人工智能背景下实现信息化测绘的方法研究

王帅

吉林省水利水电勘测设计研究院 吉林 长春 130000

引言

随着信息化时代的来临，测绘领域想要进一步提升当前的测绘工作开展质量，就需要充分将各类信息技术引入到日常测绘工作中。其中人工智能作为信息化建设的重要内容，将人工智能处理技术，同步融入测绘工作开展各个环节中，也很有必要。但结合现有的测绘工作开展来看，其对于信息化和智能化测绘技术的应用仍旧存在诸多的不足之处，导致实际的测绘结果并不精确，也限制了测绘水平的提升。鉴于此，本次研究中围绕人工智能背景下实现信息化测绘的方法这一主题进行深入探讨，具有重要现实意义。

1 人工智能背景下的信息化测绘系统设计

本次研究中，主要设计了UAV-UGV信息化异构测绘系统，其能够在测绘期间，同步完成绘图和定位处理。进行搜集测绘场景信息时，监控自动化系统能够针对系统运行状态进行监控并将状态信息记录下来，随后将记录的信息按照固定的间隔时间传输至边缘节点[1]，每个节点之中的数据传输模块会自动按照系统设定的要求对数据进行压缩或是解压处理，此时处理后的测绘视图信息就可在相邻节点之间快速传递。针对所得出的测绘数据进行最终处理时，主要在边缘计算平台中完成[2]，即所有需要计算或是存储的测绘数据均由平台中的引擎组件完成处理工作。UAV-UGV测绘系统运行期间，数据的传输过程主要包括了数据包、序列化、反序列化以及解析等流程，期间测绘数据流会先行推送至系统云端，云端处理工作完成后，系统还会系统在不同节点之上完成相应的数据分配工作，此时进行数据主体的格式设置时[3]，需要以json字符数为主，并在进行数据包范围设定时，结合数据实际大小确认。

2 人工智能背景下实现信息化测绘关键技术分析

2.1 测绘特征采集

为了确保信息化测绘处理期间所提取的样本可靠性更高，需要利用人工智能对其进行稳健拟合处理，并将离群点剔除掉。应用2D激光进行扫描时，需要在扫描点的周边确认特征点，进行相邻的边缘点、属性点以及平面点的表达时，也需借助特征点来实现[4]。当利用无人机进行信息化测绘时，无人机测绘时的第k次旋转中，由单个扫描l内的测绘得出样本特征点p，利用p去定义相对变化率（Rk，l，p），并以此完成边缘点（ek，l，i）从平面点（fk，l，i）开始，其中，ek，l，i＞一定的变化率，而fk，l，i＜一定的变化率。具体可得出如下公式（1）和（2）：

其中，R指代的是p的坐标；l指代的是局部范围内第k次旋转中，由单个扫描l内入射点至p坐标位置的平均长度参数[5]。其计算公式如下（2）：

其中：q指代的是p的相邻点；N指代的是和p点相邻点的总数。

另外，本研究分别构造了点对线策略和点对平面策略对应的几何关系来关联不同旋转的点，通过在第k次旋转中使用边点p和在（k+1）次旋转中使用其最近邻点m来形成点到线对应[6]。

2.2 运动路径规划与导航测绘

对UAV-UGV信息化测绘系统中的SLAM模块进行处理时，技术人员需要重点优化非线性误差函数算法，并就优化结果去扩展主动映射函数，并利用其生成测绘探索路径，提升勘测视图的规划质量[7]。另外，还需将传感器运行的约束条件考量进去，以此完善在线测绘的视图、运动规划结果，从而提升对未知测绘环境的测绘效果。

当系统框架处于未知环境中进行测绘时，需先完成初始扫描工作，随后更新映射算法，并基于边界中覆盖的采样器，以此生成相应的视图点。应用采样器进行测绘勘测时，需要将已经完成勘测和未进行勘测的边界全部覆盖在采样范围内[8]。因此，在进行测绘路径的选配时，为了提升测绘效率，就必须制定出一条最具测绘优势的路径。

为了能够提升计算处理效率，本次分析中还给出了信息增益模型，并结合该模型进行勘测视图的算法规划工作，此信息增益模型是在占用概率、可见性支持下构建而成，进而将测绘样本特征点所处测绘区域内所占用的概率偏差计算出来，具体的计算公式（3）如下：

其中，p（oi|x，z）主要指代的是瞬时测绘期间的占用概率；p（vi|oi-1，x，z）主要指代的是视图点x在进行oi的测量时可见性概率统计。同时，还需做好可见性转换工作，将其应用在后续p占用概率的分布处理中，具体的补码后函数分析工作完成后，还需做好测绘传播工作，此时需要结合下述公式（4）实现：

其中，z主要指代的是体积图的测量数值。后续的测量工作中，UAV的视图点采集工作开展空间由3D转至2D，期间为了确保UGV导航处理的即时性，提升测绘区域内的探索效率，还需围绕算法制定一个基于测绘区域边界的覆盖规划器，用以确保本次设计的系统能够满足更多制图网络运行、勘测需求[9]。当开展覆盖规划器的处理时，进行均匀、邻域采样处理时，可以以随机选取的方式在边界区域内进行视图采样，并做好采样工作的可见性检查工作。当在进行制图层的输出管理时，研究使用光线投射在OctoMap环境模型中标记各个视图点的覆盖范围。一个样本只有在一个自由空间中并且在其邻域中对一个未知空间样本可见时才被选为一个可容许的边界视图点，即有效样本由TheValidOf函数输出。

综上所述，UVA-UGV测绘系统在瞬时地图和传感器模型方面尽可能地分散样本，并预测相对较长的行程，同时使勘测路径全局合理和平滑，从而使每次迭代收集的信息获得更高的勘测精度。

3 人工智能背景下实现信息化测绘试验研究

为了可以进一步对测绘工作中信息化测绘系统的处理成效进行了解，下面研究中，选用了UAV-UGV系统展开测绘信息化试验工作，具体试验内容如下：

3.1 试验硬件

本次研究中所选用的系统，其构件主要包括两方面，一是微型的无人机，其灵活性十分高。另一个为自主无人地面车辆。两项基于人工智能的信息化测绘工具具体情况如下：

其一，微型无人机。该硬件安装了四旋翼平台，平台材质为碳纤维。无人机上所搭载的传感器主要有两种，分别是磁罗盘和惯性测量单元，两种传感器的安装，主要是为了确保无人机在测绘中的安全飞行，并为其提供基础的机动力。在板载算法处理安装了使用 Intel NUC 的高级处理器；其二，无人值守地面车辆。该硬件是由4个独立的伺服电机驱动的Mecanum车轮制成，微控制器通过以太网连接直接与板载处理器通信。 无人机和无人值守地面车辆之间的通信基于通过安全外壳的无线网络连接，定制的旋转激光雷达设备刚性安装在无人机平台的顶部，立体相机安装在激光雷达下方，以采取精细的测绘样本特征点，具体的试验硬件参数统计为了下表1所示内容：

表1 试验硬件参数表

3.2 试验结果探讨

为了进一步将UAV-UGV系统的测绘优势呈现出来，试验期间技术人员测绘时，采用了激光雷达模型、30m射程的立体视觉传感辅助试验。测绘中发现，无人机的视场及测绘距离可超出10m以外。在测试工作正式开始之前，技术人员提前设定了两种系统轨迹规划方案，正式测试时，要求测试相机按照“间隔1秒”的原则进行持续拍照，拍照期间需同步做好相机的位置及姿势记录工作，测试工作的全程时长为60min，拍摄照片共计3600张，所有测绘得出的数据均需要借助无限传输功能递送至系统后台，并以此数据资料开展2D以及3D的重建工作。不同的测绘方案应用下，其所生成的探测路线合理性均比较高，以此完成了测绘场地的整体测绘工作。此过程中，无人值守的自主测绘车辆在模拟舱室之中，顺利避开杂乱障碍物，从而得出了模拟舱室的2D测试模型图。但是，在车辆传感器的限制下，UGV的测绘特征充分显示出了被测量区域的环境轮廓，但对2D测绘结果分析发现，由于测绘得出的地图数据比较稀疏，因此较多的局部细节不够清晰，同时测绘场景中的拐点等细节也被系统自主忽略掉了。因此，研究中充分针对2D模拟测绘结果进行了优化，利用UAV-UGV测绘系统展开试验，其将无人机测绘与倾斜激光模块加以结合，使得测绘时的范围覆盖到地面值守车辆无法顺利到达的位置，提升信息搜集的覆盖范围，继而结合两种系统所测绘得出的相关信息进行分析之后可发现，对比之下，UAV-UGV系统测绘后的数据及结果可靠性更强。

在上述测量模拟试验开展下可得出，信息化测绘系统的适用性相对更高，因此，对应用无人机完成独立勘探的测绘工作，与本次研究中的测绘方案进行了数据统计分析，其中重点完成了测绘地图重建工作，重建的时间设定为测绘完成度70%时的多个测绘点、80%时的多个测绘点以及90%时的多个测绘点。

结合测绘结果进行分析能够发现，当测绘时的场景范围比较大，UAV-UGV信息化测绘系统无论在测绘效率方面，还是在测绘结果精准性方面，优势均比较突出。结合此分析结果的得出进行分析也能够发现，当测绘信息的增益模型减少，那么会极大程度上为视图规划和运动规划流程执行周期缩短创造条件，从而有效解决原有测绘工作中所存在的全局优化难的问题，同时也可为局部区域的测绘优化创造条件，缩减其规划空间，最终为系统测绘视图的输出效率提升提供支持。

4 结束语

综上所述，技术人工智能所展开的信息化测绘工作，对快速运动、图像模糊的动态目标进行测绘处理时，可以显著提升测绘及定位的精准性。与此同时，通过对传感器中数据进行算法优化后，系统的运行速度得到了明显的增长，且对于能耗的降低方面也发挥了助推效用，值得在测绘行业中进行推广利用。