谷歌搜索_google搜索引擎_谷歌搜索引擎入口
当前位置:谷歌搜索引擎 » 站长资讯 » 谷歌应用搜索 » 文章详细

谷歌地图发布《时光机》:100年前你的街道是什么样的?

发布时间:2021-03-07
10年前,甚至100年前,你长大的街道有多长?现在,除了使用AI修复旧的图像数据,谷歌地图还发布了新的“时间旅行”方案。
就这样,从3D的角度,我们可以看到曼哈顿切尔西区从1890年到1970年的建筑变化。是不是有点历史变化?
这样的“时光机”的引擎是基于浏览器的工具集R?(声音返回),主要由三部分组成:
众包平台。用户可以上传城市历史地图,与现实世界坐标匹配,完成地理校正,矢量化。
时空地图服务器。它可以显示城市地图是如何随着时间而变化的。
一个3D体验平台。跑r?在地图服务器上,利用深度学习,根据有限的历史图片和地图数据重建三维建筑,创造三维体验。
通过众包构建
重现城市过去最大的困难在于数据:可用的图像很少,从图像中获得的元数据自然比现代地图少得多。
为了迎接这个挑战,谷歌地图工程师使用了开源工具R?。
其功能是通过众包创建一个时间维度的地图服务器。
具体来说,用户可以通过浏览器上传不同年代的纸质地图扫描件,并进行地理校正,使历史地图与现实世界的坐标相匹配。
然后,通过追踪地标建筑和道路等地理特征,将历史地图转换为OSM矢量格式。
这些矢量地图经过瓦片服务器渲染后,会变成通常在谷歌地图上看到的滑溜的地图,可以放大翻译。
重建三维模型
接下来,我们使用这些图像和地图数据来重建历史上曾经出现过的建筑物的三维结构。
这里的困难是,在大多数情况下,一座建筑的历史图像可能只有一个。于是,Google工程师开发了一套从粗到细的识别和重构算法。
首先,根据众包标注或自动检测算法,识别地图标记和历史图像中的建筑立面,并为其生成粗糙的三维结构。
同时,该算法将识别建筑立面上的窗户、入口、楼梯等所有独立的构件,并根据它们的类别重建精细的三维结构。
结合这两者,我们得到最终的3D网格。该结果将存储在3D库中,为下一次渲染做准备。
该算法中涉及的SOTA深度学习模型包括:
训练后的RCNN用立面组件(如窗户、入口和楼梯)进行注释,这些组件用于在历史图像中定位框架级实例。
DeepLab是一个语义分割模型,为每个语义类提供像素级的标签。
特别设计的神经网络用于确保在一个标高上生成的窗口具有相等的间距和一致的形状。同时也保证了楼梯、窗户等不同语义类之间的一致性,使这些组件能够放置在合理的位置。

搜索关于谷歌地图发布《时光机》:100年前你的街道是什么样的?的信息,谷歌一下

版权保护: 本文由谷歌搜索发布,转载请保留链接:

信息拓展:

  1. 如何查看当地国家的Google搜索结果
  2. 谷歌搜索:关于向美国当局提供搜索“某些关键词”的用户信息
  3. 谷歌搜索数据,加拿大成全世界学生最理想的留学国家
  4. Google高级搜索指令提升开发效率和准确度
  5. 谷歌搜索,可能导致无法访问,你需要的是谷歌搜索镜像网站
  6. 分享:使用谷歌中文搜索终于可以远离垃圾seo站了
  7. 谷歌搜索的下一步:情境为王,给你更多参考
  8. 谷歌搜索趋势表明,人们对量子计算的兴趣越来越浓厚
  9. 谷歌地球的前世今生之地球团队的成立与挑战
  10. 谷歌更新地图!升级搜索功能:规划行车路线更“省油”,帮助消费者节能减排