Diary Entries in Chinese (China)

Recent diary entries

建筑名称是个问题

Posted by Z_Empty on 6 June 2023 in Chinese (China) (‪中文(中国大陆)‬). Last updated on 11 June 2023.

绘制城市建筑物的过程中，建筑物的名称成了一个问题。比如，假如绘图者正在绘制上海浦东新区陆家嘴，当ta绘制到上海市浦东新区银城中路501号时，可以很快打上“上海中心大厦”的名字。但是并不是所有的建筑物都这么知名，往往最多只能查到一座建筑物的门牌号，而无法查到这座建筑物的名字。
当然实际上这不是什么大问题，不过是缺乏建筑物的名字而已。但是还是希望能有个渠道查找到这些信息，毕竟这是城市信息和城市记忆的组成部分。

Location: 桔子洲街道, 长沙市, 湘江新区, 岳麓区, 湖南省, 中国

Scripts to quality-check bus network

Posted by YPGGUUY on 30 April 2023 in Chinese (China) (‪中文(中国大陆)‬). Last updated on 6 May 2023.

https://github.com/OSMChina/osm-busqc

简易的公交网络检查脚本
* 打印全部线路
* 检查线路主线/具体线路缺失
* 检查线名/站名缺失
* 检查首末站

可能倒闭也可能变质.

A little weekend project to check local bus network integrity.
* print all routes and stops
* check missing master routes/routes
* check missing names
* check inconsistent terminals name by comparing route[from]/[to] with platform[name]

may or may not maintain or further develop.

Depends on osm_easy_api, thanks to them.

samples:

首末站不正:

主线 2
2 路: 火车站综合体 -> 塔东路东堤湾
火车站综合体 波海公园 西江北路中 体育中心西门 体育中心南门 康乐北路 康乐市场 康乐中路 披云楼 北门 豪居路 中心市场 大柑园 工农北路南 友谊路口 和平路中 城东公园北门 前进中路 市公安局 前进南路 塔东路东堤湾 和平路西 华佗医院
wrong on route 13853854
AssertionError: inconsistent terminal
2 路: 塔东路东堤湾 -> 火车站综合体
塔东路东堤湾 前进南路 市公安局 前进中路 城东公园北门 和平路中 端州公安分局 端州四路东 工农北路 友谊路口 工农北路南 大柑园 中心市场 豪居路 北门 披云楼 康乐中路 康乐市场 康乐北路 体育中心南门 体育中心西门 西江北路中 蕉园 波海公园 火车站综合体

线路缺失:

主线 5B
5B 路: 火车站综合体 -> 岭塘村
火车站综合体 大桥路北 华英名都 惠民居 玑东路南 大鼎路中 一中实验学校 太和南路 端州七路中 睦岗 八中 棠下 肇庆大道西 三榕港 三榕水厂 黄禁 大龙桥 小湘军校 新屋村
wrong on route 14464670
AssertionError: inconsistent terminal
wrong on master 15749944
AssertionError: inconsistent route count

主线缺失:

wrong on master 35
AssertionError: missing master 35
wrong on master 36
AssertionError: missing master 36
wrong on master K01
AssertionError: missing master K01

Location: 文明社区, 城东街道, 端州区, 肇庆市, 广东省, 526040, 中国

使用图像识别法进行半自动开荒

Posted by blkatbyhh on 22 November 2022 in Chinese (China) (‪中文(中国大陆)‬). Last updated on 27 November 2022.

前言

虽然Openstreetmap是不面向渲染绘图，但日常看到地图上欧洲一片绿意盎然而东亚地区即使在胡焕庸线以东也是一片空白，实在是有碍观瞻。本地已有的大片自然地貌有国际友人协助开荒，但毕竟不是长久之计。然则大陆地区绘图者寥寥，很难做到大面积开荒，如能使用一些半自动化工具或可以加快开荒速度。故此摸索了一套工具链，希望能有所帮助。

方法

Openstreetmap的数据是矢量路径，手动绘制的过程是以卫星和航拍图为底图进行路径描摹后修整，这一过程最费时费力的是照片判读和路径描摹。本文提出的方法就是尝试用自动化/半自动化的方式减轻这个过程的劳动强度，缩短工时。本方法包括以下几个流程

图像获取和自动化识别
位图预处理
矢量化
绘图

图像获取和自动化识别

使用的工具

JOSM
Fiji (Fiji Is Just ImageJ)

JOSM使用方法不赘述。选择合适的卫星图做为底图，隐藏数据层后截图获得位图(raster image)保存。

在Fiji中打开图片，使用Fiji提供的plugin, Segmentation, Trainable Weka Segmentation工具进行图像识别。启动该工具后，先按需建立分类(class)，预设有2个分类class 1和class 2。如图像中包含树林，河流，村庄和农田，则需新建两个分类，再去setting里将class 1, 2更名（不更名也没关系，但有明确含义的名字可以避免自己犯错）。用鼠标按住左键画任意曲线的方式在卫星图中指示特征后，点击右侧分类的按钮将曲线加入该类的列表，如有分类失误可以双击列表项移除。指示特征不必精确画出边界，在特征范围内随意标注既可。每个分类都添加若干条目后，点击左上的train classifier进行分类器训练。计算结束后会在图片上叠加用不同颜色标识的分类结果，在这个阶段可以评估分类器有效性，对分类识别失败的地方进行修正标注后重新训练分类器，直到结果满意，在这个阶段不必追求严格精准，因为精准的曲线需要大量控制点描述，而JOSM限制单一路径控制点不能超过2000个，后序的矢量化处理也会精简掉大量控制点。在软件界面点击create result获取结果图片。

位图预处理

使用的工具

Fiji (Fiji Is Just ImageJ)

使用Weka Segmentation获得的结果图片包含多个分类，以上述四个分类为例，各个分类的像素点赋值为0, 1, 2和3，下一步是选出需要的分类。使用Fiji的内嵌功能Image, Adjust, Threshold，在弹出的对话框中，滑动上下两个阈值滑块，选出分类的像素点赋值，同时图片中会显示出当前阈值选区。选好后点击Apply应用阈值选择结果。

通常在此步获得的图片还有大量孤立小像素点，本着抓大放小的原则可以去除掉。通过执行N次Process, Binary, Erode功能腐蚀掉所有图形的边界吃掉小点，再执行N次Process, Binary, Dilate将存活的图形膨胀回来。此时得到的边界当然和最初识别的边界存在差异，但前述已说过，只要偏差不是太离谱，误差都应该在可控范围内。另外建议使用Binary下的fill holes功能避免区域嵌套，导入JOSM以后还得处理复合多边形，徒增工作量。如果不想保留贴边的区域，可以用Flood Fill Tool把黑区填充成白色，如果边缘部分和想保留的部分有连接，可以使用Process, Binary, Watershed功能把图形分割成小块再填充掉不要的部分，用Process, Binary, Close~功能把Watershed的切分拼回去。此时已完成位图的预处理，File, Save as PNG保存后就可以进入下一步矢量化了。

矢量化

使用的工具

inkscape

将预处理后的位图导入inkscape，使用Path, Trace Bitmap功能，Detection Mode选默认的Brightness cutoff，选中位图后Apply获得矢量路径。矢量路径是叠加在位图上的，拖动一下就可以看到结果。路径内部是填充的，可以在Object, Fill and Stroke功能里取消填充，绘制路径，得到图形干净的边界线。然后保存为svg格式的矢量图就可以了。