Кубанские ученые разработали ИИ-технологию для выявления незарегистрированных построек
Ученые Кубанского государственного технологического университета, Кубанского государственного аграрного университета и МФТИ разработали технологию с использованием искусственного интеллекта для выявления незарегистрированных построек и нарушений землепользования. Результаты исследования опубликованы в журнале «Геодезия и картография».
Фото: Егор Снетков, Коммерсантъ
Фото: Егор Снетков, Коммерсантъ
Авторы отмечают, что полнота и достоверность кадастрового учета напрямую влияет на устойчивость региональной экономики, поскольку недвижимость формирует значительную часть налоговой базы. При этом на практике во многих регионах, в том числе в Краснодарском крае, остаются тысячи земельных участков с неучтенными зданиями, что приводит к недополучению бюджетных доходов. Особенно остро проблема проявляется на туристических и аграрных территориях, где фиксируются случаи самовольного строительства и нецелевого использования земель.
Традиционно подобные нарушения выявляются выездными проверками или с помощью анализа спутниковых и беспилотных снимков. Однако двумерные изображения не позволяют точно определить высоту зданий и этажность, а также могут не фиксировать объекты, скрытые кронами деревьев.
Разработанная исследователями технология основана на воздушном лазерном сканировании территории и обработке полученных данных нейросетевыми алгоритмами. Лазерный сканер формирует трехмерное «облако точек», представляющее цифровую модель местности, включая рельеф и здания. Для анализа таких массивов данных ученые применили архитектуру графовой сверхточной нейронной сети DGCNN, предназначенную для работы с неструктурированными пространственными координатами.
По данным авторов исследования, алгоритм способен автоматически отделять здания от элементов ландшафта и с высокой точностью определять их габариты и этажность. Это позволяет выявлять объекты, отсутствующие в кадастре, а также фиксировать отклонения от разрешенных параметров застройки.
Предполагается, что внедрение такой технологии может автоматизировать мониторинг земель и выявление нарушений градостроительных регламентов. Система сможет сопоставлять фактические параметры зданий с данными Единого государственного реестра недвижимости и отмечать расхождения на карте. В перспективе это позволит повысить прозрачность рынка недвижимости и сократить потери бюджетов от неучтенных объектов.
Следующим этапом работы станет тестирование алгоритма на реальных наборах пространственных данных с использованием международных баз для проверки графовых нейросетей. Успешная верификация может стать шагом к интеграции технологии в систему государственного кадастрового учета.