Find projection - Raster maps calibration

Application

https://find-coordinates.netlify.app/

Overall Description

Purpose of the application is finding the most possible coordinate system of the historical map based on the common points defined in both maps.

Usage

Load historical map
Add matching markers for both maps
1. Choose some characteristic point on historical map
2. Put coordinates of the point from historical map
3. Find same characteristic point on the map on right side
4. Choose point on the map or write it's coordinate
If number of points less than 2 back to point #2
Click Find Coordinates button

Development

Backend url:

https://find-coordinates.herokuapp.com/api/projection

https://find-coordinates.herokuapp.com/api/health

Project Setup

To run project locally you need to have installed:

python 3.7+
node latest
npm latest

Frontend

cd frontend
yarn install

By default, frontend is connected with remote backend (REACT_APP_API_URL=https://find-coordinates.herokuapp.com). To connect with local backend it is required to create .env.local file:

cd frontend
echo REACT_APP_API_URL=http://127.0.0.1:8000 > .env.local

Please remember to specify your local adress:port.

Backend

# Setup virtualenv, you can skip if you made it via IDE
virtualenv venv

source venv/bin/activate 
# on Linux
venv\Scripts\activate
# on Windows


# Install required dependencies
pip install -r requirements.txt

Run application

Frontend:

cd frontend
yarn start

Backend:

gunicorn
backend.app: app

Description

Historical raster maps usually do not have an identified coordinate system. Due to the multitude of possibilities, the problem of selecting an appropriate reference system can be time-consuming and ineffective (especially in the case of selection of little-known systems). This study aimed to prepare a search supporting system for finding the most appropriate Coordinate Reference System (CRS) and the best possible optimization parameters for a calibrated raster map. The selection is performed by: finding control points on the raster and reference maps, transforming the reference map datum to the most promising systems, optimizing the raster map with respect to the coordinate reference system, calculating the mean-squared error (MSE) based on the shift during the transformation and sorting the results based on the error in ascending order and showing the offsets on the raster map. The results showed the effectiveness of the method. Despite the fact that this solution does not guarantee finding the appropriate mapping without additional user intervention, it significantly narrows the search scope.

Opis Applikacji

Historyczne mapy rastrowe z reguły nie posiadają zidentyfikowanego układu współrzędnych. Wielość możliwości sprawia iż problem doboru odpowiedniego układu odniesienia potrafi być czasochłonny i nieefektywny (w szczególności w przypadku doboru mało znanych układów). Celem tego badania było sporządzenie systemu wspomagającego znajdowanie najodpowiedniejszego układu współrzędnych oraz najlepszych możliwych parametrów transformacji dla kalibrowanej mapy rastrowej. Dobór jest wykonywany poprzez: znalezienie punktów kontrolnych na mapie rastrowej oraz referencyjnej, przekształcenie układu odniesienia mapy referencyjnej do najlepiej rokujących układów, optymalizacji mapy rastrowej względem kandydującego układu odniesienia, obliczenia błędu średniokwadratowego na podstawie przesunięcia podczas transformacji, posortowanie wyników w oparciu o błąd w kolejności rosnącej oraz pokazanie przesunięć na mapie rastrowej. Badanie to wykazało, iż metoda ta jest skuteczna. Rozwiązanie to pomimo tego iż nie daje gwarancji znalezienia odpowiedniego odwzorowania bez dodatkowej ingerencji użytkownika, znacznie zawęża pulę poszukiwań.