龔健雅院士：人工智能時(shí)代測繪遙感技術(shù)的發(fā)展機(jī)遇與挑戰(zhàn)

龔健雅院士：人工智能時(shí)代測繪遙感技術(shù)的發(fā)展機(jī)遇與挑戰(zhàn)人工智能技術(shù)迅猛發(fā)展將對各行各業(yè)造成巨大影響。測繪遙感是一個(gè)與人工智能密切相關(guān)的領(lǐng)域，在人工智能領(lǐng)域迅速發(fā)展的大環(huán)境下，測繪遙感學(xué)科既有很好的發(fā)展機(jī)遇，也面臨很大的學(xué)科危機(jī)。首先介紹了人工智能的范疇和與測繪遙感相關(guān)的領(lǐng)域，然后介紹了人工智能兩大熱門領(lǐng)域——機(jī)器視覺和機(jī)器學(xué)習(xí)在攝影測量與遙感領(lǐng)域的應(yīng)用進(jìn)展，最后介紹了基于時(shí)空大數(shù)據(jù)的認(rèn)知與推理研究進(jìn)展，展示了測繪遙感的時(shí)空大數(shù)據(jù)在自然和社會感知、認(rèn)知與推理的應(yīng)用前景，希望測繪遙感學(xué)科在人工智能時(shí)代獲得大發(fā)展。無論在學(xué)術(shù)界、產(chǎn)業(yè)界或是公眾生活中，人工智能都稱得上當(dāng)前最熱門的一個(gè)話題，也是目前發(fā)展最快的一個(gè)領(lǐng)域?；仡櫲斯ぶ悄馨l(fā)展歷程，1956年達(dá)特茅斯會議的召開標(biāo)志著人工智能研究的開啟，歷經(jīng)60年的發(fā)展，兩起兩落，每次興盛都是人工智能算法有了新的突破，比如50年代神經(jīng)網(wǎng)絡(luò)理論的提出，80年代反向傳播算法的出現(xiàn)等。而每次低潮又是計(jì)算性能和數(shù)據(jù)規(guī)模的局限不能滿足實(shí)際應(yīng)用的需求，從而導(dǎo)致政府和投資的冷落。自2013年始，以深度學(xué)習(xí)為代表的神經(jīng)網(wǎng)絡(luò)算法為核心，在大數(shù)據(jù)和圖形處理器(gra-phicsprocessingunit,GPU)大規(guī)模應(yīng)用的推動下，在語音識別、圖像識別領(lǐng)域達(dá)到甚至超過了人類平均水平，迎來了人工智能研究的第三次高潮。如今，人們不僅能頻繁看到人工智能的研究與技術(shù)進(jìn)展的報(bào)道，如AlphaGo打敗了人類圍棋手，波士頓動力公司的機(jī)器人做出空翻等高難度動作等，也能不時(shí)地感受到人工智能對生活的影響，如家中新添的掃地機(jī)器人，高鐵進(jìn)站的“刷臉”，手機(jī)即時(shí)翻譯等。這一切無不宣告世界正進(jìn)入人工智能時(shí)代，而且發(fā)展迅猛，影響深遠(yuǎn)。人工智能的迅速發(fā)展對各行各業(yè)將造成巨大沖擊，許多行業(yè)可能在這場變革中消失，一些行業(yè)將獲得大發(fā)展。測繪遙感是一個(gè)與人工智能關(guān)聯(lián)密切的領(lǐng)域，在這樣的背景下既有發(fā)展的機(jī)遇，也面臨很大的危機(jī),本文將著重討論。人工智能可以分成6個(gè)研究方向：①機(jī)器視覺，包括三維重建、模式識別、圖像理解等；②語言理解與交流，包括語音識別、合成，人機(jī)對話交流，機(jī)器翻譯等；③機(jī)器人學(xué)，包括機(jī)械、控制、設(shè)計(jì)、運(yùn)動規(guī)劃、任務(wù)規(guī)劃等；④認(rèn)知與推理，包含各種物理和社會常識的認(rèn)知與推理；⑤博弈與倫理，包括多代理人(agents)的交互、對抗與合作，機(jī)器人與社會融合等；⑥機(jī)器學(xué)習(xí)，包括各種統(tǒng)計(jì)的建模、分析工具和計(jì)算方法等。前3項(xiàng)是類人的外觀，是與外界接觸的部件。類比人的五官(眼、耳、鼻、舌、身)，人工智能的研究方向中包含了其中三官。機(jī)器視覺相當(dāng)于人的眼睛，語音理解與交互相當(dāng)于人的耳朵，機(jī)器人學(xué)主要研究智能機(jī)器人的運(yùn)動器官，包括能夠運(yùn)動的腳、能夠工作的機(jī)械手、能夠空翻的身體等等。而后3項(xiàng)相當(dāng)于人腦的功能，認(rèn)知與推理是智能體需要具備的基本能力，它可以是簡單的認(rèn)知與推理，也可以是復(fù)雜的高級的認(rèn)知與推理，認(rèn)知與推理過程可以是計(jì)算機(jī)算法驅(qū)動，也可以是已有規(guī)則或者知識的直接驅(qū)動;機(jī)器學(xué)習(xí)是一個(gè)增加智能體知識、提高智能體認(rèn)知與推理水平的過程;博弈與倫理則是更高級的智能，它不僅涉及到智能體與智能體之間的協(xié)同，還涉及到人與智能體之間的協(xié)同與融合。一個(gè)智能體可能包含一個(gè)或者多個(gè)方面的智能，如機(jī)器翻譯可能僅包含語言理解和機(jī)器學(xué)習(xí)，但人臉識別可能包括機(jī)器視覺、機(jī)器學(xué)習(xí)和認(rèn)知與推理等。當(dāng)一個(gè)智能體具備以上6個(gè)方面的智能時(shí)，就可能進(jìn)入到強(qiáng)智能時(shí)代。什么時(shí)候能夠進(jìn)入強(qiáng)智能時(shí)代，強(qiáng)智能時(shí)代的標(biāo)志是什么，筆者給出了一個(gè)例子。如果哪一天機(jī)器人與人進(jìn)行一場足球賽并取得勝利，則可以認(rèn)為強(qiáng)智能時(shí)代已來。原因在于，這種比賽要求機(jī)器人不僅具有以上6個(gè)方面的能力，且各方面能力應(yīng)高級到足以打敗人類。人工智能要到達(dá)這一水平，可能還需要幾十年的時(shí)間。人工智能的發(fā)展過程中許多衍生的技術(shù)是可以用于其他領(lǐng)域的，并且有可能推動其他領(lǐng)域的技術(shù)變革。智能科技產(chǎn)業(yè)形成從宏觀到微觀的各領(lǐng)域的智能化新需求，將重塑全球經(jīng)濟(jì)結(jié)構(gòu)，催生新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，打造智能經(jīng)濟(jì)、智能社會和智能生活。測繪遙感是一個(gè)與人工智能密切相關(guān)的學(xué)科領(lǐng)域。攝影測量與遙感和機(jī)器視覺有許多概念、原理、理論、方法與技術(shù)上的重疊，它們都是用來感知環(huán)境的技術(shù);其區(qū)別是攝影測量與遙感主要是感知地球和自然環(huán)境，而機(jī)器視覺主要是感知智能體關(guān)注的目標(biāo)和環(huán)境，但是它們在數(shù)學(xué)和物理上的原理基本相同。機(jī)器學(xué)習(xí)，特別是最近幾年快速發(fā)展的深度學(xué)習(xí)方法，在機(jī)器視覺、模式識別、語音理解等方面得到廣泛有效的應(yīng)用，可說是一個(gè)革命性的技術(shù)，在攝影測量與遙感領(lǐng)域也得到廣泛應(yīng)用。認(rèn)知與推理是一種更廣義的智能，在時(shí)空大數(shù)據(jù)挖掘和智慧城市等方面將大有用武之地。本文將討論機(jī)器視覺、機(jī)器學(xué)習(xí)和認(rèn)知與推理在測繪遙感學(xué)科的應(yīng)用。1機(jī)器視覺及其在攝影測量與遙感領(lǐng)域的應(yīng)用機(jī)器視覺或者稱計(jì)算機(jī)視覺，是一門研究用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識別、跟蹤和測量等的學(xué)科。廣義上，計(jì)算機(jī)視覺包括圖像處理、目標(biāo)重建與識別、景物分析、圖像理解等內(nèi)容。狹義上，計(jì)算機(jī)視覺通常是通過對采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場景的三維信息，即三維重建。20世紀(jì)40年代，貝爾實(shí)驗(yàn)室的Julesz發(fā)現(xiàn)任意視差圖都可恢復(fù)立體感，無需事先識別單幅圖像的含義;而此前心理和神經(jīng)學(xué)家認(rèn)為人需要先感知才能產(chǎn)生立體感。由此Marr認(rèn)識到復(fù)雜的神經(jīng)和心理過程可用直接的數(shù)學(xué)計(jì)算表達(dá)，并提出三維重建的計(jì)算視覺理論。他在1982年發(fā)表的《視覺：從計(jì)算的視角研究人的視覺信息表達(dá)與處理》中詳細(xì)分析了二維圖像的表達(dá)、立體圖像的對應(yīng)和重建、算法以及硬件的實(shí)現(xiàn)，是計(jì)算機(jī)視覺的開山之作。20世紀(jì)80年代同時(shí)也是計(jì)算機(jī)視覺的第一段黃金時(shí)期。許多經(jīng)典的算法和算子，如Canny邊緣檢測、shapefromshading、Hough變換、LoG(LaplaceofGaussian)等都起源于70-80年代。除了圖像處理，早期的計(jì)算機(jī)視覺同樣關(guān)注幾何和三維重建問題。不過，在計(jì)算機(jī)和數(shù)碼相機(jī)還未成熟之前，攝影測量與計(jì)算機(jī)視覺當(dāng)時(shí)的狀況距離Marr所提倡的三維重建理論依然相去甚遠(yuǎn)。與計(jì)算機(jī)視覺相似，攝影測量學(xué)是一門利用光學(xué)像片研究被攝物體的形狀、位置、大小、特性及相互位置關(guān)系的學(xué)科，簡而言之，攝影測量學(xué)是以攝影為工具，以測量為目的。事實(shí)上，攝影測量學(xué)的歷史遠(yuǎn)早于計(jì)算機(jī)視覺。19世紀(jì)早期，德國教授舒爾茲發(fā)現(xiàn)銀的混合物在日光下會變黑;1839年，法國畫家達(dá)蓋爾發(fā)明了銀版攝影法，并制作了世界上第一臺真正的照相機(jī);19世紀(jì)中葉，法國測量學(xué)家和攝影測量學(xué)的先驅(qū)Fourcade首先發(fā)現(xiàn)了用立體照片可重建立體視覺，從而促進(jìn)了攝影測量學(xué)的誕生。在其后漫長的歲月里，相機(jī)和照片幫助人們將地球表層地形地物在室內(nèi)重建三維立體，從而將野外測量工作搬運(yùn)至室內(nèi)。“內(nèi)業(yè)”工作成為主體，照片和攝影測量儀器替代了三腳架、經(jīng)緯儀和標(biāo)尺，成了主要的研究對象。隨著航空航天技術(shù)的發(fā)展，以航空航天飛行器為載體的攝影測量應(yīng)運(yùn)而生。第一次世界大戰(zhàn)中，首臺航攝儀問世，立體坐標(biāo)量測儀和1318立體測圖儀投入使用，標(biāo)志著航空攝影測量學(xué)的理論、方法與技術(shù)體系初步形成。1957年，第一顆衛(wèi)星被發(fā)射到外太空，同時(shí)開啟了衛(wèi)星攝影測量時(shí)代。1973年，貝爾實(shí)驗(yàn)室的Boyle和Smith發(fā)明了電荷耦合器件(charge-coupleddevice，CCD)，促成數(shù)碼相機(jī)和數(shù)字?jǐn)z影測量時(shí)代的誕生。以CCD/互補(bǔ)金屬氧化物半導(dǎo)體(complementarymetaloxidesemiconductor,CMOS)數(shù)字成像器件為代表的數(shù)字?jǐn)z影技術(shù)開啟了數(shù)字?jǐn)z影測量理論與方法的研究。從此，計(jì)算機(jī)成為測量的主要工具，數(shù)字影像和攝影測量算法替代了膠片和攝影測量儀器成為主要研究對象，形成了目前的數(shù)字?jǐn)z影測量理論、方法與技術(shù)體系。與此同時(shí)，計(jì)算機(jī)視覺也得到迅猛發(fā)展，并成為計(jì)算機(jī)領(lǐng)域的一個(gè)熱門方向。90年代后，兩個(gè)領(lǐng)域都得到數(shù)碼成像技術(shù)和計(jì)算機(jī)技術(shù)的強(qiáng)大推動。僅幾何而言，兩門學(xué)科具有同樣的理論基礎(chǔ)，即小孔成像和雙目視覺原理。但在應(yīng)用和技術(shù)細(xì)節(jié)上，兩者存在區(qū)別。如數(shù)字?jǐn)z影測量主要用于相對靜態(tài)的地形地物測繪，使用航空和航天平臺，所用的相機(jī)通常為專業(yè)量測相機(jī);而計(jì)算機(jī)視覺主要以普通相機(jī)、手動和車載移動平臺為主，用于運(yùn)動目標(biāo)的實(shí)時(shí)重建與識別，應(yīng)用領(lǐng)域包括人臉識別、機(jī)器人和無人駕駛車等大眾應(yīng)用領(lǐng)域。在技術(shù)方法上，如相機(jī)檢校，攝影測量一般布設(shè)有高精度三維檢校場，而計(jì)算機(jī)視覺常采用二維平面棋盤。在空中三角測量方面，攝影測量一般用嚴(yán)密的光束法區(qū)域網(wǎng)平差，而在計(jì)算機(jī)視覺中一般稱為從運(yùn)動恢復(fù)結(jié)構(gòu)(structurefrommotion,SfM)，除了用全局的光束法平差，也采用一些非全局解法，如增量式的局部平差、濾波等;這些差異源于攝影測量需要更高的測量精度。此外，還有一些近似等價(jià)的概念，由于學(xué)科的發(fā)展而具有不同的稱呼。如平差中的粗差探測，攝影測量中稱為選權(quán)迭代的方法，在計(jì)算機(jī)視覺中則稱為權(quán)衰減法;又如為了處理法方程系數(shù)陣(即Hessian矩陣)接近奇異的問題，計(jì)算機(jī)視覺中常用L-M(Levenberg-Marquardt)算法，而攝影測量中常用嶺估計(jì)法。一般而言，計(jì)算機(jī)視覺中理論的嚴(yán)密性要高于攝影測量，算法發(fā)展也非常迅速，當(dāng)然，反過來說，攝影測量在工程和實(shí)用性方面可能更占優(yōu)勢。計(jì)算機(jī)視覺中的同時(shí)定位與地圖構(gòu)建(simul-taneouslocalizationandmapping,SLAM)已經(jīng)成為一個(gè)重要研究支流，是機(jī)器人和無人駕駛車的必備技術(shù)。早期的SLAM以激光掃描儀為主，這也是SLAM中Mapping的由來;后來基于視覺的SLAM(VisualSLAM)成為主流，并與攝影測量特別是實(shí)時(shí)攝影測量在各個(gè)研究點(diǎn)上(匹配、平差、定位和重建)都有共同之處。實(shí)際上，VisualSLAM的原理與攝影測量的空中三角測量類似?？罩腥菧y量與SLAM的明顯區(qū)別在于，前者是通過連接點(diǎn)構(gòu)建航帶，確定航攝儀的6個(gè)外方位元素，即攝站定位;而后者在定位的同時(shí)生成密集點(diǎn)云。早在21世紀(jì)初，美國為了精確測量“勇氣號”和“機(jī)遇號”火星探測器的具體位置，就采用了空中三角測量區(qū)域網(wǎng)平差的原理，根據(jù)每天獲得的火星表面的序列影像，通過匹配同名點(diǎn)，建立“航帶”模型，以此精確計(jì)算每個(gè)攝站點(diǎn)的坐標(biāo)位置，以糾正遙測定位產(chǎn)生的誤差。該項(xiàng)目的首席研究員是時(shí)任俄亥俄州立大學(xué)測量系教授的李榮興博士。圖1所示為“勇氣號”火星探測器基于序列影像采用區(qū)域網(wǎng)平差對火星探測器進(jìn)行精確導(dǎo)航與定位的示意圖，藍(lán)色為遙測的位置，紅色為糾正后的位置。這一實(shí)例說明，攝影測量工作者早就采用了區(qū)域網(wǎng)平差的方法為火星機(jī)器人導(dǎo)航定位，即VisualSLAM。由此可見，攝影測量與計(jì)算機(jī)視覺在原理、方法和應(yīng)用上都有很多相通的地方。在進(jìn)入21世紀(jì)后，兩者的融合速度又得到進(jìn)一步提升，它們之間的技術(shù)交叉點(diǎn)是無人機(jī)和車載移動平臺。攝影測量的一個(gè)重要發(fā)展方向是地面移動測量系統(tǒng)，它可以用來采集道路和街景;而計(jì)算機(jī)視覺同樣關(guān)注道路信息的提取與重建，并應(yīng)用于機(jī)器人、城市地圖、智能交通和自動駕駛汽車中。同時(shí)，無人機(jī)航攝技術(shù)除了是攝影測量中的一個(gè)方便快捷的測量技術(shù)，也是計(jì)算機(jī)視覺所關(guān)注的未來焦點(diǎn)。由于計(jì)算機(jī)視覺領(lǐng)域研究學(xué)者云集，應(yīng)用領(lǐng)域又很廣泛，發(fā)展了大量新理論和新方法。攝影測量工作者應(yīng)在這場技術(shù)變革中擁抱新技術(shù)，學(xué)會跨界融合，并發(fā)揮自己的優(yōu)勢，貢獻(xiàn)自己的智慧，方能使自己的學(xué)科立于不敗之地，同時(shí)與其他學(xué)科一起推動智能科學(xué)的發(fā)展。為了促進(jìn)測繪遙感學(xué)科與計(jì)算機(jī)視覺的交叉融合，緊跟人工智能領(lǐng)域的技術(shù)潮流，國內(nèi)學(xué)者組織了專門的人工智能研究團(tuán)隊(duì)，積極行動。圖2為武漢大學(xué)研發(fā)的無人駕駛汽車和機(jī)器人。無人駕駛汽車技術(shù)除了可以用于無人駕駛的交通通行以外，一個(gè)重要應(yīng)用是用于無人測繪。無人駕駛汽車上裝載的各種傳感設(shè)備除了用于汽車本身的導(dǎo)航定位以外，還可以自動獲取道路及周邊環(huán)境信息，進(jìn)行自動測量。智能機(jī)器人也將廣泛應(yīng)用于室內(nèi)外測量，特別是一些困難和危險(xiǎn)地區(qū)，如煤礦井下測量等。一方面，測繪遙感學(xué)者在人工智能大潮中參與人工智能技術(shù)的發(fā)展，另一方面，人工智能技術(shù)的進(jìn)步將推動測繪遙感技術(shù)更深層次的變革。2機(jī)器學(xué)習(xí)及其在攝影測量與遙感領(lǐng)域的應(yīng)用當(dāng)前人工智能發(fā)展的一個(gè)重要方向是機(jī)器學(xué)習(xí)。從1955年JohnMcCarthy提出人工智能的概念以來，機(jī)器學(xué)習(xí)就作為人工智能的一個(gè)重要方向。機(jī)器學(xué)習(xí)的基本原理是尋找某種函數(shù)，能從數(shù)據(jù)與類別之間得到正確或最佳的映射。基于統(tǒng)計(jì)學(xué)習(xí)的思想不僅長期應(yīng)用于機(jī)器學(xué)習(xí)，在攝影測量與遙感領(lǐng)域也得到廣泛應(yīng)用，如監(jiān)督和非監(jiān)督目標(biāo)識別與分類方法?；趥鹘y(tǒng)統(tǒng)計(jì)學(xué)習(xí)的遙感影像的監(jiān)督與非監(jiān)督分類以及經(jīng)典的神經(jīng)元網(wǎng)絡(luò)方法的研究進(jìn)展一直很慢，目標(biāo)識別的準(zhǔn)確度和分類精度難以大幅提高，機(jī)器學(xué)習(xí)有效地改變了這一現(xiàn)狀。2006年，Hinton的研究表明，采用一種逐層的貪心算法可實(shí)現(xiàn)深度神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練，深度學(xué)習(xí)的概念由此浮出水面。深度學(xué)習(xí)算法的突破來自于LeCunYann、BengioYoshua和HintonGeoffrey3位科學(xué)家在深度卷積網(wǎng)絡(luò)方面的杰出工作。他們通過多層的深度卷積處理抽取圖像的抽象特征，而這原本深度依賴算法設(shè)計(jì)者的經(jīng)驗(yàn)。目前的研究進(jìn)展已經(jīng)有能力訓(xùn)練一個(gè)深度網(wǎng)絡(luò)，根據(jù)目標(biāo)任務(wù)的不同來選取不同的特征，實(shí)現(xiàn)了人工智能方法和實(shí)踐上的突破。2012年，在ImageNet挑戰(zhàn)賽中，深度學(xué)習(xí)的方法奪得第一，并一舉超過傳統(tǒng)機(jī)器學(xué)習(xí)方法10個(gè)百分點(diǎn);而第二至第四名相差不超過1%，顯示了傳統(tǒng)方法的天花板。隨后的大量實(shí)驗(yàn)表明，無論在圖像分類、物體識別、語音識別、遙感應(yīng)用等關(guān)于學(xué)習(xí)和語義的研究領(lǐng)域，深度學(xué)習(xí)都占據(jù)上風(fēng)，深度學(xué)習(xí)的時(shí)代由此開啟。除了自然語言處理(naturallanguageprocessing,NLP)以外，深度學(xué)習(xí)最重要的應(yīng)用是在視覺圖像上，如手寫字體識別、自然圖像分類[18]和目標(biāo)檢索等等。深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域得到廣泛應(yīng)用，推動了人臉識別、機(jī)器人和無人駕駛車等相關(guān)技術(shù)的蓬勃發(fā)展。由于攝影測量的研究對象也是視覺圖像，因此攝影測量也成為深度學(xué)習(xí)發(fā)展最受益的學(xué)科之一。攝影測量的兩個(gè)主要任務(wù)是目標(biāo)幾何定位和屬性的提取，包括從二維像片重建三維幾何以及地物要素分類。將深度學(xué)習(xí)應(yīng)用于幾何定位目前還未進(jìn)入攝影測量研究領(lǐng)域，但已經(jīng)出現(xiàn)在密切相關(guān)的計(jì)算機(jī)視覺領(lǐng)域，如SfM與SLAM。然而，深度學(xué)習(xí)方法的定位精度目前尚不能同傳統(tǒng)的方法相比，約相差一個(gè)數(shù)量級。對于三維重建中的關(guān)鍵技術(shù)——密集匹配，深度學(xué)習(xí)已經(jīng)取得很好的應(yīng)用效果。如在KITTI等標(biāo)準(zhǔn)數(shù)據(jù)集上，前10名的方法都是深度學(xué)習(xí)方法，展現(xiàn)了深度學(xué)習(xí)方法的應(yīng)用潛力。深度學(xué)習(xí)在攝影測量領(lǐng)域的另一個(gè)主要任務(wù)，即影像的語義提取方面，則取得了重要進(jìn)展，并開始普及應(yīng)用?；趫D像的建筑、道路網(wǎng)等地物的提取數(shù)十年來一直是熱門課題。雖然經(jīng)典方法取得一定的效果，但距離實(shí)用、市場、商業(yè)軟件尚有一定的距離。卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetwork,CNN)目前已成為道路網(wǎng)提取的主流方法。文獻(xiàn)通過級聯(lián)式端到端CNN同時(shí)實(shí)現(xiàn)了道路網(wǎng)提取及道路中心線提取，與其他方法比較，分類精度更高。文獻(xiàn)通過CNN結(jié)合線積分卷積克服了樹木遮蔽、房屋陰影造成的道路網(wǎng)殘缺問題。文獻(xiàn)通過非監(jiān)督學(xué)習(xí)預(yù)處理和空間相關(guān)性的應(yīng)用，利用深度學(xué)習(xí)極大地提高了復(fù)雜城市場景的道路提取精度。文獻(xiàn)采用CNN實(shí)現(xiàn)了高分辨率多光譜衛(wèi)星影像的建筑物提取。文獻(xiàn)在影像平面上進(jìn)行二維卷積，在光譜方向上進(jìn)行一維卷積，分別提取出影像空間特征和光譜特征，取得了比隨機(jī)森林和全連接NLP更好的作物分類精度。肖志鋒等使用深度學(xué)習(xí)方法對天地圖上的高分辨率遙感影像進(jìn)行語義檢索，能夠檢索37類地物目標(biāo)，準(zhǔn)確率達(dá)90%以上。目前，深度學(xué)習(xí)已經(jīng)廣泛用于遙感圖像的分類、識別、檢索和提取，在語義上基本全面碾壓了傳統(tǒng)的方法。表1為肖志鋒等開發(fā)的基于深度學(xué)習(xí)方法的遙感影像內(nèi)容檢索系統(tǒng)。從表1可以看出，這里采用的基于深度級聯(lián)降維網(wǎng)絡(luò)的遙感圖像特征提取方法(deepconvolutionalneuralnetwork,DCNN)的查全率和精度大大高于傳統(tǒng)的LBF-HF(localbinarypatternhistogramFourier)和EFT-HOG(theellipticFouriertransform-histogramoforientedgradients)方法，其精度高出了20%~30%?；谏疃葘W(xué)習(xí)的方法除了可有效地用于遙感影像的地物分類與目標(biāo)檢索以外，在其他攝影測量與遙感數(shù)據(jù)處理方面也有廣泛用途。例如，胡翔云等采用深度學(xué)習(xí)方法進(jìn)行激光雷達(dá)(lightdetectionandranging,LiDAR)點(diǎn)云數(shù)據(jù)處理。山地林區(qū)的點(diǎn)云數(shù)據(jù)濾波，從點(diǎn)云數(shù)據(jù)提取數(shù)字高程模型，自動化很難實(shí)現(xiàn)，一般需要人機(jī)交互作業(yè)，耗費(fèi)大量人力物力。目前該小組采用機(jī)器學(xué)習(xí)方法，在人機(jī)交互作業(yè)過程中進(jìn)行訓(xùn)練，學(xué)習(xí)到知識，然后再應(yīng)用于點(diǎn)云數(shù)據(jù)的自動處理中，自動處理的準(zhǔn)確率達(dá)到95%以上，大大提高了作業(yè)效率。圖3所示為廣東某地的點(diǎn)云提取的地形斷面，可以看出，該地區(qū)相當(dāng)復(fù)雜，但是用深度學(xué)習(xí)獲取的地面模型斷面還是相當(dāng)準(zhǔn)確的(紅色曲線)。這說明深度學(xué)習(xí)方法在點(diǎn)云數(shù)據(jù)自動處理方面有很好的應(yīng)用前景。同理，深度學(xué)習(xí)方法在測繪領(lǐng)域的其他方面，特別是需要人機(jī)交互數(shù)據(jù)處理等方面，如影像變化檢測、地圖綜合，也將發(fā)揮重要作用，使之更加智能化和自動化。3基于時(shí)空大數(shù)據(jù)認(rèn)知與推理人機(jī)物三元世界(物理世界、人類社會、信息空間)是一個(gè)多人、多機(jī)、多物組成的動態(tài)開放的網(wǎng)絡(luò)社會，如圖4所示。在這個(gè)三元世界中，一方面，人們采用測量、遙感、野外調(diào)查和最近興起的傳感網(wǎng)技術(shù)獲取物理世界的信息;另一方面，人們應(yīng)用社會調(diào)查以及近幾年興起的互聯(lián)網(wǎng)、智能手機(jī)、導(dǎo)航設(shè)備、可穿戴設(shè)備和監(jiān)控視頻等工具獲取人類社會經(jīng)濟(jì)信息。這些信息形成了多種多樣的海量時(shí)空大數(shù)據(jù)。這些數(shù)據(jù)成為對物理世界和人類社會認(rèn)知與推理的源泉，這也是人工智能的使命之一，而且是用于輔助決策的高級智能。與計(jì)算機(jī)視覺和深度學(xué)習(xí)等人工智能領(lǐng)域具有的比較完善的理論與方法不同，對物理世界和人類社會認(rèn)知與推理的人工智能的理論與方法目前還很不成熟，并且不成體系。但是這并不妨礙人們在人工智能的框架下采用大數(shù)據(jù)分析方法開展智慧城市、智能社區(qū)的研究與應(yīng)用。經(jīng)過幾十年的發(fā)展，地理信息系統(tǒng)已經(jīng)有了比較完善的空間分析理論與方法體系。但是，加入了傳感網(wǎng)和社會感知設(shè)備的時(shí)空數(shù)據(jù)分析與挖掘的理論與方法還不夠成熟，目前正處于快速發(fā)展之中。時(shí)空數(shù)據(jù)可分為兩類不同類型，一類來自測繪遙感及地面?zhèn)鞲芯W(wǎng)的反映地球表層及環(huán)境特征的時(shí)空數(shù)據(jù)；另一類是來自社會感知設(shè)備，包括互聯(lián)網(wǎng)、智能手機(jī)、導(dǎo)航設(shè)備、可穿戴設(shè)備、視頻監(jiān)控設(shè)備以及社會調(diào)查獲取的時(shí)空數(shù)據(jù)，它主要反映人為活動及社會經(jīng)濟(jì)形態(tài)特征。第一類數(shù)據(jù)比較規(guī)范，適于數(shù)值分析與計(jì)算，所以通常采用數(shù)學(xué)模型來進(jìn)行模擬及預(yù)測分析。例如，陳能成等采用航空航天遙感與傳感網(wǎng)集成技術(shù)建立了長江流域?qū)Φ赜^測傳感網(wǎng)系統(tǒng)，該系統(tǒng)除包含航空航天遙感數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)以外，還包含了氣象、水文、航標(biāo)、土壤濕度等32種共上萬個(gè)地面?zhèn)鞲芯W(wǎng)實(shí)時(shí)數(shù)據(jù)。通過這些實(shí)時(shí)動態(tài)數(shù)據(jù)，能對流域內(nèi)的水庫和河流的水位、水量、泥沙、河道進(jìn)行分析和預(yù)測，實(shí)現(xiàn)水利的智能調(diào)度，為蓄水發(fā)電和防洪抗旱等提供決策支持。圖5為長江流域天空地對地觀測傳感網(wǎng)示意圖。來自社會感知設(shè)備的時(shí)空數(shù)據(jù)是一種新型數(shù)據(jù)，它的結(jié)構(gòu)和形式更加多樣。例如互聯(lián)網(wǎng)數(shù)據(jù)主要以多媒體的文本數(shù)據(jù)為主，導(dǎo)航軌跡數(shù)據(jù)是流式的點(diǎn)坐標(biāo)數(shù)據(jù)，視頻監(jiān)控?cái)?shù)據(jù)是圖像數(shù)據(jù)，而智能手機(jī)數(shù)據(jù)則有文本、點(diǎn)坐標(biāo)和圖像等多種數(shù)據(jù)。這些數(shù)據(jù)復(fù)雜多樣，有些時(shí)空標(biāo)簽明顯，有些則需要經(jīng)過分析處理才能添加時(shí)空標(biāo)簽。目前多個(gè)領(lǐng)域