蘇艷民

隨著地質(zhì)測量技術(shù)的發(fā)展，采用數(shù)字化的人工智能測量方法進行礦山數(shù)字化測量，建立礦山數(shù)字化測量的信息化處理模型，根據(jù)攝影機和立體視覺呈現(xiàn)高技術(shù)，實現(xiàn)礦山的數(shù)字化測量。通過光學投影機和機械投影機，進行礦山數(shù)字化測量的數(shù)字化加工和處理，比如美國研制的DAMC 系統(tǒng)，以及DPGrid 系統(tǒng)等，都是數(shù)字化測量的人工智能系統(tǒng)。隨著智能化測繪技術(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)字化測量技術(shù)的礦山測量優(yōu)化方法，在攝影測量與遙感領(lǐng)域中具有重要的影響和意義。本文提出基于數(shù)字化測量信息技術(shù)的礦山測量方法，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)字化測量信息處理模型，結(jié)合攝影測量遙感以及高分辨的亞米級影像技術(shù)，采用大數(shù)據(jù)分析和圖像融合處理的方法，實現(xiàn)數(shù)字化測量信息技術(shù)在礦山測量中的應(yīng)用。

1 礦山數(shù)字化測量的場景分類和數(shù)據(jù)來源

1.1 礦山數(shù)字化測量的場景分類

為了實現(xiàn)數(shù)字化測量信息技術(shù)在礦山測量中的應(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)和云計算支撐下，建立礦山數(shù)字化測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)字化測量的場景分類模型，采用構(gòu)建基于信息和人工智能技術(shù)的礦山數(shù)字化測量信息處理模型，采用測繪地理信息服務(wù)數(shù)據(jù)庫作為底層數(shù)據(jù)庫，構(gòu)建在不同場景下礦山數(shù)字化測量的信息采集模型，得到信息采集的條件參數(shù)見表1。。

表1 礦山數(shù)字化測量的信息采集參數(shù)

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

1.2 礦山數(shù)字化測量的數(shù)據(jù)來源及處理

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

引入全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System,GNSS），引入測繪地理信息數(shù)據(jù)庫，在機器學習和深度神經(jīng)網(wǎng)絡(luò)學習下，得到非地面點的剔除輸出。

圖1 礦山測量

2 礦山數(shù)字化測量優(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)字化測量的邊緣輪廓波長系數(shù)為。

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

通過測繪地理信息處理處理技術(shù)，建立礦山數(shù)字化測量的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，得到剩余連接點的分布函數(shù)為。

3 實驗測試與結(jié)果分析

采用Matlab 進行數(shù)字化測量信息技術(shù)在礦山測量中的仿真實驗，對礦山測量的重疊區(qū)域像素分布為2 萬像素，匹配的影像對數(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，進行礦山的數(shù)字化測量，得到原始遙感圖像采集和測量結(jié)果如圖2 所示。

圖2 礦山數(shù)字化測量結(jié)果

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

圖3 平面分析圖

表3 礦山數(shù)字化測量的精度對比

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

4 結(jié)論

本文提出基于數(shù)字化測量信息技術(shù)的礦山測量方法，并分析應(yīng)用效果。建立礦山數(shù)字化測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)字化測量的場景分類模型，建立礦山數(shù)字化測量的GIS 信息庫，利用多傳感器觀測技術(shù)，建立遙感影像全自動處理模型，根據(jù)攝影測量的幾何參數(shù)處理，實現(xiàn)礦山數(shù)字化測量及應(yīng)用。實驗和研究結(jié)果表明，本文方法進行礦山數(shù)字化測量的精度較高，人工智能性較好，具有很好的操作性。