数字化测量信息技术在矿山测量中的应用效果分析
2022-05-31苏艳民
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。