直接答案：Mapillary 适合需要自行采集、共享和调用街景影像的地图编辑者、研究团队与机构。它的核心不是“自动生成一张精确 3D 地图”，而是接收带时间和位置的影像，完成隐私模糊、影像关联、计算机视觉与地图要素处理，再通过网页、GIS 集成或 API 提供结果。正式项目应先用一小段路线验证定位、画质、许可、隐私和接口产物，不能把平台识别结果直接当作权威资产台账。
| 你的目标 | Mapillary 是否合适 | 优先入口 | 关键限制 |
|---|---|---|---|
| 补充 OpenStreetMap 缺失的道路、标志或门牌线索 | 适合 | 手机采集 + OSM 编辑器 | 影像只是证据，仍需人工判断和遵守 OSM 规则 |
| 定期巡查道路或公共设施变化 | 有条件适合 | 批量采集 + API/GIS | 需固定路线、设备、时间和复核方法 |
| 发布可浏览的自有街景 | 适合试点 | App、Desktop Uploader | 上传后涉及公开共享、署名与隐私责任 |
| 训练商业自动驾驶模型 | 不能仅凭公开影像判断 | 先做许可与数据合同审查 | 影像许可、派生数据和研究数据集不是同一套权利 |
| 获得测绘级坐标或自动生成权威资产清单 | 通常不合适 | 专业测绘或现场核验 | 众包影像与视觉检测不等于测绘成果 |
Mapillary 是什么？它的 AI 处理了什么？
Mapillary 官方把产品定义为“由计算机视觉驱动的众包街景影像平台”。用户可以用手机、运动相机、行车记录仪或 360° 相机采集带位置的影像，平台负责托管、连接相邻图像并提取部分地图特征。官方概览见 Mapillary 产品介绍。这与 Google Maps 中浏览官方街景的常见体验不同：Mapillary 更强调用户自采、开放浏览、地图编辑和开发者集成。
上传后的工作不是一个黑盒“AI 增强”按钮。官方的 影像处理阶段说明 把流程拆成摄取、影像处理、地图数据处理与地图更新。摄取阶段读取元数据并执行人脸和车牌模糊；影像处理阶段运行视觉算法、检测对象并建立点云；地图数据处理会结合附近的新旧数据生成特征；地图更新后，覆盖图层和新瓦片才逐步可用。
| 层级 | 主要输入 | 可见产物 | 不能直接推导的结论 |
|---|---|---|---|
| 采集影像 | 像素、时间、GPS、方向 | 照片或视频帧及路线 | 位置绝对准确、内容完整 |
| 隐私与影像处理 | 上传文件与元数据 | 模糊影像、可导航序列、点云等处理结果 | 所有敏感信息都已正确遮挡 |
| 地图数据处理 | 附近多批次影像与视觉结果 | 交通标志、点状特征等可查询数据 | 目标真实存在、状态仍然有效 |
| 业务应用 | 影像、API 数据、现场资料 | 巡检候选、编辑线索、可视化 | 自动形成合规或工程验收结论 |
因此，“Mapillary 使用 3D 和 AI”是真实的产品能力描述，但“它自动把任何上传内容拼成准确 3D 地图”是过度简化。对多模态模型如何把图像与空间上下文组织成可用信息感兴趣，可延伸阅读本站的 多模态 AI 输入、评估与部署指南；Mapillary 项目仍需用地理数据自己的误差指标验证。
采集前先设计什么？
一次有效采集应从“要回答什么问题”开始，而不是从“沿路多拍一些”开始。例如，想判断交通标志是否缺失，就要定义路线、行驶方向、拍摄日期、相机高度、遮挡处理、复核人以及如何记录“看不清”。若想做季度变化对比，则需要尽量固定路线与采集条件，并保留批次和设备信息。
| 设计项 | 最低要求 | 验收证据 | 常见失败 |
|---|---|---|---|
| 问题定义 | 明确要观察的对象和时间范围 | 一页采集说明 | 采完才决定用途 |
| 合法路线 | 只在允许拍摄和通行区域采集 | 路线审批或公开道路依据 | 进入受限区域、近距离拍摄个人 |
| 定位与时间 | GPS 和时间连续、设备已同步 | EXIF/GPX 抽查 | 漂移、跳点、时钟错误 |
| 画面质量 | 方向正确、曝光可用、重叠充分 | 上传前样本预览 | 反光、模糊、挡风玻璃遮挡 |
| 隐私审查 | 主动避开敏感对象并人工预检 | 删除与模糊记录 | 把自动模糊当成唯一防线 |
| 回滚能力 | 保留批次、文件和上传记录 | 批次清单与责任人 | 发现问题后无法定位影像 |
如何采集与上传 Mapillary 影像？
根据官方 上传影像说明，影像至少需要位置和时间信息，通常保存在 EXIF 中；平台支持手机应用、Desktop Uploader 和命令行 Mapillary Tools。官方页面还说明单张图像分辨率存在上限，处理通常需要等待，具体状态应以个人 feed 或网页资料页显示为准，而不是以本文写死的时长判断故障。
| 入口 | 适合谁 | 优势 | 先检查什么 |
|---|---|---|---|
| Mapillary 手机 App | 步行、骑行和小规模试拍 | 采集和定位流程集中 | 电量、存储、上传网络与路线安全 |
| Desktop Uploader | 运动相机、360 相机、行车记录仪用户 | 可预览位置、时间、方向和上传历史 | 文件是否已带地理信息，视频 GPX 是否对应 |
| Mapillary Tools | 大批量与需要自动化预处理的团队 | 可检查、抽帧、去重和自定义序列切分 | 版本、参数、访问令牌和失败重试日志 |
| 组织工作区 | 多人持续采集项目 | 便于区分个人与组织批次 | 成员、目标账户、数据责任和离职交接 |
一条低风险的首次试点路径
- 选一段 500 米至 1 公里的公开路线，只定义一个观察任务，例如“记录路口交通标志可见性”。
- 在设备上校准时间，确认 GPS 记录和相机方向；先拍 20 至 50 张样本。
- 回到安全地点检查模糊、曝光、遮挡、定位漂移和不应公开的画面，删除不合格文件。
- 选择上传入口。桌面端的预览、位置修正与失败重试流程可参考官方 Desktop Uploader 完整指南。
- 先上传一个小批次，等待各处理阶段完成，再检查网页中的位置、方向、模糊和序列衔接。
- 记录通过率和问题类型；只有小批验收通过，才扩大路线。大规模或视频抽帧可再采用官方 Mapillary Tools 指南。
若计划让自动化程序持续上传、检索或写入业务系统，应采用与本站 多工具编排生产控制方法 相同的思路：先限定输入和权限，记录批次、参数、结果与失败原因，再逐步增加自动化范围。
Mapillary API 能拿到什么？
开发者通常需要三类能力：查询影像及其字段、在网页中展示街景、读取覆盖或地图要素瓦片。Mapillary API v4 及相关工具的具体字段、令牌和版本会变化，项目应以 Mapillary 开发者文档 为准。官方维护的 MapillaryJS 用于构建浏览器街景体验，Mapillary Python SDK 则为 API v4 查询提供封装；采用前要检查仓库版本、开放问题和许可证。
| 需求 | 候选接口/工具 | 返回内容 | 业务侧必须补充 |
|---|---|---|---|
| 在范围内找可用影像 | Graph/API 查询 | 影像标识、位置、时间及请求字段 | 时间窗、坐标误差和空结果处理 |
| 在网页中浏览街景 | MapillaryJS | 交互式影像查看体验 | 访问令牌保护、加载失败与署名 |
| 显示覆盖或序列 | Vector Tiles | 瓦片化的影像、序列等图层 | 缩放级别、缓存、去重和版本 |
| 读取交通标志等特征 | Map features / computed tiles | 模型生成的候选特征 | 置信、时间、现场或人工复核 |
| 批量分析 | Python SDK 或自建 ETL | 结构化 GeoJSON/表格 | 配额、分页、重试、血缘和删除同步 |
官方 Python SDK 文档说明，矢量瓦片遵循 Mapbox 瓦片规范，并包含 image、sequence、traffic sign、map feature 等图层入口，示例见 Vector Tiles API 适配器文档。但接口“能返回一个特征”不等于它适合自动更新资产系统。涉及交通、安全或费用的动作，应保留人工复核和撤销通道；有关模型输出的证据核验，可参考本站 AI 事实核验与幻觉控制框架。
隐私：自动模糊之后还需要做什么？
Mapillary 表示上传后会自动模糊人脸和车牌，但官方 隐私说明 同时要求尽量避免近距离拍人，只在不受限制区域采集，并允许公众举报可能侵犯隐私的影像。换言之，自动模糊是补救层，不是拍摄合法性、最小化收集和上传前人工检查的替代品。
| 风险 | 自动处理能做什么 | 采集者仍需做什么 | 发现问题后 |
|---|---|---|---|
| 人脸与车牌 | 平台尝试自动模糊 | 避免特写，上传前抽查 | 使用 Blur Editor 或报告影像 |
| 住宅、院落和敏感设施 | 不保证自动识别为敏感 | 评估是否应拍、应公开或应删除 | 申请额外模糊或删除 |
| 儿童、事故和医疗场景 | 不能替代情境判断 | 停止采集并执行更严格审查 | 优先撤下，不等待投诉 |
| 位置与时间轨迹 | 是平台工作的必要元数据 | 评估路线是否暴露人员或机构规律 | 按批次定位并处置 |
| 模型漏模糊 | 可能在后续请求中改进 | 不能假设零漏检 | 按官方模糊编辑流程提交 |
官方的 Blur Editor 说明 列出了应模糊的人脸、车牌和私密内容，也说明交通标志、广告牌等通常不应因普通模糊请求被遮盖。机构项目还应建立“谁采集、谁初审、谁批准上传、谁响应删除”的责任表。内容治理不只适用于文字；本站的 内容审核分层与申诉流程 也可用于设计影像复核队列。
许可与署名：影像、元数据、模型数据集不能混用
许可是旧版教程最容易写错的部分。Mapillary 官方 CC BY-SA 影像说明 表示，贡献者仍拥有自己上传影像的权利，平台影像以 CC BY-SA 方式共享，复用时需要署名，并可能触发相同方式共享的要求。实际产品还要同时阅读当时有效的服务条款，不能只摘取“免费使用”四个字。
| 资产 | 典型来源 | 项目动作 | 不要做的假设 |
|---|---|---|---|
| 自己的原始影像 | 自有设备 | 保留原片、同意记录和内部权限 | 上传后所有合规责任自动转移给平台 |
| Mapillary 平台影像 | 他人贡献页面/API | 记录影像链接、作者和许可，按要求署名 | “能浏览”就等于无条件商用 |
| 为 OSM 编辑提取的元数据 | 影像人工判读 | 遵守 OSM contributor terms 和来源标注 | 可直接变成任意闭源数据库 |
| 平台计算特征/API 结果 | 视觉处理与瓦片 | 核对接口条款、字段来源和再分发条件 | 与原始影像拥有完全相同许可 |
| 单独发布的研究数据集 | Mapillary 数据集页面 | 逐项阅读该数据集专用许可证 | 可套用普通平台影像许可 |
用于 OpenStreetMap 时，官方 OSM 兼容说明 给出了派生元数据和来源标注的条件。若项目涉及商业训练、人员轨迹、敏感地点或跨境传输，应让法务和隐私负责人依据实际地区、合同和用途审查；本文提供的是产品与工作流解释，不构成法律意见。
Mapillary、Google Street View 与自建方案怎么选？
不存在脱离任务的“最佳街景平台”。Mapillary 强项是众包采集、开放浏览、OSM 工作流和开发接口；Google Street View 更适合把符合要求的 360° 户外内容发布到 Google Maps 生态；自建对象存储和 GIS 则提供更强的访问控制，但团队必须自己承担隐私模糊、浏览器、切片、检索、模型和运维。
| 选择 | 优先场景 | 你获得什么 | 主要代价 |
|---|---|---|---|
| Mapillary | 众包街景、地图编辑、公开项目、API 试验 | 现成采集、处理、浏览与开发生态 | 公开共享、条款、接口和平台依赖 |
| Google Street View Studio | 向 Google Maps 发布合规的户外 360° 视频 | Google Maps 中的街景展示 | 格式、GPS、内容政策与处理流程约束 |
| 自建街景/GIS | 私有巡检、敏感园区、定制资产流程 | 数据位置、权限和模型选择可控 | 工程、合规、存储、检索和长期维护 |
| 专业测绘服务 | 要求精度、资质或可用于工程决策 | 按合同定义的设备、方法和成果 | 成本、采购周期和范围约束 |
Google 官方说明，Street View Studio 接受带定位信息的户外 360° 视频，并会根据内容政策处理移除与申诉，详见 上传 360° 视频到 Street View Studio。旧稿声称“Google 主要靠官方街景车、Mapillary 更新一定更快”并不能支撑今天的选型；应该按目标地区、采集控制、许可、接口、精度与总成本实测。
生产项目如何验收？
不要只统计上传张数。上传量很容易上升，却可能同时增加模糊、重复、定位漂移和隐私风险。一个可操作的验收表应同时覆盖采集、处理、业务和治理四层，并把“无法判断”保留为合法结果。
| 层级 | 建议指标 | 样本方法 | 停止条件 |
|---|---|---|---|
| 采集 | 定位连续率、可辨识率、重复率 | 按路线和设备分层抽样 | 漂移或模糊导致目标不可判读 |
| 隐私 | 人脸/车牌漏模糊、敏感场景命中 | 风险路段加权复核 | 出现重大隐私事件或无法定位批次 |
| 处理 | 成功状态、处理时延、接口空值和错误率 | 保留请求与版本日志 | 接口变化导致业务静默错误 |
| 业务 | 候选特征准确率、人工节省步骤、撤销率 | 与现场或权威台账对照 | 错误会直接触发安全或财务动作 |
| 权利 | 署名完整率、删除同步、用途符合度 | 按资产类型审查 | 无法确认数据来源或许可 |
需要多系统联动时，可以借鉴本站 AI 智能体与自动化治理指南 中的最小权限、只读试运行、人工批准和回滚策略。地图要素识别的价值在于缩小人工搜索范围，而不是取消现场核验。任何“准确率提升”“成本降低”都应来自你自己的标注样本、基线和复现实验，而不是供应商宣传或无来源案例。
常见问题
Mapillary 是免费的吗？
官方介绍把浏览、贡献和多种使用方式描述为免费，但团队不应把“免费”理解为没有条款、额度、署名、开发和运维成本。API、组织功能或未来政策可能变化，正式采购或集成前应检查当前产品页面、开发者条款与账户界面。
上传后多久能看到影像？
处理时间取决于文件类型、批次、队列和处理阶段。官方帮助页给出的是常见范围，不是服务等级承诺。应在 feed 中查看具体阶段；若批次失败，先检查 GPS、时间、格式和日志，再决定重传。
Mapillary 数据可以直接训练 AI 吗？
不能只凭平台可浏览或影像 CC BY-SA 就得出结论。训练是否允许取决于你使用的是自有原片、平台影像、API 特征还是单独研究数据集，以及再分发、商业用途、个人信息和地区法律。先列清资产与用途，再逐项审查许可。
自动模糊是否意味着可以放心拍摄任何地点？
不是。采集者仍应遵守当地规则、避开受限区域和不必要的个人特写，并在上传前删除敏感或低质量内容。自动模糊可能漏检，发现问题后还要使用编辑或报告工具处置。
Mapillary 能替代测绘或道路现场巡检吗？
通常不能直接替代。它可以提供历史影像、候选特征和远程初筛，但众包采集的时间、设备、遮挡与定位精度不统一。涉及工程、安全、执法和资产价值的结论，应使用符合要求的测绘、现场检查或权威数据。
编辑复核与纠错记录
本文由兰塞 AI 编辑流程于 2026 年 7 月 18 日复核。旧稿把平台描述成会自动拼接“全球 3D 地图”，并用无来源的覆盖、更新、质量和价格结论比较多家产品；本次改写依据 Mapillary 与 Google 的官方资料，重新区分采集影像、视觉处理、地图特征、API 结果和业务结论，补充许可、隐私、质量门与生产验收。产品界面、接口、条款和额度会变化，实施前请复查链接中的当前版本。本站的来源、更新与纠错原则见 关于本站与编辑规范。
