Zaproponowane rozwi膮zanie polega na por贸wnywaniu obraz贸w tego samego obszaru wykonanych w dw贸ch r贸偶nych momentach. System 鈥瀠czy si臋鈥� rozpoznawa膰 obiekty widoczne na mapach, takie jak budynki, drogi, lasy czy pola uprawne, i automatycznie wykrywa, co si臋 zmieni艂o (m.in. dodanie i usuni臋cie obiekt贸w w przestrzeni).
W tym celu wykorzystano po艂膮czenie algorytm贸w analizy przestrzennej, wizji komputerowej oraz nowoczesny model sztucznej inteligencji, kt贸ry wsp贸lnie potrafi analizowa膰 r贸偶ne typy danych jednocze艣nie, m.in. kolorowe zdj臋cia lotnicze oraz dane LiDAR opisuj膮ce wysoko艣膰 terenu i obiekt贸w.
Badania pokaza艂y, 偶e po艂膮czenie tych 藕r贸de艂 informacji znacz膮co poprawia dok艂adno艣膰 rozpoznawania obiekt贸w, szczeg贸lnie w obszarach miejskich. System bardzo dobrze identyfikuje budynki i drogi, a jeszcze lepiej radzi sobie z terenami le艣nymi i rolnymi. Co istotne, dodanie danych LiDAR wyra藕nie zwi臋kszy艂o skuteczno艣膰 ca艂ego procesu.
Wykryte zmiany s膮 nast臋pnie klasyfikowane jako nowe obiekty, obiekty usuni臋te lub zmodyfikowane, a wyniki prezentowane s膮 w formie map gotowych do dalszej analizy w popularnych systemach informacji geograficznej (GIS).
Cho膰 w najbardziej skomplikowanych sytuacjach, np. przy silnych cieniach lub przy zas艂oni臋tych obiektach, konieczna jest jeszcze ingerencja u偶ytkownika, autorzy podkre艣laj膮, 偶e zaproponowane rozwi膮zanie stanowi wa偶ny krok w stron臋 szybszego, ta艅szego i bardziej aktualnego tworzenia map.
Jak m贸wi dr Maciej Adamiak z Instytutu Geografii Miast, Turyzmu i Geoinformacji Wydzia艂u Nauk Geograficznych Uniwersytetu 艁贸dzkiego i pierwszy autor publikacji: 鈥� Nasze rozwi膮zanie przyniesie najwi臋ksze korzy艣ci wsz臋dzie tam, gdzie wymagana jest szybka informacja o pojawieniu si臋 zmian w danej przestrzeni, od zarz膮dzania kryzysowego, przez akcje klimatyczne i wojskowo艣膰, a偶 po budownictwo.
Dodaje: 鈥� Opracowana przez nas metoda sprawia, 偶e proces aktualizacji map jest bardziej dok艂adny i otrzymywany znacznie szybciej. Takie rozwi膮zanie nie zast膮pi cz艂owieka, ale zdecydowanie u艂atwi mu prac臋. Aby rozwi膮zanie mog艂o by膰 szeroko stosowane przez instytucje kartograficzne i administracj臋 publiczn膮, nale偶y w sprawniejszy spos贸b zintegrowa膰 je ze 藕r贸d艂ami danych oraz wyuczy膰 lepszy model semantycznej segmentacji, oparty na jednym z aktualnie dost臋pnych modeli bazowych. Potem mo偶na rusza膰 na produkcj臋.
殴谤贸诲艂辞: Adamiak Maciej, B臋dkowski Krzysztof, Nalej Marta, O偶adowicz Patryk, Pietruk Jacek, W贸jcik Szymon: Bitemporal change detection for topographic map updates using panoptic segmentation of VNIR orthophotos and LiDAR data, GeoInformatica, vol. 30, 2026, Numer artyku艂u: 2, s. 1-41, DOI: 10.1007/s10707-025-00561-z