Mapbox博客

Mapbox与OSM联手打造开源工具RoboSat,即将指数倍提高你的图像处理效率

Mapbox

2018年6月27日

开发者

RoboSat 是一款非常实用且高效的图像处理工具

随着近期以来,Mapbox 用户的不断增加,以及我们与多方合作的不断增强,我们需要处理的数据也在一天天成指数级增长。这也促使我们不断优化我们的工具,来帮助我们更高效地完成数据处理。

有赖于计算机视觉和机器学习技术的发展,Mapbox 这次与 OpenStreetMap 开源社区联手打造了一款处理图像数据的神器—— RoboSat。这是一种开源的生产力工具,端对端地进行图像识别,从航拍或卫星图中提取特征点用于地图渲染。

RoboSat 简化了机器学习的工作流程,使用户可以更加方便地处理高空和卫星数据。在跟踪实时的森林砍伐状况、火灾情况、土地利用等场景都有广泛的用途。你还可以使用 Robosat 来实时验证 OpenStreetMap 中的地图变化(参考 Mapbox Satellite for Machine Learning)

robosat mapbox 1

Mapbox 有长期与 OpenStreeMap 这些开源社区合作的历史。这次 RoboSat,也是我们与 OpenStreetMap 社区联手打造的,有赖于世界各地的开发者们的贡献,OpenStreetMap 为 RoboSat 提供了强有力的数据支持。

你可以关注我们在 RoboSat Github 上的开源主页,来跟进 RoboSat 的更新。

RoboSat 是如何工作的?

简单来说,分为三个部分。

Part 1 数据提取

robosat mapbox 2

Robosat 可以帮助我们识别图像信息,自动创建可供用于特征训练的数据集。我们提供了方便的数据获得来源,你可以从 Maps API 下载航拍图像,并通过 OpenStreetMap 生成几何图形蒙版。

Part 2 训练与建模

robosat mapbox 3

RoboSat 的建模工具使用卷积神经网络对数据进行分割。RoboSat 运行在我们高性能的柏林总部机房中,训练好的模型对数据点进行分类和区域划分。

Part 3 后处理

robosat mapbox 4

RoboSat 的后处理工具帮助整理数据分割后的结果,包括数据去噪、简化几何图形,将图像信息转化为地理坐标(GeoJSON 功能),并正确处理瓦片渲染边界。

以下是一个使用 RoboSat 进行数据识别和建模的过程:

Mapbox 有丰富的高清卫星图层(2017 年 7 月,我们更新了相当于巴西一整个国家国土面积约 820 万平方公里的高清卫星数据)是用 RoboSat 进行特征学习的理想数据来源,你可以通过我们的 Maps API 来获取瓦片图层。

对于 OpenStreetMap 社区产生贡献或者一般的非商业目的,使用我们的航拍图是免费的,大量或商业应用请点击页面右上角留言联系我们的团队。

你正要离开Mapbox中国网站

并非所有mapbox.com的服务在中国提供