人工智能时代测绘遥感技术的发展机遇与挑战

2023-01-08翟敏

工程与建设 2022年3期

翟敏

(中国建筑材料工业地质勘查中心山西总队，山西太原 030031)

0 引言

人工智能主要涉及机器视觉方面、机器人学方面、认知推理方面、博弈伦理方面、机器学习方面等，其中的机器视觉主要就是三维重建功能、模式识别功能、图像理解功能等。语言理解和交流主要就是语言识别功能、语言合成功能、人机对话交流功能、机器翻译功能等。机器人学具有一定的机械功能、控制功能、设计功能、运动与任务规划的功能。认知推理主要就是各类物理与社会常识方面的认知和推理。博弈理论主要是多代理人相互之间的交互性、对抗性、合作性，可以将机器人和社会之间相互融合。机器学习主要就是各类建模功能、分析工具功能、计算功能等。在人工智能时代背景下合理研究开发先进的测绘遥感技术，面临着很多机遇和挑战，应按照遥感测绘技术特点、人工智能时代发展特点等，完善相应的摄影测量遥感工作模式，为遥测工作的发展、技术的改革创新等夯实基础。

1 机器学习及其在摄影测量遥感中的应用

1.1 机器学习

人工智能时代下机器学习逻辑就是利用寻找某些函数关系，通过数据信息使得事物相互勾线、互相连接，最终会出现最为准确的映射反应，使得人工智能系统快速性完成具体学习任务。

1.2 摄影测量遥感的应用

机遇：目前在机器学习技术中长时间使用统计学思想，摄影测量与遥感领域也广泛应用着统计学的思想。例如，测绘遥感期间需通过统计学思想完成监督和非监督目标的分类任务与识别任务，传统的统计学理论在应用期间遥感影像的分类识别任务完成速度很慢，不能确保测绘遥感技术的目标识别准确度与分类的准确度，而使用人工智能技术中的机器学习就可以解决此类问题，通过逐层算法使得机器能够深度地进行神经元网络的训练，创建深度网络系统平台，按照各类测绘遥感的目标任务情况，机器在获得各类特征数据信息之后利用自主学习功能，增强人工智能技术在遥感测绘中的使用效果。据相关的实践研究与数据分析可以发现，采用深度学习算法与现代统计学思想，将人工智能技术融入测绘遥感领域，能够提升图像识别效果、物体分类效果、语音辨别效果与遥感技术应用效果等，在未来发展的过程中机器学习技术的深度学习功能也会有所进步。

挑战：测绘遥感技术应用最为重要的就是进行目标的几何定位、提取目标的物理属性，收集二维图像重新创建立体几何图形，合理分类地理物质要素等。在此期间，使用机器学习的深度学习技术可改善目标物体几何定位的现状，而目前面临的挑战就是机器学习的深度学习技术还没有深入融合到测绘遥感领域。

虽然当前存在一些挑战，但是很多专家都开始研究机器学习和计算机视觉技术的整合，将其运用到测绘遥感领域能够增强目标物体定位的精确度，其和传统技术相比存在数量级别的差异，因此在测绘遥感技术方面应重点使用人工智能的机器学习技术，通过三维重建技术方式，借助其中的密集匹配技术措施增强深度学习效果，挖掘机器学习在测绘遥感技术中的潜能[1]。

2 机器视觉及其在摄影测量遥感中的应用

2.1 机器视觉

机器视觉又被称作计算机视觉，此类技术主要是用于在摄影测量遥感的过程中进行目标的识别、跟踪与测量，可通过现代化的摄像机设备、计算机设备等代替传统工作领域中的人工操作形式。从本质层面而言，机器视觉和摄影测量学之间存在很多相同的部分、要素，如利用光学像片真实反映出被拍摄目标物体的形状情况、位置情况、特征情况、大小情况和相互关系情况等。简而言之，摄影测量学工作中所使用的工具是摄影设备，目的在于完成测量任务，而无论从原理层面还是方法层面、应用层面而言，摄影测量和机器视觉之间存在诸多相同之处。尤其是新时期人工智能技术快速进步的环境下，二者之间进一步融合，可以将无人机设备与车载移动平台相互整合形成两种技术的交叉点，同时可以在摄影测量技术与系统方面使用地面位置的移动测量系统平台，全面收集道路的影像与街景影像，通过机器视觉技术增强道路信息的提取效果与重视效果，创建智能化交通模式，彰显无人机航摄技术的作用[2]。

2.2 机器视觉在摄影测量遥感中的应用

机遇：我国人工智能技术领域中，视觉技术就是利用摄影机械设备与计算机系统替代人类操作，能够增强目标识别和跟踪的数字化水平，并且在计算机整体系统内部具备逻辑处理的功能，可以准确测量与识别所获取的数字信息。从广义层面而言，计算机设备和系统具有的视觉功能，涉及图像处理功能、目标识别功能、信息重建功能、图像分析功能、数据理解功能等；从狭义层面来讲，计算机设备基础设施的视觉功能，可以利用收集和分析图片数据信息、视频数据信息等在系统平台内部创建三维场景，利用三维重建的形式增强数据信息的处理能力。我国的摄影测量遥感领域中合理使用机器学习技术，不仅可以提升摄影测量遥感的水平，还能改善人工智能应用的现状，在智能化技术和现代化技术的支持下发挥机器学习技术和系统的价值，从根本层面提高整体的测绘遥感技术应用可行性及价值[3]。

挑战：机器视觉技术和传统技术在应用时，二者之间难以取舍，主要原因就是相关的技术应用与融合研究内容不够深入，难以通过科学化、合理性的方式提升技术的深度融合效果。

为应对挑战问题，目前我国很多专家学者已经开始组建专门进行人工智能时代之下测绘遥感技术应用研究的团队，他们不仅可以使用先进的计算机视觉技术改善测绘遥感现状，还能在人工智能技术的支持下增强测绘工作的精确度与遥感技术的应用效果。例如，在专家团队研究的过程中开发出无人驾驶汽车和机器人相互整合的测绘遥感技术模式，可以在交通通行领域中大范围使用，不仅能够达到无人驾驶的目的，还能高效化应用于无人测绘领域。此外，在室外测绘和测量的工作中可以使用先进的智能机器人技术，以代替人工在环境非常复杂并且容易出现安全事故的地区高精确度地完成测绘任务。例如，煤矿矿井的井下测绘的工作环境复杂、危险性高，对测绘测量人员的生命安全会造成威胁，此情况下就可以使用机器视觉技术下的测绘遥感系统、智能机器人代替人工的测绘操作，以确保整体的测绘工作质量、精确度[4]。

3 时空大数据的认知和推理

从研究角度而言，三元世界涉及人机物层面，主要就是人类社会层面、物理世界层面、信息空间层面，具有网络社会的属性，具备一定动态性特点、开放性特点，是由很多人类社会元素、机械元素、物质元素等相互整合而成的。人们在三元世界中不仅能够完成野外调查的任务、遥感测量任务，还能获得物理世界各类数据信息内容，同时可实现社会调查、运用现代社会信息化工具等。例如，使用先进的互联网技术收集整合、分析人类社会信息，此类数据信息的出现构建成海量的时空大数据，人们在物理世界与人类社会认知推理的具体工作领域可以将此类数据信息当作主要的依据，这也属于人工智能技术应用过程中十分重要的使命。近几年地理信息技术和系统不断更新与进步，空间分析理论层面和方法体系层面的内容快速完善，但是传感网、感知设备方面相互融合所形成的时空数据信息分析的理论部分与方法措施等仍需要不断进行创新优化[5]。

从本质层面而言，时空数据主要分成以下几种：

其一，地球表层特征与环境特征类型的数据信息，在获得的过程中通过测绘遥感系统与地面传管网系统收集分析；

其二，人类活动和社会经济形态方面的时空数据信息，可以使用感知设备进行收集分析，借助智能化与网络化的设备或者是利用社会调查的形式获取。两种时空数据信息中，第一种数据有着明显规范性特点，数据的分析工作和计算工作适用性很高，模拟与预测研究的过程中，可使用数学模型处理；第二种数据多数都是将多媒体文本作为主要部分，形式类型具有多元化特点，结构的形式也很多，可以利用社会感知时空大数据的形式彰显出人类活动规律与社会行为情况。此类数据的测绘遥感技术应用复杂程度非常明显，要合理使用人工智能技术，通过深度学习技术与计算机视觉技术、大数据技术等增强测绘遥感的效果，解决目前物理世界和人类社会方面认知与推理问题，形成非常完善的机制体系，尤其是在智慧城市建设期间可以通过将人工智能技术和测绘遥感技术相互整合来健全时空大数据的认知与推理模式，健全理论体系、方法逻辑，合理使用传感网技术、感知设备技术等挖掘时空数据信息，强化分析和推理的效果，为测绘遥感技术的拓展、创新提供帮助[6]。