通过数据驱动自动化推断与改进街道地图
计算机视觉与模式识别
2019-11-07 v2
摘要
街道地图是有助于为从城市导航到灾害救援和城市规划等广泛决策提供信息的关键数据源。然而，在世界许多地区，街道地图不完整或落后于新建设。如今编辑地图涉及手动追踪和标注道路、建筑及其他地图要素的繁琐过程。过去十年中，已提出许多自动地图推断系统，以从卫星影像、航空影像和 GPS 轨迹数据集中自动提取街道地图数据。然而，由于两个关键限制，自动地图推断未能在实践中获得关注：高错误率（低精度），表现为噪声推断输出，以及缺乏端到端系统设计以利用推断数据更新现有街道地图。在 MIT 和 QCRI，我们开发了若干算法和方法来应对这些挑战，并将其整合为一个称为 Mapster 的新系统。Mapster 是一种人在回路的街道地图编辑系统，包含三个组件以较传统工具和流程鲁棒地加速制图过程：高精度自动地图推断、数据精炼和机器辅助地图编辑。通过对包含四十个城市的卫星影像、GPS 轨迹和真值地图数据的大规模数据集的评估，我们表明 Mapster 使自动化在地图编辑中切实可行，并能以更低成本策划更完整和最新的地图数据集。
引用
@article{arxiv.1910.04869,
title = {Inferring and Improving Street Maps with Data-Driven Automation},
author = {Favyen Bastani and Songtao He and Satvat Jagwani and Edward Park and Sofiane Abbar and Mohammad Alizadeh and Hari Balakrishnan and Sanjay Chawla and Sam Madden and Mohammad Amin Sadeghi},
journal= {arXiv preprint arXiv:1910.04869},
year = {2019}
}