智能化测绘技术在工程测量中的应用研究

引言

基础的工程测量工作为建筑项目的设计、实施和管理提供空间信息的准确性和数据支撑。但是当建设场地遇到复杂地形地貌、工程体量较大、对精度要求高的情况时，传统的工程测量方式就会出现效率不高、精度受限、难以处理数据的状况。伴随着新一代人工智能、大数据、物联网、云计算等新技术的发展，一种新型技术应运而生，被称为‘智能化测绘’”前添加“为解决传统工程测量方式面临的困境。

1.智能化测绘技术的内涵与特点

1.1 智能化测绘技术的内涵

智能化测绘系统依托以现代信息科学技术为核心的手段，融合了卫星定位、遥感测控、人工智能等技术，将工程测量中的数据采集、数据处理、数据分析完全智能化的工作模式作为它的主要发展方向。其核心就是要将传统的测量方法和计算机数字化、自动化技术相结合，构建出能够自主感知、实时反馈、智能决策的测图手段。从技术体系来看，智能化测图具有以下几个主要特点：首先是以 GPS、INS 为主体的高精度定位技术，可以实现毫米级实时定位作业，比如现行工程测量工作较多采用的 RTK 技术，通过对基准站和流动站的工作合作可以显著改善复杂地形下的测图定位精确度。其次是激光雷达、无人航摄机空三测绘技术获取高密度的三维数据，其作用是能够短时间内获取三维场景地面目标密布的点云数据，用来构成数字孪生的基础数据支撑。最后是利用深度神经网络进行数据信息的人工智能处理的算法，自动识别地表物的类型、剔除冗余信息、输出规范化的测图成果。其最大的特点就是改变了工作的作业流程。不同于传统的纯人工作业，信息化测绘实现了从‘人力操作’到‘系统操控’，从信息采集到结果生成的自主完成，工作人员从高危作业的场所解放出来，可远程操控机器代为完成各项工作。

1.2 智能化测绘技术的特点

首先，就智能测绘的本质特征来看，主要有三个方面：即集成技术能力、作业效率、智能应用，就其实现架构来看，则依靠多种测量传感方法和智能算法，对传统测绘作业进行了一次质的飞跃。具体来看，就集成技术层方面，智能测绘表现出多源信息交互的特点，通过对卫星定位导航、无人机航空影像和激光雷达等多种技术的集成，构建了“天上—地下—云”的数据采集体系。就作业效率这一特征来看，首先体现为数据采集的高速作业方面，例如，以往需要多人协作完成的导线法、平板法等，如今便可借助智能全站仪或测量机器人进行全自动作业；其次体现在数据处理的智能作业方面，预先设定智能算法，使“去噪化”、“坐标系转译”、“曲面重建”等问题由算法进行自动化处理，从而缩短大量重复劳动所耗费的时间。最后，便是智能处理的智能分析能力特征，为智能测绘的根本属性体现。基于深度学习的图像分析技术可自动从测量图片提取道路边界和建筑物等，具有很高的图像识别精度，与人类专家级别的认知度水平相当。

2.智能化测绘技术在工程测量各环节的具体应用

2.1 数据采集环节

在整体测量工作完成的过程中，数据采集算是基础性的关键工作，其效率和精准度会对后期的作业质量起到直接影响。智能测绘技术是通过各类型的感知设备协同协作来完成，形成了新的数据采集的方式，强化了常规的测量方式的效率。当下主要针对三种技术手段进行智能的数据采集，首先就是 GNSS，它是建立在 GPS 基础上，加入实时动态差分技术而形成的具有厘米级高精密度定位技术。尤其是在大面积的地理区域普查作业时，此类设备能够高速构建测量控制网，为我们建设起稳定的框架结构。其次是采用无人机遥感平台，搭配的仪器有多种类型，包括多光谱的传感器和激光雷达等，能在短时期内积累区域的海量信息。第三种是移动测量技术，包括车载激光扫描仪器和手持式的三维采集仪器，借助 SLAM 算法，能对室内外场景复杂多变的作业地点无须参考点位状态连续测量，具备无参考点位的连续测量能力。智能化数据采集的特征主要体现在作业模式的创新型工作中，以前人工布站和标定的工作都由智能设备来实现。

2.2 数据处理环节

数据处理环节在全工程测量过程中起到从原始数据转化为可应用的工程信息的关键作用。通过智能测绘技术及算法优化与平台共建，可提升整个数据处理的速度和精度，弥补传统纯人工操作带来的低效、错误累积等问题。当前，智能化的数据处理包含下列三个关键技术模块：首先是集成多种数据的模块，以同一时空尺度将 GPS、激光雷达、无人机图像等不同类型的数据整合成有序化数据库。其次是智能筛选模块，利用深度学习模型自动识别并滤除点云数据中的噪声点和异常值。最后是特征提取模块，采用计算机视觉技术自动识别地物地貌、建筑轮廓等地理要素，其识别准确率达到专业测绘人员同等水平。数据处理环节的智能化优化主要围绕以下方面进行：事先处理环节，利用边缘计算设备对现场进行实时的质量检查处理，如进行坐标转换、图像变形调整等基础流程，缓解了后续工作的压力。而在计算流程核心部分，采用云计算联盟的并行计算架构，从单一线性流程到同时处理多项任务。

2.3 数据分析环节

数据分析是工程建设过程的重中之重，在基础数据和工程决策之间搭建了一座桥梁。通过对数据的智能分析处理，利用智能测绘技术实现多项数据到结构化信息的自动转换，为工程建设提供合理化决策依据。数据智能分析主要依托 3 项关键技术：一是以人工智能驱动为基础的特征识别技术，自动对点云、图像中的路面边线、建筑物轮廓等基础图形元素进行特征的识别；二是动态监控分析单元，基于时间序列算法分析周期性采集得到的挠度监测数据，自动生产结构变形趋势图和安全警报信息报告；三是集数据融合、交互式功能于一体的平台，可以将 BIM 模型数据与实时测量数据进行对比，打造辅助工程建设决策的数字沙盘模型。数据分析过程智能化体现在数据处理预处理、分析核心、数据交互阶段都具备自主识别能力：数据预处理使用可变过滤算法自主去除外部环境干扰，如基于改进型 DBSCAN 聚类算法实现点云中的离群数据的自动去除；数据分析核心采用云计算架构的并行计算模型，可以进行多个任务并行。

2.4 成果展示环节

结果展现阶段是整个工程测量过程中的重要节点，其将测绘数据转化为易用、易处理的直接信息。智能化的测绘技术应用 3D 可视化、互动分析等方式提高了结果展现的清晰度及应用的实际价值，其智能化体现在：第一种为三维动态建立的技术，其结合点云数据与 BIM 模型，生成可旋、切的建筑环境；第二种为互动分析工具，通过手势或语音即可获得所处位置的坐高、高程等，取代了以前繁琐的地图查找方式；第三种是可适配移动终端的技术，采用轻型的处理算法，使大容量三维模型在手机、pad 等终端上可以流畅、轻捷地展示，满足了现场施工的需求。除了二维绘图软件外，还有四种独特的显示模式。第一个是增强现实融合，将设计模型投射于真实场景中，以便于在现场进行定位使用；第二个虚拟现步行模式，可以创建一个感同身受的设计评估环境；第三个时间轴动画，用动态方式展现地质演化和构型演变过程；第四为互动式仪表盘，主要用于整合多项关键指标例如工程量计及比进度等等。每种方式各不相同。

结束语

智能测绘技术是工程测量的新型技术手段，通常情况下具有自动化程度高、数据处理能力较强、准确性较高、反应速度较快等特征，在工程测量过程中采集、分析、展示数据等各个环节均可以发挥重要作用，有效提升了工程测量质量和效率，节省了相应的测量成本，并且增强了相关决策依据的科学性。

参考文献：

[1]卢世勇.试析无人机测绘技术在自然资源动态监管系统中的应用[J].低碳世界,2023,13(06):40-42.

[2]蒲冠宇.浅谈人工智能时代自然资源调查监测技术的发展与挑战[J].科技与创新,2023,(01):90-92+97.

[3]行海燕,许运鹏.让自然资源监管更智能——平顶山市测绘地理信息工作助力露天矿山监管侧记[J].资源导刊,2021,(05):45