Se verden gennem computer vision med Mapillary

Det crowdsourcet street view billedeprojekt Mapillary har i over et år haft algoritmer kørende, der autogenkender trafikskilte, dette output har fx frivillige i OpenStreetMap lov til at bruge for at forbedre OpenStreetMap.

Mapillary har nu yderligere udvidet dette koncept med genkendelse af flere typer af objekter fra de crowdsourcet billeder. Nu giver Mapillary os et større indblik i, hvad computer vision er for en størrelse. Kort fortalt, så er computer vision et tværfagligt forskningsområde, der drejer sig om at trække meningsfyldte informationer ud fra digitale billeder. Den helt store våde drøm er, at dette skal ske helt automatisk og det kræver så en del machine learning og algoritmer at nå dertil.

Lad os hoppe i og se hvad det er konkret Mapillary lige har sat i værk. Prøv at gå til dette Mapillary billede i Rådhusstræde i København. Klik på det der filterikon oppe og en ny menu dukker op (se billedet nedenfor). Klik på knappen ved “Segmentation” > “Show identified photo features“.

Mapillary filter

Nu dukker en ny menu op (se billedet nedenfor) “Segmentations” med en liste af forskellige typer af objekter som Mapillary har sat deres algoritmer op til at genkende i billederne.

Mapillary filter

Prøv fx at køre din mus over “Manmade Struture” [er primært bygninger] og nu vil der i din Mapillary webside blive markeret, hvad algoritmen betragter som værende denne type objekt.

Mapillary filter

Du kan lade musen kører over “Sky” og nu vil der blive vist hvad der er betraget som skyer/blå himmel i billedet (vist i billedet nedenfor).

Mapillary filter

Du kan nu prøve at gå til Egernets Kvarter i Ballerup i Mapillary og slå filter til igen. Prøv at køre musen over “Road User” – det vil markerer ud hvad der optager vejen, hvilket som regel er biler/lastbiler, men jeg har også set andre steder at cykler vil markeret ud. I billedet nedenfor fra Ballerup er det bilerne der bliver markeret ud som genkendt af algoritmen.

Mapillary filter

Prøv også “Tree” og træer i billedet vil blive markeret ud. Netop træer er lidt interessant. Lad os forestille os at 4 gange på et år kommer Mapillary bidragsydere forbi og tager billeder, og hvis man så har fældet bytræer, og man har et før og efter Mapillary billede, så kunne man på sigt have algoritmer, der ser på forskelle i tid, og i casen med træer så vil man kunne se, hvor der der blevet fældet træer eller hvor er der sat nye træer op. Dette kan også udvides til nye bygninger eller bygninger der er revet ned.

Mapillary filter

Som sagt ovenstående funktioner er lige gået i luften, og det er ikke alle steder Mapillary har rullet dette algoritmefilter ud, men har du bidraget til Mapillary, så tjek om ovenstående er rullet ud i dit område. Nu er disse Mapillary algoritmer ikke helt perfekte fx på S-tog stationer hvor der er mange objekter i billederne, er der en del fejlgæt af algoritmerne. Dette bliver bedre jo flere billeder der bidrages med samt feedback på algoritmerne. Feedback kunne bestå i at brugerne fx siger “Ja/Nej” til et algoritmegæt på en bestemt type objekt og ad den vej træner algoritmen til at blive bedre.

Hvis du ser på billedet oppe af menuen “Segmentations“, så er der et punkt der hedder “Your Own Class“. Denne virker ikke endnu, men det er her du selv kan bygge dine egne algoritmer op. Du vil fx have algoritme til genkendelse af bænke, brandhaner eller lygtemaster. Hvis vi tager lygtemaster som en algoritmecase, så vil træning af algoritmen bestå i, at du finder en masse billeder af lygtemaster i Mapillary og markerer dem ud. Når det er gjort går algoritmen i gang og du begynder at se algoritmens gæt, og her skal du så give feedback tilbage, hvilket er typisk “Ja/Nej” til gættet.

Jeg ved ikke helt, hvornår dette med egne algoritmer går i luften hos Mapillary samt om man kan dele algoritmer, så fx hvis man er 10 personer i 10 lande, der træner en fælles algoritme op til at genkende fx lygtemaster som nævnt før. Jeg hører, at nogle er interesseret i at have overvågningskamera algoritmer “surveillance of surveillance” til at spotte disse i det offentlige rum.

Jeg synes, at Mapillary har gjort et interessant tiltag her med at bringe machine learning ud til en bredere kreds end lige computernørder. Jeg kunne forestille mig at en skoleklasse som undervisningscase i faget geografi havde deres egen fælles algoritme, som de træner op. Skoleklassen kunne så starte med at få crowdsourcet en masse billeder til Mapillary via deres smartphones af lokalområdet. Dernæst går de igang med at markerer objekter ud, som de vil have algoritmen til at lære. Selvfølgelig er machine learning ud fra billeder ikke perfekt endnu og skoleelevernes primære mål med sådan en case at få et indblik i, hvad machine learning går ud på. Nu har folkeskolelærere en relativ nem og gratis måde via Mapillary platformen at give eleverne noget hands-on dette (når det altså går i luften med egne algoritmer).

Stemningsrapport fra OpenStreetMaps 12 års fødselsdag afholdt på Ballerup Bibliotek

I lørdags var 15 personer mødt op på Ballerup Bibliotek for at fejre OpenStreetMap blev 12 år. Jeg vil her fortælle lidt om, hvad vi lavede på dagen.

Mapping party

Ed Neerhut fra Mapillary og jeg startede dagen med at fortælle om, hvad Mapillary er og hvad man kan. I slideshowet nedenfor kan ses hvilke emner vi berørte.


(Stor udgave klik her)

Efter ovenstående gennemgang blev deltagerne i flere hold sendt ud på Ballerups gader og stræder på en fotomission med deres smartphone og Mapillary app installeret. Tilbage igen på biblioteket fik de oploadet billederne. Dernæst var det tid til en frokost pizza og sodavand, som Mapillary var vært og sponsor for.

I frokostpausen fik vi sat en lille kort videokonference op med deltagerne i Ireland, Lesotho og Danmark. Her fejrede man også OpenStreetMaps fødselsdag. Lesothos ambassadør (som faktisk er geograf af uddannelse) holdt en kort takketale til alle OpenStreetMap frivillige verden, som har medvirket til at lave et grundkort (betyder at det meste af vejnettet er færdigt) over hele Lesotho på kun 2 år.

Mapping party
(OpenStreetMap fødselsdagsfest på Lesothos Ambassade i Dublin)

Vi gik i gang efter frokost med at lære alle nye om OpenStreetMap og hvordan man kortlægger. Vi havde valgt kun at have fokus veje og bygninger kortlægning. Vi delte deltagerne op i to grupper, hvor den ene kortlage i Maputo og den anden i Nairobi. Det gik hurtigt med at få lært og sat folk i gang med at få kortlagt lidt. I slideshowet nedenfor er der lidt fakta og tal om OpenStreetMap, fx at stadigvæk 1 milliard mennesker ikke kan vise på et kort for de bor.


(Stor udgave klik her)

Det var jo en fødselsdagsfest og i den anledning havde Kartrin Humal fra Mapillary bagt en lækker OSM 12 år kage (se billedet nedenfor)

Mapping party

Der er selvfølgelig umuligt på kun en dag at komme igennem hele OpenStreetMap universet og dens afkroge. Så nedenfor bringes en liste over steder på nettet, som deltagerne på nettet hjemme igen kan nærstudere, hvis de er blevet interesseret i det.

  • LearnOSM – engelske guides til nybegyndere
  • H.O.T tasking manager – værktøj til mere systematisk at deltage kortlægning i 3. verden
  • MapSwipe – app udviklet af Læger uden Grænser, UK og Røde Kors UK
  • OsmAnd – app baseret på geodata fra OSM
  • MAPS.ME – app baseret på geodata fra OSM
  • Gratis kort til Garmin GPS’ere – guide og installering
  • WhoDidIt – analyseværktøj af hvad der er sket i dit lokalområde
  • OSMstats – daglige tal med land for land hvor meget der er blevet redigeret
  • How did you contribute to OpenStreetMap? – OSM brugernavnet indsættes og tal for bidrag kan ses
  • Show Me The Way – animation der viser lige nu hvor i verden der bliver redigeret i OpenStreetMap

Her til sidst skal der rettes en stor tak til Ed fra Mapillary for at have taget turen fra Malmø for at være sammen med os hele lørdagen. Mapillary skal en kæmpetak for at have været sponsor for pizza, sodavand, kage, t-shirts og bilholdere til smartphones. Ballerup Bibliotek skal have tak for at have stillet lokaler med pc’ere, Wi-fi samt have lavet PR kampagne for begivenheden.

Endelig skal rettes en stor tak til deltagerne for at have gjort dagen til en succes, I var meget nysgerrige og der var masser af samtaler om alt mellem himmel og jord vedr, Mapillary og OpenStreetMap.

Nu over 3 millioner Mapillary billeder i Danmark

I august 2015 ramte de danske Mapillary bidragsydere 1 million crowdsourcet billeder. Nu 10 måneder efter her i dag har de ramt over 3 millioner crowdsourcet billeder.

Mapillary juni stats

Vi tager et kig bag tallene for Danmark. Men her først nogle nøgletal her kl. 11:00 d. 7. juni 2016.

  • 3002026 crowdsourcet Mapillary billeder
  • Der har været 261 bidragsydere i alt
  • I gennemsnit har de indsamlet 11502 billeder
  • Første kvartil er 19 billeder blandt de 261 bidragsydere
  • Medianen er 147 billeder
  • Tredje kvartil er 887 billeder blandt bidragsyderene

Nu er de 3002026 Mapillary billeder ikke ligeligt fordelt i Danmark. Hvis vi deler op i de 5 regioner før vi følgende tal for antal indsamlet billeder

  • Region Nordjylland 55837 (1,86 %)
  • Region Midtjylland 1339804 (44,63%)
  • Region Syddanmark 314012 (10.46%)
  • Region Hovedstaden 1174692 (39,13 %)
  • Region Sjælland 117679 (3,92%)

Region Midtjylland er der, hvor der indsamlet flest Mapillary billeder (44,63% af alt i Danmark), mens Region Nordjylland er sidste pladsen med kun 55837 (1,86 % af alt i Danmark). Nu afhænger disse regionsplaceringer i den grad af, hvor Danmarks Top 10 Mapillary bidragsydere bor. Disse 10 personer har bidraget med 2587964 billeder ( 86,2% af alle Mapillary billeder i Danmark). Toblers første lov om geografi er i den grad gyldig her, det nære er det mest vedkommende.

Mapillary juni stats

Dette er et her og nu status billede, og som i mange VGI (Volunteered geographic information) projekter kan ting ændre sig hurtigt, hvis der nogen der tager teten. Se fx Lesotho i OpenStreetMap regi. Lesotho var dårligt kortlagt for 2 år siden, men er nu det bedst kortlagte land i Afrika og slår flere europæiske lande. Denne indsats har kun været muligt fordi der er blevet bygget et stærk community op om den indsats.

Så det kan være næste gang, at jeg laver en talstatus på Mapillary i Danmark, at Region Nordjylland er i toppen. Det er kun spørgsmål om nogen tager sig sammen i området.

Nå, ja har du fået prøvet Mapillary app?

NB – Hvis du er interesseret i tal og fakta for andre lande, så tjek dette online regneark ud og klik så på det land du ønsker at vide noget om.

Geodataindsamling under årets Vi Cykler På Arbejde kampagne

I går afsluttede årets Vi Cykler På Arbejde kampagne. Da der for mit vedkommende kun var 2 regnvejrsdage ud af 19 arbejdsdage i maj var der lagt op til at få en del kilometer i benene. Jeg endte på 436 km i alt. Årets kampagne var også en enestående mulighed for at køre omveje for at få indsamlet billeder til Mapillary fotoprojektet.

Med Mapillary app installeret på min smartphone fik jeg indsamlet ca. 20.000 billeder fra Ballerup området til Mapillary projektet. Det blev rundt regnet ca. 70 km veje og stistrækninger under Vi Cykler På Arbejde kampagnen. Mange stier og veje havde jeg aldrig før cyklet på.

Mapillary Ballerup
(Sti i Ballerup – se ovenstående billede på Mapillary)

Udover at alle billeder i Mapillary er udgivet under en fri licens. Så kan Mapillary bruges for cyklister til aktivisme for at få forbedret forholdene på landets cykelstier. Lad mig vise det med et Mapillary billede, jeg tog ude ved Veksø S-tog station [Egedal Kommune] på C97 supercykelstien (København – Frederikssund). I billedet nedenfor ses en cykelbom (chikane).

Mapillary Veksø'
(Supercykelstien C97 ved Veksø Station – se ovenstående billede på Mapillary)

Nu er der over 200 meter til vej, hvor der er biltrafik, så jeg forstår ikke logikken i at sætte en cykelbom der. Jeg havde også det indtryk, at en supercykelsti var beregnet på at have et flow og ikke en masse forhindringer. Hvis der er mange cyklister, der bruger Mapillary til at fotodokumentere dårlige design af cykelstier som ovennævnte eksempel og så får skrevet til de ansvarlige myndigheder og vedhæfter billede eller URL’en, som også viser hvor på kort hvor dette dårlige cykelstidesign befinder sig. Så kunne det være der skete noget (fx fjernelse) eller få et svar, hvorfor de lige netop har valgt at sætte en forhindring op der.

Nu behøver det ikke kun være at være negative ting ude fra cykelstierne, de gode cykelsti design kunne også fotograferes til Mapillay og så bruges til vise myndigheder, udenlandske byplanlæggere, udenlandske cyklister, forskellige cyklistforbunde i verden, hvordan det kan gøres osv. Billederne er som nævnt under en fri licens, så de kan bruges i andre sammenhænge end lige via Mapillarys platform.

Geodata baseret på deep learning er nu tilgængeligt for OpenStreetMap frivillige

De frivillige i OpenStreetMap har nu fået adgang til trafikskilte geodata fra Mapillary. Det webbaseret iD redigeringsværktøj er blevet opdateret og nu kan et ekstra geodatalag med trafikskilte kaldes ind, og dermed bruges af OpenStreetMap frivillige til at forbedre OpenStreetMaps geodata.

Trafikskilte laget fra Mapillary er baseret på deep learning og for at kickstarte algoritmer, der genkender trafikskilte, så har Mapillary frivillige set manuelt på over 200.000 billeder og har angivet hvilke trafikskilte der findes i billederne. Indtil videre er det trafikskilte i Europa og USA, som der er sat algoritmer i gang med at autogenkende trafikskilte i. Trafikskilte genkendelse fra andre verdensdele og lande er på vej.

Hvis du vil se ovenstående i aktion, så find et sted i OpenStreetMap der er blevet taget Mapillary billeder i og så naturligvis i nærheden af veje. Dernæst går du ind i edit og vælger “Rediger med iD” redigeringsværktøjet. Ude i højre side klik på ikonet “Kortdata” og sæt dernæst hak i “Trafikskiltelag (Mapillary)” laget.

Trafikskilte laget

Hvis der er taget Mapillary billeder i området og deres algoritme har genkendt trafikskilte, så vil de disse dukke op som i ikoner i iD editoren. I billedet nedenfor er et “cykelsti” skilt blevet genkendt ved landsbyen Lyngerup i Horns Herred.

Trafikskilte laget

Ved at køre musen over et trafikskiltikon, så vil det tilhørende Mapillary billede dukke op, hvorfra trafikskiltet er blevet genkendt. Bemærk at ikonet for trafikskiltet bliver placeret der, hvor fotografen har stået og taget billedet.

Der er selvfølgelig stadigvæk en del falske positive hits (forkert gættet trafikskilte), men jo flere Mapillary billeder taget mange steder fra, jo bedre bliver algoritmerne til at autogenkende trafikskilte. Så de steder der ikke er taget Mapillary billeder endnu i Danmark (eller for den sags skyld andre steder i verden) , der kan du bidrage med at tage billeder med din smartphone og Mapillary app (findes til Andriod, iPhone og Windows) installeret.

Mapillary har også et API, hvor du kan hente trafikskilte og bestemte kategorier (fx kun hastighedskiltene).

Mapillary arbejder også på at lave algoritmer der kan autogenkende andre ting i Mapillary billederne end lige trafikskilte. Mapillary har i sidste uge fået tilført 8 millioner $ i kapital, penge som fx skal bruges til at ansætte flere, som er eksperter i Computer Vision og deep learning.

Hvis du sidder og er efterladt med det indtryk, at Mapillary kun drejer sig om trafik, så læs Maptime Copenhagen beretning fra “Historiske billeder” dagen afholdt 13. februar på Nationalmuseet. Her vil kunne du læse om andre ting Mapillary kan bruges til.

Maptime Copenhagen billedehalløj på Nationalmuseet 13. februar 2016

20 personer dukkede op på Nationalmuseet i lørdags til det andet Maptime Copenhagen event. Denne gang med geokodning af historiske billeder som hovedemnet. Det var en stor succes, og der var masser af spørgsmål samt en god netværkstemning blandt alle deltagerne. Så der skal rettes en stor tak herfra til alle deltagerne for at gøre dagen vellykket.

Jeg vil i det følgende fortælle lidt om, hvad der skete på dagen samt links til de demoer, der blev vist. Katrin Humal og Peter Neubauer fra Mapillary havde taget turen fra Malmø for at deltage sammen med os.

Deltager på Maptime Copenhagen
(Billede taget af Jacob Wang)

Peter Neubauer gav et 30 minutters foredrag om, hvordan Mapillary bruger computer vision og deep learning i deres arbejde. Vi så en mindblowing Mapillary punktsky (eng: point cloud) eksempel af Sagrada Família i Barcelona.

Sådan vise punktsky
(Billede – Punktsky af Sagrada Família i Barcelona)

Der kan også ses danske punktskyer i Mapillary – Find et sted med relativt mange Mapillary billeder. Et eksempel kunne være Jægerspris Slot (Mapillary link her), så ude til højre klik på “Show point cloud“.

Sådan vises punktsky
(Billede – Show point cloud funktionen i Mapillary)

Nu vil der danne sig en punktsky baseret på de Mapillary billeder, som der er taget af Jægerspris Slot fra mange vinkler og sider.

Mapillary punktsky af Jægerspris Slot
(Billede af Mapillary punktsky af Jægerspris Slot)

Dernæst var det tid til at se, hvordan man geokoder historiske billeder rent praktisk.

Nordkorea slide
(Billede – Maptime Copenhagens undervisningsmetoder)

Deltagerne fik en kort introduktion til Geosetter softwaren og dernæst var der lavet en opgave til hver enkelt, hvor de skulle tilføje bredde- og længdegrader, retning og tid til nogle historiske billeder fra Nationalmuseets billedesamling.

Geosetter interface
(Billede – Geosetter )

Fx blev et billede fra 1943 af Ovengaden oven Vandet 6 lagt ind på Mapillary (direkte link her)

Ovengaden oven Vandet 6
(Billede fra 1943 – Ovengaden oven Vandet 6 set i Mapillary)

Indendørsbilleder er også muligt at geokode samt lægge ind i Mapillary – Her er det Festsalen på Nationalmuseet set i 1936 (direkte link her)

Festsalen på Nationalmuseet
(Billede fra 1939 – Festsalen på Nationalmuseet set i Mapillary)

Der er indtil videre blevet lagt ca. 160 historiske billeder (fra år 1870-1992) ind på Mapillary. Du kan se indeks i dette her online regneark og så klikke videre for at se disse på Mapillary.

Regneark af historiske billeder
(Billede – Online regneark af de pt. ca. 160 historiske billeder lagt i Mapillary)

Så blev det tid til en fotomission med Mapillary app og i området omkring Nationalmuseet. Deltagerne blev delt op i to hold. Det ene hold fotograferede en indergård på Nationalmuseet (Se billede eksempel her)

Mapillary fotomission 13. februar
(Billede – Mapillary fototur 13. februar 2016 indergård Nationalmuseet)

Der andet hold var en tur oppe at vende ved Christiansborg og tilbage igen (se billede eksempel her)

Mapillary fotomission 13. februar
(Billede – Mapillary fototur 13. februar 2016 ved hovedindgangen til Nationalmuseet)

Efter en kold gåtur udendørs var Mapillary sponsor for lidt at spise og drikke. Jeg gik efter frokosten i gang med at vise eksempler på, hvordan historiske billeder kan mashuppes. Den første demo var Frederiksborg Slot før og nu visualisering (link her)

Frederiksborg Slot før og efter
(Billede – Frederiksborg Slot før og efter mashup)

Anden demo er Vandkunsten 8 før og nu visualisering (link her)

Vandkunsten 8
(Billede – Vandkunsten 8 før og efter mashup)

Mapillary har lige frigivet MapillaryJS plugin, så du kan indlejre på dit eget domæne. Min første demo var fra Frederiksborg Slot med eksempel på billeder og kort sat sammen (link her)

Frederiksborg Slot MapillaryJS demo
(Billede – MapillaryJS demo med Frederiksborg Slot)

Andet eksempel med MapillaryJS var et ANPG kamera (nummerplade fotografering) fanget af en Mapillary bruger (link her). Dette ANPG kamera er blevet fundet via Christian Panton ANPG.dk side.

ANPG demo
(Billede – MapillaryJS demo med ANPG kamera)

Geokodet billeder kan også uploades til Wikimedia Commons arkivet (se Ovengaden oven Vandet 6 eksemplet her)

Wikimedia Commons upload
(Billede – Ovengaden oven Vandet 6, 1943 på Wikimedia Commons)

Til Wikipedia artikler kan der også bruges Mapillary billeder, se eksemplet med Sønderby i Frederikssund Kommune (link her).

Wikipedia Sønderby artikel
(Billede – Mapillary billede brugt til Sønderby artikel på Wikipedia)

Det sidste eksempel jeg viste var med et privat historisk billede fra 1937, som var blevet indskannet. Så det er ikke kun billeder fra arkiver som kan geokodes og kan indsættes på Mapillary (link her).

Egne private billeder
(Billede – privat billede fra 1937 taget ved Eremitageslottet i Dyrehaven)

Her til sidst skal Katrin Humal og Peter Neubauer fra Mapillary takkes for at have taget turen her til Danmark i lørdags samt for spisevarer og drikkelse. En tak skal også lyde til Jacob Wang fra Nationalmuseet for at have skaffet lokaler og fri Wi-Fi til alle deltagerne.

Praktisk information vedr. Geosetter softwaren til Maptime Copenhagen 13. februar på Nationalmuseet

I morgen vil vi bruge softwaren Geosetter (desværre kun til Windows) til at geokode nogle af Nationalmuseets historiske billeder.

Nationalmuseet

Her kommer lidt praktisk information. De 19 deltagere har fået et billede som de skal geokode, og disse billeder finder du i dette her online regneark.

Regneark med opgaver

Dernæst er det en god ide at lave en ny billedemappe, så du kan huske hvor man gemmer de billeder man vil/skal geokode. Jeg har fx lavet følgende mappe

C:\maptimecopenhagen

Da vi skal arbejde med .jpg (JPEG) billeder, så skal vi lige konfiguere Geosetter, så det er muligt at rette i billederne metadata (teknisk set er det EXIF metadata). Start Geosetter op og vælg Filer > Indstillinger> Filindstillinger og klik på JPEG og sæt hak i samme felter som vist i billedet nedenfor.

Geosetter indstilling

Så klikker du “OK” og nu skulle vi være klar. Resten af instruktionerne til Geosetter vil blive gennemgået på Nationalmuseet.

Du kan se indeks over de 152 historiske billeder fra Danmark som indtil videre er blevet lagt ind i Mapillary her. Denne samling udvider vi i morgen.

Torvegade 73

Endeligt program for geokoding af historiske billeder – Lørdag d. 13. februar på Nationalmuseet

Maptime Copenhagen er nu klar med det endelige program for “geokoding af historiske billeder” workshop. Nationalmuseet er så venlige at lægge undervisningslokaler og Wi-Fi til rådighed. Mapillary vil være sponsor for lidt at spise og drikke. Katrin Humal fra Mapillary kommer over fra Malmø, og hun vil have et 360 graders kamera med, som vi vil få taget lidt billeder med. Opdatering 3. februar – Mapillarys Andriod udvikler Peter Neubauer vil også være tilstede denne dag. Du tilmelder dig på Meetup siden her.

Opdatering 12. februar – Læs også om Geosetter opsætning.

Program og tidsplan for dagen

  • Nationalmuseet åbner kl. 10 (kort her) – vi skal være i undervisningslokale U9 – spørg evt. i receptionen hvis du ikke kan finde lokalet
  • Kl. 10.15 – 10.30 Velkomst og så vil Katrin Humal fra Mapillary fortælle ca. 5-10 min, hvad Mapillary arbejder med fx trafikskilte genkendelse, OCR – tekst fra billeder, Cloud points, Computer Vision, deep learning fra billeder
  • Kl. 10.30 -10.50 – Case med et høj kvalitets billede fra Nationalmuseets billedsamling – processen med at geokode billedet (tilføjelse af breddegrad, længdegrad og retning ) – Dernæst hvordan billedet kan sættes i spil på Mapillary
  • Kl. 10.50 – 11:50 – Deltagerne geokoder selv billeder fra Nationalmuseets samling eller andre samlinger – også tilladt at tage eget indskannet billeder med, dog helst i stort format (dvs over 1800px stort)
  • Kl. 12:00 -13:00 – Vi skal udendørs, hvor Katrin viser 360 graders kamerademo og dernæst sendes folk rundt i nærheden med deres smart phone og tager billeder med Mapillary app – såfremt meget dårligt vejr – Så kan vi fortsætte mere geokodning af historiske billeder i undervisningslokalet
  • Kl. 13:00-13:30 i U9 undervisninglokalet hvor Mapillary er vært ved lidt at spise og drikke
  • Kl. 13:30-14:00 – Demo af hvordan et geokodet billede uploades til Wikimedia Commons arkivet – samt vise hvordan før og efter billede mashup kan laves
  • Kl. 14:00 Slutter vi – Nationalmuseet har åbent til kl. 17:00, så man kan tage en tur rundt i samlingerne

Forudsætninger for at deltage – Ingen, udover at vil lære noget nyt. Hvad er en god ide at medbringe samt installere inden du kommer?

  • Bærbar computer
  • GIMP billederedigeringsoftware (hvis du ikke har billederedigeringsprogram)
  • Geosetter (desværre er program kun til Windows)
  • Mapillary app (findes til Andriod, iPhone og Windows) samt få aktiveret en Mapillary konto (gøres via app)
  • Oprette en Wikimedia Commons konto, så du kan uploade billeder der

Såfremt det ikke er muligt at medbringe noget af ovenstående er du også velkommen til at komme og kun hænge ud (OBS du skal stadigvæk tilmelde dig).

Hvis ovenstående er lidt sort snak, så kommer en case med et billede af Torvegade 73 (taget i år 1931) fra Nationalmuseets billedesamling. Så du kan få en ide om hvad der nogenlunde skal ske på dagen.

Case - Torvegade 73
(Billede – Torvegade 73 hos Nationalmuseets billedesamling)

Billedet hentes og kun det relevante klippes ud med et billederedigeringsprogram. Dernæst indsætter vi det i Geosetter, hvor vi så tilføjer længde- og breddegrader samt retning for billedet.

Case - Torvegade 73
(Billede – Torvegade 73 i Geosetter)

Så uploader vi billedet til Mapillary (se Torvegade 73 eksempel her).

Case - Torvegade 73
(Billede – Torvegade 73 i Mapillary)

Torvegade 73 billedet kan også ses hos Wikimedia Commones her.

Vi satser på godt vejr og dermed kan I komme ud og fotografere med Mapillary app. I maks. 10 minutters gå afstand fra Nationalmuseet har jeg fået geokodet ca. 40 historiske billeder fra Nationalmuseet og lagt ind i Mapillary. Listen kan ses her samt link til Mapillary billedet.

Fotomission er så at tage et billede fra samme sted som en fotograf gjorde det engang i fortiden. Vi kan dermed lave en før og nu visualisering som fx mit eksempel fra Rigdagsgården anno 1932 og så i 2012.

Case - Torvegade 73

Så er der kun at sige velmødt 13. februar 2016 på Nationalmuseet.

Saml penge ind til Danmarks Indsamling 2016 med Nødhjælps-GIS arbejde

LEGO Fonden giver igen i år under Danmarks Indsamling 25 kr for hver gode gerning børn laver. Sidste år bidrog danske børn med over 212.000 gode gerninger. En god gerning kan fx være at synge en sang for ældre, feje fortovet, tegne en tegning til en fra familien osv. DRs Ramasjang og Ultra satser på i 2016 skal der laves rekord i antal gode gerninger og dermed også rekord i indsamlet antal penge via LEGO fonden. Gode gerninger kampagnen kører frem til 5. februar og på de lokale biblioteker skal der afleveres en seddel (gerne flere) senest denne dag kl. 12:00 (du printer sådan en seddel ud her PDF). På denne seddel skrives ned, hvad den gode gerning bestod i.

Jeg vil her promovere ideen om, at børn laver Nødhjælps-GIS via OpenStreetMap platformen som en god gerning. Så hvis du er erfaren OpenStreetMap frivillig, så hiv fat i dine børn/børnebørn eller niecer/nevøer og få dem til lave lidt simpel OpenStreetMap kortlægning.

Med simpel kortlægning der mener jeg fx optegning af veje i en landsby eller lidt kortlægning af bygninger, der har en enkelt og simpel geometri. Lige før der gemmes og uploades geodata til OpenStreetMap, så gennemgår og tjekker du lige arbejdet, så du er sikker på, at det er et okay kvalitetsarbejde.

iD editor
(Billede – OpenStreetMap redigeringsværktøjet iD-editoren viser by i Libyen)

Hvor lang tid skal børnene bruge på dette før det kan betragtes en god gerning? Jeg vil sige så længe de gider, hvis nogen mister interessen efter 5. minutter er det okay, hvis de bliver bidt af det og kører løs i en time, er det også fint.

Hvor kan der så kortlægges henne? Danmarks Indsamlingen 2016 støtter projekter i følgende lande Malawi, Benin, Laos, Sydsudan, Cambodia, Liberia, Den Demokratiske Republik Congo, Zambia, Uganda, Togo, Kenya, Tanzania og Madagasker. Så find i OpenStreetMap et sted i et af ovenstående lande og kortlæg lidt i.

Hvor gamle skal børn være for at deltage? Jeg vil sige fra 10 år og op, de er i den alder meget stabile i at bruge mus og computer. Jeg ved at en dansk OpenStreetMap frivillig har haft sine sønner på 6 og 7 år til at indtegne lidt bygninger i Gambia. Så det er lidt en vurdering fra din side af, hvor gamle og modne børnene skal være. Igen husk at kvalitetssikre før uploading af geodata.

Dennne gode gerning hvordan hjælper dette nødhjælpsorganisationerne? Alle nødhjælpsorgainstationers logistikafdelinger/GIS-afdelinger bruger de frie geodata fra OpenStreetMap til planlægning. Kort fortalt så betyder det, jo bedre og flere geodata jo mindre omkostninger til at bringe nødhjælp frem, og dermed kan dem der har behov for hjælp få endnu mere i støtte.

I videoen (direkte videolink her) nedenfor kan I høre Ivan Gayton fra Læger uden Grænser UK og Harry Wood fra HOT (Humanitarian OpenStreetMap Team) fortælle, hvad OpenStreetMap geodata bruges til i nødhjælpsarbejde regi.

NødhjælpsGIS i klasseværelset er også en mulig ide og forslag, der kunne tages op. Det kræver så lidt mere planlægning at afvikle. Sidste år under selve Danmarks Indsamlingen aftenen mødte 32 elever fra to 8. klasser på Tim Skole op og kortlagde i OpenStreetMap. Dette var en kæmpe succes, og deres to lærere var da begejstret og imponeret over deres elevers indsats, og så samtidigt at de ville bruge en lørdag aften på at deltage.

Tim Skole
(Billede – afvikling af Danmarks største mapping party på Tim Skole i 2015)

Sidste ord – Hvis du gør en af ovenstående ting, så husk at få afleveret “Gode gerninger” seddel på det lokale bibliotek senest 5. februar kl. 12:00 (du printer sådan en seddel ud her PDF).

Hvor mange brandhaner er der på Østerbro?

Bibliotekerne har overfor skoleelever, gymnasieelever og studerende ved videregående uddannelser varetaget en vigtigt funktion i mange år i at undervise disse med at lære informationsøgning efter faglitteratur som led i deres uddannelser. Men tilbud fra nogen offentlig myndighed i at navigere samt lave informationssøgninger rundt i de enorme mængder af data som i de senere år er frigivet som åbne datasæt af offentlige myndigheder er stort set ikke eksisterende for disse elever.

Det nævnes ofte i faglitteraturen at ca. 80 % af offentlig myndigheders data er geografisk relateret, det betyder så at kompetencer i at behandle, informationssøgning og datavaske i geodata er nødvendigt.

Tag de to følgende informationssøgninger

  • Find alle bøger på tysk vedr. Frankfurterskolen, som er udgivet efter 1979 og som Det kongelig Bibliotek har i deres samlinger
  • Find alle brandhaner som Københavns Kommune har registret for Østerbro bydel

I de to søgninger er det nøjagtig de samme processer man skal igennem for at få svaret. Geodata søgningen vedr. brandhaner er ikke mere mærkelig end søgninger i en bibliotekernes bibliografiske databaser, det hele er spørgsmål om, at man søger i relevante metadata og i de rigtige databaser.

Desværre får data/geodata sådan et mystisk og elitært skær over sig fx at du skal have bestemt uddannelse eller have råd til at bruge noget dyrt software for at lege med. Den udvikling der er sket de sidste 10 år med masser af gratis open source og masser af nye åbne geodatasæt burde aflive den myte en gang for alle. Det har aldrig været nemmere at lære skoleelever, gymnasieelever og studerende at komme i gang med at håndtere, lave informationsøgninger og datavaske i de enorme mængder af geodata.

Som case med geodata søgning kan vi tage udgangspunkt i “Hvor mange brandhaner er der på Østerbro?

En af de største ting der er sket vedr. håndtering af geodata i de sidste 10 år, er det open source samt gratis software QGIS (findes til Windows, iOS, Linux og Andriod) er kommet frem, og som hele tiden bliver forbedret. QGIS vil i det følgende blive brugt til at besvare spørgsmålet vedr. antal brandhaner på Østerbro bydel.

Først skal QGIS snakke med Københavns Kommunes WFS (Web Feature Service). Dette gøres ved at kalde samt forbinde til følgende URL

http://wfs-kbhkort.kk.dk/k101/ows?

Dernæst skal vi finde de to geodata lag “brandhaner” og “bydel” fra WFS og så tilføje som lag i QGIS (se billede nedenfor).

QGIS - brandhaner case

Det er en god ide at kalde et baggrundskort frem i QGIS, så man kan lettere orientere sig i de geodata der dukker op. Jeg har her kaldt SDFE (Styrelsen for Dataforsyning og Effektivisering) forårs luftfoto (er en del af de frie grunddata) og i billedet nedenfor ses alle brandhaner (som enkeltpunkter) som Københavns Kommune har liggende. Jeg eksporter alle disse brandhaner i et ESRI shapeformat med QGIS ned på min egen computer.

QGIS - brandhaner case

Jeg går nu ind i “bydel” laget og her vises de 10 bydele som Københavns Kommune er opdelt i. Med QGIS markerer jeg kun Østerbro bydel ud og eksporter kun denne bydelspolygon i et ESRI shapeformat ned på min computer. I billedet nedenfor ses nu Østerbro bydel

QGIS - brandhaner case

Nu åbner jeg de to stk. ESRI shapefiler jeg har lavet. Nu skal vi i gang med at beskære geodata ud, så vi kun får brandhaner på Østerbro tilbage. Denne funktion er absolut et must at lære i QGIS så hurtigt som muligt og meget nyttig at mestre.

QGIS - brandhaner case

Metoden er meget enkelt, du har et lag du skal skære noget fra et område, og disse lag angiver du i QGIS og dernæst eksporter du den beskåret del til en ny ESRI shapefil (se billede nedenfor)

QGIS - brandhaner case

Denne beskåret ESRI shapefil åbnes så i QGIS, og vi ser nu kun brandhaner på Østerbro angivet i billedet nedenfor som punkter. NB jeg har slået Østerbro bydelspolygonen til som et lag i QGIS for at overskueliggøre det.

QGIS - brandhaner case

Nu kan vi hurtigt tælle, hvor mange brandhaner der befinder sig på Østerbro ved at gå ind i egenskaber for den beskåret ESRI shapefil, og der står at der er 540 stk. som Københavns Kommune har registret.

QGIS - brandhaner case

Hvis man så fx vil visualisere disse 540 stk. brandhaner på et webmashup kort og ESRI Shapeformattet ikke duer til dette, så er det bare at eksportere til fx GeoJSON eller KML format, og så arbejdere videre derfra.

Min ovenstående case viser at QGIS i den grad er kraftfuld svejtserkniv som kan bruges til at håndtere geodata. Geografilærere i gymnasiet har virkelig mulighed for at stille eleverne mange spændende GIS relateret opgaver, der kan løses med QGIS.

Årets gang i Danmark for Mapillary bidragsyderne

I 2015 har bidragsyderne til Mapillary projektet i Danmark haft virkelig travlt. I januar var der ca. crowdsourcet 100.000 billeder og nu her d. 21 december er der så blevet fotograferet hele 1.769.328 billeder og det skulle dække over ca. 30.000 km fotografering.

Mapillary 2015

Hvis vi ser på fordelingen af Mapillary billeder i de 5 regioner, så får vi følgende tal dags dato.

Det ser ud til at det bliver Region Midtjylland som først når en million Mapillary billeder, hvis ikke nogen fra de andre regioner tager udfordringen op hurtigst muligt. Region Nordjylland er bagud, der er ellers oplagte områder som fx Skagen, Klitmølller, Thy området eller fotografering af de mange bunkers ved Vesterhavet.

I 2015 blev der også arrangeret to fælles Mapillary fototure. Den første blev afholdt i København i forbindelse med Open Data Day i februar og den anden blev afholdt i september i Hillerød i forbindelse med det første danske Maptime Copenhagen event.

Der har også været tid til at geokode ca. 115 historiske billeder fra den åbne digitale samling fra Nationalmuseet samt lave et CartoDB kort, der viser hvor disse historiske billeder befinder sig. Der er mindst 500 historiske billeder fra denne samling som kan blive geokodet.

Historiske billeder

Geokodning af historiske billeder er et emne som Maptime Copenhagen planlægger at afholde et kursus i slutningen af januar/start februar 2016. Der er flere som har givet udtryk at de godt kunne tænke sig at lære dette. Hvis du/I har mulighed for at stille lokale og Wi-fi til rådighed i Københavnsområdet en lørdag, så kontakt mig gerne (Mapillary vil være sponsor for sandwich eller pizza den dag).

I 2016 kunne de danske Mapillary bidragsyderne (samt meget gerne mange flere nye bidragsydere) store ambition være at lave et Mapillary billede for hver indbygger i Danmark (ca. 5,614 millioner). Potentialet er der, da over 3 millioner ejer en smart phone og kan få Mapillary app installeret (findes til Andriod, iPhone og Windows). Endelig har vi til gode at se fx folkeskoleklasser som led i bevægelse og motion undervisningen bidrage til Mapillary projektet.

Til sidst skal nævnes at alene en person i USA har alene lavet 2.499.258 Mapillary billeder og kørt ca. 69.765 km og det er mere end alle de danske bidragsydere til sammen.

Årets top 10 samtaleemner indenfor geo, geodata og geografi

Alan McConchie fra firmaet Stamen har igen lavet en årlig Top 10 afstemning om hvad der har været de hotte samtaleemner indenfor geo, geodata og geografi. Jeg bringer her resultatet for den Top 10 liste for året 2015.

Da flest amerikanere har stemt, så præger listen præg af amerikanske forhold, så du får et indblik i hvad GIS og geografifolk i USA har betragtet som interessante samtaleemner og måske får du genopfrisket nyhederne eller får en helt ny viden ved kigge listen igennem.

Jeg starter med nummer 10 og tæller så ned.

  • #10What3Words fik en masse hype samt omtale vedr. at måske have løst adresseproblemet for ca. 4,3 milliarder mennesker, som bor i lande som ikke har et adressesystem, som vi kender til det i Danmark (NB der er også lavet en sjov parodi på ovenstående koncept What3emojiis )
  • #9 Nokia HERE blev solgt til et tysk bilkonsortium (ejerkreds Audi, BMW, Daimler)
  • #8 Droner får stadigvæk masser af omtale af både negativ og positiv karakter
  • #7 Google lukkede for Google Maps Engine & Google Earth Enterprise – Det var nok for besværligt at lave en forretning på løsninger til firmaer
  • #6 Vector tiles – emnet er stadigvæk hot, og da ESRI sagde de ville understøtte Mapboxs specifikation vedr. vector tiles fik det endnu mere omtale i 2015
  • #5 Flugten fra Mercator – I stedet for altid at bruge Mercator projection dukkede et par artikler op fra CartoDB, Mapzen og Mapbox om, hvordan man kan bruge andre kortprojectioner se 1,2,3
  • #4 Nepal jordskælv og den nødhjælps GIS indsats, der blev udført af ca. 8000 mennesker globalt via The Humanitarian OpenStreetMap Team (HOT)
  • #3 Det er blevet bemærket at firmaer der arbejder med åbne geodata, open source software som fx Mapbox og Mapzen har massehyret folk i år. Folk med masser af venturekapital har været villige i år til at skyde penge ind i sådanne firmaer fx fik Mapbox ca. 55 millioner $ tilført i år og CartoDB fik ca. 23 millioner $ tilført
  • #2 Præsident Obama underskriver en lov vedr. undervisning til børn i USA der skal have mere fokus på STEM (Science, Technology, Engineering, and Mathematics ) området samt nævner direkte faget geografi (PDF link) . Dette har så været et hot emne blandt GIS og geografi folk i USA siden det er kommet på andenpladsen på denne her liste
  • #1 Det helt store blev så Mapbox Studio II – En helt ny software fra Mapbox der gør det muligt at lave en masse WebGL ting osv.

Hvis vi så afslutter med, hvad jeg så mener har været det største samtaleemne i Danmark i 2015, så peger jeg på nyheden om at store dele af Geodatastyrelsen skal flytte til Aalborg.

Digitalt kontor humanitært arbejde breder sig – Også noget for danske firmaer?

Flere og flere firmaer og organisationer verden over giver deres ansatte lov til i den betalte arbejdstid at lave et par timers humanitært arbejde hvert år. Dette kan antage mange former med hjælpearbejde og hjælp for fx nødhjælpsorganistationer/NGOer.

Missing Maps projektet (startet af Røde Kors UK/USA og Læger uden Grænser UK ) er begyndt at udnytte at flere virksomheder/organisationer ønsker at lave digitalt humanitært arbejde.

Missing Maps mission

Digitalt humanitært arbejde indebærer at ansatte udnytter deres viden og teknologi til at skabe en bedre verden. I Missing Maps tilfælde er missionen at få bedre kort/geodata. Missing Maps har afholdt mapping parties for følgende virksomheder Arup, Accenture og HP i England.

I videoen nedenfor kan du se og høre om et mapping party afholdt hos HP UK i. De to ansatte fra hhv. Røde Kors UK og Læger uden Grænser UK forklarer i videoen, hvorfor og hvad de kan bruge OpenStreetMaps geodata til i deres nødhjælpsarbejde.


(Direkte link til video her)

I Danmark er digitalt humanitært arbejde ikke videre et kendt koncept i firmaer/organisationer, der er ellers mange muligheder for at finde projekter, se fx på Digital Humanitarian Network (DHNetwork). Et af de nemmere projekter i dette regi er at lave kort i OpenStreetmap regi til brug for nødhjælpsorganisationer og NGO’ere som vist og nævnt i videoen ovenfor.

Lidt mere infomation om Missing Maps projektet – Det startede op i november 2014 i England. Der er er afholdt masser af mapping parties for ganske almindelige mennesker (ca. 3600 personer har deltaget). Det er nu blevet afholdt i 11 lande af Læger uden Grænser (lokal afdeling) og Røde Kors (lokal afdeling). Desværre har Læger uden Grænser DK og Røde Kors DK endnu ikke fået afholdt noget mapping party i Danmark.

Match fortiden har nu 56 111 historiske fotoudfordringer

Da første udgave af “Match fortiden” fotoudfordringen blev skudt i gang for 2 uger siden, var der 23 historiske billeder, som du med Mapillary app skal tage et nutidigt billede af. Jeg har nu fået udvidet dette antal til 56 111 fotoudfordringer samt fået lavet et interaktiv kort med disse 56 111 stk. På kortet når du klikker på en udfordring, dukker et miniature foto op, oplysninger om de geografiske koordinater, retningen billedet er blevet taget i, stednavnet samt årstallet billedet blev taget i.

Match fortiden
(Billede – Match fortiden kort med de 56 111 fotoudfordringer)

Hvis du ruller helt ned i info-vinduet, så vil der være et hyperlink der fører dig direkte hen til et stort format af det historiske billede på Mapillary.

Match fortiden
(Billede – Mapillary billede af Norgesporten 1905 ved Kastellet – se stort format her)

Nu er det snart skolernes efterårsferie, så hvis du er helt blank for ideer at lave sammen med børnene, så er dette en mulighed for at prøve Mapillary app (findes til iPhone, Andriod og Windows) af. De fleste børn over 12 år har i vore dage en smartphone. Og hvor skal vi så starte? Alene området omkring Kastellet i København har 5 fotoudfordringer, det kunne så være en start i det område (se andet indlæg for tips vedr. Mapillary fotografering).

De 56 111 historiske billeder stammer fra Nationalmuseets billedesamling samt fra Rigsarkivet (tak til Charlotte S H Jensen fra Rigsarkivet for at gøre mig opmærksom på nogle billeder fra Københavns Hovedbanegård) og er alle udgivet under åbne licenser. De historiske billeder stammer fra perioden 1870-1981.