מאמרים מקצועיים

היא פשוט זרימת עבודה (workflow) מהדור הבא. אם אתם עדיין מחשיבים מערכות לידאר (lidar) מסוג SLAM ידני למשהו חדש ולא מוכח, או אולי למכשירי תיעוד מציאות שהם פחות מ"רמה מקצועית" – ייתכן שאתם טועים. כל סוגי סורקי הלידאר הם מכשירי מדידת טווח המהונדסים בדיוק רב. לכולם יש את אותה משימה בסיסית: פשוט לקחת תצפיות של זוויות ומרחקים, ולהמיר אותם לקואורדינטות של נקודות – ענן נקודות (point cloud). הם יכולים לעשות זאת מחצובה, מרחפן או מרכב. סורק SLAM ידני אינו שונה במובן הזה. בכל המקרים, מדיד

מבט מהשטח על המקומות שבהם הבינה המלאכותית מספקת ערך אמיתי, והיכן שההייפ עדיין עוקף את המציאות. תיעוד מציאות היה תמיד תחום עתיר נתונים. פוטוגרמטריה, סריקת לידאר (lidar), מערכות GNSS ותחנות כוללות (total stations) מייצרות כמויות עצומות של מידע גולמי שחובה לעבד, לרשום (register), לנקות ולספק בצורה שמישה. במשך שנים, העבודה הזו נפלה כמעט כולה על טכנאים מיומנים שעבדו דרך תהליכי עבודה (pipelines) מבוססים היטב, ולעיתים קרובות מייגעים. ה-AI משנה חלקים מהמשוואה הזו. עם זאת, השינוי פחות

במאמר זה, קרלה לאוטר משתפת כי לאחרונה נתקלה בסרטון ישן בשחור-לבן של British Pathé משנת 1961, המתאר את ייצור המפות ב-Ordnance Survey (סוכנות המיפוי של בריטניה). הסרטון מציג גברים בחליפות מלאות המבצעים "פלוטינג סטריאוסקופי" – הם מביטים בתצלומי אוויר דרך מכשיר אופטי הממזג שתי תמונות שטוחות למודל תלת-ממדי, ואז משרטטים כל קו מתאר על המפה שלידם. לאחר מכן מגיע שלב ה-"Scribing" (חריטה) – תהליך סיזיפי של חריטת הקווים המשורטטים לתוך זכוכית מצופה שעווה כדי לייצר גלופות להדפסה. לבסוף, מכ

איפה אנחנו נמצאים ומה צפוי לנו? המהפכה המתמשכת של הבינה המלאכותית (AI), המתאפיינת בהתקדמות מהירה לעבר בינה כללית מלאכותית (AGI), משנה את הדרך שבה אנו חיים ועובדים. השפעה זו כבר מורגשת בתחומים כמו תכנות וניהול נתונים באופן כללי, אך כיצד היא משפיעה על תחום הנתונים הגיאו־מרחביים? מאמר זה מציג את ההתפתחויות האחרונות של AI בתעשייה זו, ומספק למומחים גיאו־מרחביים תמונה של מה צפוי בשנה הקרובה וכיצד ללמוד לאהוב – ולא לחשוש – מה-AI. הבינה המלאכותית (AI) גדלה בקצב אקספוננציאלי. מכלים מס

אליפסות שגיאה יחסיות מציגות את השגיאה האקראית במיקום האופקי בין שתי נקודות, וזה בדיוק מה שנבדק בכמה מתקני הדיוק החשובים למדידות גבולות מקרקעין, כגון התקן Minimum Standard Detail Requirements for ALTA/NSPS Land Title Surveys וכן Wis. Admin. Code A-E 7.06. האליפסות גמישות מאוד, ויכולות לתאר שגיאה בין נקודות המחוברות בכל שילוב של מדידות. עם זאת, המתמטיקה שמאחוריהן מורכבת, ולכן קיימת לעיתים בלבול ואף חוסר הסכמה לגבי הדרך לעמוד בתקנים כאלה. מטרת מאמר זה היא להסביר מה הן אליפסות שג