天空地多源遙感數(shù)據(jù)的廣義攝影測(cè)量學(xué)

張永軍，張祖勛，龔健雅

武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430079

1 廣義攝影測(cè)量學(xué)的發(fā)展背景

攝影測(cè)量學(xué)是通過(guò)影像研究信息的獲取、處理、提取和成果表達(dá)的一門信息科學(xué)，通常利用攝影或遙感的手段獲取被測(cè)物體的影像，研究和確定被攝物體的形狀、大小、位置、性質(zhì)和相互關(guān)系，起始于19世紀(jì)中葉攝影機(jī)的發(fā)明和立體視覺的發(fā)現(xiàn)[1]。

傳統(tǒng)的攝影測(cè)量學(xué)科，按照影像獲取平臺(tái)載體類別，可分為航天(衛(wèi)星)攝影測(cè)量、航空攝影測(cè)量、近景攝影測(cè)量等。近20年來(lái)，隨著相關(guān)理論技術(shù)的進(jìn)步及應(yīng)用領(lǐng)域的泛化，其中的界限已不再像過(guò)去一樣明顯，例如航天攝影測(cè)量的地面分辨率已達(dá)到分米級(jí)，完全滿足1∶5000比例尺成圖的需求[2]，而這是傳統(tǒng)航空攝影測(cè)量的服務(wù)范疇；隨著無(wú)人飛行器技術(shù)的快速發(fā)展和消費(fèi)級(jí)數(shù)碼相機(jī)的進(jìn)步，脫胎于航空攝影測(cè)量的低空攝影測(cè)量蓬勃發(fā)展，分辨率躍升到厘米級(jí)甚至毫米級(jí)[3-4]；而近景攝影測(cè)量則由于傳感器和平臺(tái)的進(jìn)步以及應(yīng)用范圍的擴(kuò)大，拓展為地面攝影測(cè)量、貼近攝影測(cè)量、工程攝影測(cè)量、工業(yè)攝影測(cè)量、醫(yī)學(xué)攝影測(cè)量等等[5-7]。

在攝影測(cè)量數(shù)據(jù)獲取儀器方面，則由傳統(tǒng)的光學(xué)攝影機(jī)發(fā)展為多鏡頭傾斜相機(jī)、全景相機(jī)、視頻相機(jī)、線陣推掃式相機(jī)、多光譜和高光譜相機(jī)、激光雷達(dá)、微波雷達(dá)等多模態(tài)傳感器，并在定位定姿系統(tǒng)的輔助下，采用多種傳感器實(shí)現(xiàn)多尺度多角度綜合遙感數(shù)據(jù)獲取[8-13]。針對(duì)不同的應(yīng)用需求，這些觀測(cè)設(shè)備能夠源源不斷地提供不同空間分辨率、時(shí)間分辨率和波譜分辨率的遙感圖像?？梢哉f(shuō)，對(duì)興趣區(qū)域或目標(biāo)的天空地一體化的多傳感器多層次綜合立體觀測(cè)技術(shù)已得到極大發(fā)展。

在數(shù)據(jù)處理理論和方法方面，由經(jīng)典的點(diǎn)攝影測(cè)量(共線方程)和線攝影測(cè)量(共面方程)模型，發(fā)展為點(diǎn)線混合攝影測(cè)量[14]和廣義點(diǎn)攝影測(cè)量[15-16]，為采用多種同名特征和攝影測(cè)量網(wǎng)格技術(shù)(DPGrid)進(jìn)行航空航天遙感影像的快速空中三角測(cè)量處理奠定了基礎(chǔ)[17-18]。隨著大數(shù)據(jù)時(shí)代的到來(lái)，多源地理空間信息的不斷累積尤其是公眾地理信息的開放獲取，云控制攝影測(cè)量的概念應(yīng)運(yùn)而生[19]，以帶有地理空間信息的數(shù)據(jù)作為幾何控制替代傳統(tǒng)的外業(yè)控制點(diǎn)，通過(guò)自動(dòng)匹配(或配準(zhǔn))獲取大量密集控制信息，實(shí)現(xiàn)影像參數(shù)全自動(dòng)解算，進(jìn)一步加速了攝影測(cè)量數(shù)據(jù)處理的全自動(dòng)化和智能化步伐[20-22]。

近年來(lái)，隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等信息技術(shù)領(lǐng)域的飛速發(fā)展，人類已進(jìn)入人工智能新時(shí)代，美國(guó)已于2018年成立人工智能專門委員會(huì)。21世紀(jì)以來(lái)，數(shù)字?jǐn)z影測(cè)量自身的理論和技術(shù)已取得長(zhǎng)足進(jìn)步，并正在積極擁抱大數(shù)據(jù)和人工智能浪潮的到來(lái)[23]。攝影測(cè)量的發(fā)展階段也從模擬攝影測(cè)量、解析攝影測(cè)量和數(shù)字?jǐn)z影測(cè)量[24,1]，發(fā)展到智能攝影測(cè)量的新階段。例如基于人工智能機(jī)制的地形地物識(shí)別與信息提取、語(yǔ)義專題圖制作、變化信息自動(dòng)監(jiān)測(cè)等應(yīng)用是數(shù)字?jǐn)z影測(cè)量時(shí)代多年來(lái)可望而不可即的目標(biāo)，這些成功范例預(yù)示著一個(gè)全新的時(shí)代——智能攝影測(cè)量時(shí)代的到來(lái)[25]。攝影測(cè)量應(yīng)用領(lǐng)域也由影像制圖和地形圖測(cè)繪發(fā)展到影像理解與分類[26]、遙感信息提取與目標(biāo)識(shí)別[23]、變化監(jiān)測(cè)[27]、室內(nèi)外三維建模[28-29]、無(wú)人系統(tǒng)智能駕駛[30-31]、深空探測(cè)[32-33]、精密工業(yè)測(cè)量[6,34]、突發(fā)災(zāi)害應(yīng)急響應(yīng)等眾多領(lǐng)域[35-36]。

美國(guó)攝影測(cè)量學(xué)家、俄亥俄州立大學(xué)Toni Schenk教授在他的著作《數(shù)字?jǐn)z影測(cè)量》中提到，“攝影測(cè)量和貓都有一個(gè)共同的也是最重要的特點(diǎn)——都有多條命，攝影測(cè)量的終結(jié)已經(jīng)被預(yù)測(cè)過(guò)多次，但是仍然非常具有活力，數(shù)字?jǐn)z影測(cè)量更具有使當(dāng)前的許多問(wèn)題得到更有效解決的潛力，許多新的問(wèn)題也可以得到解決”[37]。筆者認(rèn)為，正如傳統(tǒng)測(cè)繪學(xué)發(fā)展為地球空間信息學(xué)[38-39]，傳統(tǒng)測(cè)繪手段發(fā)展為泛在測(cè)繪[40]，傳統(tǒng)地理信息系統(tǒng)發(fā)展為空間信息智能服務(wù)科學(xué)[41]，攝影測(cè)量學(xué)科也順應(yīng)新一輪科技革命的浪潮，快速發(fā)展為全新的廣義攝影測(cè)量學(xué)，或稱為遙感影像信息學(xué)，進(jìn)入天空地一體化綜合智能攝影測(cè)量時(shí)代。

2 廣義攝影測(cè)量學(xué)的內(nèi)涵與特點(diǎn)

廣義攝影測(cè)量學(xué)，或稱為遙感影像信息學(xué)，是利用天空地一體化的多傳感器綜合觀測(cè)技術(shù)，獲取多視角、多模態(tài)、多時(shí)相、多尺度遙感影像數(shù)據(jù)，并結(jié)合數(shù)字?jǐn)z影測(cè)量及計(jì)算機(jī)視覺等多學(xué)科前沿技術(shù)，在多源控制資料的輔助下自動(dòng)化智能化地研究和確定被攝物體的形狀、位置、大小、性質(zhì)及其時(shí)序變化關(guān)系的一門多學(xué)科交叉科學(xué)和技術(shù)。

當(dāng)前世界科技發(fā)展已進(jìn)入大數(shù)據(jù)及人工智能新時(shí)代，地球空間信息領(lǐng)域也面臨新的發(fā)展機(jī)遇與挑戰(zhàn)，數(shù)據(jù)全球化、處理實(shí)時(shí)化、服務(wù)智能化是國(guó)際前沿和熱點(diǎn)。在全新的廣義攝影測(cè)量框架下，天空地多源遙感數(shù)據(jù)的獲取手段及數(shù)據(jù)處理的理論方法，具有與傳統(tǒng)攝影測(cè)量顯著不同的全新模式和發(fā)展趨勢(shì)，筆者認(rèn)為總體呈現(xiàn)“八多”態(tài)勢(shì)，且演化趨勢(shì)十分迅捷。例如天空地多源遙感數(shù)據(jù)獲取方面，呈現(xiàn)多視角成像、多模態(tài)協(xié)同、多時(shí)相融合、多尺度聯(lián)動(dòng)等態(tài)勢(shì)，觀測(cè)手段越來(lái)越靈活，數(shù)據(jù)獲取成本大幅下降，更多用戶可以使用不同來(lái)源、不同視角、不同分辨率、不同時(shí)相、甚至不同模態(tài)的影像聯(lián)合完成觀測(cè)任務(wù)。天空地多源遙感數(shù)據(jù)處理方面，則呈現(xiàn)多特征耦合、多控制約束、多架構(gòu)處理、多學(xué)科交叉等趨勢(shì)，可以充分發(fā)揮多源多重覆蓋觀測(cè)數(shù)據(jù)的互補(bǔ)性和冗余性優(yōu)勢(shì)，并交叉融合多個(gè)學(xué)科的最新研究成果，構(gòu)建實(shí)時(shí)/準(zhǔn)實(shí)時(shí)智能處理技術(shù)體系，為天空地多源遙感數(shù)據(jù)的各領(lǐng)域應(yīng)用奠定基礎(chǔ)。

2.1 天空地多源遙感數(shù)據(jù)智能獲取

2.1.1 由單視角向多視角成像發(fā)展

傳統(tǒng)航空攝影測(cè)量的主要成像方式為下視成像，即相機(jī)主光軸垂直對(duì)地，相鄰影像間具有一定重疊，從而構(gòu)成立體影像和區(qū)域網(wǎng)。1957年，蘇聯(lián)制造的第一顆人造衛(wèi)星成功發(fā)射到外太空，攝影測(cè)量由航空攝影測(cè)量邁向了航天攝影測(cè)量新階段，為多視角全球遙感提供了新的途徑[1]。各類高分辨率星載相機(jī)在對(duì)地觀測(cè)成像時(shí)，由于衛(wèi)星軌道高、相機(jī)成像視場(chǎng)角小，相鄰軌道的下視影像間無(wú)法構(gòu)成有效的立體觀測(cè)，因此采用同軌/異軌側(cè)擺機(jī)動(dòng)成像模式，并進(jìn)一步發(fā)展為同軌雙線陣和三線陣立體成像，如SPOT-5、ALOS、天繪一號(hào)、資源三號(hào)、高分七號(hào)等，大幅提升了立體觀測(cè)效率[20,42-43]。為了進(jìn)一步提升航空影像獲取效率，滿足智慧城市等應(yīng)用對(duì)于建筑物側(cè)面高清紋理的需求，國(guó)內(nèi)外攝影測(cè)量?jī)x器廠商研發(fā)了機(jī)載多面陣拼接大視場(chǎng)相機(jī)、多鏡頭傾斜攝影測(cè)量相機(jī)和全景相機(jī)等，并在進(jìn)一步集成化和小型化后，可搭載于低空無(wú)人機(jī)和地面移動(dòng)平臺(tái)[12-13,44]。在觀測(cè)機(jī)制方面，也由傳統(tǒng)的單平臺(tái)獲取演進(jìn)為天空地協(xié)同、多平臺(tái)組網(wǎng)，甚至基于互聯(lián)網(wǎng)的眾包方式獲取數(shù)據(jù)，從而構(gòu)建多成像視角的天空地多平臺(tái)綜合立體觀測(cè)模式[38,45]。

2.1.2 由單傳感器向多模態(tài)協(xié)同發(fā)展

隨著成像傳感器技術(shù)的發(fā)展，星載、機(jī)載、車載平臺(tái)所能夠搭載的傳感器越來(lái)越豐富，從全色相機(jī)到多光譜和高光譜相機(jī)，從可見光到紅外、微波成像和激光測(cè)距，從面陣相機(jī)到多子線陣拼接相機(jī)，從普通靜態(tài)成像相機(jī)到連續(xù)動(dòng)態(tài)視頻相機(jī)，并在GNSS/IMU/星敏感器等導(dǎo)航定位技術(shù)的輔助下，實(shí)現(xiàn)對(duì)被攝物體的多傳感器多模態(tài)協(xié)同觀測(cè)。與單傳感器觀測(cè)數(shù)據(jù)相比，多源多模態(tài)遙感影像數(shù)據(jù)所提供的信息具有冗余性、互補(bǔ)性和合作性，多模態(tài)遙感數(shù)據(jù)融合可以將同一環(huán)境或?qū)ο筮M(jìn)行綜合，以獲得滿足各種應(yīng)用的高質(zhì)量信息，進(jìn)而通過(guò)多模態(tài)數(shù)據(jù)聯(lián)合處理生成比單傳感器更精確、更完全、更可靠的綜合觀測(cè)結(jié)果[46-47]。目前，幾乎所有天空地遙感平臺(tái)均配備GNSS/IMU等多傳感器集成定位定姿系統(tǒng)[48]，且大部分平臺(tái)會(huì)同時(shí)搭載多種傳感器進(jìn)行數(shù)據(jù)獲取，例如資源三號(hào)、高分七號(hào)等衛(wèi)星既有三線陣或雙線陣立體觀測(cè)相機(jī)及多光譜相機(jī)，也安裝有激光測(cè)高傳感器提供精確高度控制信息[49]；航空飛行平臺(tái)往往集成激光掃描系統(tǒng)和多視角傾斜攝影相機(jī)或全景相機(jī)，以便同時(shí)獲取地表三維信息和高質(zhì)量紋理色彩[13,50]；而車載移動(dòng)測(cè)量系統(tǒng)和無(wú)人自動(dòng)駕駛系統(tǒng)則集成立體視頻相機(jī)/全景相機(jī)、激光雷達(dá)或毫米波雷達(dá)測(cè)距系統(tǒng)等多模態(tài)傳感器，獲取車輛周圍的精確三維動(dòng)態(tài)信息[30-31]。

2.1.3 由單時(shí)相向多時(shí)相融合發(fā)展

天空地綜合觀測(cè)體系的建立和各類成像傳感器的極大豐富和發(fā)展，對(duì)地觀測(cè)成像的時(shí)間分辨率越來(lái)越高，完全顛覆了以往需要數(shù)月甚至更久才能重復(fù)獲取大范圍數(shù)據(jù)的現(xiàn)狀，遙感信息的處理應(yīng)用也已從單一資料分析向多時(shí)相多數(shù)據(jù)源復(fù)合分析過(guò)渡、從靜態(tài)分布研究向動(dòng)態(tài)監(jiān)測(cè)過(guò)渡，從對(duì)各種現(xiàn)象的表面描述向周期性規(guī)律挖掘和決策分析過(guò)渡[24,39]。時(shí)間有序、空間對(duì)齊、輻射一致的高質(zhì)量多時(shí)相遙感影像序列，在地物信息自動(dòng)提取、自然資源監(jiān)測(cè)評(píng)估、生態(tài)紅線監(jiān)測(cè)、違法用地變化監(jiān)測(cè)、目標(biāo)識(shí)別與動(dòng)態(tài)監(jiān)控等領(lǐng)域有著非常廣泛的應(yīng)用前景[27,51]。多時(shí)相遙感信息獲取與處理更具有實(shí)時(shí)性和實(shí)用性，例如高分一號(hào)和高分六號(hào)衛(wèi)星的寬覆蓋相機(jī)，理想情況下每天可獲取至少一次全國(guó)范圍的16 m分辨率遙感數(shù)據(jù)，在大范圍準(zhǔn)實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)和災(zāi)害應(yīng)急響應(yīng)方面具有獨(dú)特優(yōu)勢(shì)；而在目標(biāo)識(shí)別與動(dòng)態(tài)監(jiān)控跟蹤、無(wú)人平臺(tái)自主導(dǎo)航等高動(dòng)態(tài)應(yīng)用場(chǎng)景，則需要通過(guò)視頻攝影機(jī)、全景攝影機(jī)或3D LiDAR等方式獲取實(shí)時(shí)序列觀測(cè)數(shù)據(jù)，在多架構(gòu)實(shí)時(shí)處理等技術(shù)的輔助下實(shí)現(xiàn)實(shí)時(shí)在線數(shù)據(jù)處理與分析，并為科學(xué)可靠決策提供支持[13,30]。

2.1.4 由單尺度向多尺度聯(lián)動(dòng)發(fā)展

1972年，世界上第1顆遙感衛(wèi)星Landsat-1發(fā)射成功，地面分辨率約80 m，開啟了遙感衛(wèi)星發(fā)展的序幕，1999年發(fā)射的IKONOS衛(wèi)星地面分辨率為1 m，2014年Worldview-3衛(wèi)星更是將分辨率提高到前所未有的0.31 m，在世界商業(yè)遙感衛(wèi)星領(lǐng)域獨(dú)占鰲頭；我國(guó)于2016年發(fā)射的高景一號(hào)，也將國(guó)產(chǎn)商業(yè)遙感衛(wèi)星的分辨率提升至0.5 m。目前，國(guó)際上已經(jīng)形成各種高、中、低軌道相結(jié)合，大、中、小衛(wèi)星相協(xié)同，高、中、低分辨率相彌補(bǔ)的全球?qū)Φ赜^測(cè)體系[48,52]，國(guó)際合作和開放共享趨勢(shì)也越來(lái)越明顯，例如Sentinel系列、Landsat系列、高分一號(hào)/六號(hào)寬覆蓋等5～15 m分辨率的多模態(tài)遙感數(shù)據(jù)均可全球免費(fèi)使用，大大促進(jìn)了攝影測(cè)量與遙感信息提取技術(shù)的全球廣泛普及應(yīng)用。在航空和低空攝影測(cè)量領(lǐng)域，也建立了米級(jí)、分米級(jí)乃至厘米級(jí)地面分辨率的多尺度聯(lián)動(dòng)觀測(cè)體系[3,53]，為準(zhǔn)實(shí)時(shí)聯(lián)合觀測(cè)提供了非常有效的技術(shù)支撐。各類空天平臺(tái)的協(xié)同觀測(cè)能夠針對(duì)全球、國(guó)家級(jí)、區(qū)域級(jí)、目標(biāo)級(jí)等不同地面范圍提供強(qiáng)大的多尺度聯(lián)動(dòng)觀測(cè)手段，為動(dòng)態(tài)監(jiān)測(cè)、智慧地球、實(shí)景中國(guó)、智慧城市多層次建模等不同應(yīng)用提供充足的綜合觀測(cè)數(shù)據(jù)[38,51]。

2.2 天空地多源遙感數(shù)據(jù)智能處理

2.2.1 由單匹配特征向多特征耦合發(fā)展

影像中同名特征的自動(dòng)匹配，是攝影測(cè)量自動(dòng)化的核心問(wèn)題之一。傳統(tǒng)數(shù)字?jǐn)z影測(cè)量的影像匹配大多首先在影像中提取明顯的特征點(diǎn)，然后采用相關(guān)系數(shù)、最小二乘等基于局部灰度的算法進(jìn)行相鄰影像同名點(diǎn)匹配。但是，多視角多尺度影像間存在明顯的幾何變形，基于特征點(diǎn)的灰度匹配方法不再有效，因此基于線特征和以SIFT為代表的具有尺度、旋轉(zhuǎn)、仿射不變特征匹配方法得到快速發(fā)展[18,54]，已廣泛應(yīng)用于影像匹配/配準(zhǔn)、目標(biāo)檢測(cè)識(shí)別等領(lǐng)域。特征匹配方法的計(jì)算復(fù)雜度較高，為了保證計(jì)算效率，研究者通常基于線特征或SIFT特征進(jìn)行粗匹配，獲得重疊影像間的初始對(duì)應(yīng)關(guān)系，然后采用灰度匹配方式獲得更多同名特征[3]。對(duì)于存在顯著非線性輻射差異的異源影像尤其是多模態(tài)影像，例如光學(xué)影像與SAR影像、LiDAR強(qiáng)度影像、影像地圖間進(jìn)行匹配時(shí)，上述方法均無(wú)法獲得穩(wěn)定同名特征，需要采用更加穩(wěn)健的多模態(tài)影像匹配測(cè)度，例如基于相位相關(guān)擴(kuò)展算法的頻率域匹配和基于方向梯度直方圖的匹配方法[55-56]。而LiDAR點(diǎn)云和多視影像間，由于數(shù)據(jù)特性差異太大，需要挖掘更高層次的特征，例如通過(guò)點(diǎn)特征、線特征、角特征甚至面特征等多種特征的耦合實(shí)現(xiàn)兩類數(shù)據(jù)的高精度自動(dòng)配準(zhǔn)[9,50]。

2.2.2 由單源控制向多源廣義控制發(fā)展

傳統(tǒng)攝影測(cè)量的主要處理過(guò)程是在人工外業(yè)控制點(diǎn)的約束下，將原始天空地影像數(shù)據(jù)加工為數(shù)字正射影像(DOM)、數(shù)字高程模型(DEM)、數(shù)字線劃地圖(DLG)和數(shù)字表面模型(DSM)等基礎(chǔ)地理空間信息產(chǎn)品[3]。在大數(shù)據(jù)時(shí)代，多源遙感數(shù)據(jù)的智能化處理是現(xiàn)階段攝影測(cè)量迫切需要解決的問(wèn)題，全自動(dòng)獲取天空地影像的精確內(nèi)外方位元素是首要任務(wù)，其中的核心之一就是控制信息的全自動(dòng)提取[19]，但傳統(tǒng)的人工外業(yè)測(cè)量控制點(diǎn)作業(yè)方式顯然無(wú)法滿足需求。幸運(yùn)的是，經(jīng)過(guò)測(cè)繪部門幾十年的生產(chǎn)實(shí)踐，我國(guó)已經(jīng)積累了海量基礎(chǔ)地理空間信息產(chǎn)品，這些已有地理信息產(chǎn)品完全可以作為多源廣義控制信息，用于進(jìn)行各類新獲取遙感影像的全自動(dòng)處理。另外，處于統(tǒng)一地理空間信息框架內(nèi)的Google Earth、天地圖、SRTM、OpenStreetMap(OSM)等各類公眾地理信息，根據(jù)控制點(diǎn)坐標(biāo)及影像裁切的控制點(diǎn)影像庫(kù)、LiDAR點(diǎn)云、ICESat/高分七號(hào)等星載激光測(cè)高數(shù)據(jù)、已知定向參數(shù)的各類立體影像等，以及影像獲取過(guò)程中同步采集的GNSS/IMU/星敏感器等高精度定位定姿數(shù)據(jù)，都可以作為天空地影像自動(dòng)化精確處理的多源廣義控制資料[20-21,42-43]。

2.2.3 由單機(jī)處理向多架構(gòu)實(shí)時(shí)處理發(fā)展

傳統(tǒng)的數(shù)字?jǐn)z影測(cè)量系統(tǒng)，受限于計(jì)算機(jī)硬件發(fā)展水平，幾乎都采用單機(jī)單核處理方式，且處理過(guò)程需要大量人機(jī)交互操作[17]。天空地遙感影像數(shù)據(jù)量的增長(zhǎng)和分辨率的提高，對(duì)數(shù)據(jù)存儲(chǔ)和計(jì)算機(jī)系統(tǒng)提出了巨大挑戰(zhàn)[39]。在2005年Intel和AMD相繼發(fā)布雙核CPU后，高性能并行計(jì)算技術(shù)迅速興起，處理器由單核向多核、眾核與異構(gòu)架構(gòu)發(fā)展，計(jì)算機(jī)由單機(jī)向集群系統(tǒng)和云計(jì)算中心發(fā)展。2007年，我國(guó)自主研制的數(shù)字?jǐn)z影測(cè)量網(wǎng)格DPGrid系統(tǒng)在采用最新的數(shù)字?jǐn)z影測(cè)量處理理論和技術(shù)研究成果的同時(shí)，全面兼容單機(jī)多核及多機(jī)多核高性能集群并行計(jì)算能力，極大地提升了航空航天遙感影像的處理效率[17,35]。云計(jì)算的本質(zhì)是基于服務(wù)的分布式計(jì)算技術(shù)，是解決海量遙感大數(shù)據(jù)高效處理問(wèn)題的新途徑，已經(jīng)商業(yè)化主要有Google云處理平臺(tái)、NASA的Nebula、華為云、阿里云等，例如中國(guó)四維聯(lián)合華為云推出的四維地球遙感云服務(wù)平臺(tái)，匯聚了海陸空天海量多源遙感數(shù)據(jù)，可為用戶提供高質(zhì)的遙感影像數(shù)據(jù)在線應(yīng)用能力。各種高精度實(shí)時(shí)在線處理需求的爆發(fā)性增長(zhǎng)，也促進(jìn)了高速星地通信、5G傳輸以及CPU/GPU/FPGA等多架構(gòu)聯(lián)合實(shí)時(shí)處理技術(shù)的發(fā)展，例如基于線激光和立體相機(jī)的實(shí)時(shí)3D建模系統(tǒng)，采用CPU/GPU聯(lián)合處理架構(gòu)，可以實(shí)現(xiàn)工業(yè)薄板零件的實(shí)時(shí)(每秒60幀以上)三維重建，且重建精度優(yōu)于0.02 mm[34]。

2.2.4 由單學(xué)科向多學(xué)科交叉融合發(fā)展

攝影測(cè)量學(xué)是測(cè)繪學(xué)科的一個(gè)分支，其主要特點(diǎn)是在光學(xué)攝影成像的像片上進(jìn)行量測(cè)和解譯，無(wú)須接觸物體本身。光學(xué)成像的物理法則是小孔成像，因而透視變換的幾何原理是攝影測(cè)量學(xué)的理論基礎(chǔ)。1959年，德國(guó)Schmid教授提出光束法區(qū)域網(wǎng)平差的概念，完美結(jié)合了小孔成像原理與最小二乘法，促進(jìn)了攝影測(cè)量完整學(xué)科體系的建立，并從此走向大規(guī)模數(shù)據(jù)處理和各領(lǐng)域廣泛應(yīng)用[1]。隨著數(shù)字技術(shù)的發(fā)展和計(jì)算機(jī)的廣泛應(yīng)用，尤其是計(jì)算機(jī)視覺的出現(xiàn)，攝影測(cè)量也迎來(lái)了新的發(fā)展機(jī)遇，快速吸收其他學(xué)科的最新研究成果，并向多學(xué)科交叉融合邁進(jìn)[17]。例如攝影測(cè)量和計(jì)算機(jī)視覺雖然在解決思路和應(yīng)用領(lǐng)域方面有所差異，但幾何層面的理論基礎(chǔ)都是小孔成像和雙目視覺，尤其是近年來(lái)基于視覺的SfM及Visual SLAM等計(jì)算機(jī)視覺領(lǐng)域的主流熱點(diǎn)問(wèn)題，都與實(shí)時(shí)攝影測(cè)量在匹配、平差、定位等方面具有共通之處[57]。此外，天空地多傳感器融合的實(shí)時(shí)攝影測(cè)量，離不開與計(jì)算機(jī)視覺、數(shù)字信號(hào)處理、自動(dòng)控制、人工智能等多個(gè)相關(guān)學(xué)科的交叉融合發(fā)展，是攝影測(cè)量與遙感學(xué)科向更深的理論基礎(chǔ)、更廣泛的應(yīng)用前景和更實(shí)際的自動(dòng)化解題能力前進(jìn)的必然之路[1]。

3 廣義攝影測(cè)量學(xué)的若干研究方向

相對(duì)于非常強(qiáng)大的天空地多源遙感數(shù)據(jù)獲取能力，當(dāng)前的攝影測(cè)量數(shù)據(jù)處理理論和方法還存在種種制約，遙感信息產(chǎn)品的快速生產(chǎn)和服務(wù)能力顯著滯后，海量數(shù)據(jù)堆積與有限信息孤島并存的矛盾仍然突出。在大數(shù)據(jù)及人工智能新時(shí)代，實(shí)景三維中國(guó)、信息提取監(jiān)測(cè)、智慧城市建模、自主駕駛、智能制造等應(yīng)用領(lǐng)域必將取得飛速發(fā)展，廣義攝影測(cè)量學(xué)的發(fā)展尚需交叉融合多個(gè)學(xué)科的最新研究成果，在天空地一體化多源數(shù)據(jù)智能處理的理論技術(shù)和應(yīng)用領(lǐng)域取得更大突破，例如天空地多視角/多模態(tài)影像幾何處理、多時(shí)相影像智能信息提取與動(dòng)態(tài)監(jiān)測(cè)、激光點(diǎn)云與多視角影像聯(lián)合精細(xì)建模、多傳感器集成的無(wú)人系統(tǒng)自主導(dǎo)航、智能制造系統(tǒng)視覺檢測(cè)等等，以便充分發(fā)揮每個(gè)平臺(tái)、每個(gè)傳感器、每個(gè)譜段、每個(gè)有效像元的作用，形成從天空地多源遙感數(shù)據(jù)幾何處理到信息提取和智能決策服務(wù)的完整理論和技術(shù)體系。

3.1 天空地多源遙感影像多特征自動(dòng)匹配

影像匹配是攝影測(cè)量與遙感產(chǎn)品自動(dòng)化生產(chǎn)中至關(guān)重要的環(huán)節(jié)，直接影響區(qū)域網(wǎng)平差、影像鑲嵌拼接、三維重建等后續(xù)環(huán)節(jié)的精度。在天空地多視角/多模態(tài)影像獲取過(guò)程中，由于平臺(tái)飛行高度不同、傳感器成像模式不同、成像視角顯著差異等因素，導(dǎo)致影像間存在很大的透視幾何變形和非線性輻射畸變等現(xiàn)象，基于灰度的傳統(tǒng)特征點(diǎn)影像匹配方法在多視角影像連接點(diǎn)自動(dòng)匹配方面已不再適用[55]。因此，深入研究天空地多源遙感影像的穩(wěn)健可靠自動(dòng)匹配方法，對(duì)推動(dòng)多源遙感影像高精度自動(dòng)化空中三角測(cè)量，提高地形地物三維重建效率及貼近攝影測(cè)量變形監(jiān)測(cè)等均有重要意義。以SIFT、SURF、A-SIFT等為代表的經(jīng)典特征匹配方法，已被廣泛應(yīng)用于影像匹配/配準(zhǔn)、目標(biāo)檢測(cè)識(shí)別等領(lǐng)域[3,54]。但是，經(jīng)典特征匹配方法對(duì)非線性輻射差異和透視幾何形變較為敏感，對(duì)于多視角/多模態(tài)影像無(wú)法獲得穩(wěn)定可靠的同名特征，因此需要研究具有多重不變特性的多模態(tài)影像高可靠性特征匹配方法，構(gòu)建尺度、旋轉(zhuǎn)及非線性輻射差異不變的穩(wěn)健特征描述符[56]。而激光點(diǎn)云和天空地多視角影像間，由于數(shù)據(jù)特性差異太大，多重不變特征描述符也無(wú)法實(shí)現(xiàn)有效匹配，還需要挖掘更高層次的穩(wěn)定特征，例如從兩類數(shù)據(jù)中提取穩(wěn)定的線特征、角特征及交叉點(diǎn)特征(屬于面特征)，并在初始定位定姿參數(shù)的輔助下縮小同名特征搜索范圍，進(jìn)行多種特征耦合的高精度自動(dòng)匹配[9,50]。

3.2 天空地多源遙感影像聯(lián)合區(qū)域網(wǎng)平差

攝影測(cè)量領(lǐng)域的區(qū)域網(wǎng)平差，是以共線方程或有理函數(shù)等成像模型為基礎(chǔ)，將測(cè)區(qū)內(nèi)所有觀測(cè)值納入統(tǒng)一的平差系統(tǒng)，建立誤差方程并采用最小二乘原則求解未知數(shù)，從而獲得模型中各類未知參數(shù)的最佳估值，實(shí)現(xiàn)影像空間和物方空間的嚴(yán)密坐標(biāo)轉(zhuǎn)換，并進(jìn)行精度評(píng)定。天空地多源遙感影像聯(lián)合平差，涉及衛(wèi)星、航空、低空、地面等不同觀測(cè)視角，線陣、面陣等不同成像模式，光學(xué)、微波、激光等不同觀測(cè)模態(tài)，數(shù)據(jù)種類繁多，觀測(cè)機(jī)制復(fù)雜，需要研究建立各類影像的誤差模型，解決不同原始觀測(cè)資料間的相關(guān)性及方差分量估計(jì)問(wèn)題，以及同名特征中粗差觀測(cè)值的穩(wěn)健探測(cè)剔除問(wèn)題[58]。傳統(tǒng)航空和航天攝影測(cè)量的成像中心規(guī)則排列及法方程帶寬優(yōu)化方法不再適用，需要研究突破天空地多源立體觀測(cè)超大規(guī)模方程組的壓縮存儲(chǔ)和快速解算方法，如超大規(guī)模病態(tài)法方程幾何結(jié)構(gòu)優(yōu)化、超大規(guī)模方程組壓縮存儲(chǔ)、CPU/GPU聯(lián)合并行解算、甚至無(wú)須存儲(chǔ)大規(guī)模法方程的共軛梯度快速解算方法等，獲取各影像的全局最優(yōu)精確對(duì)地定位參數(shù)[44-45,59]。在保證全球地理信息資源建設(shè)等超大規(guī)模區(qū)域網(wǎng)平差成果絕對(duì)定位精度方面，則需要充分發(fā)揮各類已有地理信息的控制作用，如公開DEM/DOM、Open Street Map矢量圖等中等精度公眾地理信息，高精度控制點(diǎn)影像庫(kù)、星載激光測(cè)高數(shù)據(jù)、機(jī)載/車載LiDAR點(diǎn)云、高精度GIS矢量、空三后原始立體影像、高精度定位定姿觀測(cè)值等高精度控制資料，實(shí)現(xiàn)全自動(dòng)化的云控制聯(lián)合區(qū)域網(wǎng)平差[19]。

3.3 多時(shí)相影像智能信息提取與變化監(jiān)測(cè)

多時(shí)相遙感影像中地形地物信息的自動(dòng)提取與動(dòng)態(tài)變化監(jiān)測(cè)，是廣義攝影測(cè)量走向智能信息服務(wù)的必由之路和經(jīng)典難題[39]。通過(guò)智能數(shù)據(jù)處理手段，進(jìn)行精確配準(zhǔn)、無(wú)效像元檢測(cè)消除、輻射校正及影像合成，生成時(shí)間有序、空間對(duì)齊、輻射一致的高質(zhì)量多時(shí)相遙感影像序列，是地物信息自動(dòng)提取、自然資源監(jiān)測(cè)評(píng)估、土地利用動(dòng)態(tài)監(jiān)測(cè)、目標(biāo)識(shí)別與動(dòng)態(tài)監(jiān)控等應(yīng)用的前提[52,60]。傳統(tǒng)的遙感影像處理方法及近年來(lái)流行的深度學(xué)習(xí)在多時(shí)相遙感影像地物智能提取及變化監(jiān)測(cè)方面尚面臨巨大挑戰(zhàn)，例如深度學(xué)習(xí)得到的像素級(jí)分類結(jié)果距離規(guī)則化矢量成果仍然有相當(dāng)差距；而且國(guó)際上目前尚無(wú)遙感領(lǐng)域?qū)Ｓ玫纳疃壬窠?jīng)網(wǎng)絡(luò)，只能通過(guò)數(shù)據(jù)裁剪等手段使遙感影像適應(yīng)已有的通用圖像處理深度學(xué)習(xí)框架。因此需要針對(duì)遙感影像數(shù)據(jù)的特殊性及實(shí)時(shí)智能處理需求，研究創(chuàng)建面向遙感數(shù)據(jù)智能目標(biāo)識(shí)別與信息提取的自主產(chǎn)權(quán)深度學(xué)習(xí)框架，并研究空-譜信息聯(lián)合和多技術(shù)融合的多時(shí)相遙感影像目標(biāo)識(shí)別提取與動(dòng)態(tài)監(jiān)測(cè)方法?；谏疃葘W(xué)習(xí)的方法尚缺乏同時(shí)提取道路路面和拓?fù)渚W(wǎng)絡(luò)的能力；讓深度學(xué)習(xí)模型高效融合時(shí)空特征，像人類一樣理解農(nóng)作物長(zhǎng)勢(shì)并區(qū)分不同作物，仍任重道遠(yuǎn)。需要充分結(jié)合深度學(xué)習(xí)機(jī)制和傳統(tǒng)優(yōu)化方法各自的優(yōu)勢(shì)，例如基于全卷積網(wǎng)絡(luò)和邊緣規(guī)則優(yōu)化進(jìn)行建筑物提取，利用分割結(jié)果和中心線矢量追蹤相融合進(jìn)行路面及路網(wǎng)提取，利用3D卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)高維時(shí)空特征實(shí)現(xiàn)農(nóng)作物提取分類等等[61]。另外，地物目標(biāo)提取結(jié)果，也可以反向融入多源影像幾何處理過(guò)程，形成全新的幾何語(yǔ)義一體化處理機(jī)制，進(jìn)一步提高處理精度和穩(wěn)定性。

3.4 激光點(diǎn)云與多視影像聯(lián)合精細(xì)建模

2016年4月，習(xí)近平總書記提出新型智慧城市的概念。建筑物是智慧城市中最重要的核心元素，三維建筑物模型可為城市基礎(chǔ)設(shè)施規(guī)劃和新型智慧城市建設(shè)提供良好支撐，其準(zhǔn)確幾何結(jié)構(gòu)及拓?fù)鋵傩孕畔⑹谴龠M(jìn)智慧城市建設(shè)的決定性因素之一。三維重建技術(shù)主要有基于主動(dòng)視覺的激光掃描法、結(jié)構(gòu)光法、雷達(dá)技術(shù)、Kinect技術(shù)和基于被動(dòng)視覺的單目視覺、雙目視覺、多目視覺、SLAM技術(shù)等[62]，其中激光掃描與多目立體視覺是獲取地物三維空間幾何信息與紋理信息的主要手段。點(diǎn)云與影像的有機(jī)結(jié)合可以顯著提升建筑物等典型地物目標(biāo)精細(xì)三維重建的效率和效果[28,51]，二者的高精度配準(zhǔn)是必須解決的首要問(wèn)題。基于LiDAR強(qiáng)度圖和ICP的配準(zhǔn)方法容易受到點(diǎn)云密度的影響且對(duì)參數(shù)初始值較為敏感，而基于線特征、角特征和交叉點(diǎn)面特征的配準(zhǔn)方法直接建立點(diǎn)云與影像特征間的對(duì)應(yīng)關(guān)系，并據(jù)此計(jì)算兩者間的幾何變換參數(shù)[19,63]，避免了點(diǎn)云和影像間的轉(zhuǎn)換誤差，可充分利用激光測(cè)距精度較高的優(yōu)勢(shì)，從點(diǎn)云中提取平面結(jié)構(gòu)對(duì)影像區(qū)域網(wǎng)進(jìn)行絕對(duì)定向約束。在精細(xì)建模過(guò)程中，可充分發(fā)揮兩類數(shù)據(jù)的優(yōu)勢(shì)，通過(guò)多視影像密集匹配和深度學(xué)習(xí)等先進(jìn)手段對(duì)LiDAR點(diǎn)云進(jìn)行加密優(yōu)化，提取顯著線面特征約束三維點(diǎn)云表面重建，基于紋理識(shí)別和深度學(xué)習(xí)進(jìn)行建筑物立面遮擋修復(fù)，并解決高保真紋理映射優(yōu)化、建筑物矢量模型提取、結(jié)合Visual SLAM和激光掃描等技術(shù)的LOD 4室內(nèi)外一體化建模等核心問(wèn)題。

3.5 多傳感器集成的無(wú)人系統(tǒng)自主導(dǎo)航

無(wú)人系統(tǒng)常指無(wú)人機(jī)、無(wú)人車、無(wú)人船、智能機(jī)器人等可移動(dòng)無(wú)人駕駛系統(tǒng)，涉及多傳感器集成、人工智能、高速通信、機(jī)器人技術(shù)、自動(dòng)控制等關(guān)鍵技術(shù)，本文特指各類低空無(wú)人機(jī)和地面無(wú)人駕駛汽車。智能化是無(wú)人系統(tǒng)發(fā)展的重要方向，在智能數(shù)據(jù)采集、長(zhǎng)距離貨物運(yùn)送、智能物流配送等眾多領(lǐng)域具有廣泛的應(yīng)用前景。智能化無(wú)人系統(tǒng)的核心技術(shù)主要包括環(huán)境感知、信息交互、知識(shí)學(xué)習(xí)、規(guī)劃決策、行為執(zhí)行等5個(gè)方面[64]。環(huán)境感知的智能化，需要解決無(wú)人機(jī)/車在未知受限環(huán)境中的實(shí)時(shí)自主定位和目標(biāo)識(shí)別等問(wèn)題，是實(shí)現(xiàn)自主駕駛的前提條件。傳統(tǒng)的無(wú)人機(jī)/車常采用GNSS/IMU組合導(dǎo)航定位系統(tǒng)進(jìn)行定位，但是實(shí)時(shí)定位精度較低，誤差較大，而且在復(fù)雜環(huán)境中往往存在噪聲干擾和信號(hào)遮擋等問(wèn)題。多傳感器集成的環(huán)境智能感知和目標(biāo)識(shí)別技術(shù)是解決上述問(wèn)題的可行途徑，包括GNSS/IMU、激光雷達(dá)、立體相機(jī)、超聲波測(cè)距、嵌入式處理器和智能識(shí)別系統(tǒng)等，多傳感器數(shù)據(jù)的實(shí)時(shí)處理和深度融合可顯著提高實(shí)時(shí)定位的精度和可靠性[40]，并結(jié)合人工智能等技術(shù)確定周圍環(huán)境中各類目標(biāo)的距離、屬性及其動(dòng)態(tài)變化信息[30-31]。智能無(wú)人機(jī)的自主能力體現(xiàn)在自主航線規(guī)劃、自動(dòng)避障、信息采集和飛行控制的智能程度，智能無(wú)人駕駛汽車的自主操控主要表現(xiàn)為自動(dòng)駕駛等級(jí)提升，即由已知環(huán)境的部分自動(dòng)駕駛進(jìn)化到動(dòng)態(tài)未知環(huán)境的全自動(dòng)駕駛，二者都涉及多傳感器動(dòng)態(tài)感知、多架構(gòu)實(shí)時(shí)計(jì)算、智能認(rèn)知推理、規(guī)劃決策執(zhí)行等核心技術(shù)。

3.6 多傳感器集成的智能制造視覺檢測(cè)

2013年，德國(guó)政府首次提出“工業(yè)4.0”戰(zhàn)略，其目的是將傳統(tǒng)制造業(yè)向智能化轉(zhuǎn)型，并在以智能制造為主導(dǎo)的第四次工業(yè)革命中占領(lǐng)先機(jī)。我國(guó)也已制定相應(yīng)的發(fā)展規(guī)劃，力爭(zhēng)通過(guò)新一代信息技術(shù)與制造業(yè)深度融合，從制造業(yè)大國(guó)向制造業(yè)強(qiáng)國(guó)轉(zhuǎn)變。智能制造裝備是具有感知、決策、控制、執(zhí)行功能的各類制造裝備的統(tǒng)稱，包括新一代信息技術(shù)、高端數(shù)控機(jī)床、成套自動(dòng)化生產(chǎn)線、工業(yè)機(jī)器人、重大精密制造裝備、3D打印等[65-67]。當(dāng)前高端智能制造裝備屬于復(fù)雜的光機(jī)電系統(tǒng)，應(yīng)用環(huán)境特殊，而且對(duì)檢測(cè)準(zhǔn)確率、實(shí)時(shí)性、重復(fù)性等要求極高，實(shí)時(shí)在線檢測(cè)、無(wú)人干預(yù)全自動(dòng)檢測(cè)、智能化分析是必備條件。精密工業(yè)攝影測(cè)量作為非接觸技術(shù)手段，可采用實(shí)時(shí)立體視覺或多傳感器融合視覺系統(tǒng)代替人眼和人手進(jìn)行各種工業(yè)部件的在線檢測(cè)分析、判斷決策及質(zhì)量控制，具有智能化程度高和環(huán)境適應(yīng)性強(qiáng)等特點(diǎn)，是智能制造系統(tǒng)不可或缺的核心組成部分[14,34]。多傳感器集成的視覺檢測(cè)系統(tǒng)，一般主要由光源、高速光學(xué)相機(jī)、激光掃描儀、圖像處理器等構(gòu)成[67]，需要解決成像系統(tǒng)檢校、高速數(shù)據(jù)獲取、圖像處理分析、缺陷部件智能識(shí)別檢測(cè)等核心問(wèn)題，尤其是針對(duì)常見的尺寸、劃痕、腐蝕、褶皺、突起、凹陷、孔洞、色彩等不同制造缺陷，需要研究相應(yīng)的智能化識(shí)別檢測(cè)方法[68]。隨著人工智能浪潮的快速興起，有望借助深度學(xué)習(xí)機(jī)制強(qiáng)大的學(xué)習(xí)能力和泛化能力，通過(guò)大量已有樣本的訓(xùn)練構(gòu)建通用的制造缺陷智能識(shí)別檢測(cè)技術(shù)。

4 總結(jié)與展望

隨著天空地多源遙感數(shù)據(jù)獲取和攝影測(cè)量處理理論方法的進(jìn)步，以及云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新一輪科技革命浪潮的到來(lái)，攝影測(cè)量也與計(jì)算機(jī)視覺、人工智能等多個(gè)相關(guān)學(xué)科交叉融合，發(fā)展成為廣義攝影測(cè)量學(xué)，進(jìn)入天空地一體化綜合智能攝影測(cè)量新階段。在廣義攝影測(cè)量學(xué)框架下，天空地多源遙感數(shù)據(jù)的獲取手段及數(shù)據(jù)處理的理論方法都具有全新的模式和發(fā)展趨勢(shì)，例如天空地多源遙感數(shù)據(jù)獲取方面呈現(xiàn)多視角成像、多模態(tài)協(xié)同、多時(shí)相融合、多尺度聯(lián)動(dòng)等態(tài)勢(shì)；而多源遙感數(shù)據(jù)處理方面則呈現(xiàn)多特征耦合、多控制約束、多架構(gòu)處理、多學(xué)科交叉等趨勢(shì)。

在大數(shù)據(jù)及人工智能新時(shí)代，天空地一體化廣義攝影測(cè)量學(xué)的全面發(fā)展和智能服務(wù)，尚需盡快開展多學(xué)科交叉的創(chuàng)新型高端人才培養(yǎng)，并融合多個(gè)學(xué)科的最新研究成果，在天空地多視角/多模態(tài)影像幾何處理、多時(shí)相影像智能信息提取與動(dòng)態(tài)監(jiān)測(cè)、激光點(diǎn)云與多視角影像聯(lián)合精細(xì)建模、多傳感器集成的無(wú)人系統(tǒng)自主導(dǎo)航、智能制造系統(tǒng)視覺檢測(cè)等領(lǐng)域的理論和技術(shù)方面取得更大突破，形成從天空地多源遙感數(shù)據(jù)實(shí)時(shí)/準(zhǔn)實(shí)時(shí)智能幾何處理到信息提取服務(wù)的完整理論和技術(shù)體系，為智能化測(cè)繪時(shí)代天空地多源遙感數(shù)據(jù)的各領(lǐng)域應(yīng)用奠定基礎(chǔ)。