vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2021-26-6-96-106 Картография и геоинформатика Разработка методики автоматизированной актуализации карт городских территорий с помощью технологии компьютерного зрения Н. В. Порохов Порохов Н. В. П. Ю. Бугаков Бугаков П. Ю. Сибирский государственный университет геосистем и технологий, г. Новосибирск, Россия 2021 26 6 96 106 © Н. В. Порохов, П. Ю. Бугаков, 2021 2021 Н. В. Порохов, П. Ю. Бугаков Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. В настоящее время для обновления карт широко используются спутниковые или аэрофотоснимки. Для ускорения процесса актуализации некоторые крупные картографические сервисы используют системы компьютерного зрения, интеллектуальные системы и другие передовые технологии. Однако частота получения исходных данных – спутниковых снимков – все еще невелика. В связи с этим в статье предлагается методика актуализации карт городских территорий, основанная на получении исходных данных с помощью наземной фотосъемки и дальнейшего распознавания образов зданий и сооружений. В статье обосновывается актуальность темы исследования, приводятся примеры использования технологии распознавания образов для обновления картографических материалов крупнейшими сервисами. Также рассматриваются основные технические характеристики программного и аппаратного обеспечения, необходимого для реализации эксперимента по предлагаемой методике. автоматизация открытые карты компьютерное зрение нейронные сети automation open maps computer vision neural networks 1. Ляшов М. В., Береза А. Н., Бабаев А. М., Коцюбинская С. А. Нейросетевая система отслеживания и распознавания объектов в видеопотоке // Современные наукоемкие технологии. – 2018. – № 12-1. – С. 102–107. 2. Ямашкин А. А., Ямашкин С. А. Использование нейронных сетей прямого распространения для ландшафтного картографирования на базе космических снимков // Геодезия и картография. – 2014. – № 11. – С. 52–58. 3. Кирпичников А. П., Ляшева С. А., Трегубов В. М., Шильников К. В., Шлеймович М. П. Обнаружение трещин дорожного покрытия на изображениях // Вестник технологического университета. – 2019. – Т. 22, № 8. – С. 186–190. 4. Локтев А. А., Алфимцев А. Н., Локтев Д. А. Алгоритм распознавания объектов // Вестник МГСУ. – 2012. – № 5. – С. 194–201. 5. Буэно Г. Г., Эспиноса А. Х. Л., Суарес О. Д. Обработка изображений с помощью OpenCV. – М. : ДМК-Пресс, 2016. – 210 с. 6. Прохоренок Н. А. OpenCV и Java. Обработка изображений и компьютерное зрение. – СПб. : БХВПетербург, 2018. – 320 с. 7. Булыгин Д. А., Мамонова Т. Е. Распознавание жестов рук в режиме реального времени // Научный вестник НГТУ. – 2020. – № 1(78). – С. 25–40. 8. Тарасов А. В. Современные методы оперативного картографирования нарушений лесного покрова // Вестник СГУГиТ. – 2020. – Т. 25, № 3. – С. 201–213. 9. Li J., Allinson N. M. Subspace learning-based dimensionality reduction in building recognition // Neurocomputing. – 2009. – Vol. 73 (1–3). – P. 324–330. 10. Li J., Allinson N. M. Building recognition in urban environments: A survey of state-of-the-art and future challenges // Information Sciences. – 2014. – Vol. 277. – P. 406–420. 11. Зеленцов И. А. Распознавание образов. Обзорная лекция [Электронный ресурс]. – Режим доступа: http://it-claim.ru/Persons/Zelencov/Lection_presentation.pdf (дата обращения 22.10.2020). 12. ГОСТ 21830–76. Приборы геодезические. Термины и определения. – М. : Изд-во стандартов, 1986. 13. ГОСТ Р 52928–2010. Система спутниковая навигационная глобальная. Термины и определения. – М. : Стандартинформ, 2018. 14. ГОСТ Р 53864–2010. Глобальная навигационная спутниковая система. Сети геодезические спутниковые. Термины и определения. – М. : Стандартинформ, 2018. 15. ГОСТ 32453–2017. Глобальные навигационные спутниковые системы. Системы координат. Методы преобразований координат определяемых точек. – М. : Стандартинформ, 2017. 16. ГОСТ Р ИСО 17123-8–2001. Государственная система обеспечения единства измерений. Оптика и оптические приборы. Методы полевых испытаний геодезических и топографических приборов. Часть 8. Полевые испытания GNSS-аппаратуры в режиме «Кинематика в реальном времени». – М. : Стандартинформ, 2019. 17. TensorFlow [Электронный ресурс]. – Режим доступа: https://www.tensorflow.org/ (дата обращения: 01.12.2020). 18. Ермаков М. К., Вартанов С. П. Подход к проведению динамического анализа java-программ методом модификации виртуальной машины Java // Труды ИСП РАН. – 2015. – Т. 27, № 2. – С. 23–38. 19. Oracle Java [Электронный ресурс]. – Режим доступа: https://www.oracle.com/ru/java/ (дата обращения: 07.12.2020). 20. Брюс Эккель. Философия Java. – 4-е изд. – СПб. : Питер, 2018. – 1168 с. 21. TechCrunch [Электронный ресурс]. – Режим доступа: https://techcrunch.com/ (дата обращения: 03.03.2021). 22. Пантилимонов М. В., Бучацкий Р. А., Жуйков Р. А. Кэширование машинного кода в динамическом компиляторе SQL-запросов для СУБД PostgreSQL // Труды ИСП РАН. – 2020. – Т. 32, № 1. – С. 205–220. 23. PostgreSQL [Электронный ресурс]. – Режим доступа: https://www.postgresql.org/ (дата обращения: 03.12.2020). 24. Sharayeu Y. Machine learning and lambda architecture methods application to optimize PostgreSQL database performance // Big data and advanced analytics. – 2019. – № 5. – С. 81–82. 25. ArcMap [Электронный ресурс]. – Режим доступа: https://desktop.arcgis.com/ru/arcmap/ (дата обращения 10.02.2021). 26. Коэльё Л. П., Ричерт В. Построение систем машинного обучения на языке Python. – Пер. с англ. – М. : ДМК Пресс, 2015. – 303 с. 27. Philbin J., Chum O., Isard M., Sivic J., Zisserman A. Object retrieval with large vocabularies and fast spatial matching // 2007 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2007) (18–23 June 2007). – Minneapolis, Minnesota, USA. doi: 10.1109/CVPR.2007.383172. 28. Shao T. S. H., Gool L. V. Zubud-Zurich buildings database for image based recognition : Technique Report № 260. – Swiss Federal Institute of Technology, 2003. 29. GEOJSON [Электронный ресурс]. – Режим доступа: https://geojson.org/ (дата обращения: 22.01.2021).