）一文中，谷歌描述了所采用的方法——怎样在街景视图中使用深度神经网络自动且准确无误地读出街道名称。...重要的是，谷歌的系统在提取其他类型信息也是很容易扩展的。比如现在帮助谷歌自动提取商店前面的商户名称。目前该模型已经开源。 ? 图中为法国街道名称标识数据集中的一个例子，被谷歌的系统正确识别。...现在，每当一辆街景车在新建的道路上行驶时，我们的系统可以捕捉上千万张图像，提取街道名称和数字，并自动在谷歌地图上创建和定位新地址。 但自动为谷歌地图创建地址是不够的。...使用不同的训练数据，我们用来读取街道名称的模型结构也可以用来准确地提取商业名称。...同时，在景观、道路和商业不断变化的情况下，谷歌地图的更新所面临的技术挑战，远远还没有解决。为超过十亿的谷歌地图用户创造更好的用户体验，一直是谷歌地面实况团队追求的目标。
在一些国家，如巴西，该算法已经改善了谷歌地图中90％以上的地址，大大提高了我们地图的可用性。 理所当然地，下一个步骤是将这些技术扩展到街道名称。...现在，只要街景汽车在新建的道路上行驶，我们的系统就可以分析成千上万的被捕获的图片，提取街道名称和数字，并在谷歌地图上自动正确创建和定位新地址。...使用不同的训练数据，用于读取街道名称的模型架构也可用于从商家外观图片中精确地提取商家名称。...在这种特殊情况下，我们能够仅仅提取商家名称，来验证谷歌地图中是否已经存在该商家，从而使我们能够获得更准确和最新的商家列表。...在保持谷歌地图与城市不断变化的环境保持一致的同时，道路和商家提出了一个远未解决的技术挑战，地面实况团队的目标是推动机器学习中的划时代的创新， 为十多亿谷歌地图用户创造更好的体验。
更重要的是，新系统除了可以读取街道名称，还可以自动读取图片中的商户名，以及其他信息。谷歌近日已将这一模型开源。...为了解决这一问题，谷歌团队首先发布了法国街道路标数据集（French Street Name Signs，FSNS），一个拥有超过一百万街道名称的训练数据集。...在本例中，模型并没有因为图中有两个街道名而晕头转向，它很好的将「Av」转换成了「Avenue」，同时它也正确地忽略了数字「1600」。...现在，只要一台街景车开到任何一条新修的街道上，谷歌的深度学习系统就可以分析被捕获的成千上万张图像，提取街道名字和数字，并且适当的在谷歌地图上自动创造和定位新的地址。...在这个例子中，深度学习系统可以仅提取这样的商户名字：它们让开发者可以验证自己是否已从谷歌地图中知道了这家商户。这种提取商户名的功能让开发者们可以更精确地持续更新商户变化的情况。 ?
文章来源：GitHub 作者：Marvin Teichmann 翻译：张妮娜 MultiNet模型分析 MultiNet能够同时完成道路分割、汽车检测和道路分类的任务。...优化后的MultiNet模型在实时速度下表现良好，其要素KittiSeg在道路分割方面设置了一项新的最先进技术，而另一要素KittiBox在推理速度和检测性能上对基线Faster-RCNN进行了改进。...我已经在文件中尽可能地记录下每个步骤。 只有MultiNet3（同时完成检测和分割任务）的训练是开箱即用的。...为跟踪所有实验，您可以以—name为flag，为每个rundir建立独特的名称。--project flag将运行存储在单独的子文件夹中，可以运行不同系列的实验。...--hypes：指定hype文件的使用 --logdir：指定logdir的使用 --gpus：指定在哪些GPU上运行代码 --name：为运行程序分配一个名称 --project：将项目分配给运行程序
公路、铁路、管线等公用基础设施都可以建模为由线和节点组成的带有属性信息的网络数据。...可以看到，“Street_Centerlines”图层包含了道路基础属性信息，如道路名称、道路类型等。...为了保持整洁，地图中仅显示了单向道路的方向箭头，没有标明方向的道路（即DIRECTION取值为“UNKNOWN”）默认为双向道路，此时并没有添加箭头来显示方向。...点击【起点】右侧的【…】按钮，在地图中点击路网图层任意点作为路径分析的起点，同样步骤设置路径分析的终点。...本教程使用谷歌地图验证，从下图可以看到，谷歌地图所推荐的最短路径与上述步骤的计算结果完全相同。 本教程到此结束。
以下的动图很好地演示了谷歌地图中的这项附加功能： ? 动图中展示了从当前位置到arsd(印度地名)的实时公交状况，与以往的搜索结果不同的是，在首页中，添加了红色字体的延迟时间。...在没有来自公交机构实时预测数据的许多城市中，开发者借鉴了用户采用的一种巧妙的解决方法——使用谷歌地图的行车路线，考虑到公交运输的特殊性：加速，减速和转弯需要更长时间; 有时候甚至还有特殊的道路特权，比如公共汽车专用车道...整个模型分为一系列时间轴单元 - 途经的街道路线和停靠站 - 每个单元对应一条公交车的时间线，独立地预测一段延迟，最后的输出是每个单元预测的逻辑求和。...其次考虑到一些特殊情况，如：站点之间不频繁的通信、公交车车速较快、较短的街道路线和停靠点等，所以相邻站点之间的预测通常要跨越多个时间单元，以便综合考虑到各方面的因素，下面的图片很好地诠释了建立模型的过程...这种扩充使得数据变成四维（星期几，几时，城市名称，站点），四维的数据很难可视化，为了更直观地解释，利用下图艺术家Will Cassella设计的图片，来讲解四维中的其中三维数据： ?
不过上一次花费时间，通过谷歌卫星地图和街景地图遍览世界著名景点和街道，已经是十多年前的事情了。 是的，谷歌地图淡出国人视线已经十年。...在同样的方法下，路边的街道编号、企业名称、交通限速标志等细节信息也在被源源不断地从图片中提取出来，并且适当地在谷歌地图上自动创造和定位新的地址。同样该模型还可以应用到商户外墙上的名称识别上。...除了进行智能推荐路线外，谷歌地图通过AI与卫星图像的结合，将更多的商户和新地址添加到地图中。...从以上谷歌地图的AI进化路径看出，谷歌率先将机器学习等技术应用于处理庞大的地图图像数据，包括对于道路交通标志、街道名称以及商铺名称等重要信息的识别。...这位名叫Simon Wechkert的德国艺术家，在道路上拖行了一辆装了99 部开着导航模式的手机的小推车，结果他成功地让谷歌地图误认为是近百辆汽车在道路上行驶，然后造成整个道路线显示重度堵车。
导航地图近十年已经发生了翻天覆地的变化。上世纪90年代，我们还在用纸质地图寻找目的地。而现在基本只需要服从Siri或她的谷歌竞争对手的导航指令。...这些算法借用计算机视觉和机器学习的方法来提取路边的街道编号、企业名称、限速交通标志等细节信息。 不过很多信息还是非常难以提取，麦克伦登表示，“停止标记常常很容易被忽略。...转弯限制对于导航来说也很重要，但对于谷歌的捕捉算法还很难处理。因为这些标记箭头可能是被画在道路上，它们可以是不同的颜色和大小。车道标记的分析更难，因为他们并不一致。” ?...谷歌地图普通用户不可见的转弯限制信息。 路牌也是非常重要的信息。驾驶者听到的导航指示如果能匹配他们看到的，那么他们就能更好的被指引。但有时街道标志使用的拼写或缩写导致了很多麻烦。...这一人工检查团队看到的地图类似于谷歌地图的卫星地图混合视图，但带有没见过的彩色线条和符号。例如，道路根据行进方向进行了颜色编码。绿色和红色箭头指示了给定的交叉路口的可能前进方向。
大数据文摘作品 作者：龙牧雪 是的，谷歌DeepMind又在搞事情。 这次，是用深度强化学习和神经网络来建立导航系统。无需标注好的地图指引，AI仅仅依靠街景照片的图像识别就能到达目的地。...好比一个7x24小时无限循环工作的快递员，要不断地到达指定地点，但是又没有地图可以看。 随着时间的推移，AI学习以这种方式跨越整个城市。经过在多个城市的训练和学习，在适应新的城市时AI的表现非常好。...特定于语言环境的模块被设计为可互换，并且如其名称所示，对于代理导航的每个城市都是唯一的，而视觉模块和策略模块可以是语言环境不变的。...与谷歌地图和街景环境不同，AI不会看到小箭头，本地或全球地图，或著名的Pegman：它需要学习区分开放道路和人行道。目标可能在真实世界中距离数公里，AI要通过数百个街景图才能到达。...Pegman，谷歌街景视图中的虚拟小人 值得注意的是，这是一个可以转移到新城市的模块化神经网络架构。
这片街区里都是街道，没有任何建筑物和人类的存在。这是一个遍布着道路的波将金村庄（Potemkinvillage，译者注：原指用来骗人的村庄。...每一天，大多数的车辆都得走出山景城，来到加利福尼亚州的街道和奥斯汀，以及德克萨斯，从早到黑，通常都有一个驾驶员和一名副驾驶。...为了体验，我也想测试一辆微小的原型车，从头组装成的自动驾驶车但与踏板和方向盘被改装过，以使它们可以被驾驶员队伍测试。但谷歌坚定地拒绝了我。...他们坚持那个“不是所谓的街道”的路线的原因是谷歌之前已经很小心地规划好了这个路线。对于自动驾驶车来说，绘制出来的街道路线相比收集到的街道视图数据行驶起来更加复杂。...在道路上来回行驶数次，这样车中的激光和雷达才能收集齐路边的特征和奇特点。谷歌这种操纵车的方式，很容易被简单地认为：如果这些无人驾驶车在没有在事先规划好的位置，他们就不能实现自动驾驶。
让谷歌地图犯晕，只要 99 手机和小推车 近期，为了「破解」谷歌地图的路况功能，一位叫 Simon Weckert 的艺术家，在柏林的一条街道上，实施了他的「干扰」计划。...在他来来回回的移动中，空荡的街道上，谷歌地图的路况开始变化，从绿色慢慢变黄，变橙，最后变成深红，提示为重度堵车。...所以在这个案例中，多部手机导航功能的开启，加上在道路上的缓慢移动，造成了谷歌地图的误判。 ?...当时有许多人在街道上游行，虽然没有车辆，但谷歌地图显示此道路已经严重堵车。 这个观察促使他进行了本次的探索。...Weckert 在网站上发布了实验视频，并阐释了这个举动所造成的实际影响，通过这个小把戏，将地图应用中原本畅通的道路，变成了地图上严重拥堵的路段，从而影响到人们的出行的选择和方式。
麻省理工学院和卡塔尔计算研究所的研究人员发明了一种新的模型，可以利用卫星图像来标记数字地图中的道路特征，这可能有助于改善GPS导航。向司机展示更多有关路线的详细信息通常可以帮助他们在不熟悉的位置导航。...例如：车道计数可以使GPS系统向驾驶员发出偏离或合并车道的警告；结合停车点的信息可以帮助司机提前计划；绘制自行车车道图可以帮助骑自行车的人通过繁忙的城市街道。...制作详细地图是一个昂贵且耗时的过程，主要由大公司完成，比如：谷歌。它把装有摄像头的车辆绑在引擎盖上，用来拍摄一个地区道路的视频和图像。将其与其他数据相结合，可以创建准确、最新的地图。...有人提出了一种解决方案，利用卫星图像上的机器学习模型，获取并定期更新标记道路特征。但是，道路可能会被树木和建筑之类的东西遮盖，所以，这是一项具有挑战性的任务。 ?...RoadTagger依赖于卷积神经网络和图形神经网络的组合。图形神经网络模型是一个图中连接节点之间的关系，它已经成为分析社会网络和分子动力学等问题的流行工具。
伴随一个人成长的街道改变了多少？虽然谷歌街景可以让人们看到一个地区现在的样子，但如果你想探索过去的地方是什么样子呢？...谷歌的目标是使得 「rǝ」可以让历史爱好者虚拟地体验世界各地的历史城市，帮助研究人员、政策制定者和教育工作者的某些工作，并为日常使用者提供一种新的怀旧方式。...上面的架构图中，「rǝ」地图模块的入口点是 「Warper」，这是一个网络应用程序，用户可以上传地图的历史图像，并通过在历史地图上找到控制点和基础地图上的相应点来对图像进行地理校正。...下一个模块是「Editor」，允许用户加载地理纠正的历史地图作为背景，然后跟踪他们的地理特征(例如道路等)。这些跟踪数据以开放式街道地图(OSM)矢量格式存储。...3D重构「由粗到细」，楼梯的位置也不放过 3D 模型模块旨在利用相关的图像和地图数据重建历史建筑详细的全部3D结构，将这些3D模型合理地组织在一个存储库中，并在历史地图上以时间维度呈现它们。
目录： 阅读前必看知识点 1 方法一，超额收费：通过谷歌街景API获取街景图像 2 方法二，完全免费：通过selenium实现批量街景图像的采集 3 详解谷歌街景网页URL中的三个重要参数： 1）纬度和经度...5 获取阿姆斯特丹的道路矢量数据 OSMnx[25]是一个Python库，用于从OpenStreetMap下载、建模、分析和可视化街道网络和其他地理空间功能。...您可以下载和建模步行、驾驶或骑自行车的网络，只需一行代码，然后轻松地分析和可视化它们。您可以轻松地处理城市设施/兴趣点、建筑物占地面积、公交站点、高程数据、街道方向、速度/行驶时间和路线。...，包括服务道路 'walk' - 获取行人可以使用的所有街道和路径（这种网络类型忽略单向方向性） 'bike' - 获取骑自行车者可以使用的所有街道和路径 'all' - 下载所有（非私有）OSM 街道和路径...通过使用pandas的apply方法更高效地遍历df中的每一行。通过使用列表推导式和min函数，可以更高效地找到日期最近的pano。
（诺基亚HERE在制作整合道路细节和交通信息的高清地图） 以下是文章主要内容： 当车子以不寻常的速度穿过伦敦复杂的街道，驶向萨里郡的时候，乘客肯定觉得有点不安。...街道方面，它的分辨率可精准到几厘米。 ? 配备GP（配备GPS、激光雷达装置和摄像头的HERE汽车） 地上的标线和路标在激光雷达图像上很显眼，因为它们涂有反光漆油。...HERE同时利用计算机视觉算法和人工来提取这种信息，并拿来自汽车摄像机的图像进行比对（类似于谷歌从它的街景图像提取类似的信息）。...HERE在无人驾驶汽车地图领域的主要竞争对手谷歌则主要是在其山景城总部附件行动，它的车辆据称已行驶了2000英里。（美国道路网络覆盖400万英里。）...一大挑战 当然，道路状况瞬息万变，地图制作者的另一个挑战在于如何检测像交通事故、道路封锁这样的事情，并尽可能地接近实时更新它们的地图。
谷歌自动驾驶汽车的座舱里没有方向盘，也没有油门和刹车踏板，谷歌为这场兜风设置了诸多障碍：如一位行人和一辆自行车闯进了汽车车道，以及前方驶出了另一辆汽车。 ?...随后我乘坐一辆改装的雷克萨斯SUV自动行驶在公共道路上，在此期间，一辆自行车在车前晃悠了好几个街区，一位老人家缓慢地斜穿过马路，一位女士在一条狭窄街道上从汽车后排抱出了一只小狗。...准备好乘坐一辆谷歌改装的雷克萨斯SUV，在加州山景城谷歌公司总部附近的街道上体验自动驾驶。...这些测试包括对斯坦福大学X1测试车辆所进行的实验，以及在行驶道路上设置障碍。...格迪斯还认为，自动驾驶软件这种新生的伦理编程可能成为该技术的一个“核心要求”。并且他告诫道，伦理可不像其他软件，汽车制造商们不能简单地从一级供应商处获得。
众多巨头纷纷涌入，无人车走向市场的时间表一再被压缩，留给中国队的时间还剩多少？ 在美国的无人车发展版图中，西部也许是谷歌的天下，但是在东部，Uber已经宣示占领市场的决心。...Uber介绍说，在测试过程中，一位经过培训的司机将坐在驾驶座上，以控制汽车的表现，但是汽车运行的是无人驾驶模式。本次测试的环境包括街道、桥梁和山地。...他介绍说，无人车在探测道路坑洞时会比较精确，因为人总是凭直觉。 提到无人车，Bares说：“这是一项非常早期，非常新的技术。简单地说，就是整个感知器在尝试比人做得更好。”...根据谷歌所透露的愿景，乘客可以通过在电子地图上打字或说出命令来确定行驶的目的地。 该车将是电动的，能够在重新充电前行驶 100 英里（160 公里）。 ?...该原型车的速度被限制为小于 25mph (40 公里每小时)，而它的自动驾驶能力将依赖于专门为其设计的谷歌道路地图，这些地图曾在谷歌现有车队上进行过测试。
一个随机视频子集的位置信息 正如名称所示，数据集包含100,000个视频。每个视频长约40秒，720p和30 fps。视频还附带手机记录的GPS / IMU信息，以显示粗糙的驾驶轨迹。...注释概述 道路物体检测 研究者为所有100,000个关键帧中通常出现在道路上的对象标记对象边界框，以了解对象的分布和位置。下面的条形图显示了对象数量。还有其他方法可以在注释中使用统计信息。...不同类型的对象统计 数据集也适用于研究一些特定的领域。例如，如果你对在街道上检测和避开行人感兴趣，也可以来研究我们的数据集，因为它包含比以前的专业数据集更多的行人实例，如下表所示。 ?...垂直车道标记（下图中标记为红色）表示沿车道行驶方向的标记。平行车道标记（下图中以蓝色标记）表示车道中车辆停止的标记。另外还提供了标记的属性，例如实线与虚线、双线与单线。 ?...驾驶挑战 根据研究者的数据，研究者在CVPR2018自动驾驶研讨会上主持了三项挑战：道路对象检测，可驾驶区域预测和语义分割的域适应。
这些汽车来自不同的公司，但却都在做同样的事情：绘制高清街道地图，这可能最终成为无人驾驶汽车的车载导航向导。 自动驾驶汽车需要强大的传感器和先进的软件才能“思考”。它们尤其需要每条道路的最新地图。...谷歌于12月发布了一个名为“车辆地图服务”的早期版本，可以将汽车的传感器数据整合到地图中。 谷歌正在向使用Android Automotive嵌入式系统的汽车厂商提供这项服务。...这两家欧洲公司已经将自己定位为谷歌地图的主要替代品，并向汽车制造商出售中控台屏幕地图。然而，这些“静态”地图只能看到大致的街道形状，并及时拍摄快照。...目前，Uber的地图使用来自TomTom、谷歌和自主的数据。Uber和谷歌之间的合作协议将于今年到期。两家公司的人士均拒绝对此置评。...该公司正在与福特、本田和上汽合作。 Civil Maps则提供给传感器数据打上“指纹”的技术，通过测绘车辆在同一地区绘制的环路数据来形成数字网格。
比如下图的上海市建筑视觉密度分布3D图，可以看到上海的中心区视觉建筑比较密集，特别是浦西，虽然浦东的高建筑比较多，但是建筑的视觉密度跟道路的宽度有关，所以浦东的建筑视觉密度没有浦西那么大。...另外，一些上海各个郊区或者郊县等城市节点都可以在图中看出来。 （图片说明：上海市建筑视觉密度分布3D图） 接下来是交通要素识别的案例。城市街道物体要素识别是近年来较为先进的城市街道研发方案。...2017年2月谷歌曾利用街道识别预测美国总统大选、人口统计等。 尽管拍摄时间相对静止，但城市市区的街道影像基本的时间更新尺度一致，所以单个城市内部的要素可比性高。...（图片说明：交通要素识别） 通过对城市街景进行分析，我们在102万北京市街道影像的照片中识别出了215万的行人，将这些数据放在城市中做出3D效果图，可以直观地反映出北京从二环到五环的人群分布状态。...在下图中，对比的是上海和东京的绿化率，黄色的点点代表的是照片里面拍到的建筑，绿色点点代表的是照片里面拍到的绿化。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
腾讯会议
云直播
对象存储
