德国的地图。
“通过HXGN内容程序访问图像，使我们能够下载所需的地理位置，然后在新数据上训练我们的算法，”Rasthofer解释了。“每个国家 /地区独有的建筑，基础设施和道路系统总是有轻微的差异。我们检查每个对象的置信区间，并重新检查低百分比。当我们纠正错误时，算法继续学习和改进，直到达到非常高的准确性水平为止。”
通过HXGN Content计划获得的空中矫形图会通过严格的QA/QC过程，以确保传递调查级图像。“ HXGN内容计划最适合我们客户在自动驾驶，停车援助和保险/再保险公司损失报告领域的需求，”Rasthofer说。“我们还成功地提供了与基础设施，公用事业，铁路和其他有关各种目的有关的情报。”
机器学习加快了准确的映射
Terraloupe的项目表明，可以有效地使用高分辨率的航空轨道与机器学习结合来提取数字内容。停车分析提供了有用的信息，例如停车场的位置，入口和出口以及可以适合每个批次的不同类别的汽车数量（紧凑，中型，大型）。城市规划师，送货人员，出租车司机和拥挤零售区的顾客都可以从这种改善的停车情报中受益。
“高分辨率，高准确图像的可用性决定了我们在哪里开始该项目；但是，我们打算在整个欧洲进行此分析，因为数据通过Hexagon获得，我们希望将服务扩展到美国，”亚搏苹果appRasthofer说。“总的来说，我们的目标是有效提取所有类型的对象并创建一个完整的数字环境。”
获得空中图像比陆地方法更快，更高效，可以更频繁地更新，这对于许多应用至关重要。亚搏苹果appHexagon的全球运营可产生图像的广泛可用性，并与数据提供商建立良好的业务合作伙伴关系，以继续满足对数字地图的不断增长的需求。
