НПО «Мобильные Информационные Системы» искусственный интеллект (далее – ИИ) внедряет в разрабатываемые программные продукты в различных сферах, где нужно автоматизировать процессы, проанализировать большие данные и принять решения на основе полученной информации.

Наиболее глубокие познания, результативные наработки и компетенции во внедрении ИИ предприятие имеет в обработке геопространственных данных полученных при воздушной мультиспектральной съемке.

 

Сегментация и восстановление высот ИИ моделями

Данная технология позволяет на основе одиночного спутникового снимка создавать трёхмерные сцены в общепринятом формате Wavefront Object с разделением на сущности каждого объекта, что обеспечит простую интеграцию в необходимые системы.

Принцип работы основан на взаимодействии двух независимых моделей глубокого обучения, которые решают задачи инстанс-сегментации и восстановления высот.

Первая модель создает векторизованное представление объектов, а вторая генерирует попиксельную карту высот, которая соответствует исходному спутниковому снимку и содержит значения высоты в метрах для каждого пикселя. После этого результаты работы обеих моделей объединяются, и на их основе формируются объекты сцены.

Особенность технологии заключается в её способности работать с изображениями любой размерности благодаря разработанной библиотеке обработки изображений, использующей индексы H3.

Для обучения модели инстанс-сегментации был собран набор из пяти различных датасетов, содержащих более 85 тысяч изображений. Эти изображения охватывают различные регионы, объекты и имеют различное пространственное разрешение.

Также возможно дообучение модели на LiDAR и контурных данных моделей сегментации и восстановления высот.

 

Описание технологии

Разработанная технология представляет собой программно-алгоритмический комплекс, позволяющий автоматически восстанавливать трёхмерные сцены городской и природной среды по одиночному спутниковому снимку. На выходе формируется полноценная 3D-модель в общепринятом формате Wavefront Object (OBJ) с явным разделением сцены на отдельные объекты, что делает результат пригодным для дальнейшего анализа, визуализации и интеграции в сторонние системы.

Ключевая ценность решения заключается в том, что для построения 3D-сцены не требуется стереопара, лидар или многовременные данные — достаточно одного спутникового изображения. Это принципиально снижает стоимость входных данных и расширяет применимость технологии для масштабных территорий.

 

Принцип работы

В основе технологии лежит взаимодействие двух независимых моделей глубокого обучения, каждая из которых решает свою фундаментальную задачу.

 

1. Инстанс-сегментация объектов

Первая модель выполняет задачу инстанс-сегментации, автоматически обнаруживая и разделяя отдельные объекты сцены (здания, инфраструктурные элементы и др.) на исходном спутниковом изображении. Результатом её работы является векторизованное представление объектов, где каждая сущность имеет чётко определённые геометрические границы и принадлежность к отдельному объекту сцены.

 

2. Восстановление высот (Height Reconstruction)

Вторая модель решает задачу восстановления геометрии сцены и генерирует попиксельную карту высот, строго согласованную с исходным спутниковым изображением. Каждому пикселю соответствует значение высоты в метрах, что позволяет описывать форму поверхности и объектов с высокой детализацией.

 

3. Объединение результатов

На финальном этапе результаты обеих моделей объединяются:

• Векторные контуры объектов используются как пространственные маски.
• Карта высот используется как источник геометрической информации.

На их основе автоматически формируются трёхмерные объекты сцены, которые экспортируются в формат OBJ с корректной топологией и разделением по сущностям.

 

Масштабируемость и работа с изображениями любой размерности

Одним из ключевых технологических преимуществ решения является возможность работы с изображениями произвольного размера — от локальных участков до целых регионов.

Это достигается за счёт использования специализированной библиотеки пространственной индексации, основанной на H3-индексах. Изображения автоматически разбиваются на иерархические пространственные ячейки, что позволяет:

• Обрабатывать данные потоково и параллельно.
• Сохранять географическую согласованность объектов.
• Масштабировать решение без ограничений по размеру входных данных.

Данный подход делает технологию применимой для задач регионального и национального масштаба.

 

Обучение моделей и данные

Инстанс-сегментация

Для обучения модели инстанс-сегментации был сформирован крупный объединённый датасет, включающий:

• 5 различных наборов данных.
• Более 85 000 спутниковых изображений.
• Широкий спектр регионов, типов объектов и пространственных разрешений.

Это обеспечивает высокую обобщающую способность модели и устойчивость к вариативности входных данных.

 

Восстановление высот

Модель восстановления высот обучалась на специализированном датасете, содержащем пары спутниковых изображений и соответствующих карт высот. Совокупное покрытие обучающих данных составляет 775 квадратных километров, что позволяет модели корректно восстанавливать геометрию как плотной застройки, так и менее структурированных территорий.

 

Коммерческая ценность и области применения

Технология ориентирована на практическое использование и может применяться в следующих областях:

• Геоинформационные системы (ГИС) и пространственная аналитика.
• Градостроительство и территориальное планирование.
• Цифровые двойники городов и регионов.
• Оценка застройки и мониторинг изменений.
• Симуляции, визуализация и игровые движки.
• Инженерные и архитектурные задачи.

Формат OBJ и объектная структура сцены позволяют без дополнительной обработки интегрировать результат в существующие пайплайны.

Обратная связь