援引美媒消息稱，2017年10月，我們發布了一篇關于DroneDeploy巨大增長的故事：“就在今年，該公司已經繪制了超過2500萬英畝的土地，面積比冰島大。他們在2017年處理了4000萬張圖像，每天創建數千張地圖，并且今年到目前為止已在平臺上處理了750k的測量數據。”

圖片來源于網絡

這意味著什么？DroneDeploy的首席技術官Nick Pilkington表示，有大量的經驗和大量的數據，可以有效地應用于機器學習。這正是該公司用Map Engine，DroneDeploy的基于云的攝影測量和圖像處理軟件所做的事情。以前處于測試模式，它已經被全球4000多家客戶使用，每月處理超過30000張地圖，該產品于今天正式推出。

Nick Pilkington說：“地圖引擎跟蹤航拍圖像中的數十億個點，同時重建三維場景和無人機的軌跡。”“我們匯集了云計算，計算機視覺和機器學習的最新進展，以構建一流的攝影測量管道，無論您的工作流程如何，都能在記錄時間內提供準確的結果。”

Map Engine專為云計算而設計，因此地圖和模型流程可以快速利用最新的云基礎架構和機器學習硬件。“即使是具有高達10K圖像的地圖也可以在不犧牲質量的情況下進行處理，使用云意味著削減內部硬件，工程和IT成本。”DroneDeploy說。這是行業邁出的一大步，增加機器學習意味著更快的處理能夠產生更多的實際信息。

機器學習的智能攝影測量將映射到下一個級別。Map Engine能夠解釋和理解場景，因此它可以做出處理決策，并在最短的時間內提供最清晰，最準確的結果。

Nick Pilkington說：“機器學習從一開始就融入到產品中。” “現在它正在實現。”

“我們有五年的數據和經驗。”皮爾金頓解釋說，“憑借那些大量的數據，我們現在可以將這些數據與人工智能和機器學習結合起來。”Map Engine可以幫助繪制大豆農業領域或玉米或水，人眼很難確定邊緣或邊界：但計算機很容易做到。它可以提高可能用于測量距離和體積的建筑圖像質量。它可以將樹木與建筑物區分開來，并在后處理方面提供更多價值，例如在太陽能場上計算太陽能電池板。

“兩年前，地圖引擎代碼庫集成開始于DroneDeploy收購領先的攝影測量解決方案3DN，該解決方案已經開發了五年。”DroneDeploy新聞稿稱。該公司將時間，精力和資金投入到項目中：他們擁有5名博士，他們具有深刻的背景和多年的機器學習經驗。

皮爾金頓說：“我們長期以來一直致力于解決這些難題。”

工作將繼續進行，DroneDeploy已經在應對更加艱難的處理挑戰。皮爾金頓說：“使用地面控制點獲取高分辨率GPS對人類來說既繁瑣又耗時。”“這是一個大問題;但通過訪問和學習大量數據，我們可以使這個過程更容易。”

“我們考慮它的方式，終極目標是完全自治：每個工作現場都會有無人機，它將簡單易用，可用。”Pilkington說。“我們正在努力實現一鍵式體驗。”

來自DroneDeploy的新聞稿：

此版本包括對早期測試版的四個主要改進：

提高速度：Map Engine現在可以快速生成30-50％的地圖和模型。可以在一小時內處理由數百張圖像組成的場景。

提高準確度：針對農業，建筑和太陽能的行業特定精度改進產生更高質量的結果。

大地圖支持：現在可以快速準確地處理多達10000張圖像（100GB）的地圖（測試版）。

移動上傳：客戶現在可以通過移動上傳（測試版）無線傳輸圖像到云端，以便立即處理。

下一版Map Engine計劃于2018年10月11日在舊金山舉行的DroneDeploy年度用戶大會上亮相。那時，將公布將大量AI工具集成到Map Engine中的重要更新。