论文部分内容阅读
摘 要：先进的人工智能技术似乎已经与我们的生活密切相关，人们在日常生活中不仅可以频繁看到与人工智能相关的技术报道，更能够直接应用到与人工智能技术相关的产品，比如AI技术等。人工技术迅猛发展，正在向世人宣告我们已经进入到人工智能时代，必须积极迎合人工技术的发展趋势，加强产业创新，才能够实现各个行业的可持续发展，否则必将被历史所淘汰。
关键词：人工智能;测绘遥感;技术分析
1遥感测量技术
对于建筑工程测量中使用的遥感技术，其需要在高空的状态下运行，主要以飞行器、卫星等作为载体，并将这两种技术手段进行有效的连接，从而提高遥感测量过程的稳定性。如果测量高度较低，只需要利用一些低端的遥感测量设备便能完成信息收集。此外，在实际测量过程中，必须确保测量工作者具备较为熟练的操作技能，以进一步合理地操作测量设备并获得准确的测量结果。如果工作人员的能力有所欠缺，不仅会降低工作效率，而且會因操作失误对测量设备造成损坏。利用遥感技术完成测量工作后，要将信息数据及时传输到计算机系统中，由计算机系统进行整理和分析并最终录入数据库中，为工程后期的设计与建设提供便利。
2建筑测绘遥感技术在人工智能时代的应用
2.1机器视觉概念及其在测绘遥感技术的应用
人工智能技术中的视觉技术主要是指可以通过摄影设备和计算机处理系统。代替人眼对目标进行数字化的识别和跟踪，而且计算机系统内也会有相应的逻辑处理能力，进而可以对所获得的数字信息进行测量和识别。广义上，计算机相关机械设备所具备的视觉能力主要包括图像处理技术、目标识别技术、信息重建技术、图像分析技术、数据理解技术等诸多领域;狭义上而言，计算机相关机械设备所具备的视觉能力，主要是通过对于图片、视频等数据信息进行收集和处理。在计算机系统内建立起相应的三维场景，通过实现三维重建的方式，提高信息处理能力。
2.2机器学习概念及其在测绘遥感技术的应用
人工智能发展的另一个主要技术方向是实现机器学习，自人工智能概念提出以来，让机器完成学习任务已经成为人工智能最为主要的研究方向。机器学习的基本逻辑是通过寻找某种函数关系，利用数据将具体事物进行勾线和连接。进而形成正确的映射，帮助人工智能完成相应的学习任任务。统计学习的思想已经长期应用在机器学习技技术上，而在摄影测量和遥感领域内统计学习思想也有着广泛的应用。比如，在进行测绘遥感过程中，需要利用统计学思想进行监督和对监督目标进行识别与分类。利用传统的统计学理论所进进行的遥感影像监督和非监督分类相关的研究成果进展一直较为缓慢，进而导致测绘遥感技术在目目标识别的精准度上和分类的准确度上一直以来难以得到有效的提高，但是凭借着人工智能的发展，通过机器学习已经期待的改变了这一问题。相相关专家研究证明，利用一种逐层贪心算法可以实现对于机器进行深度神经元网络训练的能力，而这也意味着深度学习的概念就此诞生，利用深度学习的算法建立起深度卷积网络多层的深度及处理抽象图像的技术，将原本深度依赖算法设计进行进一步的升级和改良，进而将实现机器学习习的能力提升。相关研究和发展已经获得可以对机机器进行能力上的深度训练，通过构建深度网络，结结合不同的目标任务，帮助机器获得具有不同特征的数据信息，进而实现自主学习功能，使得人工工智能在遥感测绘使用上可以获得全新的突破。在在这时候，经过了大量的数据和实验证明，利用深度学习的算法和新的统计学思想，无论是在图像识别、物体分类、语音辨别、遥感技术使用等相相关的机器学习和语义研究上都能够带来显著的效效果，未来机器学习也将沿着深度学习的方向获得进一步的发展。机器学习不仅会在自然语言处理上获得相应的成绩，更能够凭借深度学习在视觉图像上得到更为广泛的应用。比如，可以对手写字体进行识别，对各类图像进行有效分类，自动完成目标检索等。深度学习已经在计算机视觉系统内得到了广泛的使用，助推了人脸识别、无人驾驶、智能机器人等相关领域的勃勃生机，而测绘遥感技术主要的研究对象便是各类视觉图像，所以测绘遥感解数在人工智能时代也将深受深度学习的影响，获得技术的突破。测绘遥感技术的重要任务之一便是对目标进行几何定位和物理属性的提取，通过对二维图像的收集，重新构建起立体的几何图形，并且对地理物质进行要素分类。利用深度学习的方式应用在几何定位上，虽然目前还未进入到摄影测量的研究领域，但是已经出现与计算机视觉领域利息相关的技术研究，而深度学习的方法所带来的定位精准度目前也无法实现与传统技术方法所获得的结果进行相比，仍然相差一个数量级别，利用三维重建技术中的密集匹配技术进行深度学习可以获得良好的应用成绩，而这也将展现出深度学习方法所具备的测绘遥感技术应用潜力。
2.3利用大数据技术手段实现的认知与推理能力
人类社会、机器信息空间以及物理世界所构成的三元世界是一个动态的、开放的、体系化的网络世界，在这个三元的世界体系中，一方面，人类需要通过有效的测量和遥感技术，通过野外调查以及现在最为先进的传感网络技术来获取物理世界的各类数据信息;另一方面，人类也在积极使用社会调查的方式以及互联网技术手段、导航设备、可穿戴设备和视频监控设备等工具获取与人类社会相关的各类经济信息数据内容。这些数据信息构成庞大的数据体系，在空间上和时间上形成海量的数据规模，这些数据会成为人类探索物理世界，理解人类社会的重要数据支持，能够帮助人类更好的进行认知的推进，加强推理能力，而这也是人工智能技术被研发出来的最终使命，这一过程也将实现人类在决策上能够变得更加科学准确。与计算机视觉和深度学习相关的各类人工智能技术领域有着极大的不同，大数据技术手段所实现的认知与推理能力还未形成完善的理论和方法，对于物理世界和人类社会探索、认知和推理都在一定程度上存在着不成熟的情况，并且也无法形成完整的体系，但是这并不意味着人类目前无法通过利用人工智能的技术手段以及大数据分析方法来进行智慧城市的建设，反而也可以通过这些初步研究的成果，提高智慧城市的建设水平，并加强了对于智能社区的研究和应用力度。经过数十年的发展，地理信息系统已经建立起较为完整的理论体系和方法逻辑，但是运用传感网和社会感知设备相关的时空数据分析技术和理论挖掘上仍然存在着不成熟的情况，受其重要性的影响，业界人士正在逐渐加强对于相关技术和理论的研究，而这也是目前人工智能在测绘遥感技术应用中的热点研究问题。
3结语
总体而言，人工智能技术必然带来一场科学技术的革命和产业的变革，测绘遥感技术既是人工技术的直接利益接受者，也将成为人工技术发展的积极开拓者，测绘遥感技术将从原有的静态逐渐走向动态，与此同时，也将实现与人工智能技术相关的各类计算机视觉技术的深度融合，以此更好地解决在图像解释上信息提取上以及运用上的问题。互联网技术、物联网技术以及传感技术将共同构建起庞大的时空数据信息，这些将成为人工智能持续发展的动力，为机器学习和智能发展提供源源不断的资源。
参考文献：
[1]王森.人工智能时代测绘遥感技术的发展机遇与挑战[J].冶金管理，2019，373（11）：63-63.
[2]龚健雅.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，2018，043（012）：1788-1796.
（山东博林地理信息，山东 济南 250000）
关键词：人工智能;测绘遥感;技术分析
1遥感测量技术
对于建筑工程测量中使用的遥感技术，其需要在高空的状态下运行，主要以飞行器、卫星等作为载体，并将这两种技术手段进行有效的连接，从而提高遥感测量过程的稳定性。如果测量高度较低，只需要利用一些低端的遥感测量设备便能完成信息收集。此外，在实际测量过程中，必须确保测量工作者具备较为熟练的操作技能，以进一步合理地操作测量设备并获得准确的测量结果。如果工作人员的能力有所欠缺，不仅会降低工作效率，而且會因操作失误对测量设备造成损坏。利用遥感技术完成测量工作后，要将信息数据及时传输到计算机系统中，由计算机系统进行整理和分析并最终录入数据库中，为工程后期的设计与建设提供便利。
2建筑测绘遥感技术在人工智能时代的应用
2.1机器视觉概念及其在测绘遥感技术的应用
人工智能技术中的视觉技术主要是指可以通过摄影设备和计算机处理系统。代替人眼对目标进行数字化的识别和跟踪，而且计算机系统内也会有相应的逻辑处理能力，进而可以对所获得的数字信息进行测量和识别。广义上，计算机相关机械设备所具备的视觉能力主要包括图像处理技术、目标识别技术、信息重建技术、图像分析技术、数据理解技术等诸多领域;狭义上而言，计算机相关机械设备所具备的视觉能力，主要是通过对于图片、视频等数据信息进行收集和处理。在计算机系统内建立起相应的三维场景，通过实现三维重建的方式，提高信息处理能力。
2.2机器学习概念及其在测绘遥感技术的应用
人工智能发展的另一个主要技术方向是实现机器学习，自人工智能概念提出以来，让机器完成学习任务已经成为人工智能最为主要的研究方向。机器学习的基本逻辑是通过寻找某种函数关系，利用数据将具体事物进行勾线和连接。进而形成正确的映射，帮助人工智能完成相应的学习任任务。统计学习的思想已经长期应用在机器学习技技术上，而在摄影测量和遥感领域内统计学习思想也有着广泛的应用。比如，在进行测绘遥感过程中，需要利用统计学思想进行监督和对监督目标进行识别与分类。利用传统的统计学理论所进进行的遥感影像监督和非监督分类相关的研究成果进展一直较为缓慢，进而导致测绘遥感技术在目目标识别的精准度上和分类的准确度上一直以来难以得到有效的提高，但是凭借着人工智能的发展，通过机器学习已经期待的改变了这一问题。相相关专家研究证明，利用一种逐层贪心算法可以实现对于机器进行深度神经元网络训练的能力，而这也意味着深度学习的概念就此诞生，利用深度学习的算法建立起深度卷积网络多层的深度及处理抽象图像的技术，将原本深度依赖算法设计进行进一步的升级和改良，进而将实现机器学习习的能力提升。相关研究和发展已经获得可以对机机器进行能力上的深度训练，通过构建深度网络，结结合不同的目标任务，帮助机器获得具有不同特征的数据信息，进而实现自主学习功能，使得人工工智能在遥感测绘使用上可以获得全新的突破。在在这时候，经过了大量的数据和实验证明，利用深度学习的算法和新的统计学思想，无论是在图像识别、物体分类、语音辨别、遥感技术使用等相相关的机器学习和语义研究上都能够带来显著的效效果，未来机器学习也将沿着深度学习的方向获得进一步的发展。机器学习不仅会在自然语言处理上获得相应的成绩，更能够凭借深度学习在视觉图像上得到更为广泛的应用。比如，可以对手写字体进行识别，对各类图像进行有效分类，自动完成目标检索等。深度学习已经在计算机视觉系统内得到了广泛的使用，助推了人脸识别、无人驾驶、智能机器人等相关领域的勃勃生机，而测绘遥感技术主要的研究对象便是各类视觉图像，所以测绘遥感解数在人工智能时代也将深受深度学习的影响，获得技术的突破。测绘遥感技术的重要任务之一便是对目标进行几何定位和物理属性的提取，通过对二维图像的收集，重新构建起立体的几何图形，并且对地理物质进行要素分类。利用深度学习的方式应用在几何定位上，虽然目前还未进入到摄影测量的研究领域，但是已经出现与计算机视觉领域利息相关的技术研究，而深度学习的方法所带来的定位精准度目前也无法实现与传统技术方法所获得的结果进行相比，仍然相差一个数量级别，利用三维重建技术中的密集匹配技术进行深度学习可以获得良好的应用成绩，而这也将展现出深度学习方法所具备的测绘遥感技术应用潜力。
2.3利用大数据技术手段实现的认知与推理能力
人类社会、机器信息空间以及物理世界所构成的三元世界是一个动态的、开放的、体系化的网络世界，在这个三元的世界体系中，一方面，人类需要通过有效的测量和遥感技术，通过野外调查以及现在最为先进的传感网络技术来获取物理世界的各类数据信息;另一方面，人类也在积极使用社会调查的方式以及互联网技术手段、导航设备、可穿戴设备和视频监控设备等工具获取与人类社会相关的各类经济信息数据内容。这些数据信息构成庞大的数据体系，在空间上和时间上形成海量的数据规模，这些数据会成为人类探索物理世界，理解人类社会的重要数据支持，能够帮助人类更好的进行认知的推进，加强推理能力，而这也是人工智能技术被研发出来的最终使命，这一过程也将实现人类在决策上能够变得更加科学准确。与计算机视觉和深度学习相关的各类人工智能技术领域有着极大的不同，大数据技术手段所实现的认知与推理能力还未形成完善的理论和方法，对于物理世界和人类社会探索、认知和推理都在一定程度上存在着不成熟的情况，并且也无法形成完整的体系，但是这并不意味着人类目前无法通过利用人工智能的技术手段以及大数据分析方法来进行智慧城市的建设，反而也可以通过这些初步研究的成果，提高智慧城市的建设水平，并加强了对于智能社区的研究和应用力度。经过数十年的发展，地理信息系统已经建立起较为完整的理论体系和方法逻辑，但是运用传感网和社会感知设备相关的时空数据分析技术和理论挖掘上仍然存在着不成熟的情况，受其重要性的影响，业界人士正在逐渐加强对于相关技术和理论的研究，而这也是目前人工智能在测绘遥感技术应用中的热点研究问题。
3结语
总体而言，人工智能技术必然带来一场科学技术的革命和产业的变革，测绘遥感技术既是人工技术的直接利益接受者，也将成为人工技术发展的积极开拓者，测绘遥感技术将从原有的静态逐渐走向动态，与此同时，也将实现与人工智能技术相关的各类计算机视觉技术的深度融合，以此更好地解决在图像解释上信息提取上以及运用上的问题。互联网技术、物联网技术以及传感技术将共同构建起庞大的时空数据信息，这些将成为人工智能持续发展的动力，为机器学习和智能发展提供源源不断的资源。
参考文献：
[1]王森.人工智能时代测绘遥感技术的发展机遇与挑战[J].冶金管理，2019，373（11）：63-63.
[2]龚健雅.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，2018，043（012）：1788-1796.
（山东博林地理信息，山东 济南 250000）