人工智能背景下實現信息化測繪的方法研究

王帥

吉林省水利水電勘測設計研究院 吉林 長春 130000

引言

隨著信息化時代的來臨，測繪領域想要進一步提升當前的測繪工作開展質量，就需要充分將各類信息技術引入到日常測繪工作中。其中人工智能作為信息化建設的重要內容，將人工智能處理技術，同步融入測繪工作開展各個環節中，也很有必要。但結合現有的測繪工作開展來看，其對于信息化和智能化測繪技術的應用仍舊存在諸多的不足之處，導致實際的測繪結果并不精確，也限制了測繪水平的提升。鑒于此，本次研究中圍繞人工智能背景下實現信息化測繪的方法這一主題進行深入探討，具有重要現實意義。

1 人工智能背景下的信息化測繪系統設計

本次研究中，主要設計了UAV-UGV信息化異構測繪系統，其能夠在測繪期間，同步完成繪圖和定位處理。進行搜集測繪場景信息時，監控自動化系統能夠針對系統運行狀態進行監控并將狀態信息記錄下來，隨后將記錄的信息按照固定的間隔時間傳輸至邊緣節點[1]，每個節點之中的數據傳輸模塊會自動按照系統設定的要求對數據進行壓縮或是解壓處理，此時處理后的測繪視圖信息就可在相鄰節點之間快速傳遞。針對所得出的測繪數據進行最終處理時，主要在邊緣計算平臺中完成[2]，即所有需要計算或是存儲的測繪數據均由平臺中的引擎組件完成處理工作。UAV-UGV測繪系統運行期間，數據的傳輸過程主要包括了數據包、序列化、反序列化以及解析等流程，期間測繪數據流會先行推送至系統云端，云端處理工作完成后，系統還會系統在不同節點之上完成相應的數據分配工作，此時進行數據主體的格式設置時[3]，需要以json字符數為主，并在進行數據包范圍設定時，結合數據實際大小確認。

2 人工智能背景下實現信息化測繪關鍵技術分析

2.1 測繪特征采集

為了確保信息化測繪處理期間所提取的樣本可靠性更高，需要利用人工智能對其進行穩健擬合處理，并將離群點剔除掉。應用2D激光進行掃描時，需要在掃描點的周邊確認特征點，進行相鄰的邊緣點、屬性點以及平面點的表達時，也需借助特征點來實現[4]。當利用無人機進行信息化測繪時，無人機測繪時的第k次旋轉中，由單個掃描l內的測繪得出樣本特征點p，利用p去定義相對變化率（Rk，l，p），并以此完成邊緣點（ek，l，i）從平面點（fk，l，i）開始，其中，ek，l，i＞一定的變化率，而fk，l，i＜一定的變化率。具體可得出如下公式（1）和（2）：

其中，R指代的是p的坐標；l指代的是局部范圍內第k次旋轉中，由單個掃描l內入射點至p坐標位置的平均長度參數[5]。其計算公式如下（2）：

其中：q指代的是p的相鄰點；N指代的是和p點相鄰點的總數。

另外，本研究分別構造了點對線策略和點對平面策略對應的幾何關系來關聯不同旋轉的點，通過在第k次旋轉中使用邊點p和在（k+1）次旋轉中使用其最近鄰點m來形成點到線對應[6]。

2.2 運動路徑規劃與導航測繪

對UAV-UGV信息化測繪系統中的SLAM模塊進行處理時，技術人員需要重點優化非線性誤差函數算法，并就優化結果去擴展主動映射函數，并利用其生成測繪探索路徑，提升勘測視圖的規劃質量[7]。另外，還需將傳感器運行的約束條件考量進去，以此完善在線測繪的視圖、運動規劃結果，從而提升對未知測繪環境的測繪效果。

當系統框架處于未知環境中進行測繪時，需先完成初始掃描工作，隨后更新映射算法，并基于邊界中覆蓋的采樣器，以此生成相應的視圖點。應用采樣器進行測繪勘測時，需要將已經完成勘測和未進行勘測的邊界全部覆蓋在采樣范圍內[8]。因此，在進行測繪路徑的選配時，為了提升測繪效率，就必須制定出一條最具測繪優勢的路徑。

為了能夠提升計算處理效率，本次分析中還給出了信息增益模型，并結合該模型進行勘測視圖的算法規劃工作，此信息增益模型是在占用概率、可見性支持下構建而成，進而將測繪樣本特征點所處測繪區域內所占用的概率偏差計算出來，具體的計算公式（3）如下：

其中，p（oi|x，z）主要指代的是瞬時測繪期間的占用概率；p（vi|oi-1，x，z）主要指代的是視圖點x在進行oi的測量時可見性概率統計。同時，還需做好可見性轉換工作，將其應用在后續p占用概率的分布處理中，具體的補碼后函數分析工作完成后，還需做好測繪傳播工作，此時需要結合下述公式（4）實現：

其中，z主要指代的是體積圖的測量數值。后續的測量工作中，UAV的視圖點采集工作開展空間由3D轉至2D，期間為了確保UGV導航處理的即時性，提升測繪區域內的探索效率，還需圍繞算法制定一個基于測繪區域邊界的覆蓋規劃器，用以確保本次設計的系統能夠滿足更多制圖網絡運行、勘測需求[9]。當開展覆蓋規劃器的處理時，進行均勻、鄰域采樣處理時，可以以隨機選取的方式在邊界區域內進行視圖采樣，并做好采樣工作的可見性檢查工作。當在進行制圖層的輸出管理時，研究使用光線投射在OctoMap環境模型中標記各個視圖點的覆蓋范圍。一個樣本只有在一個自由空間中并且在其鄰域中對一個未知空間樣本可見時才被選為一個可容許的邊界視圖點，即有效樣本由TheValidOf函數輸出。

綜上所述，UVA-UGV測繪系統在瞬時地圖和傳感器模型方面盡可能地分散樣本，并預測相對較長的行程，同時使勘測路徑全局合理和平滑，從而使每次迭代收集的信息獲得更高的勘測精度。

3 人工智能背景下實現信息化測繪試驗研究

為了可以進一步對測繪工作中信息化測繪系統的處理成效進行了解，下面研究中，選用了UAV-UGV系統展開測繪信息化試驗工作，具體試驗內容如下：

3.1 試驗硬件

本次研究中所選用的系統，其構件主要包括兩方面，一是微型的無人機，其靈活性十分高。另一個為自主無人地面車輛。兩項基于人工智能的信息化測繪工具具體情況如下：

其一，微型無人機。該硬件安裝了四旋翼平臺，平臺材質為碳纖維。無人機上所搭載的傳感器主要有兩種，分別是磁羅盤和慣性測量單元，兩種傳感器的安裝，主要是為了確保無人機在測繪中的安全飛行，并為其提供基礎的機動力。在板載算法處理安裝了使用 Intel NUC 的高級處理器；其二，無人值守地面車輛。該硬件是由4個獨立的伺服電機驅動的Mecanum車輪制成，微控制器通過以太網連接直接與板載處理器通信。 無人機和無人值守地面車輛之間的通信基于通過安全外殼的無線網絡連接，定制的旋轉激光雷達設備剛性安裝在無人機平臺的頂部，立體相機安裝在激光雷達下方，以采取精細的測繪樣本特征點，具體的試驗硬件參數統計為了下表1所示內容：

表1 試驗硬件參數表

3.2 試驗結果探討

為了進一步將UAV-UGV系統的測繪優勢呈現出來，試驗期間技術人員測繪時，采用了激光雷達模型、30m射程的立體視覺傳感輔助試驗。測繪中發現，無人機的視場及測繪距離可超出10m以外。在測試工作正式開始之前，技術人員提前設定了兩種系統軌跡規劃方案，正式測試時，要求測試相機按照“間隔1秒”的原則進行持續拍照，拍照期間需同步做好相機的位置及姿勢記錄工作，測試工作的全程時長為60min，拍攝照片共計3600張，所有測繪得出的數據均需要借助無限傳輸功能遞送至系統后臺，并以此數據資料開展2D以及3D的重建工作。不同的測繪方案應用下，其所生成的探測路線合理性均比較高，以此完成了測繪場地的整體測繪工作。此過程中，無人值守的自主測繪車輛在模擬艙室之中，順利避開雜亂障礙物，從而得出了模擬艙室的2D測試模型圖。但是，在車輛傳感器的限制下，UGV的測繪特征充分顯示出了被測量區域的環境輪廓，但對2D測繪結果分析發現，由于測繪得出的地圖數據比較稀疏，因此較多的局部細節不夠清晰，同時測繪場景中的拐點等細節也被系統自主忽略掉了。因此，研究中充分針對2D模擬測繪結果進行了優化，利用UAV-UGV測繪系統展開試驗，其將無人機測繪與傾斜激光模塊加以結合，使得測繪時的范圍覆蓋到地面值守車輛無法順利到達的位置，提升信息搜集的覆蓋范圍，繼而結合兩種系統所測繪得出的相關信息進行分析之后可發現，對比之下，UAV-UGV系統測繪后的數據及結果可靠性更強。

在上述測量模擬試驗開展下可得出，信息化測繪系統的適用性相對更高，因此，對應用無人機完成獨立勘探的測繪工作，與本次研究中的測繪方案進行了數據統計分析，其中重點完成了測繪地圖重建工作，重建的時間設定為測繪完成度70%時的多個測繪點、80%時的多個測繪點以及90%時的多個測繪點。

結合測繪結果進行分析能夠發現，當測繪時的場景范圍比較大，UAV-UGV信息化測繪系統無論在測繪效率方面，還是在測繪結果精準性方面，優勢均比較突出。結合此分析結果的得出進行分析也能夠發現，當測繪信息的增益模型減少，那么會極大程度上為視圖規劃和運動規劃流程執行周期縮短創造條件，從而有效解決原有測繪工作中所存在的全局優化難的問題，同時也可為局部區域的測繪優化創造條件，縮減其規劃空間，最終為系統測繪視圖的輸出效率提升提供支持。

4 結束語

綜上所述，技術人工智能所展開的信息化測繪工作，對快速運動、圖像模糊的動態目標進行測繪處理時，可以顯著提升測繪及定位的精準性。與此同時，通過對傳感器中數據進行算法優化后，系統的運行速度得到了明顯的增長，且對于能耗的降低方面也發揮了助推效用，值得在測繪行業中進行推廣利用。