Montagne e Accuratezza dei Dati

Montagne
Outdoors
Hiking

Gli smartphones, specialmente I modelli più recenti, ripongono nelle nostre mani (e nelle nostre tasche) poteri computazionali estremi. Eppure, se vogliamo utilizzare questi poteri al massimo, c’è bisogno di alzare significativamente lo standard di precisione dei dati.

Per molto tempo è stato sufficiente che sui pendii di una certa montagna ci fosse un cartello che ne indicasse il nome, così come anche in tutte le mappe cartacee vecchio stampo che si rispettino. Ma con l’avanzamento della modellazione 3D e della tecnologia AR (Realtà Aumentata), anche una misurazione inesatta o un posizionamento inaccurato sono da considerarsi un serio difetto.

Ecco qui alcuni esempi di luoghi dove si possono notare importanti discrepanze nella raccolta dati (confronta la reale posizione della cima con i marcatori sui pendii).

Monte Legnone, Italia – Vista 3D su Google Maps
Monte Legnone, Italia – Vista 3D su Google Maps
Monte Carbonate, Colorado
Monte Carbonate, Colorado

Il nostro team che si occupa dell’acquisizione dati combina dati geografici grezzi provenienti da molteplici fonti per sviluppare modelli 3D ad alta precisione. Il modello che comprende i dati di tutto il mondo occupa più di 1 TeraByte! Infatti, i dati che mettiamo a disposizione sono molti di più di quanto i nostri dispositivi possano elaborare, perciò dobbiamo limitarli costantemente e ottimizzare le nostre tecnologie per limitare il consumo della batteria dei dispositivi in nostro possesso.

Gli elementi principali che contraddistinguono le mappe di PeakVisor 3D sono:

  • Modello Digitale di Elevazione ad Alta Precisione – rappresentazione della superficie terrestre in sé;
  • Tipologie di terreno – rocce, ghiacciai, foreste, prati ecc.;
  • Nomenclatura geografica – posizionamento delle cime delle montagne;
  • Acque, strade, sentieri, funivie ecc.

Per comprendere meglio le caratteristiche descritte sopra consigliamo di dare un’occhiata ad uno screenshot preso direttamente dall’app. Qui abbiamo usato i dati originali. Nota come tutte le cime siano leggermente spostate (punti segnati in rosso).

L’area dell’Aiguille Noire de Peuterey, visualizzata sulla base dei dati grezzi
L’area dell’Aiguille Noire de Peuterey, visualizzata sulla base dei dati grezzi

Di recente ci è venuto in mente di unire i dati relativi alla posizione delle vette al modello digitale di elevazione ad alta precisione. Trovando il più vicino estremo locale sulla superficie terrestre per più di un milione di montagne nel mondo possiamo ora apporre il nome di una montagna esattamente sulla sua cima!

Avendo rettificato la posizione delle cime, abbiamo fatto in modo che la mappa 3D risultasse molto più precisa e con un calcolo della prominenza della montagna migliore.

L’area dell’Aiguille Noire de Peuterey basata su dati rettificati
L’area dell’Aiguille Noire de Peuterey basata su dati rettificati
Un’altra veduta dell’Aiguille Noire de Peuterey
Un’altra veduta dell’Aiguille Noire de Peuterey

Speriamo che inserito dati più precisi nell’app di PeakVisor ti faccia apprezzare la vita all’aria aperta ancora di più!

Primi raggi del sole sul Monte Rosa
Primi raggi del sole sul Monte Rosa
Iscriviti alla Newsletter
Please use valid email address