Neues unsupervised Map‑to‑Map‑Matching: Skalierbare, robuste Kartenausrichtung

Die Ausrichtung von Karten aus unterschiedlichen Quellen ist ein zentrales Problem der Geoinformatik, doch die fehlende Ground‑Truth‑Korrespondenz, spärliche Knoteneigenschaften und die Anforderungen an die Skalierbarkeit machen die Aufgabe besonders schwierig.

In der aktuellen Veröffentlichung wird ein vollständig unüberwachtes, graphbasiertes Verfahren vorgestellt, das diese Herausforderungen mit drei wesentlichen Innovationen adressiert. Erstens benötigt das Verfahren keine Trainingsdaten – ein entscheidender Vorteil, wenn große Kartendatensätze ohne gelabelte Beispiele vorliegen.

Zweitens werden sogenannte Pseudo‑Koordinaten eingeführt, die die relative räumliche Anordnung der Knoten innerhalb jeder Karte erfassen. Dadurch wird die Unterscheidbarkeit der Merkmale erhöht und das Lernen skaleninvariant gestaltet.

Drittens kombiniert das System eine adaptive Gewichtung von Merkmal- und geometrischer Ähnlichkeit mit einer geometrisch konsistenten Verlustfunktion. Diese Kombination sorgt für eine hohe Robustheit gegenüber verrauschten oder unvollständigen Koordinaten.

Um die Skalierbarkeit weiter zu erhöhen, wurde ein flächengestütztes Nachbearbeitungspipeline entwickelt. Durch Überlappungsregionen und Mehrheitsabstimmung können große Karten parallel verarbeitet werden, ohne die Ränder zu verlieren.

Experimentelle Tests auf realen Datensätzen zeigen, dass das neue Verfahren die Genauigkeit bei Kartenausrichtungsaufgaben deutlich über den bisherigen Methoden liegt – besonders in Szenarien mit hohem Rauschen und großen Kartengrößen. Damit bietet es eine skalierbare und praktikable Alternative zu traditionellen Ansätzen.