人工智能时代测绘遥感技术的发展机遇与挑战分析

李高领

摘 要：在社会科学技术以及社会经济快速发展的时代背景下，进一步推动着很多行业领域的向前发展，其中最具影响力的就是人工智能技术，该技术通过对人类大脑思维的模拟与运用，不仅显著提升人们在生活、工作、学习等过程的效率，而且在精确性、科学性等方面均有很大提升。同时，测绘遥感技术与人工智能领域的联系十分密切，因此，面对日新月异的人工智能技术发展，如何让其更好的促进测绘遥感技术发展是当前继续解决的重点课题。故本文在对人工智能领域中的热点---机器视觉和机器学习进行详尽论述的基础上，讨论其在测绘遥感技术中的创新应用，最终促进两者的融合创新发展。

关键词：人工智能技术；测绘遥感；机器视觉；机器学习；融合创新

目前，在很多国家的社会科学技术发展过程中，均十分重视其人工智能技术的创新与发展，并且不断加强其与其他领域相关科学技术的融合；可以认为当前的人工智能技术是目前最为热门并且发展速度最快的一个学科领域。并且在近些年来，随着以深度学习为代表的神经网络算法在众多大数据以及图形处理器等方面的大规模应用下，使得其人工智能技术的发展迎来再一次发展高潮。在此过程中，伴随着人工智能技术的相关研究与报道，再一次向世人宣告人类的发展已经进入人工智能时代，并且在未来的发展也将持续升温，不断创造出史无前例的新型产品与设备，从而丰富人们的生活、让工作与学习更加方便快捷。测绘遥感技术，作为一个与人工智能技术有着密切联系的科学领域，在人工智能技术的冲击下，其既面临诸融合发展的机遇，同时也要必须解决系列挑战；因此，为了让测绘遥感技术进一步发展，就需要对其技术融合环境、机遇等进行分析讨论。

1 人工智能技术概述

目前，根据人工智能技术的发展，可以将其大致分为以下几个研究方向：（1）机器视觉：其主要的应用领域在于三维模型的建构、对于特定环境下图像的理解与运用等，即主要展现产品的视觉信息。（2）语言理解与运用：主要是应用在语言相关领域，例如机器人对人们语言信息的识别，并且根据其信息对其作出相应的回应等。（3）机器人学：即通过对人类思维、动作等方面的模拟，让机器能够更好的从事相关的事物活动，进而减少误差、提升精确性。（4）认知与推理：主要的功能目的是对包括物理、社会常识等在内的相关信息的识别与推理判断，进而产生相对应的指令。（5）博弈与伦理：例如早期报道中的阿尔法狗与围棋参赛者进行对抗与合作等。（6）机器学习：由于大数据时代的影响，就会使得目前很多的数据处理均面临较大的困难，而通过对人工智能技术的合理运用，就能够显著提升其数据建模、分析与计算的效率。

在对上述人工智能技术的分析之后，可以认为前三项技术均是类比人的五官所应运而生的技术类型，进而帮助人们更好的对相关事物进行深刻的感知与体验；而后三者则更多是类比人类的大脑结构与功能，从而让人工智能技术具有一定的认知与推理判断能力。其中的机器视学则更多是模拟人类的眼睛、语音识别与理解则更多是类比人类的耳朵、机器人学则是研究人们的肢体动作；在对人类的思维与社会常识等进行模拟研究的难度、复杂度显著要高于对人类五官的模拟应用，往往需要系列复杂的计算机算法、编程等来实现，需要在前期投入更多的精力与成本。

2 机器视觉在摄影测量和遥感领域中的应用

2.1 机器视觉

机器视觉，又可以称之为计算机视觉，其主要的应用领域为摄影与测绘。由于在实际的摄影与测绘过程中由于受到外界多重因素的影响，其在成像、图像处理、景物分析等过程中面临一些困难，因此通过利用机器视觉技术，合理模仿人眼对目标对象进行识别与追踪、处理等，最终通过一定的技术加工得到对应场景的三维建模。

2.2 机器视觉与测绘遥感技术

在对事物进行研究的过程中，为了更好的对被观察事物进行测量与分析，随后又发展出了摄影测量学，即通过对所拍摄图片中物体的形态、位置、大小、遠近等信息进行分析处理，从而更好地对被拍摄物体进行描述的技术。所以，总结概括来讲，摄影测量学的工具是摄影技术，其技术目的是测量。在摄影测量学的发展伊始，是通过首次发现拍摄的立体照片能够应用在立体视觉的重建过程中，从而催生了摄影测量学的发展与进步；在此之后，将其更多的应用在野外测量等工作中。因此，可以认为摄影测量学与计算机视觉在原理、方法、应用等方面均有着相通的地方；目前在人工智能技术的推动作用下，计算机视觉的发展更加高端、精确化，因此也就为测绘遥感技术的发展奠定重要的理论基础和实证依据。

在国内开展的相关针对机器视觉与测绘遥感技术融合发展的典例是无人驾驶汽车以及机器人的研究与实施。在无人驾驶汽车上面配备的系列传感设备能够充分发挥人工智能视觉的重要作用，对去汽车周围的环境、危险物等进行有效识别与测量，从而更好的反馈于汽车本身，实现对汽车的驾驶以及路况识别。所以，人工智能技术中的机器视觉与测绘遥感技术的融合创新发展，一方面能够促进测绘遥感技术人员与人工智能技术的应用，另外一方面，人工智能技术的创新与发展也必将进一步推动测绘遥感技术的深层次变革发展。

3 机器学习在摄影测量与遥感领域的应用

3.1 机器学习

在对人工智能技术的发展历程进行分析发现，在其技术发展一开始，就加强对机器学习技术的发展与创新。机器学习的技术原理就在于寻找一个函数，达到对数据与类别之间的正确或最佳映射；随后在机器学习的发展中，其中的统计技术不仅应用在机器学习中，也在摄影测量与遥感领域得到广泛的应用，例如监督与非监督目标识别与分类等方法。

3.2 机器学习与测绘遥感技术

首先，在机器学习技术的自身发展过程中，技术人员为了实现根据目标任务的差异性来选取特定的事物特征，进而发展出深度学算法，标志着深度算法概念的诞生。大量的实践均一致表明，深度算法不仅在图像分类、语言识别等领域发挥重要作用，而且在摄影测量、遥感领域都颇有建树。

此外，深度学习的应用没有局限于语言信息的处理，而是更好的应用在视觉图形处理等方面，例如手写字体识别、自然图像分类、目标检索等，进而推动了机器人、人脸识别等人工智能技术的飞速发展。将深度学习应用于几何定位目前还未进入摄影测量研究领域，但已经出现在密切相关的计算机视觉领域，如SFM与 SLAM。然而，深度学习方法的定位精度目前尚不能同传统的方法相比，约相差一个数量级。

深度学习在摄影测量领域的另一个主要任务，即影像的语义提取方面，则取得了重要进展，并开始普及应用。基于图像的建筑、道路网等地物的提取数十年来一直是热门课题。虽然经典方法取得一定的效果，但距离实用、市场、商业软件尚有一定的距离。基于深度学习的方法除了可有效地用于遥感影像的地物分类与目标检索以外，在其他摄影测量与遥感数据处理方面也有广泛用途。例如，胡翔云等采用深度学习方法进行激光雷达点云数据处理。

参考文献：

[1] 佚名. 人工智能时代测绘遥感技术的发展机遇与挑战[J]. 武汉大学学报：信息科学版， 2018， 43（12）：1788-1796.

[2] 马建文， 陈雪. 遥感数据处理中的现代人工智能方法[J]. 遥感学报， 2009， 13（s1）：237-244.