我們每天的出行都離不開地圖，可我們了解地圖如何還原一個個真實(shí)的場景嗎，他又是怎么面對現(xiàn)實(shí)中建筑的變化？百度商鋪信息標(biāo)注在地圖上內(nèi)容生態(tài)總經(jīng)理——劉斌用深入淺出的語言為大家介紹了背后的技術(shù)原理。以下是演講的精華內(nèi)容，分享給大家。
今天有很多人是拿地圖來到極客公園的演講現(xiàn)場。大家手機(jī)里裝的地圖，絕大多數(shù)都是把各個圖層壓制起來的。 我們的地圖有 POI 的數(shù)據(jù)、道路的數(shù)據(jù)、綠地、樓塊等等各種各樣我們能看到的信息。這些信息，現(xiàn)在都是通過同一個坐標(biāo)系聯(lián)系起來，通過相同的坐標(biāo)系，把道路、點(diǎn)和樓塊都壓制到一塊。用一個比較形象的比喻，它有點(diǎn)像我們經(jīng)常用的 PhotoShop，PhotoShop 里面能看到各種各樣的圖層。道路的圖層、衛(wèi)星的圖層，實(shí)際上這些圖層之間，并沒有產(chǎn)生一個特別明確的聯(lián)系。
那么，我們希望在接下來地圖的升維中，讓所有圖層之間有某種方面的聯(lián)系。
除此之外，我們的地圖現(xiàn)在目前給大家呈現(xiàn)的是文字、圖片，這些信息我們認(rèn)為是比較能夠幫助大家去理解的信息，但還有沒有更好的方式讓大家認(rèn)識到真實(shí)的世界？
百度地圖認(rèn)為真實(shí)場景的展示和人工智能的交互是接下來百度地圖升維的重要手段，真實(shí)場景的升維并不僅僅是簡單地將 2D 升級為 3D，而是讓我們的信息更加準(zhǔn)確，看地圖的時候得到的信息更加豐富。
如何展示真實(shí)的場景
在上個月，百度地圖發(fā)布了 3D 地圖這款產(chǎn)品，這個技術(shù)現(xiàn)在已經(jīng)比較成熟了，也就是說我們現(xiàn)在拿著無人機(jī)就可以把我們所要采集的區(qū)域，用 360 度攝影的方式拍攝得特別清楚。
同一個區(qū)域拍攝 5 次就可以得到這個區(qū)域比較詳細(xì)的影像資料，再把這些影像資料按照 3D 重建給他們，建立成我們能看的比較精細(xì)的場景，這是我們能夠看到的二維世界拉成三維的方式。
用無人機(jī)的方法去采集我們要建立模型的區(qū)域，其實(shí)是一個比較成熟的技術(shù)。但是目前受制于無人機(jī)的續(xù)航能力，我們能采集的區(qū)域很有限，這和我們無人機(jī)的滯空時間是非常相關(guān)的。
雖然我們可以采用一些更先進(jìn)的、飛行時間更長的固定翼飛機(jī)，拍攝更大的區(qū)域面積，以及我們可以把無人機(jī)從單架的無人機(jī)，升級成一個無人機(jī)蜂群的集群系統(tǒng)，去采集更大的面積。但是中國是一個幅員遼闊的國家，我們要靠所有無人機(jī)把所有城市的景點(diǎn)、寫字樓、街道采集完整，基本上是一個不可能完成的任務(wù)。
那么，我們怎么能夠用一些更好的手段或者用我們已經(jīng)拿到的數(shù)據(jù)、庫存里的數(shù)據(jù)更好地做 3D 重建工作？實(shí)際上百度地圖有全新的方法。
百度地圖現(xiàn)在有一款產(chǎn)品是我們國內(nèi)獨(dú)一無二的，就是我們的街景數(shù)據(jù)。我們?nèi)珖泻芏嗖杉嚕?24 小時去道路上采集我們的全景數(shù)據(jù)。
我們積累了從 2014 年到 2016 年三年的數(shù)據(jù)，就能夠知道我們在全國的道路上面其實(shí)覆蓋了非常多，再加上百度的搜索引擎的能力和我們用戶每天不停上傳的新圖片，我們在同一片區(qū)域里面就能積累非常多的圖片資料。
那么，根據(jù)這些圖片資料，我們就能夠比較方便的去建立起這片區(qū)域的 3D 模型，這些數(shù)據(jù)我們認(rèn)為是百度地圖獨(dú)一無二的優(yōu)勢，包括我們的全景數(shù)據(jù)、用戶上傳的數(shù)據(jù)和我們的街景采集的數(shù)據(jù)，我們把這些數(shù)據(jù)疊加起來以后，就可以全自動化地生產(chǎn)街道和用戶關(guān)心區(qū)域的模型。
所以大致的過程就是分成三個步驟。 第一，通過圖片識別需檢索我們要去建立模型所在區(qū)域的特征。從我們百度龐大的圖片庫里面把這些圖片的特征檢測出來。第二，通過我們的深度學(xué)習(xí)和機(jī)器運(yùn)算的方法，能夠把一些特征進(jìn)行拼接、建模。
最后是一個 3D 的重建。關(guān)于這項(xiàng)技術(shù)，我們在 2015 年底，跟尼泊爾政府有一項(xiàng)合作，因?yàn)?2015 年尼泊爾經(jīng)歷了一次非常大的地震，當(dāng)時尼泊爾非常多的文物在地震當(dāng)時就毀掉了。我們希望借助于這些技術(shù)，能把之前關(guān)于這些文物建筑的一些照片給拼接成 3D 模型，讓大家知道原來在尼泊爾的這些位置是有一些文物古建筑的。
經(jīng)過我們一到兩年的數(shù)據(jù)發(fā)展，以及我們圖片數(shù)據(jù)的積累，我們覺得我們現(xiàn)在有這種能力，把國內(nèi)所有街道和重點(diǎn)國家的城市，用我們現(xiàn)在有的數(shù)據(jù)，把 3D 模型重新建立起來。
結(jié)合人工智能的交互
除此以外，我們百度地圖和百度大腦的明星產(chǎn)品——「度秘機(jī)器人」，做了一個緊密的結(jié)合，我們現(xiàn)在在地圖上不僅可以用語音預(yù)定酒店、餐館，而且地圖會知道你的喜好，你經(jīng)常去哪些地方，來做一些智能的推薦。
地圖知道你所在的區(qū)域可能比較難停車，就可能不給你規(guī)劃一些開車的路線，反而給你規(guī)劃一些地鐵、公交和打車的路線。
我理解的人工智能，百度大腦，其實(shí)在跟百度地圖結(jié)合的時候，分成左腦和右腦。對于右腦而言，我們是不停地全網(wǎng)絡(luò)的內(nèi)容輸入，包括道路的信息、商店的信息、你的喜好信息等，都可以作為一種信息錄入到人工智能的大腦里面。
左腦去連接你的需求，預(yù)測你的出行習(xí)慣，還有你和目的地的行為特征。這兩個部分結(jié)合起來，就能夠更好的讓地圖去理解你的需求，把輸入的內(nèi)容和需求結(jié)合起來。這就是我們「度秘」的智能交互在整個百度地圖的應(yīng)用。
借助人工智能及時更新現(xiàn)實(shí)世界
大家知道地圖是一款活的產(chǎn)品，并不是我們把北京市或者是全國各地數(shù)據(jù)采集完，這個地圖就可以不更新了，地圖每天、每時、每刻都在發(fā)生不停地更新，相比于原來的更新手段，我們借助人工智能的方法能夠得到更快速、更少人工參與和更智能化的更新方式。
這其中，有個很重要的事物，給大家介紹一下： Foundation Object，簡單翻譯過來，可以理解為基礎(chǔ)地物。
真實(shí)世界中，大家都知道，商店和寫字樓中有非常多的 POI，POI 的變化是每天都在發(fā)生的。但是反過來，這些 POI 所在的基礎(chǔ)地物是比較穩(wěn)固的，有可能幾年、幾十年不發(fā)生變化，甚至上百年，這些基礎(chǔ)地物都會矗立在這個位置，成為我們可以掛接 POI 的載體。
這些基礎(chǔ)地物，我們認(rèn)為有 3 個特征：
最小單位的建筑集合。我們所在的大罐兒可以作為一個基礎(chǔ)地物，整個 798 街區(qū)也可以作為一個基礎(chǔ)地物。而且，基礎(chǔ)地物和基礎(chǔ)地物之間是有關(guān)系的。
基礎(chǔ)地物是地圖比較穩(wěn)定的表達(dá)，因?yàn)樗淖兓怕时容^小。
基礎(chǔ)地物的制作成本是比較高的。剛才我們說過了，依賴于我們現(xiàn)在已經(jīng)有的 3D 重建技術(shù)，我們可以快速、方便、低成本的生產(chǎn)這些基礎(chǔ)地物。
有的同學(xué)可能會問，基礎(chǔ)地物對于地圖建立基礎(chǔ)地物而言有什么作用？舉個例子，一些人開了一些店鋪，真實(shí)世界中會發(fā)生一個行為叫做店鋪搬遷。很有可能，店鋪經(jīng)營了一段時間之后，規(guī)模發(fā)生了擴(kuò)大，用來招攬更多的顧客。而在地圖里，是從 A 點(diǎn)搬到了 B 點(diǎn)，店鋪往北偏移了 300 米。這是人類非常容易理解的語言，如何把它表述在地圖上？
往北偏移了 300 米，到底是北偏西還是北偏東？北偏東 15 度還是 16 度？在地圖上標(biāo)注搬遷這個行為的時候，我們不得不通過一些人工的方式進(jìn)行介入。比如我們通過打電話，告訴百度地圖店鋪進(jìn)行了搬遷，那么我們的人工客服人員會電話跟你核實(shí)搬到了什么位置，這個位置周圍有什么東西。但經(jīng)常會發(fā)現(xiàn)，工作人員對你所在的地方并不了解，他們能看到的是地圖上已經(jīng)存在的這些點(diǎn)，比如你是不是臨近肯德基，你旁邊有什么樣的標(biāo)志性建筑，其實(shí)用語言表述起來是非常麻煩的，而且我們不一定能夠非常準(zhǔn)確地把店鋪的點(diǎn)更新到。
有了基礎(chǔ)地物這個事物之后，可以很清楚地知道，店鋪是從 A 建筑的 B 座搬到了 C 建筑的 X 座，這是一個特別清楚的搬遷行為。因?yàn)椋A(chǔ)地物的相對位置，我們可以確定它的唯一性。
怎么去確定一個基礎(chǔ)地物的唯一性呢？可能大家容易想到的第一點(diǎn)就是坐標(biāo)，一個基礎(chǔ)地物可能在一個區(qū)域里坐標(biāo)是一定的。但這里有幾個問題：
1、任何一個建筑都不只是一個點(diǎn)的坐標(biāo)，而是一個面積。在這個面積中，實(shí)際包含的區(qū)域是非常大的，在這個面積里可以開非常多的店，每個店可以理解為一個一個的小格子，在這些格子里面的挪動，包括相對位置是不是準(zhǔn)確，需要在我們的基礎(chǔ)地物上進(jìn)行數(shù)據(jù)的表達(dá)。
2、地址、門址，因?yàn)槲覀儏⒖剂艘恍﹪颐裾繉τ陂T址有比較明確的規(guī)范，但很不幸的是，還是因?yàn)橹袊鶈T特別遼闊，每個地方對于門址的實(shí)施程度是不一樣的。我們很多小城市，包括大城市也有這種問題，我并不知道這個建筑物是幾門幾號，也不知道你的門址排序起來有什么規(guī)律。我現(xiàn)在是 9 號，不一定旁邊就是 8 號。門址的規(guī)范性，現(xiàn)在在國內(nèi)還有待加強(qiáng)。
那我們用什么樣的方法，來標(biāo)識我們唯一的基礎(chǔ)地物，方便我們的數(shù)據(jù)生產(chǎn)？
我們希望機(jī)器越來越智能化，跟人類的認(rèn)知物體的方式是一樣的。通過一些圖片，或者圖片的特征，能夠標(biāo)識出來這個基礎(chǔ)地物的全貌是什么。我們結(jié)合現(xiàn)在地圖上能拿到的地理位置信息，就能夠知道你所在的位置，或者局部的圖片標(biāo)識了哪個建筑。
我們能拿到一個建筑的局部，結(jié)合它的位置，就可以知道它代表了哪個建筑物。
這些能力的建設(shè)，會有助于我們把互聯(lián)網(wǎng)上已經(jīng)存在的所有圖片的建筑，能夠收錄到我們的庫里面。并且，會帶來在基礎(chǔ)地物上進(jìn)行 POI 掛接的一個革命性更新。
其次，真實(shí)世界每天都在變化。我們沿街的店面，隨時都有可能關(guān)閉、搬遷、更名、換老板，所有這些真實(shí)發(fā)生的變化，會有非常多的途徑，而且越來越多的途徑，能用互聯(lián)網(wǎng)公開的數(shù)據(jù)，或者我們有一些 UGC 的數(shù)據(jù)，取得這些變化。
我們可以通過剛才說過的基礎(chǔ)地物圖片編碼的方式，定位到現(xiàn)在這個位置，而且能定位到你這個店，比如發(fā)生了一個更名。以往，地圖在看到這些變化的時候，只能通過人眼識別，我們?nèi)斯じ鲁梢粋€新店。這個過程，每天在中國發(fā)生幾十萬次，而且現(xiàn)在每個店的生命周期，相對來說都沒那么長，尤其國內(nèi)發(fā)展又比較快。
這個時候，如果每天發(fā)生的變化都依靠人工去處理，將是非常大的成本。而且，我們索引新店的速度會非常慢。
我們在拿到這些圖片之后，借助基礎(chǔ)地物圖片編碼的方法，就能自動識別出在這個位置發(fā)生變更的店鋪，并且能通過圖片識別的技術(shù)，知道變更之后的店名。
這將帶來非常大的地圖數(shù)據(jù)更新革命，以后在用戶拍一條街的時候，有可能已經(jīng)給地圖貢獻(xiàn)了一個更新的信息。而且，每天我們有很多采集車在全國各地道路上進(jìn)行采集。
我們把一條街掃完，就能知道這條街跟之前的變化是什么，我們可以用基礎(chǔ)地物編碼的方式看出，這個樓里面的某個店是發(fā)生了變更的，或者發(fā)生了停業(yè)，或者關(guān)門的。這些變化，能夠帶來地圖成本的降低，以及效率的提升。
總結(jié)
結(jié)合剛才講過的，我們希望借助地圖的升維，借助人工智能，能夠給地圖提供更真實(shí)的世界，能夠讓地圖更快速的反映這個世界，而且提供更人工智能的交互，把我們的內(nèi)容以更人性化的方式表達(dá)出來。
另外，我們希望通過生產(chǎn)地圖數(shù)據(jù)的方法，以更擬人化的方式，感知外界的變化，而且能用自動化的方式，把這些變化生產(chǎn)到地圖上去，帶來一些更快和更低成本的變化。
綜合來講，我們還是希望從我們自己做起，把地圖從出行的工具，進(jìn)化成一個決策的平臺，能夠讓大家更可能地節(jié)省時間，更快地反映真實(shí)世界的變化，能為所有用戶提供更為優(yōu)質(zhì)的服務(wù)。