Erhvervsstyrelsen og SDFE afholdte over 2 uger et virtuelt hackathon. Kortomatic deltog sammen med 10 andre virksomheder og så nærmere på hvordan AI kan bruges til at skabe nye indsigter i eksisterende data. Data var en række af de kendte geodata-produkter fra SDFE, herunder datapakker med ikke tidligere frigivet LIDAR-data.

Miljøstyrelsen, Kystdirektoratet og Landbrugsstyrelsen kom alle med inspiration til hvordan AI, machine learning og store datamængder potentielt kan bidrage til nye indsigter og effektivisere arbejdsgange.

DepotTvilling

I Kortomatic valgte vi at fokusere på Miljøstyrelsens udfordringer med tilsyn af deponier. Med de store skråfoto-datasæt og LIDAR-punktskyer byggede vi 3D-modeller af flere forskellige områder i Danmark, inden vi fokuserede på Skodsbøl Deponi i Sønderjylland. Med en detaljeret 3D-model havde vi et fint afsæt for at bringe ny data ind i modellen og således skabe en virtuel respræsentation af deponiet – heraf navnet DepotTvilling.

Næste skridt var lokalisere billeder præcist ind 3D-modellen. De fleste billeder taget med mobil-telefon har en GPS-position, som dog ofte ikke er præcis. Derudover kender man sjældent kompasretningen for et billede og næsten aldrig orienteringsparametrene (hvordan telefonen holdes). Hvis vi med AI meget præcist kan lokalisere billeder ind i en eksisterende punktsky, vil det være lettere at finde relevant billedmateriale på deponiet.

Til at lokalisere billeder endte vi med at bruge D2-Net: A Trainable CNN for Joint Detection and Description of Local Features – som et et convolutional neural network (CNN) der viste gode resultater på de billeder vi lokaliserede på Risø.

Vi var spændte på at se hvor god ydelsen var på billeder fra deponiet i Skodsbøl. Vi fik først sent i processen adgang til billeder optaget med mobil-telefon. Det var tilmed billeder taget umiddelbart efter kraftigt snefald den 4. februar. Vi havde dog også adgang til flyfotos fra deponiet uden orienteringsparametre og forsøgte derfor at lokalisere disse billeder. Resultatet ses her: