Artificial Intelligence (AI) in puntenwolk

Big data vertalen naar informatie

Enorme datasets – big data – daar werkt Geomaat dagelijks mee. Deze data is pas van waarde zodra het informatie wordt. Dit betekent voor ons dat wij altijd kennis en informatie toevoegen aan ruwe data. Zo interpreteert de opdrachtgever de informatie goed en is het van betekenis voor zijn of haar vraagstuk.

Wij winnen data op verschillende manieren in. Ons Mobile Mapping-systeem is hier één van. Dit is een voertuig uitgerust met een GPS, IMU, fotocamera en twee laserscanners die al rijdend in het verkeer de weg en de naaste omgeving in kaart brengt. Hiermee brengen wij per seconde 2.000.000 punten in kaart. Op die manier verzamelen wij miljarden punten (of wel big data) die wij verwerken in een puntenwolk. De puntenwolk vormt het uitgangspunt voor alle informatie – producten – die Geomaat levert aan de opdrachtgever.

Innoveren door automatiseren dankzij onze Proces & Innovatie afdeling

Achter de vertaling van big data naar informatie schuilt een uitgebreid werkproces, waarin wij intern geprogrammeerde tools en software gebruiken. Zo behalen we een hoge kwaliteit in een aanzienlijk korte tijd. Dit past bij Geomaat’s visie: innoveren door automatiseren. Deze innovatieve slag zorgt ervoor dat de opdrachtgever op een slimme en snelle manier de gevraagde informatie krijgt. Dit passen we niet alleen bij de puntenwolk toe, maar bij al onze werkzaamheden. Wij hebben honderden tools om ons werkproces te versnellen en te controleren: Landmeten is controleren.

Sinds een aantal jaren zetten wij nog een stap vooruit om Artificial Intelligence toe te passen op onze data, de puntenwolk. Het proces van kunstmatige intelligentie bij Geomaat is sterk in ontwikkeling. Lees verder om erachter te komen waar wij nu staan.

Van automatisering naar zelflerende data

Sinds 2011 heeft Geomaat een samenwerking met TNO om software te ontwikkelen voor het automatisch verwerven van de benodigde informatie uit de puntenwolk. Neem bijvoorbeeld het automatisch detecteren van belijning en geleiderail, dit gebruiken we al jaren. Of het presenteren van C5/IRI waardes voor het presenteren van langsonvlakheid van wegen.

Ruim 2 jaar geleden ging dit een stap verder: van automatisering (door ‘hard’ geprogrammeerde software) naar zelflerende data. Op dit moment ligt de focus op automatische extractie van 3D-objecten uit de puntenwolk. Zo is Geomaat’s P&I afdeling druk bezig met de technieken: Data Mining, Machine Learning en Deep Learning.

Met Mobile Mapping halen we bijzonder veel digitale data binnen. Het ligt dan ook voor de hand om zelflerende algoritmes in te zetten bij het automatisch herkennen van informatie uit de puntenwolk, denk bijvoorbeeld aan verkeersborden, lantaarnpalen, bomen, wegmarkeringen, portalen en kasten. Met de nieuwste technologieën kan een computer zelf leren om welk object het gaat. De grote uitdaging met zelflerende data is dat de computer geen enkel object over het hoofd mag zien of het object verkeerd classificeren. Dat betekent namelijk dat je nogmaals alle data moet controleren, dit is tijdrovend en geeft een hogere kans op fouten! Wij gebruiken kunstmatige intelligentie pas in ons werkproces wanneer we de 100 procent correctheid benaderen. Om de ‘100 procent’ te definiëren, werken we alles in de ‘leerfase’ ook nog met de hand uit. Dit is kostbaar en tijdrovend, ons voordeel is dat wij ook hier weer tools voor hebben gemaakt. Afgelopen jaar zijn we gestart met het eerste object, namelijk het automatisch detecteren van weg pijlen.

> En hoever zijn we nu? Lees hieronder verder.