Teeaugud ja liiklusmärgid 3D-kaardile! Teehooldajad ja isejuhtivad autod vajavad seda

EyeVi Technologies teeb tulevikukaarte isejuhtivatele autodele ning aitab teehooldajatel üle vaadata kõik maanteed ja tänavad koos sisseskannitud aukudega, et teada, mis ja kus vajab lappimist. Kuid see pole muidugi kõik. Ülitäpsed HD-kaardid avavad uue maailma, kus saab luua liitreaalsuse lahendusi, parandada ohutust ja planeerida linnakeskkondi nii, et see oleks kõigi jaoks palju mugavam. Kirjutab Kaido Einama.

Aastal 2009 jõudsid Eestisse esimesed Google´i Street View´ autod, mis hakkasid siinsetel teedel vurades salvestama lisaks asukohaandmetele ka teel nähtut 360-kraadiste piltidena. Regio juures tegutsenud kaardistajad said tehnikat pungil Google´i masinatega mööda Eestit kümneid tuhandeid kilomeetreid tiirutada, kuni Google masinad ära viis. Tegelikult pole mõnes kohas pärast seda ehk üle kümne aasta Street View´ autosid näha olnud. Sel ajal Regios ja hiljem Reach-U juures tegutsenud kaardistajad nägid maailmakuulsa tehnoloogiafirmaga koostööd tehes, kuidas selliseid lahendusi kasutati ning kui autod lahkusid, tekkis tahtmine ka ise midagi sarnast tegema hakata. Kliente, kes seda teenust soovisid, juba oli. Ühelt poolt tahtsid kaardistus- ja projekteerimisfirmad täpsemaid kaarte ning maanteede hooldajad teede olukorrast paremat pilti. Nüüd on lisandunud uus ülikiirelt kasvav sektor – isejuhtivad autod, mille jaoks on vaja juba palju rohkem maanteeinfot kui vaid koordinaatidega joon kaardil, kustkaudu tee kulgeb.

„Alguses oli meil neli GoPro kaamerat, mis auto kohal masti otsas ümbrust pildistasid,“ meenutab Reach-U spin-offi EyeVi Technologies´i asutaja ja tegevjuht Gaspar Anton, kuidas Eesti maanteede kaardistamise n-ö kodukootud tehnoloogia kunagi alguse sai. „Sellest aga oleme praeguseks jõudnud maailmaklassi lahenduseni.“

Seda, et lahendus on maailmatasemel, tõestavad kindlasti üsna nimekad kliendid. Nii näiteks sõitsid nende tehnoloogiaga varustatud autod pandeemia ajal USA-s Texases ja kaardistasid sealseid teid. 3D-kaarte salvestati sel aastal ka Soome teedel koos Rambolli ja Traficomiga.

Efektsed autod ja oluline tarkvara

Maanteede 3D-mõõdistamisel ja kaardistamisel jäävad kõige enam silma efektsed autod, millel katusel keerukas seadmete komplekt kaamerate, LIDARite ja GPS-seadmetega. Tegelikkuses on kõige tähtsam siiski tarkvara: EyeVi ongi praegu pigem tarkvarafirma ja pakub klientidele lahendusi tohutu andmehulga töötlemiseks, mis tänavatel ja maanteedel kaardistades koguneb. Lihtsalt serveritäie piltide, punktipilvede ja koordinaatidega pole suurt midagi peale hakata.

„Teede korrashoiu jälgijad on siiamaani pidanud maanteede kontrollimisel sõitma need teed ise väga aeglaselt läbi, hiljem on vaja saadud andmed käsitsi läbi töötada. Tahame oma tarkvaraga vähendada käsitsitööd kümne protsendini,“ räägib EyeVi juht. Autodel olev tehnika on vahepeal oluliselt paranenud, kusjuures enam ei pea tee kontrolliks aeglaselt sõitma, andurid ja kaamerad saavad vajalikud andmed kätte tavalisel liikluskiirusel sõites.

Teeaugud ja liiklusmärgid 

Hiljuti teatas Google, et hakkab oma ülitäpsete satelliidipiltide järgi kaardistama teekujusid, äärekive, tänavate kvaliteeti ja ülekäiguradasid. Samas ei saa kosmosest tehtud pilte lõpuni usaldada. EyeVi kaardistab samuti kõik vajaliku liiklusmärkidest, takistustest, pealesõitude nähtavusest ja teekattemärgistusest teeaukudeni, kuid maapealt. Eestis näiteks on sellest huvitatud riigifirma Teede Tehnokeskus, kellega alustatigi sel aastal koostööd parema tehnoloogia väljatöötamiseks. 

Kuid sellel kõigel on veel üks oluline tulevikurakendus – isejuhtivad autod. Neile on vaja teeinfot, mis erineb meie autonavigaatorites kasutatavatest kaartidest.

Isejuhtivate autode levikuga – esialgu erinevate arendajate garaažidesse ja töökodadesse – on tulnud valdkonna jaoks vajaliku tehnoloogia hinnad väga palju alla. Nii on ka EyeVi autodes võimalik soodsamalt kasutada erinevaid LIDAReid, mis kunagi maksid hingehinda. „Hankisime parimatelt tootjatelt erinevad LIDARite mudelid ja saime proovida, millised kõige paremini töötavad,“ räägib Anton. „Lisaks on kaardistavas autos vajalik hea 360 kraadi kaamera, mis pildistab igas suunas ja GNSS ehk satelliitnavigatsiooni süsteem, et igal hetkel väga täpselt asukohta määrata.“

Isejuhtivatel autodel on vaja alati ette teada, mis tee peal ees ootab. EyeVi saab nende jaoks valmistada kolmemõõtmelised mudelid teedest ja ristmikest, mille autod saavad kokku viia pardakaamerast ja LIDARist nähtava asukohapõhise infoga.

„Eestis näiteks on meie kaarte kasutanud Auve Techi ISEAUTO,“ räägib EyeVi turundusjuht Mihkel Lehtmets. „Kuid need kaardid on veel väikesed, tehtud kindla piirkonna jaoks. Meie kaardi järgi sõitis ISEAUTO isejuhtiv buss läbi Rally Estonia WRC ametliku rallikatse.“

Pool Eesti teedest 3D-kontrollis

Teede Tehnokeskus sõidab igal aastal EyeVi tehnikaga läbi ligi poole kõigist Eesti teedest. „Inventeerime praegu EyeVi-ga Eesti riigimaanteedel defekte ning anname selle põhjal Maanteeametile ülevaate teede seisukorrast ning sisendi remontide planeerimiseks. Sama tehnoloogiaga teeme andmekorjet ka mitmetele omavalitsustele,“ räägib Teede Tehnokeskuse arenduse ja uuringute osakonna juhataja Marek Truu. 

Teede Tehnokeskus plaanib EyeVi tehnoloogiaga alustada teede kaardistamist ka teistes Balti riikides, juba on seda rakendatud näiteks Kreekas, Ruandas ja Kariibi mere saartel. Mõõtmisteenust hakkabki edaspidi pakkuma Teede Tehnokeskus, EyeVi tegeleb tootearendusega.

Maanteeamet saab nende andmete põhjal planeerida järgmise aasta teede eelarvet ja investeeringuid. „Teede infrastruktuur on EyeVi jaoks esimene samm,” lisab Lehtmets. „Kavatseme järgnevate aastate jooksul veel laieneda energia, raudtee, tarklinnade jm sektoritesse. Meie tehnoloogia on arendatud võimekusega ning eesmärgiga haarata teisigi infrastruktuuri sektoreid.”

EyeVi on näiteks droonidega kaardistanud juba ka elektriliine.

Koroonakevadel tegutseti ka USA-s

Kuigi sel kevadel enamik lennukeid ei lennanud ja USA-sse reisida eriti ei saanud, töötas EyeVi siiski Texase maanteedel. „Meie kaardistustehnika on piisavalt mobiilne, nii sai selle teele panna ja kohapeal kasutati meie tehnikat teede läbisõiduks ja kaardistamiseks,“ meenutab Anton.

Pärast võeti varustus tavalistelt autodelt maha ja saadeti Eestisse tagasi. Kui kohapealne info oli kogutud, polnud andmetöötlus üle võrgu enam mingi probleem. Kõik toimus ühe kuu jooksul, mis ka tavaolukorras oleks olnud ülikiire.

Võimalused koguda teede kohta infot nende andmete põhjal on piiramatud. Näiteks Soomes vaadati hiljem andmeid analüüsides, kui hea nähtavus on peale- ja mahasõitudel, kus asuvad reklaamtahvlid ja liiklusmärgid, kuhu oleks vaja luua teepiirdeid ja mismoodi liiklusmärke paigutada, et neid kergem märgata oleks.

Tulevikus korjavad autod ise andmeid

Tulevik on selles valdkonnas helge, ilmselt 3D- ja HD-kaardid alles jõuavad oma massilise rakenduseni, kui autod targemaks saavad ja eriti siis, kui tulevad isejuhtivad liiklusvahendid. Gaspar Anton usub, et kunagi võivad teeinfot koguda juba LIDARite ja kaameratega varustatud autod liikluses ise: „See aga tähendab tohutut andmemahtu ja platvormi, mis suudaks neid andmeid töödelda.“

Sellise platvormi kallal EyeVi praegu töötabki. Tehnikaülikoolis täiendatakse EyeVi platvormi tehisintellekti algoritmidega, et isejuhtivad autod oskaks nende kogutud andmetega midagi peale hakata ja et 3D-kaardistusandmetest mõistlik info välja võtta. 

Tartus ja Tallinnas on üksikuid kohti, mis isejuhtivate autode jaoks on HD-kaardina üles märgitud – näiteks Kadriorus sõitnud isejuhtiva bussi teekond ja Ülemiste City liikumistee on piisavate detailidega, et juhita liikur saaks navigeerida. Terveid linnu või riike katvad kaardid on kõik veel tulevikumuusika ja ilmselt varsti vajavadki tegemist ning läbisõitmist. 

Nende puudumine aga isejuhtivate autode tulekut ei takista, sest ilma juhita auto peab hakkama saama ka olukorras, kus teekaarti ja ruumiandmeid polegi. Kui need andmed tekivad, saab hakata liiklust linnades ja magistraalidel paremini reguleerima ja niimoodi on ka turvalisem.

Kuidas vektorkaarte teede kohta välja joonistatakse?

Digimiseks tuleb LIDARiga teel salvestatud punktipilve (.pcd formaadis) põhjal välja joonistada (näide Tallinna Viru väljaku ringi sõiduradadest)

• sõiduraja :
  • telgjooned, nagu ülaltoodud näites, kus sõidurada kujutatakse sama laiusega
  • servad teekattemärgistuse põhjal ja märkida sõiduraja vasak ja parempoolne joon
• stoppjooned, foorid, ülekäigurajad jms ning need siduda ära väljavalitud sõidurajaga
• lisada saab kiirusepiiranguid jm piiranguid

Autonoomsete sõidukite vektorkaartide loomine on vastutusrikkam. Vaja on kõrgema tasemega digijad ja tulemuste järelkontrolli. Täisautomaatne detailse vektorkaardi tekitamine pole realistlik, aga seda saab kiirendada, tuvastades sõiduradasid eraldavat teekattemärgistust, teeservasid, foore, liiklusmärke jne.

Kolm 3D-kaardistuse kasutamise rakendust

1. Teedehoolduseks

Teede hooldus nõuab planeerimist ja otsustamist, millist teelõiku peaks parandama ja millal. EyeVi aitab selleks andmeid kohapeal koguda ja hiljem töödelda. Andmetest saab hiljem tekitada ortofotod teepinnast koos aukude ja defektide infoga, mida aitab kokku panna tehisintellekt.

2. Geoandmete kogumiseks

Kui on vaja andmeid ehituse, isejuhtivate autode liikumise või linnaplaneerimise jaoks, siis on võimalik koguda teede ja ümbritseva maastiku andmed geoandmetena. Neist saab omakorda teha erinevaid väljavõtteid ning luua visuaalseid mudeleid.

3. Maanteede ja teede projekteerimiseks

Planeeritava tee, silla või tunneli ehituseks on vaja skannida ehitusobjekti maastik ja teha täpne mudel kohast, kuhu plaanitakse ehitama hakata. 3D-andmed on vajalikud põhiandmeteks, et siduda maastik ehitusprojektiga. Salvestatakse kõrguspunktid, teeprofiilid, objektide laiused ja kõrgused.

Google Maps teeb kaardid ülitäpseks satelliidipiltidega

Google, kellel on käes hiiglaslikud ressursid, sealhulgas võimalus teha ülitäpseid satelliidipilte, uuendas hiljuti oma kaardirakendust Maps, millel näiteks USA suurlinnades hakatakse kujutama tänavakaartidel ka teede tegelikku kuju koos parkimistaskute, ohutussaarte ja äärekividega. Satelliidipiltidel oleva info põhjal joonistab tehisintellekt kaardile ka loodusmaastikud erivärviliselt – vastavalt sellele, kas seal on kõrb, põld, hõre mets või tihe võsa. 

Google´i kaartide täienduste maastikuinfo saadi Google´i ülidetailsetelt satelliidipiltidelt, mis katavad 98% maakera elanikkonnast. Masinõppega leiti piltidelt üles kõrbelised, jäised, metsased, mägised jm piirkonnad. Nii nagu orienteerumiskaartidel ja topograafilistel kaartidel, on nüüd eristatud ka tihedamad metsad ja hõredad, kergesti läbitavad rohealad. Ühed on tumedamad, teised heledamad rohelised.

Tänavakaartidel on näiteks varsti märgitud ka ülekäigurajad ning fooriga reguleeritud ristmikud. Foorituledega arvestavat navigeerimist on varem katsetatud mõnedes USA linnades, mis tähendab, et soovitatav teekond arvutatakse välja, arvestades fooride arvu teel, nende tsüklit ja sellest muutuvat liikumiskiirust.

Teede Tehnokeskuse kaardikiht katab juba 40 000 km teid

Teede Tehnokeskuse pakutav EyeVi teedekiht katab pea 40 000 km erinevaid Eesti teid, peamiselt riigimaanteid ja kohalikke teid. Hetkel käivad andmete värskendamiseks kohalike teede mõõtmised – näiteks Tartu on selleks aastaks kaardistatud ja Tallinnas on tööd lõppjärgus. Mitmetes valdades on pildikogumise tööd veel käimas. 

Värskest teepildist (panoraamvaade ja detailne ortovaade) on palju kasu nii omavalitsustel kui neile teenuseid osutavatel ettevõtetel, et hinnata tee enda ja selle ümbruse olukorda erinevate valdkondade tarbeks. EyeVi on kasutusel näiteks teede, sh kergliiklusteede remondi- või ehitusvajaduse hindamisel koos mõõtmistega, side-, elektri-, veevarustuse, kütte- ja kanalisatsioonitrassidega seotud kaevetööde kavandamiseks, uute infrastruktuuriobjektide kohta teostusinfo kogumiseks, samuti muude kommunaalmajandusega seotud küsimuste lahendamiseks – heakord, hoonete fassaadide, viaduktide ja tunnelite ning katte täpne seisund, liiklusohtlikud kohad, välireklaamid jpm. 

Näiteks saab kasutatava lahendusega iga augu, lapi ja prao täpse asukoha kaardista, millega tekib tulevikus võimalus võrrelda varasemaid defekte uutega jne. Tänu kogutavale punktipilvele avaneb võimalus luua 3-mõõtmelise linna ruumimudel, mis aitab tulevikus isejuhtivatel sõidukitel ruumis orienteeruda.