李高領(lǐng)
摘 要:在社會科學(xué)技術(shù)以及社會經(jīng)濟(jì)快速發(fā)展的時代背景下,進(jìn)一步推動著很多行業(yè)領(lǐng)域的向前發(fā)展,其中最具影響力的就是人工智能技術(shù),該技術(shù)通過對人類大腦思維的模擬與運用,不僅顯著提升人們在生活、工作、學(xué)習(xí)等過程的效率,而且在精確性、科學(xué)性等方面均有很大提升。同時,測繪遙感技術(shù)與人工智能領(lǐng)域的聯(lián)系十分密切,因此,面對日新月異的人工智能技術(shù)發(fā)展,如何讓其更好的促進(jìn)測繪遙感技術(shù)發(fā)展是當(dāng)前繼續(xù)解決的重點課題。故本文在對人工智能領(lǐng)域中的熱點---機(jī)器視覺和機(jī)器學(xué)習(xí)進(jìn)行詳盡論述的基礎(chǔ)上,討論其在測繪遙感技術(shù)中的創(chuàng)新應(yīng)用,最終促進(jìn)兩者的融合創(chuàng)新發(fā)展。
關(guān)鍵詞:人工智能技術(shù);測繪遙感;機(jī)器視覺;機(jī)器學(xué)習(xí);融合創(chuàng)新
目前,在很多國家的社會科學(xué)技術(shù)發(fā)展過程中,均十分重視其人工智能技術(shù)的創(chuàng)新與發(fā)展,并且不斷加強(qiáng)其與其他領(lǐng)域相關(guān)科學(xué)技術(shù)的融合;可以認(rèn)為當(dāng)前的人工智能技術(shù)是目前最為熱門并且發(fā)展速度最快的一個學(xué)科領(lǐng)域。并且在近些年來,隨著以深度學(xué)習(xí)為代表的神經(jīng)網(wǎng)絡(luò)算法在眾多大數(shù)據(jù)以及圖形處理器等方面的大規(guī)模應(yīng)用下,使得其人工智能技術(shù)的發(fā)展迎來再一次發(fā)展高潮。在此過程中,伴隨著人工智能技術(shù)的相關(guān)研究與報道,再一次向世人宣告人類的發(fā)展已經(jīng)進(jìn)入人工智能時代,并且在未來的發(fā)展也將持續(xù)升溫,不斷創(chuàng)造出史無前例的新型產(chǎn)品與設(shè)備,從而豐富人們的生活、讓工作與學(xué)習(xí)更加方便快捷。測繪遙感技術(shù),作為一個與人工智能技術(shù)有著密切聯(lián)系的科學(xué)領(lǐng)域,在人工智能技術(shù)的沖擊下,其既面臨諸融合發(fā)展的機(jī)遇,同時也要必須解決系列挑戰(zhàn);因此,為了讓測繪遙感技術(shù)進(jìn)一步發(fā)展,就需要對其技術(shù)融合環(huán)境、機(jī)遇等進(jìn)行分析討論。
1 人工智能技術(shù)概述
目前,根據(jù)人工智能技術(shù)的發(fā)展,可以將其大致分為以下幾個研究方向:(1)機(jī)器視覺:其主要的應(yīng)用領(lǐng)域在于三維模型的建構(gòu)、對于特定環(huán)境下圖像的理解與運用等,即主要展現(xiàn)產(chǎn)品的視覺信息。(2)語言理解與運用:主要是應(yīng)用在語言相關(guān)領(lǐng)域,例如機(jī)器人對人們語言信息的識別,并且根據(jù)其信息對其作出相應(yīng)的回應(yīng)等。(3)機(jī)器人學(xué):即通過對人類思維、動作等方面的模擬,讓機(jī)器能夠更好的從事相關(guān)的事物活動,進(jìn)而減少誤差、提升精確性。(4)認(rèn)知與推理:主要的功能目的是對包括物理、社會常識等在內(nèi)的相關(guān)信息的識別與推理判斷,進(jìn)而產(chǎn)生相對應(yīng)的指令。(5)博弈與倫理:例如早期報道中的阿爾法狗與圍棋參賽者進(jìn)行對抗與合作等。(6)機(jī)器學(xué)習(xí):由于大數(shù)據(jù)時代的影響,就會使得目前很多的數(shù)據(jù)處理均面臨較大的困難,而通過對人工智能技術(shù)的合理運用,就能夠顯著提升其數(shù)據(jù)建模、分析與計算的效率。
在對上述人工智能技術(shù)的分析之后,可以認(rèn)為前三項技術(shù)均是類比人的五官所應(yīng)運而生的技術(shù)類型,進(jìn)而幫助人們更好的對相關(guān)事物進(jìn)行深刻的感知與體驗;而后三者則更多是類比人類的大腦結(jié)構(gòu)與功能,從而讓人工智能技術(shù)具有一定的認(rèn)知與推理判斷能力。其中的機(jī)器視學(xué)則更多是模擬人類的眼睛、語音識別與理解則更多是類比人類的耳朵、機(jī)器人學(xué)則是研究人們的肢體動作;在對人類的思維與社會常識等進(jìn)行模擬研究的難度、復(fù)雜度顯著要高于對人類五官的模擬應(yīng)用,往往需要系列復(fù)雜的計算機(jī)算法、編程等來實現(xiàn),需要在前期投入更多的精力與成本。
2 機(jī)器視覺在攝影測量和遙感領(lǐng)域中的應(yīng)用
2.1 機(jī)器視覺
機(jī)器視覺,又可以稱之為計算機(jī)視覺,其主要的應(yīng)用領(lǐng)域為攝影與測繪。由于在實際的攝影與測繪過程中由于受到外界多重因素的影響,其在成像、圖像處理、景物分析等過程中面臨一些困難,因此通過利用機(jī)器視覺技術(shù),合理模仿人眼對目標(biāo)對象進(jìn)行識別與追蹤、處理等,最終通過一定的技術(shù)加工得到對應(yīng)場景的三維建模。
2.2 機(jī)器視覺與測繪遙感技術(shù)
在對事物進(jìn)行研究的過程中,為了更好的對被觀察事物進(jìn)行測量與分析,隨后又發(fā)展出了攝影測量學(xué),即通過對所拍攝圖片中物體的形態(tài)、位置、大小、遠(yuǎn)近等信息進(jìn)行分析處理,從而更好地對被拍攝物體進(jìn)行描述的技術(shù)。所以,總結(jié)概括來講,攝影測量學(xué)的工具是攝影技術(shù),其技術(shù)目的是測量。在攝影測量學(xué)的發(fā)展伊始,是通過首次發(fā)現(xiàn)拍攝的立體照片能夠應(yīng)用在立體視覺的重建過程中,從而催生了攝影測量學(xué)的發(fā)展與進(jìn)步;在此之后,將其更多的應(yīng)用在野外測量等工作中。因此,可以認(rèn)為攝影測量學(xué)與計算機(jī)視覺在原理、方法、應(yīng)用等方面均有著相通的地方;目前在人工智能技術(shù)的推動作用下,計算機(jī)視覺的發(fā)展更加高端、精確化,因此也就為測繪遙感技術(shù)的發(fā)展奠定重要的理論基礎(chǔ)和實證依據(jù)。
在國內(nèi)開展的相關(guān)針對機(jī)器視覺與測繪遙感技術(shù)融合發(fā)展的典例是無人駕駛汽車以及機(jī)器人的研究與實施。在無人駕駛汽車上面配備的系列傳感設(shè)備能夠充分發(fā)揮人工智能視覺的重要作用,對去汽車周圍的環(huán)境、危險物等進(jìn)行有效識別與測量,從而更好的反饋于汽車本身,實現(xiàn)對汽車的駕駛以及路況識別。所以,人工智能技術(shù)中的機(jī)器視覺與測繪遙感技術(shù)的融合創(chuàng)新發(fā)展,一方面能夠促進(jìn)測繪遙感技術(shù)人員與人工智能技術(shù)的應(yīng)用,另外一方面,人工智能技術(shù)的創(chuàng)新與發(fā)展也必將進(jìn)一步推動測繪遙感技術(shù)的深層次變革發(fā)展。
3 機(jī)器學(xué)習(xí)在攝影測量與遙感領(lǐng)域的應(yīng)用
3.1 機(jī)器學(xué)習(xí)
在對人工智能技術(shù)的發(fā)展歷程進(jìn)行分析發(fā)現(xiàn),在其技術(shù)發(fā)展一開始,就加強(qiáng)對機(jī)器學(xué)習(xí)技術(shù)的發(fā)展與創(chuàng)新。機(jī)器學(xué)習(xí)的技術(shù)原理就在于尋找一個函數(shù),達(dá)到對數(shù)據(jù)與類別之間的正確或最佳映射;隨后在機(jī)器學(xué)習(xí)的發(fā)展中,其中的統(tǒng)計技術(shù)不僅應(yīng)用在機(jī)器學(xué)習(xí)中,也在攝影測量與遙感領(lǐng)域得到廣泛的應(yīng)用,例如監(jiān)督與非監(jiān)督目標(biāo)識別與分類等方法。
3.2 機(jī)器學(xué)習(xí)與測繪遙感技術(shù)
首先,在機(jī)器學(xué)習(xí)技術(shù)的自身發(fā)展過程中,技術(shù)人員為了實現(xiàn)根據(jù)目標(biāo)任務(wù)的差異性來選取特定的事物特征,進(jìn)而發(fā)展出深度學(xué)算法,標(biāo)志著深度算法概念的誕生。大量的實踐均一致表明,深度算法不僅在圖像分類、語言識別等領(lǐng)域發(fā)揮重要作用,而且在攝影測量、遙感領(lǐng)域都頗有建樹。
此外,深度學(xué)習(xí)的應(yīng)用沒有局限于語言信息的處理,而是更好的應(yīng)用在視覺圖形處理等方面,例如手寫字體識別、自然圖像分類、目標(biāo)檢索等,進(jìn)而推動了機(jī)器人、人臉識別等人工智能技術(shù)的飛速發(fā)展。將深度學(xué)習(xí)應(yīng)用于幾何定位目前還未進(jìn)入攝影測量研究領(lǐng)域,但已經(jīng)出現(xiàn)在密切相關(guān)的計算機(jī)視覺領(lǐng)域,如SFM與 SLAM。然而,深度學(xué)習(xí)方法的定位精度目前尚不能同傳統(tǒng)的方法相比,約相差一個數(shù)量級。
深度學(xué)習(xí)在攝影測量領(lǐng)域的另一個主要任務(wù),即影像的語義提取方面,則取得了重要進(jìn)展,并開始普及應(yīng)用。基于圖像的建筑、道路網(wǎng)等地物的提取數(shù)十年來一直是熱門課題。雖然經(jīng)典方法取得一定的效果,但距離實用、市場、商業(yè)軟件尚有一定的距離?;谏疃葘W(xué)習(xí)的方法除了可有效地用于遙感影像的地物分類與目標(biāo)檢索以外,在其他攝影測量與遙感數(shù)據(jù)處理方面也有廣泛用途。例如,胡翔云等采用深度學(xué)習(xí)方法進(jìn)行激光雷達(dá)點云數(shù)據(jù)處理。
參考文獻(xiàn):
[1] 佚名. 人工智能時代測繪遙感技術(shù)的發(fā)展機(jī)遇與挑戰(zhàn)[J]. 武漢大學(xué)學(xué)報:信息科學(xué)版, 2018, 43(12):1788-1796.
[2] 馬建文, 陳雪. 遙感數(shù)據(jù)處理中的現(xiàn)代人工智能方法[J]. 遙感學(xué)報, 2009, 13(s1):237-244.