RoadTracer（道路追蹤器） 系統(tǒng)從道路上已知的位置開始，使用神經(jīng)網(wǎng)路檢查周邊地區(qū)，以確定哪些點(diǎn)最有可能成為下一部分的道路。系統(tǒng)將最有可能的一點(diǎn)添加進(jìn)地圖，不斷重復(fù)上述步驟，慢慢追蹤出這條道路。它能夠?qū)⒌貓D繪制精度提高45% ，這對于谷歌這樣的科技巨頭所構(gòu)建的自動(dòng)化地圖繪制系統(tǒng)來說至關(guān)重要。

地圖類應(yīng)用對現(xiàn)實(shí)世界影響深遠(yuǎn)，然而已經(jīng)繪制出的地圖卻僅僅是現(xiàn)實(shí)世界的一小部分。

地圖繪制是一件尤其乏味的工作：即使在拍攝了航拍圖像之后，谷歌之類的科技巨頭仍然需要耗費(fèi)很多時(shí)間去手動(dòng)繪制地圖。因此到目前為止，科技巨頭們還未完成全球約 2000 多萬英里道路的地圖繪制工作。

此外，地圖信息的缺失一直是一個(gè)棘手的問題，尤其對于仍處于開發(fā)階段的自動(dòng)駕駛汽車系統(tǒng)來說更是如此。

為了解決這一問題，麻省理工學(xué)院計(jì)算機(jī)和人工智能實(shí)驗(yàn)室（CSAIL）的研究員們研發(fā)了一種自動(dòng)構(gòu)建路線圖的方法——RoadTracer（道路追蹤器），比現(xiàn)有方法的精確度高出 45%。

該團(tuán)隊(duì)表示，在利用航拍圖像數(shù)據(jù)的基礎(chǔ)上，RoadTracer 不僅比現(xiàn)有方法更加精確，而且更具成本效益。

麻省理工學(xué)院的教授 Mohammad Alizadeh 認(rèn)為，這項(xiàng)工作不僅會(huì)對谷歌這樣的科技巨頭起到作用，對一些缺乏資源創(chuàng)建地圖、糾正地圖錯(cuò)誤的小型機(jī)構(gòu)來說也是大有助益。

「RoadTracer 非常適合繪制那些經(jīng)常需要更新地圖的區(qū)域，其中包括人口較少但卻頻繁施工的地方，」Alizadeh 說道，Alizadeh 近期與他人聯(lián)合發(fā)表了一篇關(guān)于 RoadTracer 的論文。

「以泰國郊區(qū)為例，一些偏遠(yuǎn)郊區(qū)的地圖經(jīng)常丟失了很多道路信息。RoadTracer 可以幫助繪制出更加精確的地圖。」

在使用紐約市航拍圖像的測試中，RoadTracer 可以正確繪制出 44% 的道路交叉口，不僅準(zhǔn)確度比基于圖像分割的傳統(tǒng)方法 (通常只能繪制出 19%）高出兩倍，而且在效率上也不遑多讓。

這篇論文將在 6 月份猶他州鹽湖城舉辦的計(jì)算機(jī)視覺和模式識(shí)別會(huì)議（CVPR）上發(fā)布。本文是麻省理工學(xué)院 CSAIL 實(shí)驗(yàn)室和卡塔爾計(jì)算機(jī)研究所（QCRI）合作的成果。

Alizadeh 方面在麻省理工的合著者還包括 Fayven Bastani 和 Songtao He 等研究生以及 Hari Balakrishnan、Sam Madden 和 David DeWitt 等教授。

QCRI 方面的合著者包括高級(jí)軟件工程師 Sofiane Abbar 和 QCRI 數(shù)據(jù)分析小組的研究主管 Sanjay Chawla。

RoadTracer 系統(tǒng)如何創(chuàng)建地圖？

訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別航拍圖像是當(dāng)前自動(dòng)化地圖繪制領(lǐng)域的常用方法，使用神經(jīng)網(wǎng)絡(luò)識(shí)別單個(gè)像素點(diǎn)，將其歸類為「道路」或是「非道路」。

因?yàn)楹脚膱D像通常模糊不清并且不甚完整，因此這類系統(tǒng)的運(yùn)作通常還需要一個(gè)后續(xù)的處理步驟，來 填補(bǔ)圖像中的空白。

不幸的是，這些所謂的「分割方法」往往不大精確：如果模型錯(cuò)誤地標(biāo)記了一個(gè)像素點(diǎn)，這個(gè)錯(cuò)誤將會(huì)在最終成型的地圖中被放大。

尤其是當(dāng)航拍圖像中包含樹木、建筑和陰影等干擾因素時(shí)，會(huì)模糊地圖中道路的開始與結(jié)束點(diǎn)，在這樣的情況下，錯(cuò)誤尤其可能出現(xiàn)。（后處理步驟還需要根據(jù)僅有少量情況成立的假設(shè)作出決策，比如因?yàn)閮蓷l道路彼此間隔很小就將其相連等。）

相比之下，RoadTracer 系統(tǒng)則是一步一步地創(chuàng)建地圖。

從道路上已知的位置開始，使用神經(jīng)網(wǎng)路檢查周邊地區(qū)，以確定哪些點(diǎn)最有可能成為下一部分的道路。系統(tǒng)將最有可能的一點(diǎn)添加進(jìn)地圖，不斷重復(fù)上述步驟，慢慢追蹤出這條道路。

Bastani 表示，「RoadTracer 并非同時(shí)檢索地圖中成千上萬個(gè)不同的點(diǎn)，決定它們分別代表道路的哪一部分，而是首先著眼于一個(gè)簡單的問題，即從一個(gè)已知道路的特定地點(diǎn)出發(fā)，再?zèng)Q定向哪個(gè)方向探索。在很多方面，這和我們?nèi)祟悩?gòu)建周圍世界的心智模型的方式很像。」

該團(tuán)隊(duì)使用了北美和歐洲的六個(gè)國家共計(jì) 25 個(gè)城市的航拍圖像在 RoadTracer 上進(jìn)行訓(xùn)練，然后又在另外 15 座城市評估了這個(gè)工具的繪圖能力。

「測繪系統(tǒng)需要在未訓(xùn)練過的城市中達(dá)到優(yōu)異的效果，這一點(diǎn)非常重要，因?yàn)槟切┑貓D不存在或是不準(zhǔn)確的區(qū)域才是 RoadTracer 大顯身手的地方。」Balakrishnan 說道。

Bastani 表示，RoadTracer 能夠?qū)㈠e(cuò)誤率降低 45% 這一事實(shí)，對于谷歌這樣的科技巨頭所構(gòu)建的自動(dòng)化地圖繪制系統(tǒng)來說至關(guān)重要。

「如果錯(cuò)誤率太高的話，比起從推測的地圖中移除錯(cuò)誤道路，還是從頭開始手動(dòng)繪制地圖更加有效。」

盡管如此，實(shí)施像 RoadTracer 這樣的方式并不會(huì)讓人類 完全當(dāng)一個(gè)旁觀者。該團(tuán)隊(duì)表示 RoadTracer 的參與方式首先是繪制出大區(qū)域的路線圖，隨后讓人類專家仔細(xì)地進(jìn)行二次檢查。

Alizadeh 說道，「很明確，RoadTracer 系統(tǒng)可以大大減少人類要完成的繁復(fù)工作。」

事實(shí)上，RoadTracer 的漸進(jìn)式繪圖法有一個(gè)優(yōu)點(diǎn)，它可以更容易地糾正錯(cuò)誤——這樣人類監(jiān)督者可以簡單地糾正錯(cuò)誤，并從出錯(cuò)的地方重新運(yùn)行算法，而不是像往常那樣由當(dāng)前不準(zhǔn)確的信息繼續(xù)探索地圖的其他部分。

當(dāng)然，航拍圖像只是圖像繪制中眾多問題的一部分。航拍圖像不會(huì)顯示天橋和地下通道的信息，從空中根本不可能確定這些信息。

因此，該團(tuán)隊(duì)還開發(fā)了可以從 GPS 數(shù)據(jù)創(chuàng)建地圖的算法，并將這些方法合并到單個(gè)系統(tǒng)中進(jìn)行地圖繪制。

目前，這個(gè)項(xiàng)目得到了卡塔爾計(jì)算研究所的部分支持。