KI verbessert Navigationskarten

Ein neue KI-Lösung soll helfen, digitale Karten für die GPS-Navigation zu verbessern. Das von Forschern des Massachusetts Institute of Technolgy (MIT) und des Qatar Computing Research Institute entwickelte „RoadTagger“ erkennt in Satellitenaufnahmen den Straßentyp und die Zahl der Fahrspuren und das auch trotz Bäumen oder Gebäuden, die die Sicht verdecken. Zukünftig soll das System auch noch Weitre Details wie Radwege oder Parkplätze erkennen.

Teure Abfahren
Je mehr Details digitale Karten umfassen, desto nützlicher sind sie. Beispielsweise, weil ein Navigationssystem vor dem Flaschenhals zusammenlaufender Fahrspuren warnen kann. Doch um genaue Details zu sammeln, kommt bislang nur Autos mit Kameras zum Einsatz, die Straßen tatsächlich abfahren.

„Die meisten richtig aktuellen, digitalen Karten gibt es von Orten, die große Unternehmen interessieren“, sagt Sam Madden, MIT-Professor für Elektrotechnik und Informatik.

Denn für beispielsweise abgelegene Gegenden ist das Abfahren mit dem Auto zu aufwendig bzw. zu teuer. Diesen erhöhten Aufwand soll RoadTagger nun unnötig machen.

„Unser Ziel ist es, den Prozess der Erstellung hochwertiger digitaler Karten zu automatisieren, so dass sie in jedem Land verfügbar werden“, meint Madden.

Dazu setzt die neue KI darauf, automatisch Straßeneigenschaften in für die meisten Gegenden leicht erhältlichen Satellitenkarten zu finden. Um das zu ermöglichen, kombiniert das System zwei unterschiedliche Arten neuronaler Netze, die anhand von Trainingsarten aus dem Projekt OpenStreetMap gelernt haben, Straßeneigenschaften zu erkennen. Unbekannte Straßen in Satellitenaufnahmen teilt RoadTagger nun in etwa 20 Meter lange Abschnitte auf und bewertet deren Eigenschaften.

Klarheit bei verstelltem Blick
Selbst wenn der Blick auf einen Teilbereich, beispielsweise durch Baumkronen, verdeckt ist, kann das System eine Einschätzung treffen. Dabei nutzt es Infos über angrenzende Straßenabschnitte, um vernünftige Vorhersagen zu treffen.

Wenn sich ein nicht klar erkennbares 20-Meter-Teilstück beispielsweise zwischen zwei vierspurigen Straßenstücken befindet, dürfte es wohl auch vierspurig sein; ist die Straße an einem Ende der Sichtbehinderung vier- und am anderen Ende zweispurig, muss hingegen im verdeckten Bereich eine Verengung erfolgen.

In Tests an Google-Maps-Daten von Straßen mit eingeschränkter Sichtbarkeit hat RoadTagger so den Straßentyp (Highway oder Wohngegend) mit 93-prozentiger Genauigkeit und die Zahl der Spuren immerhin mit 77-prozentiger Genauigkeit erkannt. Die Forscher wollen das System nun weiter verbessern und dabei auch zusätzliche Eigenschaften erfassen, darunter Radwege, Parkbuchten sowie den Straßenbelag.