De vraag
BeeXact maakt gebruik van ‘mobile mapping auto’s’. Deze auto’s maken camerabeelden van de omgeving, bijvoorbeeld van huizen en straten, om deze informatie vervolgens door te zenden. BeeXact wilde de transformatie van de camerabeelden naar GIS-kaarten automatiseren. Hierdoor kunnen ‘bodembedekkers’ (straatstenen, stoeptegels, gras) sneller in kaart worden gebracht. Met deze informatie worden o.a. aannemers ondersteund bij het aanleggen van een glasvezelnetwerk. Waar voorheen camerabeelden door mensen moest worden bekeken en de bedekking van de grond handmatig werd ingevoerd, bedacht Datacadabra dat dit met de inzet van AI efficiënter kan plaatsvinden.
Het proces
Datacadabra heeft onderzocht met welke methoden camerabeelden het best automatisch getransformeerd kunnen worden naar 2D BGT (Basisregistratie Grootschalige Topografie) polygonen. Vrij vertaald betekent dit dat de camerabeelden omgezet worden naar een 2D kaart waarop aangegeven staat wat gras is en wat de straat.
Data
We ontvingen de camerabeelden van de ‘mobile mapping auto’s van BeeXact. Deze 360 graden beelden werden al gemaakt, maar de verwerking verliep niet automatisch. Wij hebben de beelden gekalibreerd en gerelateerd aan de positie in de echte wereld.
Diensten
Datacadabra heeft een tool ontwikkeld op basis van computer vision. Hiermee is het algoritme in staat camerabeelden te verwerken en wordt via de tool aangegeven welk type bodembedekking waar aanwezig is. Dit wordt vervolgens op een 2D afbeelding (GIS-kaarten) weergegeven.
Het resultaat
Videobeelden van de mobile mapping auto’s hoeven niet langer met de hand te worden geanalyseerd en ingevoerd, wat BeeXact een aanzienlijke tijdsbesparing oplevert. Daarnaast zijn er functionaliteiten toegevoegd, zoals het ‘blurren’ van gezichten en nummerborden. Dit werd voorheen niet automatisch uitgevoerd, waardoor we ook in het afschermen van privacygevoelige informatie een slag hebben gemaakt.
