#city geometry

[volobuev-vitaliy]

Новосибирск. Апрель. 2017 #нск #новосибирск #чб #светитени #фотогораф #метро #подземка #лестница#геометрия #урбанизм #nsk #novosibirsk #bw #blackandwhite #ls #lightandshadow#geometry #photo #photography #urbanism #citygeometry #vvialpha

[johnshukin]

[sci-fi-timeless]

城市几何信息网络重建与智能设备寻路

在某天的下班路上突然想到的一些想法，感觉挺有意思的，记录一下。

标题念起来有点拗口，稍微解释一下

所谓城市几何信息，就是指城市环境中各种实体（建筑设施地表水面植被主干中大型设备等）的空间信息和表面属性

所谓其网络重建，是指通过大规模图像采集和识别，将几何信息进行建模并提供相应数据的网络检索和计算

好吧，这两个解释都是我自己yy的，所以不能当真

那这个和智能设备寻路是什么关系呢

一个基本的出发点，就是想像一下，让智能设备生存在对它来讲是一个可以直读的而不需要识别的，对我们来讲是虚拟的世界里，那么它寻路的时候，除了可以依靠自身的识别和寻路能力外，还能借助已有的这个数据网络，迅速拿到关于城市环境的基本几何信息，那么其寻路结果也许会有不错的改善，而设备所需的智能水平的门槛也许可以更低

比如说，大量摄像头和各种手机相机捕获的图像，用来重建城市的几何信息后，你能随时检索到在某个具体位置上有的一堵墙以及其表面反射率、纹理等所体现的材质属性（砖墙玻璃还是水泥等），这些数据被用来判断在空间的每个位置上都具备什么样的寻路条件，当智能设备提出寻路申请或几何信息检索的时候，可以快速从服务器拿到这些信息，再配合本地自身的小范围寻路能力，从而更高效和准确地完成寻路

也许这是无人驾驶交通工具的实现上一个可能选择

另外这样一套重建出来的存在于网络的虚拟城市模型，也可以有别的用途，比如预测一些设施安全隐患，因为采集的实体影像是一个日积月累的数据流，可以形成一些预测模型

感觉这样的采集可能要区分一下各种不同类型实体的采集和处理的频率和精度，而不是无差别的同样精度的蛮力运算

当然以上都是考虑给智能设备使用的情况，如果考虑VR和AR，那应该还会有其他一些有趣的应用