Actueel

Artificial Intelligence (AI) in puntenwolk

Artificial Intelligence een hype? Het is meer dan dat, Geomaat gebruikt het steeds meer bij automatische objectherkenning in de puntenwolk. Het is een uitdaging om deze waardevolle technologie op de juiste manier in te zetten. Kunstmatige intelligentie is op zichzelf een leerproces dat niet van de ene op de andere dag voltooid is, dat geldt ook voor ons. Stap voor stap passen wij AI toe op big data.

Verder lezen Sluiten

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.

Ontwikkeling van de puntenwolk

Werken met de puntenwolk is al jaren in ontwikkeling. 15 jaar geleden was het nog lastig om met grote bestanden om te gaan. Computers hadden nog geen grote opslagcapaciteit en netwerken konden niet met deze grote hoeveelheden data omgaan. Toen kon alleen hele specifieke software de grote puntenwolken inladen én dat ging verre van met een redelijke snelheid.

De afgelopen 10 jaar is er veel veranderd als het gaat om big data, binnen en buiten Geomaat. In het algemeen is de rekenkracht van computers sterk toegenomen waarmee de puntenwolk steeds toegankelijker is voor een ieder. Wat betreft de opslag van big data hebben wij ons eigen ‘datacenter’. Als online oplossing hebben we ook een eigen Cloud Computing systeem ontwikkeld. Waarin wij zware taken, zoals bewerkingen aan puntenwolken, verdelen over alle computers van Geomaat. Zo doet iedere PC een klein deel van het werk, waardoor we het geheugen en de rekenkracht van alle (werk) computers optimaal benutten.

Daarnaast is ons werkproces stukken slimmer en sneller door onder andere het parallelliseren van bewerkingen aan de puntenwolk en de vele ingebouwde controletools. Zo detecteren we automatisch  waar de puntenwolk niet aan de gestelde eisen voldoet en verwijderen we automatisch alle ruis.

De ontwikkeling van de puntenwolk en big data waren de stappen voorafgaand aan de opkomst van AI in onze wereld.

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.

Artificial Intelligence (AI) in puntenwolk Geomaat

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.

Automatische detectie pijlen

Na maanden trainen van de data en door de nieuwe tools van onze P&I experts, vertellen wij bij deze: Geomaat past sinds kort kunstmatige intelligentie succesvol toe tijdens de automatische detectie van weg pijlen. Hiermee gebruiken wij kunstmatige intelligentie bij de detectie van pijlen in onze puntenwolk. En benaderen we de 100 procent correctheid!

Hoe we dit hebben gedaan? En waar liepen we tegenaan?     

We zijn begonnen met het toepassen van AI op één eenvoudige dataset, de pijlen op de weg. In Nederland bestaan circa 50 verschillende soorten wegpijlen. Om het systeem te trainen is het belangrijk om genoeg voorbeelden van iedere soort pijl te verzamelen. We importeren duizenden voorbeelden in het systeem. Vervolgens trainen we het algoritme aan de hand van een uitgebreide train-set (projectdata), hiervan tekenen we ook alle pijlen uit. Het model voorspelt vervolgens de locatie van de pijlen en het soort pijl van de test-set door het algoritme. Vervolgens moeten we dit controleren: Hoe goed werkt het model met dit algoritme? Hiervoor maken we een beoordelingstool om razendsnel de gevonden pijlen te beoordelen. Met een GIS-analyse tool vergelijken we verschillende ‘trainingen’ om te kijken of het algoritme zich verbetert. Door meer en meer data toe te voegen en het model hierop iedere keer weer te trainen, wordt het model steeds nauwkeuriger. Het resultaat: dit model benadert de 100 procent correctheid bij het detecteren van de pijlen op de weg.

Artificial Intelligence (AI) in puntenwolk Geomaat

En nu? Vervolgstappen?

We gaan verder met het ontwikkelen en toepassen van AI op de automatische herkenning van andere objecten: verkeersborden, lantaarnpalen, bomen, wegmarkeringen, portalen en kasten. Op die manier gaan we innoveren door automatiseren op een nog slimmere manier. Nu het productieproces met AI voor dit object is geslaagd, hebben we de grootste uitdaging met succes overwonnen.

Maar we zitten geen tel stil: De volgende stap is om nu (in tegenstelling tot de 2D-pijlen) driedimensionale objecten automatisch te herkennen met AI.

AI inzetten in de puntenwolk is pas van waarde als we 100 procent correctheid benaderen!

Jolle Jelle de Vries