KTU profesorius Rytis Maskeliūnas ir startuolis „Matomai AI“ kartu sukūrė inovatyvią technologiją, gebančią akimirksniu ir automatiškai nuskenuoti mažiausius miesto objektus. Ji leidžia nustatyti pavojingą pastato nusidėvėjimą, nelegalias statybas, kioskus ar net neteisėtus reklaminius stendus.
Nauja technologija paremta pažangių algoritmų ir skirtingų duomenų šaltinių integracija: LiDAR taškų debesimis (angl. point cloud), palydoviniais vaizdais, ortofotografijomis bei kitais vizualiniais duomenimis. Sprendimas gali būti pritaikomas tiek miestų planavimui ir infrastruktūros priežiūrai, tiek paveldosaugai ar net energetikos sektoriaus objektų stebėsenai.
Praktinė miesto analizė: tradicinių metodų – nepakanka
Pasak Kauno technologijos universiteto Informatikos fakulteto (KTU IF) profesoriaus Ryčio Maskeliūno, idėja gimė iš praktinio poreikio spręsti urbanistinius ir geoinformacinius uždavinius, kuriuose tradiciniai metodai pasirodė nepakankami.
„Nors LiDAR technologija suteikia didelio tikslumo erdvinius duomenis, geometriškai orientuoti metodai, tokie kaip RANSAC arba DBSCAN, nepajėgūs patikimai atpažinti smulkių, netaisyklingos formos arba užstojamų objektų, tokių kaip suoliukai, stulpai ar ženklai. Tuo tarpu giliojo mokymosi modeliams dažnai nepavyksta atskirti retų arba mažų objektų“, – pasakoja KTU profesorius.
Hibridinis metodas: gilusis mokymasis ir geometriniai algoritmai
Taip tyrėjams atsirado mintis sukurti hibridinį metodą, kuris derintų abiejų technologijų stipriąsias puses. Gilusis mokymasis skirtas semantinei konteksto analizei, o geometriniai algoritmai – tiksliai formų išskyrimui ir patikrinimui. Technologija papildyta ir spalvinių vaizdų, palydovinių nuotraukų integracija – tai leido dar labiau padidinti galutinio rezultato kokybę.
Inovatyvi sistema sujungia:
- gilųjį mokymąsi – objektų kategorijoms ir kontekstui identifikuoti,
- geometrinius algoritmus – tiksliai objektų formai patikrinti,
- spalvinių vaizdų ir palydovinių nuotraukų integraciją – rezultatų kokybei pagerinti.
„Ši mūsų miestų elementų skenavimo sistema – inovacija, mat skanuojant miestus įprastu būdu su dronu arba nuo žemės, gaunamas milžiniškas taškų debesis (angl. point cloud). Didžiausia problema po to – tame debesyje surasti atskirus objektus ir juos sužymėti. Tuo tarpu mūsų algoritmai tai padaro automatizuotai“, – sako prof. R. Maskeliūnas.
Kodėl naujos technologijos reikia dabar?
„Šiandien juntamas sparčiai didėjantis poreikis automatiškai, tiksliai ir realiu laiku stebėti bei valdyti kompleksinę urbanistinę infrastruktūrą. Labiausiai to trūksta vietose, kur tradiciniai stebėjimo metodai (rankinė apžiūra, nuotraukos, net žemo raiškos GIS duomenys) pasiekia savo ribas: smulkių, dažnai užstatytų ar užtemdytų objektų (laiptai, stulpai, kelio ženklai, šiukšlinės, stotelės) inventorizavimas, būklės vertinimas ir erdvinis valdymas“, – apie technologijos pritaikomumą pasakoja įmonės „Matomai AI“ mokslininkas, KTU alumnas dr. Julius Gelšvartas.
Jo teigimu, technologijos siūlomas automatinis aptikimas leidžia pamatyti net tokias problemas kaip pavojingas pastato nusidėvėjimas, nelegali statyba, greitai kintanti infrastruktūra – laikini reklamos stendai, nelegalūs kioskai.
Netiesiogiai technologija gali būti pritaikyta spręsti problemoms, kurios apsunkina planavimą ir didina ilgalaikes infrastruktūros priežiūros išlaidas.
„Automatizuotas, tikslius 3D duomenis pateikiantis atpažinimas leidžia ne tik greičiau identifikuoti problemas, bet ir proaktyviai modeliuoti miestų raidą, tokiu būdu užtikrinant saugesnę, efektyvesnę ir tvarkingesnę gyvenamąją aplinką“, – akcentuoja įmonės atstovas.
Pritaikymas – ne tik miestų infrastruktūrai
Tyrėjai pabrėžia, kad technologija turi potencialą būti pritaikyta ir kitose srityse, kur reikalinga tiksli erdvinių objektų analizė.
Energetikos sektoriuje sistema galėtų būti naudojama elektros tinklų stebėsenai: kabelių trasoms, transformatorinėms, pylimams ar infrastruktūros būklei vertinti, taip pat vegetacijos paaugai prie linijų identifikuoti, korozijos požymiams aptikti ar struktūriniams pažeidimams fiksuoti. Ji taip pat galėtų padėti planuoti vėjo jėgainių parkų priežiūrą bei optimizuoti saulės elektrinių išdėstymą.
Geležinkelių infrastruktūros kontekste technologija gali padėti automatiškai kaupti ir analizuoti bėgių tinklo duomenis, identifikuoti kliūtis važiuojamojoje dalyje, stebėti tiltų ir perėjų būklę bei atpažinti sugedusius ar pasenusius signalizacijos įrenginius, didinant saugumą ir sumažinant rankinės patikros poreikį.
Duomenis rinko ne tik dronais, bet ir važinėjant dviračiu
KTU komandos ir KTU „Santakos“ slėnyje įsikūrusio startuolio sukurti algoritmai analizuoja pirminius LiDAR taškų debesis ir palaipsniui, žingsnis po žingsnio, paverčia juos atpažįstamais atskirais objektais – pvz., pastatais, medžiais, suolais, stulpais ar šiukšliadėžėmis.
Pirmiausia suderinami ir sujungiami skirtingi duomenų šaltiniai: LiDAR geometriniai matavimai su bet kokiais turimais vaizdais tai vietovei (pvz., iš palydovų ar ortofotografijų). Tai daroma tam, kad būtų galima gauti kuo išsamesnį ir informatyvesnį miesto vaizdą.
„Tada šį sujungtą taškų debesį padalijame į didelius regionus ir klasifikuojame pagrindines kategorijas (pvz., žemę, pastatus, augmeniją) naudodami gilųjį mokymą. Po to, žinant, kur tikėtina rasti smulkesnius objektus, tikslingose zonose atliekame detalesnę analizę, naudodami specializuotus vaizdo atpažinimo modelius objektams aptikti ir išskirti. Galiausiai, aptiktus objektus patikriname ir pataisome pagal jų geometrines savybes (pvz., ieškome suolo formų arba vertikalių apšvietimo stulpų) ir, jei reikia, grupuojame į prasmingas aukštesnio lygio kategorijas (pvz., „pramogų infrastruktūra“)“, – pasakoja KTU mokslininkas.
Stiprioji šios technologijos pusė – duomenys iš skirtingų šaltinių gali būti apjungiami, taip gaunant dar tikslesnius rezultatus. Mokslininkai su partneriais juos gauna iš nepilotuojamų orlaivių, antžeminiais skeneriais ar net važinėjant dviračiais.
Mėnesių darbas – per kelias valandas
Pasak prof. R. Maskeliūno, vienas reikšmingiausių technologijos privalumų – laiko taupymas ir automatizacijos mastas.
„Šis metodas, apdorojantis milijardus LiDAR taškų, leidžia automatiškai segmentuoti ir klasifikuoti tūkstančius miesto objektų (nuo pastatų iki šiukšliadėžių) per kelias valandas, ką rankiniu būdu atlikti užtruktų mėnesių mėnesius. Miestų savivaldybėms tai potencialiai reiškia ne tik tiesiogines išlaidas sumažinant geodezinius darbus ir žymėjimo paslaugų pirkimus, bet ir netiesiogines naudas: spartesnį sprendimų priėmimą, tikslesnį miesto infrastruktūros inventorizavimą“, – akcentuoja profesorius.
Technologija gali būti pritaikyta ir pokyčių aptikimui – pavyzdžiui, fiksuojant naujai atsiradusius nesankcionuotus objektus arba nuolatinių elementų pašalinimą. Tokia funkcija aktuali ne tik miestų tvarkai, bet ir paveldosaugos kontekste.
Mokslininkų ir partnerių sprendimas leidžia automatiškai, greitai ir tiksliai sukurti visapusiškus viešosios erdvės ir infrastruktūros objektų registrus.
Skaitmeninis miesto atvaizdas – pagrindas „smart city“ sprendimams
Tyrėjai pabrėžia, kad tokie duomenys galėtų tapti esmine dalimi pažangesnių miestų valdymo sistemų.
„Be abejo gerėtų ir skaitmeninimas, nes gerėtų geoinformacinės sistemos ir „protingojo miesto“ sprendimai. Gauti detalių objektų duomenys, integruoti su GIS ir kitomis miesto duomenų bazėmis, sudarytų vientisą skaitmeninį miesto atvaizdą. Tai būtų esminis pamatas pažangesnėms aplikacijoms: nuo autonominių transporto priemonių navigacijos iki teritorijų panaudojimo analizės ir darnaus vystymosi rodiklių skaičiavimo“, – sutaria abu tyrėjai.
Ateityje planuojamas miesto stebėjimas realiu laiku
Kuriant sprendimą, tyrėjams buvo įdomu analizuoti Kauno miesto objektus – paminklus, viešąsias erdves bei UNESCO paveldo sąraše esančius tarpukario modernizmo architektūros pastatus.
„Kuriant sistemą, visai tyrėjų komandai įdomiausia buvo stebėti ir apžiūrinėti paminklus Kauno mieste. Turime labai daug meniškų ir istorinių paminklų, puošiančių miesto viešąsias erdves. Taip pat buvo įdomu iš arti stebėti į UNESCO paveldą įrašytus Kauno tarpukario architektūros pastatus“, – pasakoja abu mokslininkai.
„Matomai AI“ jau šiandien bendrauja su keletu Lietuvos ir užsienio miestų, o ateities tikslas – išplėsti sistemos funkcionalumą.
„Matome, kad lengviausia sekasi bendradarbiauti su miestais, kurie turi noro ir nebijo diegti inovatyvius sprendimus. Ateityje planuojame sistemos funkcionalumą plėsti bei patobulinus algoritmus, sistemą pritaikyti miesto stebėjimui realiu laiku. Tai leistų matyti miesto infrastruktūros pokyčius bei sparčiai reaguoti į iškylančias problemas“, – sako dr. J. Gelšvartas.
Parengta pagal pranešimą žiniasklaidai.
