Page 242 - 测绘科学技术理论及实践应用研究

Application and Theoretical Research of Engineering Machinery Technology
测绘科学技术理论及实践应用研究

多，可以利用社会感知时空大数据的形式体显出人类活动规律与社会行为情况。
此类数据的测绘遥感技术应用复杂程度非常明显，要合理使用人工智能技术，通
过深度学习技术与计算机视觉技术、大数据技术等增强测绘遥感的效果，解决目

前物理世界和人类社会方面认知与推理问题，形成非常完善的机制体系，尤其是
在智慧城市建设期间可以通过将人工智能技术和测绘遥感技术相互整合来健全时
空大数据的认知与推理模式，健全理论体系、方法逻辑，合理使用传感网技术、
感知设备技术等挖掘时空数据信息，强化分析和推理的效果，为测绘遥感技术的

拓展、创新提供帮助。

四、人工智能下信息化测绘技术的改革创新要点

（一）测绘地理信息与大数据智能融合

以深度学习为代表的大数据智能正在逐渐应用到测绘地理信息的方方面面，
如遥感图像分类、地图导航等。然而，主流的深度学习框架以二维信息的处理为
出发点。如在深度卷积神经网络中，卷积核为二维卷积核，池化、非线性变化等
都是以二维信息为基础。这就造成了应用大数据智能技术于测绘地理信息领域

的一系列问题。因此，迫切需要开发基于三维时空数据的大数据智能模型。这里
有 5 个关键的技术方面需要突破。第一，真三维深度学习模型。设计适合三维信
息的深度神经网络架构，需要建立三维卷积核，三维池化和三维非线性函数等基

本结构。目前的三维深度神经网络模型面向的主要是数据的三维表面，且模型在
计算效率、模型表达、精度等方面都存在比较大的缺陷。因此，整个三维深度神
经网络的训练方法需要重新设计，训练过程的复杂度，模型的透明度和可解释性
都是待解决的关键技术点。另外，三维深度神经网络模型无样本或小样本学习的
关键技术。目前的无监督或自监督深度神经网络学习主要是针对二维图像或视频

图像，还没有三维的无监督或自监督深度神经网络模型。第二，真三维视觉知识
表达和显示技术。计算机图形学一般处理三维对象的形状、结构等信息，但在真
三维孪生环境下基于计算机图形学视觉知识表达和显示技术是一个需要探索的关

键。它不仅关系到三维实体表示的问题，更涉及空间信息与属性信息的关联、抽
象等高级知识生成。第三，历史测绘地理信息大数据智能挖掘技术。测绘地理信
息数据相较于其他大数据有一个优势就是历史积累的海量大数据。这些历史数据
花费了大量的人力物力来实际调查完成，包括影像数据、地图数据、专题数据和

234