Возможности и преимущества

1. Поддержка работы с множествами типов данных

Интеллектуальная платформа поддерживает работу со следующими типами фотограмметрических данных:

• Аэрофотоснимки с разрешающей способностью 4-10 см на пиксель;
• Аэрофото- и спутниковые снимки с разрешающей способностью 10-30 см на пиксель;
• Спутниковые снимки с разрешающей способностью 30-50 см на пиксель;
• Аэрофотоснимки масштаба 1:500;
• Аэрофото- и спутниковые снимки масштаба 1:2000;
• Спутниковые снимки масштаба 1:5000;
• Спутниковые снимки масштаба 1:10000.

2. Возможность управления процессами обработки данных

Интеллектуальная платформа предоставляет возможности по управлению всеми процессами обработки данных.

3. Наличие обширного классификатора объектов дешифрирования

Интеллектуальная платформа имеет десятки подготовленных моделей машинного обучения под разные типы фотограмметрических данных.

4. Быстрая обработка данных и выгрузка результатов

Интеллектуальная платформа обеспечивает обработку тайловых карт площадью 1 кв.км с приближением 18 и осуществляет выгрузку данных за 5 минут при следующей конфигурации вычислительного узла: 64 x CPU Intel® Xeon® 3,5 GHz, RAM 32 Gb, 2,256 Tb SSD, 4 x NVIDIA GeForce RTX 2060, 10 Gigabit Ethernet 10000 Mbit, Linux CentOS 7.5 / Linux Ubuntu 18.04.

5. Классификация и сегментация

Классификация и семантическая сегментация объектов дешифрирования в соответствии с классификатором посредством обработки данных с использованием моделей машинного обучения.

6. Векторизация и ортогонализация

Обеспечивает векторизацию сегментированных объектов и ортогонализацию векторизованных объектов дешифрирования.

7. Особенности архитектуры

Интеллектуальная платформа разработана на основе микросервисной архитектуры, что позволяет осуществлять мониторинг процессов в режиме реального времени.

8. Легкость масштабирования

Легкость масштабирование интеллектуальной платформы достигнута обеспечением следующих возможностей:

• Возможность быстрого масштабирования вычислительной мощности платформы для уменьшения времени обработки данных.
• Возможности расширения классификатора дешифрируемых объектов за счет интеграции в платформу новых моделей машинного обучения и возможностью добавления сервера для загрузки фотограмметрических данных.
• Возможность разработки и интеграции аналитической системы для сверки результатов автоматизированной обработки фотограмметрических данных с данными Росреестра (ЕГРН) и данными УФНС.

9. Формирование выгрузки

Выгрузка результатов обработки объектов дешифрирования и различной атрибутивной информации.

Решаемые задачи

1. Инвентаризация и учет состояния объектов строительства и земельных участков

Инвентаризация  и учет состояния объектов строительства и земельных участков, а также расположенных  на земельных участках зданий, сооружений и иных градостроительных объектов, независимо от формы собственности на указанные объекты.

2. Повышение налогового потенциала

Прогнозирование  объемов налоговых и неналоговых доходов бюджета за счет платежей, связанных с использованием земель, а также зданий и помещений, находящихся в федеральной собственности, а также за счет платежей, связанных с вовлечением объектов недвижимости в налоговый оборот.

3. Выявление бесхозяйственных и самовольных построек

Выявление бесхозяйных недвижимых вещей, иных объектов, а также самовольных построек.

4. Осуществление контроля за территорией

Осуществление контроля за использованием территорий и расположенных в их границах объектов.

5. Выявление объектов, не поставленных на кадастровый учет

Выявление объектов недвижимости с целью их постановки на кадастровый учет в государственном кадастре объектов недвижимости.

Преимущества автоматизации

Преимущества автоматизированного процесса дешифрирования над ручным процессом

Данные по автоматизированному процессу дешифрирования объектов на фотограмметрических данных с приближением 18 представлены с учётом следующих конфигураций аппаратных средств:

* Конфигурация управляющего узла: 16 x CPU Intel® Xeon® 3,5 GHz, RAM 32 Gb, 2,5 Tb SSD, 10 Tb HDD, 10 Gigabit Ethernet 10000 Mbit, Linux CentOS 7.5 / Linux Ubuntu 18.04.
   Конфигурация вычислительного узла: 64 x CPU Intel® Xeon® 3,5 GHz, RAM 32 Gb, 2,256 Tb SSD, 4 x NVIDIA GeForce RTX 2060, 10 Gigabit Ethernet 10000 Mbit, Linux CentOS 7.5 / Linux Ubuntu 18.04.

** При масштабировании количества вычислит ельных узлов в 10 раз.

Справочно: при увеличении вычислительных мощностей скорость дешифрирования объектов увеличивается, а время автоматизированного процесса дешифрирования уменьшается.