蘇艷民

隨著地質(zhì)測(cè)量技術(shù)的發(fā)展，采用數(shù)字化的人工智能測(cè)量方法進(jìn)行礦山數(shù)字化測(cè)量，建立礦山數(shù)字化測(cè)量的信息化處理模型，根據(jù)攝影機(jī)和立體視覺呈現(xiàn)高技術(shù)，實(shí)現(xiàn)礦山的數(shù)字化測(cè)量。通過光學(xué)投影機(jī)和機(jī)械投影機(jī)，進(jìn)行礦山數(shù)字化測(cè)量的數(shù)字化加工和處理，比如美國(guó)研制的DAMC 系統(tǒng)，以及DPGrid 系統(tǒng)等，都是數(shù)字化測(cè)量的人工智能系統(tǒng)。隨著智能化測(cè)繪技術(shù)的發(fā)展，以及最新的紅外成像、X 射線成像的高新技術(shù)的成熟發(fā)展，研究基于數(shù)字化測(cè)量技術(shù)的礦山測(cè)量?jī)?yōu)化方法，在攝影測(cè)量與遙感領(lǐng)域中具有重要的影響和意義。本文提出基于數(shù)字化測(cè)量信息技術(shù)的礦山測(cè)量方法，并分析應(yīng)用效果。構(gòu)建基于信息和人工智能技術(shù)的礦山數(shù)字化測(cè)量信息處理模型，結(jié)合攝影測(cè)量遙感以及高分辨的亞米級(jí)影像技術(shù)，采用大數(shù)據(jù)分析和圖像融合處理的方法，實(shí)現(xiàn)數(shù)字化測(cè)量信息技術(shù)在礦山測(cè)量中的應(yīng)用。

1 礦山數(shù)字化測(cè)量的場(chǎng)景分類和數(shù)據(jù)來源

1.1 礦山數(shù)字化測(cè)量的場(chǎng)景分類

為了實(shí)現(xiàn)數(shù)字化測(cè)量信息技術(shù)在礦山測(cè)量中的應(yīng)用及效果分析，結(jié)合“地理信息＋人工智能＋北斗”為一體的數(shù)字化信息處理技術(shù)，在大數(shù)據(jù)和云計(jì)算支撐下，建立礦山數(shù)字化測(cè)量的海量信息融合和處理模型，通過深度融合和信息處理技術(shù)，并利用大數(shù)據(jù)信息處理技術(shù)，建立礦山數(shù)字化測(cè)量的場(chǎng)景分類模型，采用構(gòu)建基于信息和人工智能技術(shù)的礦山數(shù)字化測(cè)量信息處理模型，采用測(cè)繪地理信息服務(wù)數(shù)據(jù)庫作為底層數(shù)據(jù)庫，構(gòu)建在不同場(chǎng)景下礦山數(shù)字化測(cè)量的信息采集模型，得到信息采集的條件參數(shù)見表1。。

表1 礦山數(shù)字化測(cè)量的信息采集參數(shù)

根據(jù)表1 對(duì)礦山數(shù)字化測(cè)量的采集結(jié)果，結(jié)合攝影測(cè)量遙感以及衛(wèi)星導(dǎo)航技術(shù)，建立礦山數(shù)字化測(cè)量的大數(shù)據(jù)和圖像采集模型，得到礦山數(shù)字化測(cè)量采集圖像樣本序列為。

1.2 礦山數(shù)字化測(cè)量的數(shù)據(jù)來源及處理

采用高程遙感圖像辨識(shí)的方法，構(gòu)成交叉閉環(huán)融合的封閉仿射區(qū)域，得到礦山測(cè)量遙感圖像噪點(diǎn)濾波輸出集為。

引入全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System,GNSS），引入測(cè)繪地理信息數(shù)據(jù)庫，在機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)下，得到非地面點(diǎn)的剔除輸出。

圖1 礦山測(cè)量

2 礦山數(shù)字化測(cè)量?jī)?yōu)化

采用多光譜影像技術(shù)和模板匹配技術(shù)，得到礦山數(shù)字化測(cè)量的邊緣輪廓波長(zhǎng)系數(shù)為。

采用多尺度Retinex 分解，計(jì)算每個(gè)立體像的密度參數(shù)，表示為。

通過測(cè)繪地理信息處理處理技術(shù)，建立礦山數(shù)字化測(cè)量的GIS 信息庫，在區(qū)域網(wǎng)格中，得到礦山地質(zhì)分布層區(qū)域的網(wǎng)格平面差異度函數(shù)為：

采用區(qū)域網(wǎng)平差異度融合的方法，得到剩余連接點(diǎn)的分布函數(shù)為。

3 實(shí)驗(yàn)測(cè)試與結(jié)果分析

采用Matlab 進(jìn)行數(shù)字化測(cè)量信息技術(shù)在礦山測(cè)量中的仿真實(shí)驗(yàn)，對(duì)礦山測(cè)量的重疊區(qū)域像素分布為2 萬像素，匹配的影像對(duì)數(shù)為29834，采用兩塊Nvidia G RTX G 3090 顯示卡作為礦山數(shù)字化測(cè)量的圖像輸出終端，其它仿真參數(shù)設(shè)定見表2。

表2 礦山仿真參數(shù)設(shè)定

根據(jù)表2 的參數(shù)設(shè)定，進(jìn)行礦山的數(shù)字化測(cè)量，得到原始遙感圖像采集和測(cè)量結(jié)果如圖2 所示。

圖2 礦山數(shù)字化測(cè)量結(jié)果

分析圖2 得知，本文方法進(jìn)行礦山數(shù)字化測(cè)量的圖像輸出分辨率較高。測(cè)試不同方法進(jìn)行礦山數(shù)字化測(cè)量的精度，得到對(duì)比結(jié)果見表3，分析表3 得知，本文方法進(jìn)行礦山數(shù)字化測(cè)量的精度更高。

圖3 平面分析圖

表3 礦山數(shù)字化測(cè)量的精度對(duì)比

根據(jù)表3 的仿真結(jié)果得知，本文方法進(jìn)行礦山數(shù)字化測(cè)量的精度較高。

4 結(jié)論

本文提出基于數(shù)字化測(cè)量信息技術(shù)的礦山測(cè)量方法，并分析應(yīng)用效果。建立礦山數(shù)字化測(cè)量的海量信息融合和處理模型，通過深度融合和信息處理技術(shù)，并利用大數(shù)據(jù)信息處理技術(shù)，建立礦山數(shù)字化測(cè)量的場(chǎng)景分類模型，建立礦山數(shù)字化測(cè)量的GIS 信息庫，利用多傳感器觀測(cè)技術(shù)，建立遙感影像全自動(dòng)處理模型，根據(jù)攝影測(cè)量的幾何參數(shù)處理，實(shí)現(xiàn)礦山數(shù)字化測(cè)量及應(yīng)用。實(shí)驗(yàn)和研究結(jié)果表明，本文方法進(jìn)行礦山數(shù)字化測(cè)量的精度較高，人工智能性較好，具有很好的操作性。