数字化测量信息技术在矿山测量中的应用效果分析

苏艳民

随着地质测量技术的发展，采用数字化的人工智能测量方法进行矿山数字化测量，建立矿山数字化测量的信息化处理模型，根据摄影机和立体视觉呈现高技术，实现矿山的数字化测量。通过光学投影机和机械投影机，进行矿山数字化测量的数字化加工和处理，比如美国研制的DAMC 系统，以及DPGrid 系统等，都是数字化测量的人工智能系统。随着智能化测绘技术的发展，以及最新的红外成像、X 射线成像的高新技术的成熟发展，研究基于数字化测量技术的矿山测量优化方法，在摄影测量与遥感领域中具有重要的影响和意义。本文提出基于数字化测量信息技术的矿山测量方法，并分析应用效果。构建基于信息和人工智能技术的矿山数字化测量信息处理模型，结合摄影测量遥感以及高分辨的亚米级影像技术，采用大数据分析和图像融合处理的方法，实现数字化测量信息技术在矿山测量中的应用。

1 矿山数字化测量的场景分类和数据来源

1.1 矿山数字化测量的场景分类

为了实现数字化测量信息技术在矿山测量中的应用及效果分析，结合“地理信息＋人工智能＋北斗”为一体的数字化信息处理技术，在大数据和云计算支撑下，建立矿山数字化测量的海量信息融合和处理模型，通过深度融合和信息处理技术，并利用大数据信息处理技术，建立矿山数字化测量的场景分类模型，采用构建基于信息和人工智能技术的矿山数字化测量信息处理模型，采用测绘地理信息服务数据库作为底层数据库，构建在不同场景下矿山数字化测量的信息采集模型，得到信息采集的条件参数见表1。。

表1 矿山数字化测量的信息采集参数

根据表1 对矿山数字化测量的采集结果，结合摄影测量遥感以及卫星导航技术，建立矿山数字化测量的大数据和图像采集模型，得到矿山数字化测量采集图像样本序列为。

1.2 矿山数字化测量的数据来源及处理

采用高程遥感图像辨识的方法，构成交叉闭环融合的封闭仿射区域，得到矿山测量遥感图像噪点滤波输出集为。

引入全球导航卫星系统（Global Navigation Satellite System,GNSS），引入测绘地理信息数据库，在机器学习和深度神经网络学习下，得到非地面点的剔除输出。

图1 矿山测量

2 矿山数字化测量优化

采用多光谱影像技术和模板匹配技术，得到矿山数字化测量的边缘轮廓波长系数为。

采用多尺度Retinex 分解，计算每个立体像的密度参数，表示为。

通过测绘地理信息处理处理技术，建立矿山数字化测量的GIS 信息库，在区域网格中，得到矿山地质分布层区域的网格平面差异度函数为：

采用区域网平差异度融合的方法，得到剩余连接点的分布函数为。

3 实验测试与结果分析

采用Matlab 进行数字化测量信息技术在矿山测量中的仿真实验，对矿山测量的重叠区域像素分布为2 万像素，匹配的影像对数为29834，采用两块Nvidia G RTX G 3090 显示卡作为矿山数字化测量的图像输出终端，其它仿真参数设定见表2。

表2 矿山仿真参数设定

根据表2 的参数设定，进行矿山的数字化测量，得到原始遥感图像采集和测量结果如图2 所示。

图2 矿山数字化测量结果

分析图2 得知，本文方法进行矿山数字化测量的图像输出分辨率较高。测试不同方法进行矿山数字化测量的精度，得到对比结果见表3，分析表3 得知，本文方法进行矿山数字化测量的精度更高。

图3 平面分析图

表3 矿山数字化测量的精度对比

根据表3 的仿真结果得知，本文方法进行矿山数字化测量的精度较高。

4 结论

本文提出基于数字化测量信息技术的矿山测量方法，并分析应用效果。建立矿山数字化测量的海量信息融合和处理模型，通过深度融合和信息处理技术，并利用大数据信息处理技术，建立矿山数字化测量的场景分类模型，建立矿山数字化测量的GIS 信息库，利用多传感器观测技术，建立遥感影像全自动处理模型，根据摄影测量的几何参数处理，实现矿山数字化测量及应用。实验和研究结果表明，本文方法进行矿山数字化测量的精度较高，人工智能性较好，具有很好的操作性。