Een promovendus van de Universiteit Twente bouwde een algoritme dat programma's als Google Streetview veel nauwkeuriger maakt. Dankzij luchtfoto's en zelflerende software kan je op de decimeter nauwkeurig door stadsstraten lopen.

Morgen promoveert Philipp Fanta-Jende aan de Enschedese universiteit. Zijn proefschrift beschrijft het algoritme dat luchtfoto's analyseert en koppelt aan objecten op straatniveau. Met de combinatie van die twee beelden kan het algoritme een GPS-locatie veel nauwkeuriger aan een beeld koppelen.

 

Hoge gebouwen verstoren GPS

Met programma's als Google Streetview is het 'wandelen op straat' via een computer gemeengoed geworden. Maar regelmatig klopt de locatie van een streetview-beeld aanvankelijk niet met de werkelijke gps-locatie. Dat komt doordat de Google-auto's die rondrijden en beelden schieten niet altijd genoeg satellieten in hun bereik hebben om goed de locatie te bepalen. Hoge gebouwen en storingen in drukke steden blokkeren satellietsignalen.

Om dat te corrigeren is nu veelal handwerk nodig. Mensen moeten kijken waar een beeld niet klopt en het handmatig op de juiste GPS-coördinaten zetten. Een kostbaar en tijdrovend proces. Hoewel Google de financiële en technische middelen heeft om elk beeld te corrigeren, geldt dat niet voor andere streetview-achtige toepassingen. Fanta-Jende probeert met zijn nieuwe algoritme het correctieproces te automatiseren.

 

Luchtfoto's helpen

Daarvoor gebruikt hij luchtfoto's, GPS-data en straatfoto's. Het algoritme herkent dingen als wegmarkeringen of bomen vanuit de lucht én op straatniveau, en koppelt deze aan elkaar. Voor luchtfoto's zijn de precieze GPS-locaties veel makkelijker (automatisch) vast te stellen, waardoor een straatbeeld via de luchtfoto aan GPS gelinkt wordt. Het algoritme leerde hoe een object of markering in een luchtfoto past bij een object op straatniveau, door een dataset waar de twee aan elkaar gekoppeld waren.

Het algoritme is niet zelflerend. 'Machine learning is nog niet nauwkeurig genoeg voor dit soort werk. In de toekomst kan het echter zeker een optie zijn', vertelt Fanta-Jende.

Voorbeeld van een luchtfoto waarin het algoritme markeringen herkent.

Fanta-Jende testte het algoritme op lucht- en straatfoto's van Rotterdam. In die stad is relatief veel hoogbouw, waardoor straatfoto's niet altijd op de juiste plek staan. Met het algoritme ging die onnauwkeurig van een meter naar een paar decimeter. Dat is dezelfde verbetering die handmatig corrigeren oplevert.

 

Autonome drones

De techniek kan verder worden uitgewerkt, zodat hij bijvoorbeeld ook realtime werkt. Bedrijven als Fugro zullen die ontwikkeling op zich nemen. Ook kunnen autonome auto's of drones baat hebben bij de techniek; door de koppeling weten die sneller waar ze zijn in de stad en kunnen ze dus nauwkeuriger rijden of vliegen.

Beeld: petterijokela