Cette opération de communication a été rendue possible par l’Accélérateur du groupe RATP, que Wemap a rejoint en avril 2023, pour répondre aux défis de l’industrie du futur, des mobilités et de la ville de demain (voir article Maddyness).

Si vous cherchez à vous repérer, Chat GPT ne sera surement pas la solution qu’il vous faut (et il en est conscient… 😅).

C’est vrai ! Wemap peut vous aider à trouver votre chemin, parce que nous sommes les champions 🇫🇷 made in france 🇫🇷 des cartes et de la localisation (indoor/outdoor). Nos technologies d’intelligence artificielle peuvent vous aider à vous localiser et à vous guider où que vous soyez. Et vous nous avez sûrement utilisé sans le savoir.

Mais si vous êtes certain.e.s que jamais (au grand jamais) vous n’avez eu entre les mains une carte Wemap, amis Parisien.ne.s, voici quelques exemples de solutions où nous retrouver.

🚶 En visitant Paris, avec la web-application My Paris je t’aime de l’Office de tourisme de Paris

La web-application My Paris je t’aime de l’Office de Tourisme vous accompagne dans votre découverte de Paris avec :

• 🗺️ une carte de tous les lieux à découvrir autour de vous ;
• 🚶des balades dans Paris ;
• 🚇 un calculateur d’itinéraire qui prend en compte les transports en commun ;
• 🚲 mais également les pistes cyclables et les stations vélib’ (avec disponibilité en temps réel) ;
• ℹ️ une liste de recommandations et infos pratiques ;
• 🌎 tout ça dans plusieurs langues ;
• ♿️ et un accès à une version accessible.

🚉 En consultant le plan d’une gare ou en explorant les alentours depuis votre train avec la SNCF

Vous avez sûrement déjà vécu cette situation : vous arrivez à la gare, vous êtes pressé.e, et vous ne savez pas où aller pour prendre votre train. Avec l’application Ma gare SNCF, retrouvez vous en gare et naviguez sans stress !

Mais l’expérience ne s’achève pas en gare. Avec le Voyage augmenté, découvrez des sites emblématiques tout au long de votre trajet en train, transformant chaque voyage en une exploration enrichissante !

🗺️ En consultant d’un salon, comme Viva Technology

Vous vous êtes déjà perdu.e dans un salon professionnel ? En juin dernier, avec Viva Technology, on vous a simplifié la tâche ! Sur une app ou une borne interactive, retrouvez vous et naviguez en toute simplicité jusqu’aux stands recherchés.

🧳 En voyage avec les guides augmentés Petaouchnok (Hachette tourisme)

Pourquoi ne pas réinventer totalement votre façon de voyager ? Simplifiez le voyage avec votre guide interactif : programmez vos exploration et découvrez des centaines de site ! Retrouvez également des parcours enrichis sur vos guides imprimés.

Pour en savoir plus sur Wemap ça se passe juste en dessous ⬇️

On s’est croisé dans le métro… was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

Avec ce blogpost nous revenons aux sources des cartes contributives : pourquoi laisser le public contribuer à des cartes interactives ? Quels services de telles cartes peuvent-elles rendre ? Comment assurer leur efficacité ?

1 — Pourquoi des cartes interactives ouvertes aux contributions ?

Remontées d’informations sur l’état de la voirie, partages de photos sur des événements climatiques, communication sur les commerces de proximité et les artisans, etc. : les informations locales sont souvent éparses, éphémères, difficiles à capturer et à proposer dans des services utiles au public.

Pourtant les occasions de faire appel aux nombreux utilisateurs qui souhaitent participer à la conversation, partager du contenu ou, tout simplement, se rendre utile, sont nombreuses.

Si aujourd’hui en tant qu’utilisateurs nous consommons des cartes interactives, c’est bien pour être informés via un outil personnalisé où l’on se sent impliqués. L’utilisateur actuel possède des exigences bien propres à notre siècle : recherche de rapidité, d’interaction, un produit pour lui, avec lui !

La carte contributive permet de recenser des évènements, des actions locales ou de signaler des incidents (comme dans les applications mises en place par les municipalités du type Dans Ma Rue à Paris) mais aussi de fédérer des porteurs de projets et de mettre en avant des initiatives sur le terrain.

Mais pourquoi passer par une carte interactive ?

Tout simplement parce que lorsqu’il s’agit de parler d’une information localisée, d’un lieu, rien n’est plus parlant et expressif qu’une carte interactive.

Par ailleurs la carte interactive est la présentation la plus utile des informations ainsi collectées : moteur de recherche, exploration d’un territoire en déplaçant la carte, recherche autour de soi. Plus qu’une liste ou un carrousel, les informations locales partagées doivent être mises en regard les unes des autres pour les rendre intelligibles.

Enfin pour le contributeur la carte interactive est une incitation supplémentaire à partager de l’information car elle permet d’illustrer visuellement le fait qu’il y a un manque d’information à tel ou tel endroit. C’est une interface qui invite à la contribution, d’autant plus lorsqu’elle permet de voir immédiatement son point apparaître.

En d’autres termes, cette fonctionnalité permet de proposer des informations utiles, recherchées, dans une expérience qui les met en valeur.

2 —Comment réussir ses cartes interactives avec contributions publiques ?

Avec plus de 10 000 cartes interactives réalisées avec Wemap et une expérience auprès des plus grands acteurs des médias, des collectivités, du monde associatif, nous avons pu dessiner quelques règles d’or à suivre pour réussir vos cartes interactives contributives.

1 ) Réussir sa collecte

Qui dit contribution dit données, il est donc important de noter que ces cartes vous permettent la récolte d’une data standardisée selon vos critères de sélections. Une récolte efficace de cette data découlera d’un système de contribution simple pour maximiser la collecte sans créer d’usine à gaz.

Un média souhaitant proposer une carte répertoriant des manifestations ou des inondations va pouvoir personnaliser à souhait ses cartes tout en laissant l’opportunité aux utilisateurs d’annoter un événement non référencé. Ici, France Bleu propose sa carte “100% solidaires avec les entreprises du Vaucluse” pour retrouver près de chez vous tous les restaurateurs, et producteurs locaux en période de reconfinement. La contribution se fait ici avec un formulaire Google Form avec une récolte de données via le connecteur Spreadsheet.

On retrouve aussi Openagenda, solution de réseaux d’agendas sur laquelle nous récoltons les données grâce au connecteur dédié (flux Json), conseillé pour des cartes interactives évènements. Ici la carte des lieux culturels publiée par le ministère de la Culture qui utilise comme formulaire celui d’Openagenda permettant également une personnalisation riche du formulaire.

2) Assurer la qualité des informations récoltées

La contribution permet un enrichissement des cartes avec des données personnalisées tout en gardant le contrôle dessus. La modération est ici essentielle pour assurer une information crédible et pertinente auprès des utilisateurs .

Pour garantir une donnée de qualité, une modération (a priori ou a posteriori) est rendue possible avec des outils comme Jotform, Google Form ou Wemap Pro. Veillez à avoir une modération efficace et simple pour ne pas se noyer sous les tâches. Gardez-vous la possibilité d’inclure seulement une partie des champs dans les données que vous récoltez en ciblant les informations pertinentes pour la publication.

3) Réussir sa restitution

Votre objectif est de rendre la carte aussi lisible et pratique que possible et ainsi d’engendrer plus d’engagement. L’auteur de la carte enrichit l’expérience utilisateur en impliquant ses utilisateurs. Mais ceci ne doit pas conduire à une information désordonnée, qui dégraderait l’expérience utilisateur.

Vos cartes interactives contributives doivent refléter l’identité de votre produit, de votre marque. C’est un espace de communication et d’interaction essentiel pour vos utilisateurs, ils doivent vous y retrouver. Ainsi, comme pour la stylisation de votre carte avec le choix du fond de carte, la fonctionnalité contributive s’accorde à l’ergonomie et la charte graphique de votre site.

Ainsi le ministère de la Culture illustre ici une carte interactive de lieux culturels qui a été généralisée pour la sortie du confinement. Plus de 69 000 lieux culturels proposant leurs services y sont référencés. Les librairies, disquaires et bibliothèques peuvent fournir leurs informations sur le site internet du ministère et voir leurs points s’afficher sur la carte en quelques clics.

Grâce au moteur de recherche, aux clusters et aux filtres l’expérience utilisateur est de haut niveau malgré la présence d’un très grand nombre de points.

3 — Créer des cartes contributives avec Wemap

Créer des cartes interactives qui permettent de récolter et diffuser des contributions utilisateurs est une opération simple avec Wemap et plusieurs solutions s’offrent à vous, suivant les données que vous souhaitez collecter et le public auquel vous vous adressez.

1) Faire au plus simple : le formulaire intégré dans Wemap

Enrichissez votre carte en rendant possible la personnalisation des icônes et en ayant la possibilité de sélectionner des champs divers : le nom de l’évènement, son lieu, une description etc… La création de filtres / mots-clefs est également disponible en complément pour enrichir vos filtres.

Après avoir stylisé vos cartes et rendu cette interaction possible avec certaines fonctionnalités sociales, pourquoi ne pas leur offrir une solution contributive profitant à tous les acteurs.

Côté outil cartographique en ligne, il est très simple de profiter de cette fonctionnalité avec Wemap Pro. Vous pouvez directement l’activer sur le menu d’option carte dans la rubrique “contrôle”. Une activation rapide qui ne nécessite pas la création de formulaire et qui garde l’utilisateur sur la carte.

Le bouton apparaissant en haut à droite des cartes, indique aux utilisateurs la possibilité de contribuer. Un simple clic sur ce bouton leur permet donc de facilement créer un point en intégrant des photos, le nom de l’événement, une description, en somme remplir tous les champs d’informations.

2) Pour les pros : connecter un formulaire externe

Pour plus de personnalisation des champs et du style de vos publications vous pouvez facilement connecter à votre carte interactive Wemap une solution de formulaire qui se synchronisera automatiquement avec la carte. Notre logiciel de cartographie vous propose toute une série de solutions de formulaires déjà connectés à Wemap tels que Jotform (alternative à Google Form), Google Form (avec Google Sheet) ou encore OpenAgenda.

Par exemple pour les Nuits de la lecture, le ministère de la Culture a activé un formulaire Jotform pour la contribution et propose des filtres plus riches.

Le connecteur Jotform, lui, se distingue par sa personnalisation poussée notamment en laissant la possibilité à l’utilisateur de modifier et / ou ajouter un nouveau contenu. Il s’intégrer également parfaitement au site et à sa charte graphique pour optimiser l’expérience utilisateur. Ce connecteur se trouve directement sur Wemap Pro.

Prenons ici l’exemple du Parc national de la Réunion publiant sa carte “Les jours de la nuit” qui intègre un formulaire Jotform en total accord avec le site et sa charte graphique.

Vous souhaitez activer cette fonctionnalité ou en savoir plus ? Vous avez des idées de cartes contributives à réaliser ? Wemap est à votre écoute et vous accompagne, écrivez-nous ! 🚀

Des cartes interactives enrichies par le public was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

In this blogpost we will go over the main concepts of styling a map background: why style? Which impact ? How?

1. A stylized view of geographic information

OpenStreetMap, IGN, TomTom : the map data providers are above all giant databases (the “planet” file on OpenStreetMap is 1,5 TeraBytes of data).

If today as users we consume interactive maps that load instantly several times a day it is because these databases are transformed and styled to be consumable — in other words understood and useful — by our brains on our different devices.

To transform these geographic databases into useful interactive maps, beyond the technical processes (transformation into vector or raster tiles) that allow them to be downloaded and displayed on our screens it is necessary to achieve an often unknown work of map styling.

Styling a map means first of all making a difficult choice: what information should be shown? What information should be omitted? Street names? Administrative’s buildings names? The shapes of buildings? Railroad tracks?

Considering the large amount of geographic information available today, choosing is primarily a matter of selecting and subtracting.

All of these choices reveal a hierarchy and must be applied to the 20 levels of zoom that take you from the globe to your street corner. These choices are quite subtle and we are not aware of the huge impact they can have.

Then each type of information chosen can and should be styled to differentiate it from the other items on the map, to highlight one type of information in relation to another, etc. For a “ traditional “ interactive map, there are already several dozens of types of elements — seas, rivers, streets, buildings, roads, fields, forests — for which you have to choose the color, the transparency, the fonts, etc.

And before starting, the question to ask yourself is: what is the purpose of styling my map?

2. Why do you need map styles?

With Google Maps for so long dominating the interactive map industry (but that’s changing, thankfully!), we may have forgotten that there are different styles of maps.

Today, interactive maps are at the center of many digital products: from media to delivery applications, from treasure hunts to government websites. As Wired states “ Maps became the new search box “.

The key rule is that the style of your interactive maps should match the style of your product. Ceding your design choices to Google or Apple through the default maps in Android and iOS is counterproductive (especially when you know that styling an interactive map can be done well, without effort, see below).

Here are some examples of guidelines that can influence your styling choices for your interactive maps.

2.1 — Style an interactive to match your brand

Your interactive maps must reflect the identity of your product, of your brand. It is an essential communication and interaction space for your users, they must find you on it.

The design is based on color’s configuration, especially for water, roads and lands. As the Louvre did very well with its map of artworks in the world by opting for lime shades matching their graphic charter.

The typography is also an integrated part of the styling choices. The name of the city, the streets, the structures…, all this must be in harmony with your image and your graphic charter as Colmar did on its map.

It is also possible to go even further by choosing a particular style of map to fit your product. Studios such as Stamen Design offer quite original styles such as “watercolor” or “toner”.

2–2 Tailor your map to your audience

Design should not take priority over usefulness, because an interactive map or plan always has a service purpose: to inform, to understand, to locate, to guide, etc. The use of your interactive maps and the objective of your product must therefore influence your choice of style.

Will your interactive map be used on screens in public spaces? Is it used on the move, for local information, or from a computer on large screens?

2–3 Advanced Styles: in-depth enrichments of your maps

Your base map sometimes requires particular enrichments: it can be about particular data layers or elements such as buildings which must be highlighted.

We can think for example of satellite images or elevation curves for “outdoor” themes.

On a more local front, building data can be enriched. For example, Hachette, for the interactive maps of its guide “Un grand week-end à Paris”, wanted to highlight specific buildings, with a particular style applied individually.

To go even further, the buildings can be viewed as interior plans or in 3D rendering. Thus, in addition to the background map in the federation’s colors and designed for mobile use in the Roland Garros application, the FFT wanted to integrate 3D models of the most emblematic courts into the maps of the application.

For the new Cité des Sports, the city of Issy les Moulineaux has enriched the base map with a simplified 3D model of the building and its different floors. The possibilities are endless!

Finally, if we talk about background map, it’s because you will enrich this canvas with information, with your messages in the form of points of interest, routes, areas, etc. This will be the subject of another blogpost!

3. Style your interactive maps like a professional

The possibilities are vast for styling your maps, but this effort of styling is within the reach of most people. You don’t need to be a geomatician or trained in GIS to create a background map that serves your brand, delights your users and enhances your content: several options are available to you, either on your own or with the help of experts.

3.1 Create a style in a few clicks

With the Wemap Pro online tool you have at your disposal a professional map creation tool, available to everyone. In this no-code environment, the customization of map backgrounds is done by a WYSIWYG tool for simple and effective settings.

3.2 A studio for advanced styles

Wemap integrates the Maputnik tool which allows you to setup : display, stylization of all the elements of the map background at all zoom levels. Beware it’s addictive!

Don’t worry, Wemap support is always available to help you design your maps.

3.3 Handmade map backgrounds

If you want to create a custom background map with buildings and 3D models, the Wemap graphics team is here to help you.

You have questions about the creation of customized backgrounds or about Wemap Pro features? The team is listening, contact us !

Customize your map backgrounds was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

Dans ce blogpost nous allons revenir sur les grands principes de la stylisation d’un fond de carte : pourquoi styliser ? Quel impact ? Comment ?

1. Une restitution stylisée des informations géographiques

OpenStreetMap, l’IGN, TomTom : les fournisseurs de données cartographiques sont avant tout des bases de données géantes (le fichier “planète” sur OpenStreetMap c’est 1,5 to de données).

Si aujourd’hui en tant qu’utilisateurs nous consommons des cartes interactives qui se chargent instantanément plusieurs fois par jour c’est parce que ces bases de données sont transformées et stylisées pour être consommables –autrement dit comprises et utiles – par nos cerveaux sur nos différents devices.

Pour transformer ces bases de données géographiques en cartes interactives utiles, au-delà des processus techniques (transformation en tuiles vectorielles ou raster) qui permettent de les télécharger et les afficher sur nos écrans, il faut réaliser un travail souvent méconnu de stylisation des cartes.

Styliser une carte c’est d’abord faire un choix difficile : quelles informations montrer ? Quelles informations omettre ? Les noms des rues ? Les noms des ensembles administratifs ? Les formes des bâtiments ? Les voies de chemin de fer ? Vu la quantité d’informations géographiques disponibles aujourd’hui, choisir c’est avant tout retrancher.

Tous ces choix révèlent des hiérarchies et doivent être appliqués aux 20 niveaux de zoom qui permettent de passer du globe à votre coin de rue. Ces choix sont subtils et nous n’avons pas conscience des impacts énormes qu’ils peuvent avoir.

Ensuite chacun des types d’information choisi peut et doit être stylisé pour se distinguer des autres composants de la carte, pour mettre en évidence une information par rapport à une autre, etc. Pour une carte interactive “classique” ce sont déjà plusieurs dizaines de type d’éléments –mer, fleuves, rues, bâtiments, routes, champs, forêts– dont il faut choisir la couleur, la transparence, les polices de caractère, etc.

Et avant de se lancer la question à se poser est : styliser ma carte, pour quoi faire ?

2. Pourquoi des styles ?

Avec Google Maps qui a si longtemps dominé le secteur de la carte interactive (mais cela change heureusement !), on a pu oublier qu’il y avait différents styles de cartes.

Et pour cause, aujourd’hui les cartes interactives sont au cœur de nombreux produits digitaux : des médias aux applications de livraison, des chasses au trésor aux portails de l’administration. Comme le dit Wired “Maps became the new search box”.

La règle d’or est que le style de vos cartes interactives doit correspondre au style de votre produit. Céder à Google ou Apple vos choix de design au travers des plans par défaut dans Android et iOS c’est contre-productif (surtout quand on sait que styliser une carte interactive peut être bien fait, sans effort, voir plus bas).

Voici quelques exemples de lignes directrices qui peuvent influencer vos choix de stylisation pour vos cartes interactives.

2.1 — Créer une carte interactive qui respecte une charte graphique

Vos cartes interactives doivent refléter l’identité de votre produit, de votre marque. C’est un espace de communication et d’interaction essentiel pour vos utilisateurs, ils doivent vous y retrouver.

La stylisation passe par la configuration des couleurs notamment des eaux, des routes et des terres. Comme l’a très bien fait le Louvre avec sa carte des œuvres dans le monde en optant pour des tons chaux concordant avec leur charte graphique.

La police de caractère fait aussi partie intégrante des choix de stylisation. Le nom de la ville, des rues, des structures…, tout cela doit s’harmoniser à votre image et à votre charte graphique comme l’a pu faire Colmar sur sa carte.

Il est également possible d’aller encore plus loin en choisissant un style de carte particulier s’adaptant à votre produit. Des studios comme Stamen Design proposent des styles assez originaux tels que le “ watercolor ” ou bien le “toner”.

2–2 S’adapter à vos utilisateurs

Le style ne doit pas primer sur l’utilité car en effet une carte ou un plan interactifs ont toujours une finalité servicielle : pour informer, pour comprendre, pour situer, pour guider, etc. L’usage de vos cartes interactives et l’objectif de votre produit doivent donc déterminer vos choix de style.

Votre carte interactive sera-t-elle consommée sur des écrans dans l’espace public ? Est-elle utilisée en mobilité, pour une information de proximité, ou depuis un ordinateur sur des écrans larges ?

2–3 Stylisations avancées : enrichir en données

Votre fond de carte exige parfois des enrichissements particuliers : il peut s’agir de couches de données particulières ou d’éléments tels que des bâtiments qui doivent être mis en avant.

On peut penser par exemple aux images satellitaires ou aux courbes d’élévation pour les thématiques “outdoor”.

Sur un plan plus local les données de bâtiment peuvent faire l’objet d’enrichissements. Ainsi Hachette pour les cartes interactives accompagnant son guide “Un grand week-end à Paris”, a souhaité mettre en avant des bâtiments spécifiques, faisant l’objet d’un style particulier appliqué individuellement.

Pour aller plus loin encore les bâtiments peuvent être rendus en plans intérieurs ou en rendu 3D. Ainsi, au-delà du fond de carte aux couleurs de la fédération et conçu pour un usage en mobilité dans l’application Roland Garros, la FFT a souhaité intégrer dans les cartes de cette dernière des modélisations 3D des cours les plus emblématiques.

Pour la nouvelle Cité des sports, la ville d’Issy les Moulineaux a enrichi le fond de carte avec une modélisation en 3D simplifiée du bâtiment et de ses différents étages. Les possibilités sont infinies !

Enfin si on parle de fond de carte c’est parce que vous allez enrichir ce canevas avec des informations, avec vos messages sous la forme de points d’intérêts, parcours, zones, etc. Cela sera l’objet d’un autre blogpost !

3. Styliser ses cartes interactives comme un pro

Les possibilités sont vastes pour styliser vos cartes, mais cet effort de stylisation est à la portée du plus grand nombre. Pas besoin d’être géomaticien ou formé au SIG pour créer un fond de carte qui serve votre marque, fasse le délice de vos utilisateurs et valorise vos contenus : plusieurs options s’offrent à vous, en solo, ou avec l’accompagnement d’experts.

3.1 Créer un style en quelques clics

Avec l’outil en ligne Wemap Pro vous avez à votre disposition un outil professionnel de création de cartes, à la portée de tous. Dans cet environnement no-code, la personnalisation des fonds de carte se fait par un outil WYSIWYG pour des ajustements simples et efficaces.

3.2 Un studio pour les styles avancés

Wemap intègre l’outil Maputnik qui vous permet de paramétrer : affichage, stylisation de tous les éléments du fonds de carte à tous les niveaux de zoom. Attention c’est addictif !

Pas d’inquiétude, le support Wemap reste toujours à votre disposition pour la conception de vos cartes.

3.3 Des fonds de carte cousus main

Vous souhaitez un fond de carte à vos couleurs et enrichi, avec des bâtiments et des modélisations 3D : l’équipe graphique Wemap est là pour vous accompagner.

Vous avez des questions concernant la création de fonds de cartes personnalisés ou sur les fonctionnalités Wemap Pro ? L’équipe est à votre écoute, écrivez-nous !

Personnalisez vos fonds de carte was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

Slow tourism, déplacements en mode doux, chasses au trésor : la tendance est à la promenade, à la balade et à l’itinérance. Dit autrement : la tendance est à la polyligne riche 🤓

C’est pourquoi nous avons travaillé ces derniers mois chez Wemap sur ces polylignes pour permettre à chacun de produire et publier simplement, sur ses canaux — son site web, son application mobile, son écran tactile — des cartes avec des parcours riches.

1 — Côté expérience utilisateur : qu’est-ce qu’un parcours riche ?

Utiliser une application pour faire du guidage ou du calcul d’itinéraire est devenu une habitude presque quotidienne. Mais pour les amateurs de randonnée ou de vélo ou pour tous ceux qui apprécient de découvrir un quartier avec un circuit, il ne s’agit pas simplement d’avoir un aperçu d’un tracé mais de consulter pas à pas les différentes étapes d’un parcours.

Nous avons tous exploré de tels parcours riches sur des guides papiers ou sur des cartes de randonnées dépliées devant nous : comment restituer efficacement ces contenus particuliers dans une expérience mobile ?

Au-delà du tracé (la polyligne) la richesse des contenus est essentielle : description, images, vidéos, audio, boutons d’action, etc. Nous avons donc développé un système de polylignes interactives, où la carte se combine avec les informations enrichies et où l’interaction entre les contenus des étapes et la carte est automatique :

• un clic depuis la liste de résultats de recherche ou sur la polyligne sur la carte ouvre le parcours avec ses étapes ;
• un scroll de la liste d’étapes vous recentre sur le parcours ;
• un clic sur un pin du parcours recentre la description sur l’étape associée.

Ainsi les parcours intègrent des contenus riches avec une grande interactivité et dans une expérience utilisateur performante quelle que soit la taille d’écran.

2 — Des parcours riches au coeur de la plateforme Wemap

Ces parcours riches bénéficient de tous les avantages de la technologie Wemap.

① La stylisation : couleur, épaisseur des tracés bien sûr sont personnalisables, mais tous les éléments de contenus riches : titre, texte, média (image, vidéo, son, photo 360…), call-to-action, tags peuvent être édités pour refléter une marque et s’adapter à l’espace d’intégration.

Et bien sûr les fonds de carte eux-mêmes et tous les autres paramètres de cartes sont éditables : fonds de carte en style “terrain” pour le vélo, fonds de carte IGN pour la randonnée, ou stylisés pour une balade urbaine. Voir blogpost la personnalisation des fonds de carte.

② Les parcours riches pourront être déployés sur tous supports de communication : application mobile native ou web, site web, écran tactile ou en export haute résolution pour impression.

Quels que soient les écrans et les supports, les parcours riches offrent une expérience utilisateur performante, tant pour découvrir des contenus que pour les utiliser en mobilité.

Pour leur intégration les librairies JS et mobiles de Wemap permettent des déploiements à grande échelle sur tous environnements, ou copier coller une simple iframe suffit :) Et la documentation Wemap pour Développeurs est ici.

③ Vos parcours riches comprennent du texte, des titres, des catégories : ils sont indexés et taggés.

Ils peuvent donc être trouvés via un moteur de recherche, filtrés par l’utilisateur, partagés directement depuis votre site ou application avec le système de deep-linking Wemap.

Et pour les utilisateurs avancés les parcours riches peuvent bénéficier également des optimisations en référencement (SEO) proposées par Wemap : ce sont des contenus très recherchés qui pourront être un canal d’acquisition de trafic.

④ Enfin vous pourrez combiner à l’infini les parcours riches avec d’autres contenus Wemap afin de mettre en valeur des points d’intérêt tout au long des itinéraires.

Les cartes Wemap intégreront donc les parcours riches et les événements, points d’intérêt touristiques, points de service dans une expérience homogène permettant d’offrir une expérience complète aux utilisateurs.

3 — Côté outil comment ça marche ?

Aujourd’hui Wemap permet de créer des parcours riches en exploitant une multitude de formats : GPX, GEOJSON, KML afin d’exploiter tous les tracés déjà disponibles dans des systèmes d’information touristique ou d’information géographique, voire des traces mises à disposition par des contributeurs.

Pour les contenus riches, la solution Wemap permet d’utiliser des simples tableurs excel (mais aussi des webservices pour les grands volumes de contenus) pour faciliter la production de parcours riches et leur déploiement à grande échelle.

Et bientôt nous étendrons les outils Wemap Pro pour permettre à chacun de créer et éditer des tracés riches directement depuis la plateforme.

Stay tuned :)

Vous voulez en savoir plus ou essayer les parcours riches Wemap : écrivez-nous à parcours@getwemap.com

Et bien sûr bonnes promenades 🏃 🚴 🚶 ⛷

***

Wemap est la solution made in France pour la création de cartes interactives grand public. Ses travaux de recherche sur la réalité augmentée permettent à Wemap d’offrir un véritable navigateur du monde réel.

Wemap est une une solution de carte interactive de référence, avec plus de 80 clients des secteurs public et privé comme Hachette Tourisme, Le Ministère de la Culture, le PSG ou le groupe France Télévisions.

Wemap innove pour ses clients grâce à un laboratoire ouvert à tous, sur le web et sur mobile : fournisseurs de technologies, créateurs de contenus, agences et utilisateurs finaux. Faites-nous signe !

Comment créer des cartes interactives avec itinéraires riches ? was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

Une recherche cartographique plus puissante, pour une meilleure expérience avec Wemap

Nous venons de publier une nouvelle version du moteur de recherche Wemap pour vos cartes interactives sur le web, en mobile ou en mode kiosque.

Cette release comporte plusieurs améliorations destinées à rendre l’expérience de recherche plus efficace et plus personnalisable.

Parmi les évolutions sur lesquelles les équipes Wemap ont travaillé ces derniers mois figurent la recherche incrémentale, ou search-as-you-type, la refonte de notre moteur de géocodage (geocoding) et un enrichissement de notre moteur de filtres ; le tout intégré dans une expérience optimisée pour fonctionner quel que soit l’appareil sur lequel les visiteurs consultent vos cartes interactives. Voici un petit résumé de ces principales nouveautés :)

1 — Search as you type (recherche incrémentale)

En matière de recherche tout est affaire de réactivité. Les contenus que vous publiez depuis Wemap sont indexés. Nous avons construit un moteur de recherche pour tous les contenus que vous présentez sur vos cartes interactives et plans intérieurs utilisant la technologie Elastic Search.

Nous avons ajouté une fonctionnalité de recherche incrémentale plus connue sous le terme de search-as-you-type où les résultats de recherche sont proposés à l’utilisateur dès qu’un caractère est entré ce qui permet d’obtenir plus rapidement un résultat, et d’éviter d’avoir à taper des mots entiers, ce qui est particulièrement utile en mobile.

Pour plus de fluidité nous avons mis en oeuvre une recherche automatique qui se déclenche en fonction de l’intervalle de temps entre deux caractères entrés par l’utilisateur (keystrokes), fixé à 500 millisecondes.

Nous avons appliqué cette recherche incrémentale tant pour les contenus publiés via Wemap — descriptions, titres, adresses des points et événements, etc. — que pour la recherche géographique d’adresse.

Cela donne une expérience de recherche inégalée, avec une réactivité instantanée de la carte interactive ou pour vos plans intérieurs.

2 — Nouveau moteur de geocoding (géocodage)

Le géocodage est le procédé consistant à associer une latitude et une longitude à une adresse postale ou à une entité géographique (ville, département, région, etc.). Le géocodage inversé (reverse geocoding) est le procédé consistant, en retour, à récupérer une adresse associée à un couple (latitude, longitude), tel que des coordonnées données par le GPS de téléphone.

Le géocodage et son pendant inversé sont des outils constants d’un service tel que Wemap : tant côté moteur pour attribuer une latitude et une longitude à des contenus qui ne disposent que d’adresse, que côté utilisateur pour offrir la possibilité de faire des recherches par adresse sur la carte.

Les cartes interactives Wemap vous permettent déjà d’intégrer une fonctionnalité de recherche par adresse (voir onglet “Contrôles” dans la page d’options de cartes) mais nous l’avons fait évoluer en profondeur grâce à un changement dans notre moteur de géocodage.

Tout d’abord nous avons enrichi les entités géographiques qui peuvent être recherchées et ajusté le comportement de la carte interactive pour que celle-ci se recentre directement au niveau le plus approprié suivant l’entité géographique recherchée : au niveau du bâtiment si vous cherchez une rue avec un numéro, au niveau de la voie entière si vous cherchez une rue sans préciser de numéro, au niveau de la ville ou de la région si vous cherchez une zone plus large.

Ensuite nous avons ajouté des paramètres pour vous permettre de personnaliser cette recherche par adresse en fonction de votre carte interactive, des contenus associés et de votre public. Vous pouvez désormais définir une géographie qui permettra d’afficher en priorité des résultats d’adresses dans la zone considérée. Vous trouverez ces options dans la page de paramétrage de carte de votre environnement Wemap Pro ou sur la documentation Wemap.

3 — Nouveau moteur de filtres

Les filtres sont une des fonctionnalités essentielles d’une carte interactive pour l’information du grand public, en particulier si vous avez un volume important de contenus proposés aux utilisateurs.

Nous avons apporté des évolutions récentes à cet outil de filtres pour permettre une plus grande personnalisation, qui feront l’objet d’un prochain blogpost.

Les filtres s’appuient sur les mots-clefs ou tags qui sont autant de catégories que vous pouvez associer à vos contenus, soit depuis Wemap Pro, soit directement via vos bases de données, CMS ou fichiers à importer.

Le comportement par défaut du moteur de filtres était jusqu’à présent de combiner les filtres dans une logique cumulative (filtre en ET). Désormais vous avez la possibilité d’utiliser une logique additive (filtre en OU) où lorsqu’un utilisateur sélectionne deux filtres, tous les contenus qui correspondent à l’un ou à l’autre de ces filtres s’afficheront sur la carte.

Vous pourrez bientôt combiner ces deux logiques dans une même carte interactive pour offrir des possibilités de sélection avancées à vos utilisateurs.

N’oubliez pas que vos filtres sont personnalisables : règle d’organisation, affichage, directement depuis les paramètres de vos cartes interactives dans Wemap Pro.

Vous avez des questions ? Vous voulez en savoir plus ? Nous sommes à votre écoute, écrivez-nous sur developers@getwemap.com !

— -

Wemap est la solution fabriquée en France pour la création de cartes interactives grand public. Ses travaux de recherche sur la réalité augmentée permettent à Wemap d’offrir un véritable navigateur du monde réel.

Wemap est une une solution de carte interactive de référence, avec plus de 80 clients des secteurs public et privé comme Hachette Tourisme, Le Ministère de la Culture, le PSG ou le groupe France Télévisions.

Wemap innove pour ses clients grâce à un laboratoire ouvert à tous, sur le web et sur mobile : fournisseurs de technologies, créateurs de contenus, agences et utilisateurs finaux. Faites-nous signe !

Nouvelle version du moteur de recherche Wemap was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

We are talking about mobile sensors, maps, computer vision and data, web and mobile development, navigation and systems positioning, buildings and cities and much more :)

After having tackled the main challenges of geo-pose and navigation in augmented reality, we will examine the perspectives opened by computer vision to create a universal positioning system.

The blogpost is a bit long 😅 since we will describe the technical foundations of visual localization starting with SLAM before comparing the approaches of several major players in the sector and to discuss the most recent challenges on this topic. Happy reading and contact us if you have any questions or comments at research@getwemap.com!

SLAM: measuring the relative movements of a smartphone

Since 2017, the iOS and Android operating systems have made it possible to create applications using augmented reality, thanks to ARKit and ARCore technologies. When using the phone’s rear camera, augmented reality apps most often propose to position a virtual element in a real environment as shown through the camera reel as if it were “really” there.

This experience is made possible thanks to SLAM algorithms (Simultaneous Localization And Mapping) which are central in ArKit and ArCore systems. These tracking algorithms can estimate the movement of the smartphone in space by using the camera and detecting surfaces: this is what produces the impression that the virtual object is well “anchored” in the 3D scene when the user moves with her phone.

SLAM algorithms iteratively calculate the position and the orientation (pose) of the telephone by analyzing the key points and descriptors of each image and tracking these descriptors from frame to frame. This allows a 3D reconstruction of the environment. The advantage of this visual odometry: SLAM algorithms do not require any a priori information on the environment.

Using SLAM to position yourself

Although SLAM algorithms are very efficient today -in particular thanks to the fusion with the inertial unit — they do not allow to get a geo-pose of the phone. The geo-pose being the position and the orientation of the device in relation to the terrestrial reference mark (for example latitude, longitude, altitude, quaternion…).

As we saw in a previous blogpost, the current system of geolocation that we have developed for navigation in augmented reality is based on two types of signals:

• the absolute geolocation signals which allow gathering direct information for calculating the geo-pose of the phone. We leverage in particular signals from GNSS (Global Navigation Satellite System), Wi-Fi and Bluetooth access points (trilateration/fingerprint), QR codes geolocated, accelerometer, and magnetometer;
• the relative geolocation signals which make it possible to gather information in a non-geo-referenced landmark. We can count on the pose reconstructed thanks to PDR (Pedestrian Dead Reckoning), SLAM, or even signals from gyroscope and barometer.

We merge these signals with cartographic data thanks to the map-matching in order to obtain the best possible geo-pose in a multitude of situations (see blogpost).

Since SLAM is a relative positioning system (the new position is known relative to the previous one), if it is used for navigation on long distances, it will suffer from drift. This drift depends a lot on the context, but can easily reach errors of 3–4 meters and ten degrees over fifty meters traveled.

SLAM is currently one of our sources of location for relative movements. To minimize this drift inherent in odometry visual over long distances, we merge the SLAM with the signals of external positioning and with data from the pedestrian network — which are also used by our routing engine.

In the Wemap eco-system, SLAM is a central element of the relative positioning but it is not systematic. Indeed we use ArCore (Android) and ArKit (Apple) but these SDKs are only available on only the most recent generations of smartphones and cannot be used on the web: if the hardware and software environment is in the capacity to operate SLAM, we use it. At the moment, we do not plan to create our own web SLAM: the speed of the execution environment is not conducive to its implementation and limited access to sensors on the web does not allow the acquisition of metric data. However, according to the latest advances in WebXR; in a few months, ArCore and ArKit should soon be available in web browsers.

The latest scientific advances in computer vision open a new possibility: using the camera to provide an additional absolute positioning signal.

Visual localization: first concepts

To define the notion of visual localization, let’s take a simple example:

An operator walks through an entire store with a video capture device equipped with one or more cameras. These images are analyzed and a 3D point-cloud of the store is created thanks to an algorithm and recorded in the cloud. This is the visual mapping or offline phase.

A customer needs to geolocate in the store. She takes her phone, opens the store app, and, lifting the phone, displays a camera view. In less than a second, a photo is sent to the cloud, analyzed by the localization server which calculates the position and orientation in which the photo was taken and returns them to the phone. The customer can then start an augmented reality experience geolocated or view her position on a 2D map. This is the online phase.

This process is visual localization.

The process of visual localization is composed of two phases: (1) the offline phase, where the environment is acquired, and (2) the online phase, where the position is returned.

The offline phase consists of creating a cloud of geolocated 3D points from the images acquired by the video device. The two main approaches that deal with the 3D reconstruction problem in computer vision are the SfM (Structure from Motion) and the SLAM. The two approaches are similar in their algorithms but their fields of application are often different. SLAM was historically designed to operate in real-time and use the video stream from a camera. Conversely, SfM-type algorithms use images acquired at reasonably different distances and viewing angles, then the reconstruction is carried out post-processing. Each of the two approaches has advantages and disadvantages depending on the scenarios to be covered (context, light, the surface to cover, etc.).

Once the point cloud has been created, it is then georeferenced and then saved on a server.

The online phase concerns the end user. The user is first invited to browse her environment with her smartphone camera, giving access to images of her immediate surroundings. One (or more) images are extracted from the video because they have a lot of feature points.

Each image is then sent to the relocation server, it is compared with all the images that allowed the construction of the 3D point cloud (best matching). The image(s) that are estimated to be closest — to the one that was sent by the user — are used to calculate the geo-pose of this new image (triangulation). This geo-pose is then sent back to the device and then used to deliver an augmented reality, navigation, or geolocation experience.

Note: The calculation of the geo-pose via the localization server can sometimes take a little time (> 100 ms) due to the complexity of the calculations and the speed of connection. During this period, the user may have done a lot of movements (especially in rotation) with its device. It is therefore desirable to couple such a relocation system with a SLAM system (typically ArCore / ArKit) to take over and calculate the transformations in this time interval.

The emergence of visual localization on smartphones

Visual localization is an approach that has already existed for some years in the research community and in particular in the field of robotics. Robots being often used in controlled environments (device movement, covered area, etc.) which makes it easier for computer vision to work. The smartphone can be used in an unbounded environment and with degrees of freedom in all directions: it compounds the challenges for computer scientists.

Visual localization on smartphones first appeared in 2019 mainly thanks to Google and its product “Google Maps AR (beta)” which uses a VPS (Visual Positioning Service) technology for outdoor positioning and orientation thanks to the images of the camera.

Such an application is possible thanks to robust visual localization algorithms but also and above all thanks to the trove of images that Google has collected for years with cars for their StreetView product.

We are still only scratching the surface of positioning or augmented reality experiences that this recognition of the environment enables: underlying technologies are evolving fast and visual localization is only possible in limited scenarios.

Indeed, the challenges posed by visual localization in terms of computer vision are multiple. In particular, the 3D point-cloud construction algorithms that we know today require multiple trade-offs between speed and accuracy, and vary heavily from one use case to the other.

The different players in augmented reality are not necessarily going to need the same pipeline to build their geolocated 3D point clouds.

For example, Google already had 360° photos from its database on its servers for the Google Street View product. These photos have two characteristics: (i) they were acquired by cameras placed on the roof of a car and (ii) they were geolocated using GNSS. This is why Google presumably used an SfM type algorithm for the construction of its point cloud. Using functions of optical flow — typical SLAM — would have provided poor results because images were taken at significantly different distances and angles.

However, in computer vision, image comparisons are only possible if the camera types (perspective, fisheye, or 360) are similar. This means, in a case like Google’s, the pipeline has to be adapted to factor complex geometric and optical transformations between the offline phase devices and an online phase that can be carried out on every smartphone.

Conversely, at the game developer Niantic, although close to the Google universe, it is the players who make the acquisition (offline phase) directly with their smartphones (perspective camera + GNSS position). In that case, the algorithm to be used for the reconstruction of the point cloud is rather a SLAM type-algorithm. The images are taken from a video and are strictly ordered, it is then possible to use optical flow functions to improve and accelerate the reconstruction process.

Niantic wants to create a “real-world platform” to crowdsource offline phases and share augmented reality experiences (Niantic has also done the acquisition of 6d.ai in 2020).

Since 2019, other web giants have also started the race for a global 3D point cloud including:

• Facebook which announced that it wanted to map the planet for their glasses AR and acquired the start-ups Scape Technologies and Mapillary in 2020;
• Huawei launching Cyberverse, a 3D mapping system in the cloud for augmented reality;
• and of course Apple and Microsoft with the Azure Spatial Anchors.

Each of these giants declares that they want to create a relocation system owner and generate its own planetary 3D point cloud. Unfortunately, the reuse of this 3D point cloud for mobile applications will be reserved for the different products of these brands (Google Maps AR, Pokémon GO, etc) or will be limited in terms of functionality (Apple, Microsoft ASA, etc). Moreover, such an approach raises many questions about privacy and information ownership.

Rather than building closed services and owners we believe that visual localization must be part of an open approach with a pooling of resources.

In the same way that today OpenStreetMap creates a data pool for global mapping with which even the largest players are associated, a new consensus is possible in the free and open-source world for visual localization. This is why Wemap joined the association OpenARCloud to guarantee interoperability of data and techniques of “spatial computing” and that we are partners of XR4All which promotes open-source computer vision frameworks applied to augmented reality.

We will come back to these industry questions in a future blogpost.

Visual localization: towards a universal positioning system?

Within Wemap technology, visual localization is approached as an absolute signal that completes a positioning system in the absence of any alternative. Outdoors the GNSS signal and the magnetometer merged are enough for a first approximation. This is why we focus our work on visual localization where GNSS is not available and, first and foremost, on indoor spaces.

Visual localization is a critical innovation for many types of places where the GNSS signal is absent or very degraded: stations, shopping centers, stores, offices.

Unlike outdoor captures where the change in lighting (due to the position of the sun) is a major source of problems in comparing descriptors, the environments in which we work have a much more controlled light source. This avoids making acquisitions at different times of the day as it is common outdoors.

Yet the specific challenges for indoor use are numerous, to only cite a few :

• “Manufactured” spaces such as train station corridors are very dark with often very repetitive patterns which makes it very difficult to “recognize”;
• Indoor environments can change at a fast pace without any predictability (unlike outdoor assets such as trees, cars, or human forms, the treatment of which in computer vision is already well documented). In a store, products are removed and added to the shelves on a regular basis making the scene very unstable;
• The halls of shopping centers are often crowded spaces and the presence of these people often hides key areas that are decisive for localization;
• Showcases are reflective surfaces that are almost impossible to take into account in vision algorithms.

To isolate these areas of uncertainty and guarantee the robustness of the system that we put in place, we focus on offering robust descriptors specific to the different indoor use cases. These topics are the focus of many in the scientific community [see Alismail et al ., Riazuelo et al.]. For these reasons, we work with some of the best French research institutes in the field of visual mapping and localization.

Ultimately, as is the case for other absolute positioning signals used within Wemap, we merge data from the vision approach with other signals such as Wi-Fi, Bluetooth, magnetic field, etc. This allows both to be faster when the areas to be covered are very large, and to resolve ambiguity issues when non-distinguishable patterns arise.

Conclusion

The technical challenges associated with the variety of visual environments are numerous. Visual localization will be a modular solution, with approaches algorithms depending on the places of use: public spaces, offices, outdoors, etc.

Ultimately, even without a single algorithmic solution that covers all environments and use cases, visual localization will become a central solution in any universal positioning system.

From today thanks to visual localization we can bring Augmented Reality experiences and innovative navigation services in places devoid of positioning.

Want to know more or have questions about visual localization, write to us at research@getwemap.com :)

Visual Localization was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

Nous y parlons de capteurs mobiles, de cartes, de computer vision et de bases de données, de développement web et mobile, d’orientation et de systèmes de positionnement, de bâtiments et de villes et de bien plus encore :)

Après avoir abordé les principaux enjeux de la géo-pose et de la navigation en réalité augmentée, nous allons examiner les perspectives ouvertes par la vision par ordinateur (computer vision) pour créer un système de positionnement universel.

Le blogpost est un peu long 😅 puisque repartant du SLAM nous allons poser les bases techniques de la relocalisation par vision avant de comparer les approches de certains grands acteurs du secteur et d’évoquer les défis technologiques les plus récents sur ce thème. Bonne lecture et contactez-nous si vous avez des questions ou commentaires research@getwemap.com !

Le SLAM : mesurer les déplacements relatifs d’un smartphone

Depuis 2017 les systèmes d’exploitation iOS et Android permettent de créer des applications utilisant la réalité augmentée, grâce aux technologies ArKit et ArCore.

Lorsqu’elles utilisent la caméra arrière du téléphone, les applications de réalité augmentée proposent le plus souvent de positionner un élément virtuel dans un décor réel comme s’il y était “vraiment”.

Cette expérience est rendue possible grâce à des algorithmes de SLAM (Simultaneous Localization And Mapping) qui sont au cœur des systèmes ArKit et ArCore.

Ces algorithmes de suivi peuvent estimer le déplacement du smartphone dans l’espace en utilisant la caméra et détecter les surfaces : c’est ce qui permet de donner l’impression que l’objet virtuel est bien “ancré” dans la scène 3D quand l’utilisateur bouge avec son téléphone.

Les algorithmes de SLAM calculent de manière itérative la position et l’orientation (pose) du téléphone grâce à des points clés et des descripteurs, qui permettent une reconstruction 3D de l’environnement. L‘avantage de cette odométrie visuelle : les algorithmes de SLAM ne nécessitent aucune information a priori sur l’environnement.

Utiliser le SLAM pour se positionner

Bien que les algorithmes de SLAM soient très performants aujourd’hui - notamment grâce à la fusion avec la centrale inertielle - ils ne permettent pas d’obtenir une géo-pose du téléphone. La géo-pose étant la position et l’orientation du dispositif par rapport au repère terrestre (par exemple: latitude, longitude, altitude, quaternion…).

Comme nous l’avons vu dans un précédent blogpost, le système actuel de géolocalisation que nous avons mis au point pour la navigation en réalité augmentée se base sur deux types de signaux :

• les signaux de géolocalisation absolus qui permettent d’obtenir directement des informations pour le calcul de la géo-pose du téléphone. On retrouve notamment les signaux issus du GNSS (Global Navigation Satellite System), des points d’accès Wi-Fi et bluetooth (trilatération/fingerprint), du scan de QR codes géolocalisés, de l’accéléromètre et du magnétomètre.
• les signaux de géolocalisation relatifs qui permettent d’obtenir des informations dans un repère non géo-référencé. On peut compter sur la pose issue, outre du SLAM, du PDR (Pedestrian Dead Reckoning) ou encore des signaux provenant du gyroscope et du baromètre.

Nous fusionnons ces signaux avec des données cartographiques grâce au map-matching afin d’obtenir la meilleure géo-pose possible dans une multitude de situations (voir blogpost).

Le SLAM étant un système de positionnement relatif (la nouvelle position est connue relativement à la précédente), s’il est utilisé pour de la navigation sur des longues distances, il va souffrir de dérive. Cette dérive dépend beaucoup du contexte, mais peut facilement atteindre des erreurs de 3–4 mètres et d’une dizaine de degrés sur une cinquantaine de mètres parcourus.

Le SLAM est actuellement une de nos sources de localisation pour les déplacements relatifs. Afin de minimiser cette dérive inhérente à l’odométrie visuelle sur les longues distances, nous fusionnons le SLAM avec les signaux de positionnement externes et avec les données du réseau piéton — qui sont aussi utilisées par notre calculateur d’itinéraires.

Dans l’éco-système de Wemap, le SLAM est un élément central du positionnement relatif mais il n’est pas systématique. En effet nous utilisons ArCore (Android) et ArKit (Apple) mais ces SDKs ne sont disponibles que sur les seules générations les plus récentes de smartphone et ne peuvent être utilisés depuis le web : si l’environnement matériel et logiciel est dans la capacité d’exploiter le SLAM, nous l’utilisons. Pour le moment, nous n’envisageons pas de créer notre propre SLAM en web : la rapidité de l’environnement d’exécution n’est pas propice à son implémentation et la limitation d’accès aux capteurs ne permet pas d’acquérir une donnée métrique. Cependant, selon les dernières avancées du WebXR; d’ici quelques mois, ArCore et ArKit seront bientôt disponibles dans les navigateurs web.

Les dernières avancées scientifiques dans le domaine de la vision, nous amènent aujourd’hui à un nouvel objectif : celui d’étendre l’utilisation de la caméra afin d’en faire bénéficier notre système de positionnement absolu.

La relocalisation par vision : premiers concepts

Pour définir la notion de relocalisation par vision, prenons un exemple simple :

Un opérateur parcourt tout un magasin avec un dispositif d’acquisition vidéo équipé d’une ou de plusieurs caméras. Ces images sont analysées puis un nuage de points 3D du magasin est créé grâce à un algorithme et enregistré dans le cloud. C’est la phase offline.

Un client à besoin de se géolocaliser dans le magasin. Il prend son téléphone, ouvre l’application du magasin et, en relevant son téléphone, affiche une vue caméra du rayon dans lequel il se trouve. En moins d’une seconde une photo est envoyée dans le cloud, analysée par le serveur de relocalisation qui calcule la position et l’orientation dans laquelle la photo a été prise et les renvoie au téléphone. Le client peut alors commencer une expérience de réalité augmentée géolocalisée ou visualiser sa position sur une carte 2D. C’est la phase online.

Ce processus est celui de la relocalisation par vision.

Le processus de relocalisation par vision est composé de deux phases : (1) la phase offline, où s’effectue une acquisition de l’environnement, et (2) la phase online, où la position est restituée.

La phase offline consiste à créer un nuage de points 3D géolocalisés à partir des images acquises par le dispositif vidéo. Les deux grandes approches qui traitent le problème de reconstruction 3D en vision par ordinateur sont le SfM (Structure from Motion) et le SLAM. Les deux approches se ressemblent par leurs algorithmes mais leurs domaines d’applications sont souvent différents. Le SLAM a été historiquement conçu pour fonctionner en temps réel et utiliser le flux vidéo provenant d’une caméra. Les algorithmes de type SfM utilisent a contrario des images acquises à des distances et des angles de vue raisonnablement différents, puis la reconstruction est effectuée post-traitement. Chacune des deux approches a des avantages et des inconvénients en fonction des scénarios à couvrir (contexte, luminosité, surface à couvrir…).

Une fois le nuage de point créé il est alors géo-référencé puis sauvegardé sur un serveur.

La phase online est celle qui concerne l’utilisateur final. L’utilisateur est d’abord invité à parcourir son environnement avec sa caméra, ce qui permet de prendre une courte vidéo de son environnement proche. Une (ou plusieurs) images sont extraites de la vidéo car elles comportent beaucoup de points caractéristiques. Chaque image est alors envoyée au serveur de relocalisation, elle est comparée avec l’ensemble des images qui ont permis la construction du nuage de points 3D (best matching). La ou les images qui sont estimées les plus proches — de celle qui a été envoyée par l’utilisateur — sont utilisées pour calculer la géo-pose de cette nouvelle image (triangulation). Cette géo-pose est ensuite renvoyée au dispositif de l’utilisateur puis utilisée à des fins de réalité augmentée, navigation ou géolocalisation.

Note : Le calcul de la géo-pose via le serveur de relocalisation peut parfois prendre un peu de temps (> 100 ms) à cause de la complexité des calculs et de la vitesse de connexion. Pendant cette période, l’utilisateur peut avoir fait beaucoup de mouvements (surtout en rotation) avec son dispositif. Il est donc souhaitable de coupler un tel système de relocalisation avec un système de SLAM (typiquement ArCore/ArKit) pour prendre le relai et calculer les transformations dans cet intervalle de temps.

L’émergence de la relocalisation par vision sur smartphone

La relocalisation par vision est une approche qui existe déjà depuis quelques années dans le milieu de la recherche et notamment dans le domaine de la robotique, qui permet de concevoir d’utiliser la vision par ordinateur (computer vision) dans des environnements contrôlés (mouvement de l’appareil, taille de l’espace considéré, etc). Le smartphone utilisable dans un environnement illimité et avec des degrés de liberté dans toutes les directions cumule les difficultés pour les informaticiens.

C’est en 2019 que l’on découvre pour la première fois la relocalisation par vision sur smartphone, principalement grâce à Google et son produit “Google Maps AR (beta)” qui utilise la technologie VPS (Visual Positioning Service) pour préciser en extérieur le blue dot et l’orientation grâce aux images de la caméra.

Une telle application a été rendue possible à la fois grâce à des algorithmes de relocalisation par vision robustes, mais aussi et surtout grâce à la quantité d’images que Google a récolté pendant des années avec les voitures utilisées pour leur produit StreetView.

Nous n’en sommes encore qu’aux prémisses des services de positionnement ou des expériences de réalité augmentée que permettra cette reconnaissance de l’environnement : les technologies sous-jacentes sont encore en maturation et la relocalisation est proposée dans des scénarios limités.

En effet les défis posés par la relocalisation en termes de computer vision sont multiples. En particulier les algorithmes de construction de points 3D que nous connaissons aujourd’hui exigent de faire des compromis entre rapidité, précision et environnement d’utilisation.

Les différents acteurs de la réalité augmentée ne vont pas nécessairement avoir besoin du même pipeline pour construire leurs nuages de points 3D géolocalisés.

Ainsi, Google avait déjà dans sa banque de données des photos 360 issues de leur produit Google Street View. Ces photos ont la particularité (i) d’avoir été acquises par des caméras placées sur le toit d’une voiture et (ii) d’être géolocalisées par GNSS. C’est pourquoi Google a vraisemblablement utilisé un algorithme de type SfM pour la construction de son nuage de points. L’utilisation de fonctions d’optical flow — typiques du SLAM — aurait fourni de mauvais résultats car les images ont été prises à des distances et des angles sensiblement différents.

Or en vision par ordinateur, les comparaisons d’images ne sont possibles que si les types de caméras (perspective, fisheye ou 360) sont similaires. Cela implique, dans un cas comme celui de Google, de devoir adapter le pipeline pour prendre en compte ces transformations géométriques et optiques complexes de sorte que phase offline et phase online puissent être réalisées sur des appareils très différents.

A contrario, chez le développeur de jeux Niantic, bien que proche de l’univers Google, ce sont les joueurs qui font l’acquisition (phase offline) directement avec leur smartphones (caméra perspective + position GNSS). Dans ce cas, l’algorithme à utiliser pour la reconstruction du nuage de points est plutôt du type SLAM. Les images sont issues d’une vidéo et sont strictement ordonnées, il est alors possible d’utiliser des fonctions d’optical flow pour améliorer et accélérer le processus de reconstruction.

Niantic veut créer une “plateforme du monde réel” pour crowdsourcer les phases offline et partager des expériences de réalité augmentée (Niantic a d’ailleurs fait l’acquisition de 6d.ai en 2020).

Depuis 2019 d’autres géants du web ce sont aussi lancés dans la course à un nuage de points 3D global parmi lesquels :

• Facebook qui a annoncé vouloir cartographie la planète pour leurs lunettes AR et a fait l’acquisition des start-ups Scape Technologies et Mapillary en 2020 ;
• Huawei qui lance Cyberverse, un système de cartographie 3D dans le cloud pour la réalité augmentée ;
• et bien sûr Apple et Microsoft avec les Azure Spatial Anchors.

Chacun de ces géants déclare vouloir créer un système de relocalisation propriétaire et générer son propre nuage de points 3D planétaire. Malheureusement la réutilisation de ce nuage de points 3D depuis des applications mobiles sera réservée aux différents produits de ces marques (Google Maps AR, Pokémon GO, etc) ou sera limitée en termes de fonctionnalités (Apple, Microsoft ASA, etc). Par ailleurs une telle approche ne va pas sans soulever de nombreuses questions de vie privée et de propriété de l’information.

Plutôt que de construire des services fermés et propriétaires nous pensons que la relocalisation par vision doit relever d’une approche ouverte avec une mise en commun des ressources.

De la même manière qu’aujourd’hui OpenStreetMap crée un commun de données cartographiques mondiales auquel même les plus grands acteurs s’associent, un nouveau consensus est possible dans le monde libre et open source pour la relocalisation par vision. C’est pour cela que Wemap a rejoint l’association OpenARCloud pour garantir une inter-opérabilité des données et des techniques de “spatial computing” et que nous sommes partenaires de XR4All qui promeut des frameworks open source en computer vision appliquée à la réalité augmentée. Nous reviendrons sur ces enjeux sectoriels et ces principes dans un futur post.

La relocalisation par vision : vers un système de positionnement “universel” ?

Au sein de la technologie Wemap la relocalisation est abordée en tant que signal absolu qui vient compléter un système de positionnement en l’absence d’alternative. En extérieur le signal GNSS et le magnétomètre fusionnés suffisent en première approximation. C’est pourquoi nous concentrons nos travaux sur la relocalisation par vision là où le GNSS n’est pas disponible et, en particulier, dans les espaces intérieurs.

La relocalisation par vision est une solution incontournable dans plusieurs types de lieux où le signal GNSS est absent ou très dégradé : gares, centre commerciaux, magasins, bureaux.

Contrairement aux captures en extérieur où le changement d’éclairage (dû à la position du soleil) est une source majeure de problèmes pour la comparaison des descripteurs, les environnements dans lesquels nous travaillons ont une source de lumière beaucoup plus contrôlée. Cela évite d’effectuer des acquisitions à différents moments de la journée comme il est courant de le faire en extérieur.

Les challenges propres aux scénarios d’utilisation en intérieur sont nombreux, pour n’en citer que quelques uns :

• Les espaces “manufacturés” tels que les couloirs des gares sont des zones très sombres avec des motifs souvent très répétitifs ce qui la reconnaissance très difficile ;
• Les environnements intérieurs peuvent être changeants avec des rythmes rapides et sans prévisibilité (au contraire des éléments de scène extérieurs tels que les arbres, voitures ou formes humaines, dont le traitement en computer vision est déjà très documenté). Ainsi dans un magasin, régulièrement les produits sont retirés et ajoutés aux étagères, la scène est très dynamique ;
• Les halls des centres commerciaux sont des espaces souvent bondés et la présence de ces personnes cache souvent des zones clés qui sont décisives pour la relocalisation ;
• Les vitrines sont des surfaces réfléchissantes qui sont presque impossibles à prendre en compte dans les algorithmes de vision.

Pour isoler ces zones d’incertitudes et garantir une robustesse au système que nous mettons en place, nous nous focalisons sur le fait de proposer des descripteurs robustes et spécifiques aux différents scénarios d’utilisation en intérieur. Ces sujets sont très étudiés par la communauté scientifique actuelle [voir Alismail et al., Riazuelo et al.]. Pour ces raisons, nous travaillons avec certains des meilleurs instituts français de la recherche dans le domaine de la reconstruction par vision.

In fine, comme c’est le cas pour les autres signaux de positionnement absolu utilisés au sein de Wemap, nous fusionnons les données de l’approche par vision avec d’autres signaux tels que le Wi-Fi, le Bluetooth, le champ magnétique, etc. Cela permet à la fois d’être plus rapide lorsque les zones à couvrir sont très grandes, et de régler les problèmes d’ambiguïté lorsque des motifs se ressemblent.

Conclusion

Les défis techniques liés à la variété des environnements visuels sont nombreux. La relocalisation par vision sera une solution modulaire, avec des approches algorithmiques dépendantes des lieux d’utilisation : espaces publics, bureaux, extérieur, etc.

A terme, même sans solution algorithmique unique qui couvre tous les environnements et scénarios d’utilisation, la relocalisation par vision va devenir une solution centrale dans tout système de positionnement universel.

Dès aujourd’hui grâce à la relocalisation par vision nous pouvons amener des expériences et des services innovants de navigation, de guidage et de réalité augmentée dans des lieux dépourvus de localisation.

Vous voulez en savoir plus ou vous avez des questions sur la relocalisation par vision, écrivez-nous à research@getwemap.com :)

Relocalisation par Vision (Computer Vision) was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

We talk about mobile sensors, maps, machine learning and databases, web and mobile development, orientation and positioning systems, buildings and cities, and much more :)

In this blogpost we will dive into the technical issues of the hybrid geolocation system we have set up to achieve geolocated augmented reality (Geo AR). We will explain how our system uses the fusion of data coming from smartphone sensors and also the mapping.

As a reminder, in order to carry out Geo AR, the most common approach consists in combining data coming from: (1) GNSS (GPS, GLONASS, Galileo, etc.) and (2) the smartphone inertial measurement unit (accelerometer, gyroscope, magnetometer). GNSS makes it possible to know the phone’s position while the inertial measurement unit (IMU) makes it possible to estimate the phone’s orientation (north, east, up, down, etc.). The combination of position and orientation is called geo-pose.

In our previous blogpost we did an extensive review of fusion algorithms to combine the IMU sensors and estimate the correct orientation of the smartphone in a web browser, you can read it here. In this new blogpost we will focus on estimating the geo-pose second component: the smartphone position.

How to estimate the position of a smartphone?

Over the past ten years or so, we have seen the birth of many applications that use geolocation (interactive maps, targeted advertising, local information, etc.). How is this position calculated? And how can we use it to do Geo AR?

The position of a smartphone

The position of a smartphone has to be considered within a well-defined frame of reference, the one we use for our maps and the Geo AR is the Earth reference frame. In most cases, a position on the Earth frame is defined by the geodetic system WGS84 (latitude, longitude, altitude). For example the position of Paris is defined by {latitude = 48.85 °, longitude = 2.34 °, altitude = 35m}. In our analysis, we will call a position defined on the Earth frame an absolute position. The absolute position of the smartphone can easily be retrieved if it is equipped by a Global Navigation Satellite System (GNSS).

GNSS Positioning and its limitations

Depending on the GNSS sensor integrated in the smartphone hardware, it is able to receive signals from different satellite constellations: GPS (American), GLONASS (Russian), BeiDou (Chinese) and Galileo (European). These signals are processed by the smartphone and then a trilateration algorithm deduces an absolute position. It is the propagation time of the radio waves between the satellite and the smartphone that is used to reconstruct the position.

Data from GNSS can be of good quality (<5 meters) when the device is in an open space (a field, a beach, etc.). If the signal between the satellite and the smartphone is obstructed or deflected by an object (building, cliff, etc.), the position estimate will be altered. For example, in a city the average accuracy falls to 15 meters.

Inside a building, using a GNSS becomes almost impossible. A smartphone user can get signals when close to a window, but will lose any signal when moving away from it. We must therefore find other ways to position the device in indoor use cases.

Other positioning technologies

In this article we will not describe in detail all the existing geolocation technologies but only those that can be implemented for Geo AR. If you wish to look into geolocation topics more extensively, you should read this overview from the INRIA research lab.

To date, GNSS is the only approach that allows geolocation on the whole planet. However, there are other geolocation systems that cover much smaller areas. In particular, they were created to geolocate objects where GNSS signals cannot be received. For example, WiFi routers and bluetooth beacons are devices that constantly emit radio signals, they can be used to determine the position of the smartphone. In particular, Google uses them (in addition to GNSS) for localization on the Android platform. Research benchmarks in scientific literature show an 5–7 meters accuracy of these approaches.

Their reliability depends above all on the density of beacons installed and the environment in which they operate (hall, corridors, multi-storey, etc.).

Generally, these “local” systems return positions defined in a local frame chosen by the installer. The installer defines an origin point as well as an orientation, then all returned positions are relative to that origin point, for example {x = 53.2m, y = 18.9m, z = 1.5m}. The advantage of this type of system is that when the position and the orientation of only one of the local points are known in the Earth frame — a step called georeferencing — , the system is able to estimate all the future positions in the Earth frame. We call this type of positioning system: indirect absolute.

The specific requirements of AR Positioning

Until today, geolocation systems have mostly been designed to visualize the user’s position on a 2D map. The position is often represented by a blue dot and a confidence circle which corresponds to the uncertainty of the calculation. Using the systems described above, with an average positioning accuracy of 5 to 15 meters, users can quickly understand their location on a map. The circle of confidence is at least as important an element as the blue dot, because it allows the user to theoretically compensate for a possible error of the positioning system.

Now let’s take a look at positioning in Geo AR. As a reminder, the principle is to offer virtual content (in a 3D rendering engine) which overlay the real content (the video stream from the camera). To provide a truly immersive experience, the challenge is to estimate the geo-pose of the camera as precisely as possible so that the virtual content and the video stream are perfectly aligned on screen, in other words, they have to be in the exact same referential.

There are two main reasons why this issue is absolutely critical in AR:

• Firstly, unlike a 2D map and its accuracy visual feedback, there is no way to visualize imprecision through a UI (User Interface) element in Augmented Reality. The geo-pose estimated by the positioning engine is directly used by the rendering engine to align the virtual 3D scene. An error of a few meters or a few degrees in the positioning system could result in a great inaccuracy in the virtual environment: shifted objects, missing data, a path that goes into a wall… The experience can be degraded and the service provided to smartphone users, made void.

• The second issue arises from the low frequency of position updates. Typically, a position from one of the absolute systems described above is received every 3 seconds, which corresponds to an update of the position in the virtual scene every 3 seconds as well. On a 2D map, a small jump in position every 3 seconds does not pose too much of a visualization problem; however, in Geo AR, you need a much higher frequency to make the experience smooth and immersive.

This is why relative positioning systems are indispensable for a successful Geo AR experience. A relative positioning system is a method of navigation that consists of estimating the new position of a device by using its last known position and a measure of the device’s displacement, using data returned by the sensors. These systems are both precise and fluid but are of no use for real-world navigation if they are not tied to an absolute system to provide a position in the Earth frame.

The most common system is Pedestrian Dead Reckoning (PDR). It works by combining data from a pedometer (step detection and step size) and a magnetometer (compass) in order to reconstruct the path of the device. For example: {one step of 75cm, at 28 ° north}, 500ms later: {one step of 73cm, at 26 ° north} …

There is a second relative positioning system that is getting more common in our smartphones: it is visual odometry with IMU or Visual Inertial Odometry (VIO). The device calculates a new position using the video feed from the camera, the accelerometer and the gyroscope. These types of algorithms can be found natively in libraries like ArCore (Google) and ArKit (Apple).

The PDR makes it possible to obtain a new position with each new step, i.e. around 2Hz. For the VIO, the refresh rate is even higher, a new position is estimated at around 30Hz.

The fusion of relative and absolute positioning systems then becomes very interesting. This allows, on the one hand, to have a position update much more frequently than the absolute positioning alone, and on the other hand, to isolate the areas of uncertainties created by the jumps of the absolute system to improve the precision.

Position estimation in web browsers

Implementing the approaches described in this blogpost is always feasible in a native iOS or Android application (although the analysis of WiFi signals for geolocation is not available on iOS). Web browsers on the other hand provide very little sensor access to developers. We saw in our previous blogpost how to use the devicemotion, deviceorientation and deviceabsoluteorientation events to obtain data from the IMU. The web consortium regularly offers new specifications to open access to sensors (Geolocation API, Wifi Information API, Web Bluetooth API, Sensor APIs, WebXR Device API, etc.), but unfortunately, web browsers do not always integrate them. Only the Geolocation API and events “device[…]” are generic enough to be usable by a web app today. We will come back to their uses in the next section.

Constraints

Although it is possible to retrieve some data for geolocation through the functions available on browsers, it is not always easy to use them to create a positioning engine specifically for Geo AR:

• The Geolocation API enables subscription to position updates using the watchPosition method. This position, in WGS84 format, can come from different technologies (GNSS, WiFi, Cellular, IP?) or even from the fusion of some of them. Unfortunately, it is impossible to know its exact source, the operation of the Geolocation API is a black box. This complicates the development of geolocation algorithms because, since it is impossible to separate the sources, the fusion with other technologies can only be crude. For example, we do not rely on the watchPosition function to know if the user is in a building or outside; unlike the native GNSS sensor which, in the absence of returned data, leads us to assume that the user is inside a building (because the walls block signals).
• To develop a PDR algorithm it is necessary to have access to the accelerometer, the gyroscope and the smartphone orientation. This is possible but the constraints are the same as those described in an earlier blog post.
• While Google promotes the integration of Arcore on the web, there isn’t much of an off-the-shelf VIO API for the web that is usable today. We might want to rebuild these algorithms, but their complexities and the limits of access to sensors due to the web make their implementation inefficient.
• Web workers allow web apps greater flexibility thanks to the support of multi-threading. However, neither the IMU nor the camera are accessible in a web worker. Although the data can be transferred by message to a web worker, if the main thread does a big calculation which blocks the sending of messages, a lot of data will be lost and some algorithms requiring high frequency data input like those for rebuilding the orientation cannot guarantee good results.

Despite these limitations, the creation of a positioning engine for the Geo AR remains possible: using map data is a key to improve performance.

Map-matching: maps to help positioning

Whether outdoors or indoors, modeling our environment to represent it on a map takes time, a lot of time. However, this time spent, which naturally makes it possible to obtain a nice map, can also improve the positioning engine. There are two approaches that can be used in our GeoAR context.

The first — which is very CPU intensive — is the particle filter. The principle is (1) to randomly generate particles around the initial position (typically a Gaussian distribution), (2) to move all the particles in the direction of travel, (3) to give a very low probability or remove the particles that have passed through an impassable element (such as a wall), (4) re-generate particles to reach the same number (of particles) as the initial step, then start the process again at step (2).

The second approach, Point to Network, assumes that the user travels over a network of segments. This network of segments can either be generated automatically or manually extracted from the map. The principle is to project the estimated position on the nearest network segment and to consider this new position as the user’s position. To avoid certain issues, an improvement is to ignore (in the algorithm) the segments of the network which are not in the same direction as the displacement.

We are familiar with such an approach in our cars where it is almost always implemented in conjunction with the GPS. For pedestrians, its use is rather complex since it is difficult to model the entire environment by segments, for example: pedestrian squares or halls. However, when the user has to follow a well-defined route (navigation), then this approach becomes very efficient.

Our approach

Today scientific research on positioning and navigation systems is very active. The latest advances in this area are regularly published in the international IPIN (Indoor Positioning and Indoor Navigation) conference [disclaimer: I am part of the IPIN review committee]. There are regular competitions to evaluate and compare the behavior of algorithms in a real environment (shopping centers, factories, stores, etc.). However, the research and development of algorithms embedded in a smartphone on the one hand and augmented reality on the other hand (see above) concentrate the most advanced technological challenges, which has led us to develop an original approach, inspired by the most recent advances in the field.

For example the step detection algorithms in the scientific literature are implemented to segment the way in which the phone is held (on the ear, in a bag, arm stretched, in the pocket, etc.) to have a good quality detection. In our case, not all of these modes are necessary, they could even add instability. However, it is important that we consider “augmented reality” type movements, that is, trying not to have step detection when the user interrogates the virtual environment around them without moving. And believe me, it’s not easy to isolate this behavior when the only signals available are the accelerometer and gyroscope! To do this, we carried out tests on user samples to observe their behavior with an augmented reality application (navigate without AR, navigate with AR, query the surroundings to discover virtual information, etc.) and recorded the data from the sensors. At the same time, we have annotated the different phases of the user’s movement in order to use them as ground truth for the comparison of algorithms.

It is thanks to this type of analysis that we have been able to improve our algorithms and gradually gain in accuracy.

However the ultimate objective is to guide a user in the real world through Augmented Reality: having high accuracy is a good thing, but exactitude can sometimes be detrimental to the quality of the user experience. That is why we had to make trade-offs within heuristics between the precision of the positioning engine and the immersivity of the virtual scene engine. For example when the user is asked to follow a proposed route, an assumption must be made to distinguish a deviation that has to be corrected through map-matching and an explicit distancing that has to “suspend” map matching. This can lead, in some cases, to give a greater weight to map-matching system, even if it means losing a little accuracy.

Another best practice for 2D positioning is position interpolation. It is used to ensure a fluid movement of the blue dot. It is all the more important in AR because a jump in the position also leads to a jump in the virtual scene and therefore ruins the user experience.

Ultimately, our approach aims to combine both portability and performance, so our system works both in a web environment and in a native environment. In order to benefit from the features of a native environment we have designed our system so that it can also integrate resources and data that are natively accessible such as WiFi, Bluetooth and VIO. The data from these technologies are transferred directly to our positioning engine, where they are taken into account to improve accuracy. The engine has been designed to automatically adapt to the different types of data it receives and provide the best possible experience regardless of the usage environment.

Conclusion

The web is a complex environment where sensor access limitations constrain the development of geolocation algorithms, yet it is still possible to provide a lightweight and immersive AR experience. The filters described above (with the notable exception of the VIO) are not very resource intensive compared to an approach based on image processing, this gives a significant advantage for their web implementation. Contact us if you would like more information.

Geo AR, the challenges of navigation from the web browser was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.

France’s Ministry of Culture’s annual ‘Rendez-vous aux Jardins’ is a traditional kick-off to a series of summer ‘mega-events’ that help drive people across France to events hosted in gardens across the country.

Working in close collaboration with Wemap, the Ministry of Culture was able to generate significant engagement relative to the events through the implementation of a user-friendly smart map.

User-focused front-end

Upon landing on the page, the user is welcomed by a simple-yet-elegant welcome card to help narrow down the number of events by selecting dates and by sharing one’s location.

In addition, the easy-to-use ‘Nos Selections’ button enables users to quickly view events as currated by trusted brands associated with the event. With over 3,500 events, providing a quick way for users to access highly a highly qualified and relevant selection is imperative.

Finally, the well-designed presentation of useful information such as directions, links to a website, phone number and cost to say nothing of the placement of attractive images make each event point an engaging piece-of-content.

Ingesting the large event-related dataset and producing a user-experience that anticipates the user’s needs — date, type of event, location, selections, etc. — delivers engaging interface that produces results.

Exceptional metrics across-the-board

Distribution made-easy — by making it as easy as possible for a third-party to embed the desired view of the map onto their website, the French Ministry of Culture was able to take advantage of built-in platform framework of Wemap to generate 30% more views through partner websites.

Very, very engaged users — over 10 actions (opens, shares, directions) and a peak of over 4 minutes on-site. No matter where they were or what device they were using; across the organically created platform of embedded maps, users were exceptionally engaged with the “Rendez-vous aux Jardins” content.

Popular with a wide-swath of the audience— Across all devices and browsers, 44% (28k out of 64k total sessions) of all visits generated a direct engagement with the content on the map itself. This demonstrates the utility and effectiveness of presenting geo-located information via a smart map as a means to effectively delivering information to one’s online audience.

No matter where or when your events take place, presenting them via a smart map enables any event organizer or promoter to tailor the experience to maximize user engagement with the content.

Further integration with direct booking services, calls-to-action and third-party affiliate integrations deliver desired services to your users as well; generating goodwill and increased revenues.

You want additional information? Please reach out :))

***

Wemap developed a breakthrough map technology that has been adopted in a few months by global leaders like Air France, Hachette and ministère de la Culture et de la Communication. The French-American start-up is building a mapping platform to offer individuals and organizations a bridge to the real world: combining meaningful information and practical services. Wemap combines an intuitive user experience and a powerful tool to connect a map to any sources and publish it. By empowering publishers to create and embed live maps with their content in minutes, Wemap has already reached 250 million views.

Getting ‘Green Thumbs’ to local gardening events was originally published in Wemap on Medium, where people are continuing the conversation by highlighting and responding to this story.