Här hittar du examensarbeten inom Geodata och informationsförsörjning som är öppna för ansökan.
Ämnen
Justering av takgeometrier skapade av AI med bildanalysmetoder
Lantmäteriet flyger och fotograferar ca 1/3 av Sveriges yta varje år. Alla dessa bilder tolkas sedan manuellt i syfte att uppdatera Lantmäteriets topografiska databaser. I vissa fall används AI som stöd till tolkaren för att hitta nya objekt. En av dessa objekttyper är byggnader.
När en byggnad mäts in från flygbilderna så följer tolkaren takkanten och ritar in den korrekta utbredningen (geometrin) av byggnaden direkt från flygfotografiet (ortofotot). AI-stödet ger förslag på nya och försvunna byggnader för tolkaren att kartera in eller ta bort ur databasen. AI-stödet ger dock inte en korrekt geometri av byggnaden, då den ofta inte drar raka linjer längs huset och ibland gör att byggnader ser ut lite som en klump.
Syftet med detta examensarbete är att undersöka om de förslag till geometrier som genereras med hjälp av AI med olika typer av metoder kan förbättras för att bättre stämma överens med de faktiska geometrierna.
Vi tror att den metod som har bäst potential är Object Based Image Analysis (OBIA). Det finns också vissa filter inom bildanalys som har potential (såsom, gaussian filter, mean filter, mm). Ifall du har några egna förslag på hur du tror du kan lösa ovanstående problem är du naturligtvis välkommen att komma med detta.
Vi tror det här examensarbetet passar dig som läser datavetenskap/dataingenjör eller GIS-ingenjör. Har du kunskaper inom GIS så är det fördelaktigt.
Skicka din ansökan till anders.o.ryden@lm.se
Den svenska allmänna kartan som ett samhällsdokument
Lantmäteriet förser samhället med tillförlitlig geografisk information. Informationen ska stödja samhällsutvecklingen genom att återspegla viktiga objekt i verkligheten och hur de relaterar till varandra.
I en tid av nya samhällsutmaningar är det viktigt att den information som samlas in stödjer arbetet med att möta dessa. Den information som Lantmäteriet samlar in idag är dock i stora delar den samma som för 50 år sedan. Är detta relevant idag?
Det är därför intressant att undersöka hur olika geografiska informationsslag i ett kartunderlag bäst stödjer det nutida samhället, och vår tids stora samhällsutmaningar, utifrån olika perspektiv och teorier, som sociala, politiska, historiska och ekonomiska. Det kan tex ske genom att undersöka hur kartunderlag i olika länder återspeglar de samhällsutmaningar som existerar i respektive land och/eller genom att studera den svenska kartans historiska utveckling i relation till samtida samhällsutmaningar.
Syftet med detta arbete är att undersöka hur olika geografiska informationsslag i ett kartunderlag bäst stödjer det nutida samhället och vår tids stora samhällsutmaningar.
Vi tror att detta arbete passar bäst om du har en kulturgeografisk inriktning eller motsvarande profil, samt ett intresse för hur kartor kan belysa och stödja nutida samhällsfenomen. Arbetets exakta upplägg kan diskuteras vid arbetets start och vi tar gärna emot egna idéer på arbetets upplägg.
Skicka din ansökan till anders.o.ryden@lm.se
AI/ML för identifiering av landskapsobjekt (stigar, hyggen, berg i dagen, blockig mark, mm)
Maskininlärning för detektering av geografiska objekt i bilddata är ett teknikområde som är på stark framväxt och som möjliggör automatisk insamling av stora mängder geografisk information.
Lantmäteriet samlar in och tillhandahåller en stor mängd geografisk information. Information som bland annat nyttjas som grund för framställning de allmänna kartorna. En stor del av den insamlingen sker genom manuell flygbildstolkning. För att effektivisera insamlingen av olika objekt är det av intresse att se hur väl dessa kan detekteras med maskininlärningsalgoritmer.
Syftet med arbetet är att undersöka om maskininlärning kan nyttjas för att detekter olika objekt i Lantmäteriets bilddata (alternativt höjddata) med hjälp av maskininlärningsalgoritmer.
Lämpliga objekt för undersökningen kan definieras vid arbetets start men primärt är objekttyperna stigar, hyggen, berg i dagen, blockig mark, mm av intresse. Vi tar dock gärna emot egna idéer både på objekttyper och arbetets upplägg.
Vi tror det här examensarbetet passar dig som läser datavetenskap/dataingenjör eller gis-ingenjör. Har du kunskaper inom GIS så är det fördelaktigt.
Skicka din ansökan till anders.o.ryden@lm.se