论文引用:顾建祥, 杨必胜, 董震,等. 面向数字孪生城市的智能化全息测绘[J]. 测绘通报, 2020(6).
数字孪生城市
《数字孪生城市研究报告( 2018 年) 》:数字孪生是指通过对物理世界的人、物、 事件等所有要素数字化,在网络空间再造一个与之 对应的“虚拟世界”,形成物理维度上的实体世界和 信息维度上的数字世界同生共存、虚实交融的格局。
智能化全息测绘的特点
1、全息化。强调了新型基础测绘的采集内容 以“全息要素、应采尽采”为原则,包括地上、地下、 可见、不可见所有实体,以及实体的自然属性、社会属性。
2、精细化。要求新型基础测绘采集精度为 “按需测绘、不同要素不同精度”,通过实体构建可 按需综合的地理实体库,满足不动产管理、无人驾 驶、数字孪生城市等不同精度要求的应用需求。
3、智能化。利用 5G 传输、边缘/云计算、区块链等技术,提高全息城市空间数据云存储与计算 能力,借助深度学习、强化学习、迁移学习等人工智 能手段,提升全息地物要素智能化提取水平。
4、 统一化。对基于地理实体的全息地理时空 数据处理、建库、管理进行了统一,明确了地理实体分类、编码规则,规定了基础地理实体及点、线、面图 元的制作、加工和处理要求。
智能化全息测绘的手段
综合利用测绘卫星、无人机航测、激光雷达、倾斜摄影、移动测量系统和探地雷达系统等“空-天-地-地下”三维数字 采集方法,获取不同类型的三维空间数据,实现全空间室内外、地上地下全覆盖,满足实景三维地理信息 对数据采集效率和完整性的新需求。
1、海量点云数据高效索引及实时可视化。(这是已有技术)
2、无控条件下车载点云位置精度改善。(很有意义)
基于重复观 测快速匹配和图优化理论的整体优化方法。该方法 提高了对特征稀疏、结构对称、位置偏差大等场景的 适应性,能有效解决不同偏差级别的重访车载点云 中的位置不一致问题。基于图优化理论的整体优化 方法,通过调整全局点云分段的位姿重新分配误差, 使得优化后平均相对精度到达厘米级。
3、多源异构城市空间信息高精度融合。(我觉得按现有技术进展挺难达到,持保留态度)
4、全息要素结构与语义信息智能提取。(现在主要基于深度学习)
5、基于形态学尺度空间的建筑物多细节层次三维重建。(也是难点,能提高几个点的百分比就很厉害)