机构名称：
¥ 1.0
关键词：地籍图、人工智能、机器学习、卷积神经网络、计算机视觉 摘要 荷兰地籍图确实符合其设计目标；它是地籍登记的完整且拓扑正确的索引。然而，在未来人们想要放大并自己确定边界的确切位置的情况下，其约 0.5 米的图形质量似乎不够准确。包裹大小的相关不确定性也成为一个问题。经过市场调查，荷兰地籍局于 2017 年启动了一项研究项目，研究了重建地图的许多不同方面（法律、通信、大地测量、组织等）。然而，重点是最关键的方面：是否可以自动读取数百万张现场草图的问题。两家公司（KPMG 和 Sioux LIME）实现了概念验证，证明了在一定精度水平下实现该技术是可行的。我们继续聘请两家公司的专家，他们与我们自己的员工一起成功构建了一个原型，该原型能够读取文档并将它们连接到地籍图的新几何图形上。解决方案中广泛使用了人工智能。现场草图的内容非常复杂，通常是手写的，并且地图比例灵活。从此类文档中提取结构化信息需要几个算法步骤：图像质量改进、线和点检测、测量数字识别、实际读取这些数字以及将这些数字链接到两个点（开始和结束）。这些数字表示这些点之间的胶带测量值。该过程的结果是基于比例和结构化测量数据的绘图。在此过程中，需要手动检查和更正。第二个大过程是将生成的线型定位在国家参考系统中，并将不同的线型相互连接起来。生成的草图网络可以在每次新扩展时重新计算，并构成新地籍图的基础。将展示和讨论解决方案的架构。
重建荷兰地籍图
主要关键词
相关文件推荐
