Précision, Les missions aériennes permettent de produire des images de grande
qualité. On y associe des équipements LIDAR qui émettent un signal vers le sol
pour mesurer la distance. Aussi bien la technique LIDAR que de petits drones
sont aujourd'hui capables de produire des modèles d'élévation avec quelques
centimètres de précision. Cela permet aussi de produire des modèles 3D des
immeubles et de distinguer avec la végétation.
Suite aux inondations du Richelieu et du Lac Champlain en 2011, des modèles
d'élévation très des zones urbaines en bordure de la rivière Richelieu ont été
produites. Si on se rappelle les discussions il y a quelques mois, un tel
travail d'import va nécessiter des ressources importantes. Les diverses
communautés OSM locales devront évaluer leur capacité à réaliser des projets
d'import d'immeubles. Et il faut éviter de se baser sur le modèle
«Cartoparties» pour réaliser de tels projets. Des milliers de personnes qui
sont sensibiliées quelques heures à la cartographie ne reviennent pas ensuite
et laisse souvent une donnée de piètre qualité.
Il faut être réaliste et construire peu à peu, motiver des communautés locales
à expérimenter un modèle d'import de la donnée. Cela fera ensuite boule de
neige ( c'est de saison :) )
Pierre
Le lundi 29 janvier 2018 16:07:31 HNE, Pierre Béland <pierz...@yahoo.fr> a
écrit :
Bonjour John
Les spécialistes d'imagerie produisent des couches de données assez précises à
partir d'imagerie LIDAR ou de drones, incluant, immeubles, cours d'eau et
occupation du sol. Ces images offrent qualité et précision. Des techniques de
classification, interprétation, correction permettent aux spécialistes de
converger vers un produit de qualité. Et bien sûr toutes ces avancées
technologiques et l'accès éventuel à des profanes bousculent les habitudes tout
comme les véhicules sans conducteur :)
Même si Statistique Canada fournit à OSM un fichier produit par des
spécialistes, il sera nécessaire ensuite d'établir une procédure d'import, de
fusionner / aligner avec les données existantes et de corriger.
Et ouvront la porte au Futur! Une autre avenue, c'est l'accès aux profanes que
nous sommes à des outils semi-automatiques pour faciliter la digitalisation de
différents éléments tels immeubles, routes et rivières. Je ne connais pas
l'historique des expériences d'utilisation de tels outils. Mais on peut
remonter en 2011, où on parlait d'un outil de détection de route. Divers
articles traitent aussi de ce sujet.
https://alastaira.wordpress.com/2011/02/04/automatic-road-detection-using-bing-maps-imagery/https://gis.stackexchange.com/questions/77876/is-there-a-tool-that-performs-automatic-recognition-of-buildings
Facebook a aussi expérimenté des outils de reconnaissance d'image en Thaîlande
récemment. Selon les plaintes de certains contributeurs, les données ont été
ajoutées à OSM sans valider suffisamment avec la réalité sur le terrain.
Je pense qu'il serait intéressant pour les contributeurs expérimentés d'avoir
accès à des outils semi-automatisés facilitant dans JOSM par exemple le tracé
d'immeubles, routes, cours d'eau, etc. Pour un cours d'eau par exemple, je
déplace le curseur de la souris, et les contours et le centre de la rivière
sont tracés automatiquement. Ou encore le contour d'un lac est tracé.
Pierre
Le lundi 29 janvier 2018 15:15:59 HNE, john whelan <jwhelan0...@gmail.com>
a écrit :
· NRCan is working on a methodology to extract building footprints,
including topographic elevation and height attributes, from LiDAR
Traditionally OSM has not been happy with this sort of thing. The accuracy can
be poor.
We probably need to think about this since the BC2020i project had this
mentioned and Stats Can has given it a mention also. I'm not promoting it nor
saying its bad but it will almost certainly be raised shortly.
First if an import was done using this data who would be the local group to
approve it? I suspect because it covers the entire country it would be the
talk-ca group. The date would come through the TB portal so licensing is not
an issue. Or it could be split into regions with regional local groups making
decisions.
The other very big question is to do with data quality. So far nothing that is
machine learnt from imagery has consistently met the expectations of
OpenStreetMap.
Note to Pierre I'm not sure if you are on the talk-ca mailing list but any
feedback you might have on the data quality side would be welcome and will be
shared amongst the group.
Thoughts?
Thanks John
_______________________________________________
Talk-ca mailing list
Talk-ca@openstreetmap.org
https://lists.openstreetmap.org/listinfo/talk-ca
_______________________________________________
Talk-ca mailing list
Talk-ca@openstreetmap.org
https://lists.openstreetmap.org/listinfo/talk-ca
