DroneDeploy的基于云的摄影测量和图像处理软件所做的事情

援引美媒消息称，2017年10月，我们发布了一篇关于DroneDeploy巨大增长的故事：“就在今年，该公司已经绘制了超过2500万英亩的土地，面积比冰岛大。他们在2017年处理了4000万张图像，每天创建数千张地图，并且今年到目前为止已在平台上处理了750k的测量数据。”

图片来源于网络

这意味着什么？DroneDeploy的首席技术官Nick Pilkington表示，有大量的经验和大量的数据，可以有效地应用于机器学习。这正是该公司用Map Engine，DroneDeploy的基于云的摄影测量和图像处理软件所做的事情。以前处于测试模式，它已经被全球4000多家客户使用，每月处理超过30000张地图，该产品于今天正式推出。

Nick Pilkington说：“地图引擎跟踪航拍图像中的数十亿个点，同时重建三维场景和无人机的轨迹。”“我们汇集了云计算，计算机视觉和机器学习的最新进展，以构建一流的摄影测量管道，无论您的工作流程如何，都能在记录时间内提供准确的结果。”

Map Engine专为云计算而设计，因此地图和模型流程可以快速利用最新的云基础架构和机器学习硬件。“即使是具有高达10K图像的地图也可以在不牺牲质量的情况下进行处理，使用云意味着削减内部硬件，工程和IT成本。”DroneDeploy说。这是行业迈出的一大步，增加机器学习意味着更快的处理能够产生更多的实际信息。

机器学习的智能摄影测量将映射到下一个级别。Map Engine能够解释和理解场景，因此它可以做出处理决策，并在最短的时间内提供最清晰，最准确的结果。

Nick Pilkington说：“机器学习从一开始就融入到产品中。” “现在它正在实现。”

“我们有五年的数据和经验。”皮尔金顿解释说，“凭借那些大量的数据，我们现在可以将这些数据与人工智能和机器学习结合起来。”Map Engine可以帮助绘制大豆农业领域或玉米或水，人眼很难确定边缘或边界：但计算机很容易做到。它可以提高可能用于测量距离和体积的建筑图像质量。它可以将树木与建筑物区分开来，并在后处理方面提供更多价值，例如在太阳能场上计算太阳能电池板。

“两年前，地图引擎代码库集成开始于DroneDeploy收购领先的摄影测量解决方案3DN，该解决方案已经开发了五年。”DroneDeploy新闻稿称。该公司将时间，精力和资金投入到项目中：他们拥有5名博士，他们具有深刻的背景和多年的机器学习经验。

皮尔金顿说：“我们长期以来一直致力于解决这些难题。”

工作将继续进行，DroneDeploy已经在应对更加艰难的处理挑战。皮尔金顿说：“使用地面控制点获取高分辨率GPS对人类来说既繁琐又耗时。”“这是一个大问题;但通过访问和学习大量数据，我们可以使这个过程更容易。”

“我们考虑它的方式，终极目标是完全自治：每个工作现场都会有无人机，它将简单易用，可用。”Pilkington说。“我们正在努力实现一键式体验。”

来自DroneDeploy的新闻稿：

此版本包括对早期测试版的四个主要改进：

提高速度：Map Engine现在可以快速生成30-50％的地图和模型。可以在一小时内处理由数百张图像组成的场景。

提高准确度：针对农业，建筑和太阳能的行业特定精度改进产生更高质量的结果。

大地图支持：现在可以快速准确地处理多达10000张图像（100GB）的地图（测试版）。

移动上传：客户现在可以通过移动上传（测试版）无线传输图像到云端，以便立即处理。

下一版Map Engine计划于2018年10月11日在旧金山举行的DroneDeploy年度用户大会上亮相。那时，将公布将大量AI工具集成到Map Engine中的重要更新。