《基于數(shù)字孿生技術(shù)的考古系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)》論文發(fā)表期刊：《電子質(zhì)量》；發(fā)表周期：2021年05期

《基于數(shù)字孿生技術(shù)的考古系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)》論文作者信息：李超(1988-)，男，江西宜春人，工程師，碩士，2011 年畢業(yè)于瑞典克里斯蒂安斯塔德大學(xué)學(xué)院嵌入式系統(tǒng)專(zhuān)業(yè)，主要從事智慧城市，數(shù)字孿生相關(guān)數(shù)據(jù)處理與應(yīng)用工作。

　　摘要：針對(duì)考古領(lǐng)域的高分影像智能輔助診斷系統(tǒng)需求，提出了基于數(shù)字孿生技術(shù)的高分影像分析方法。

　　該文主要是通過(guò)利用分布式云存儲(chǔ)技術(shù)、多模式影像識(shí)別、AI智能計(jì)算模型算法，結(jié)合先進(jìn)的可視化技術(shù)，實(shí)現(xiàn)智能化的信息分析和輔助決策，實(shí)現(xiàn)對(duì)物理實(shí)體運(yùn)行指標(biāo)的監(jiān)測(cè)與可視化，對(duì)模型算法的自動(dòng)化運(yùn)

　　行"，以及對(duì)物理實(shí)體未來(lái)發(fā)展的在線預(yù)演，從而得到一個(gè)科學(xué)研究判定結(jié)果。實(shí)際運(yùn)行表明該系統(tǒng)具有良

　　好的可行性和可用性。

　　關(guān)鍵詞：數(shù)字孿生;高分遙感;無(wú)人機(jī);增強(qiáng)現(xiàn)實(shí);GIS

　　Abstract:In response to the needs of the high-resolution imaging intelligent diagnosis system in the archaeological field，a high-resolution imaging analysis method based on digital twin technology is proposed.This article mainly discuss distributed cloud storage technology，multi-mode image recognition，Al intelligent computing algorithm，combined with advanced visualization technology to display intelligent information，and monitoring and visualization of physical entity operation indicators.The automatic process of the model algorithm and the online preview of the future development of the physical entity will obtain a scientific research result.The practical operation shows that the system has good feasibility and usability.

　　Key words：Digital twin;Remote sensing satellite;UAV;Augmented reality;GIS

　　0 引言

　　世界各國(guó)在高分影像衛(wèi)星的研發(fā)設(shè)計(jì)上都是在競(jìng) 爭(zhēng)式的進(jìn)行研發(fā)比拼，同時(shí)高分影像的行業(yè)應(yīng)用也在層出不窮的出現(xiàn)，而且通過(guò)調(diào)查研究，最尖端的間諜高分 衛(wèi)星的影像分辨率已經(jīng)精細(xì)到可以從衛(wèi)星上看到田地 里種植的植物種類(lèi)。

　　那么，針對(duì)這種尖端科技技術(shù)的行業(yè)應(yīng)用前景，通 過(guò)高效的挖掘方法在大體量的 3D、2D 數(shù)據(jù)中實(shí)現(xiàn)價(jià)值 提煉，是當(dāng)前極具科學(xué)價(jià)值的問(wèn)題之一。研究的主要難 點(diǎn)主要是存在于衛(wèi)星的傳感器和觀測(cè)環(huán)境的條件，它的姿態(tài)、高度、速度等不同的因素在不停地進(jìn)行變化，這樣 就會(huì)造成影像的噪聲和變形，同時(shí)高分衛(wèi)星影像本身在 光譜分辨率上的不足，也會(huì)造成數(shù)據(jù)精度的影響[2]，因此在遙感衛(wèi)星影像處理中還是存在不少的技術(shù)難點(diǎn)，具體內(nèi)容包括：

　　(1)市面上的軟件需要專(zhuān)業(yè)的知識(shí)以及商業(yè)授權(quán)，價(jià) 格不菲，而且不宜操作。

　　(2)自動(dòng)化處理程度不高，同時(shí)無(wú)法結(jié)合使用 AI 深 度學(xué)習(xí)模型。

　　(3)針對(duì) 2D 和 3D 數(shù)據(jù)的存儲(chǔ)管理，沒(méi)有一個(gè)友好的軟件平臺(tái)。

　　(4)缺乏一個(gè)有良好的虛實(shí)結(jié)合的可視化管理界面。

　　因此，針對(duì)上面問(wèn)題，本文開(kāi)發(fā)了基于數(shù)字孿生技 術(shù)的考古系統(tǒng)，提高數(shù)據(jù)分析處理的算法智能化和流程 化水平。

　　1 系統(tǒng)設(shè)計(jì)

　　1.1 系統(tǒng)設(shè)計(jì)目標(biāo)

　　系統(tǒng)是基于大數(shù)據(jù)平臺(tái)通用技術(shù)進(jìn)行二次開(kāi)發(fā)和 集成。對(duì)高分影像和無(wú)人機(jī)影像采集到的多模態(tài)數(shù)據(jù)進(jìn) 行數(shù)據(jù)集管理、可視化查看;可以在線上對(duì)多模態(tài)數(shù)據(jù) 進(jìn)行自動(dòng)化處理;可以將數(shù)據(jù)掛載到機(jī)器學(xué)習(xí)虛擬平臺(tái) 上進(jìn)行數(shù)據(jù)建模和深度學(xué)習(xí)模型的構(gòu)建;可以自動(dòng)規(guī)劃 無(wú)人機(jī)路線。因此，基于數(shù)字孿生技術(shù)的考古系統(tǒng)設(shè)計(jì)主要針對(duì)以下幾個(gè)目標(biāo)：

　　(1)滿(mǎn)足數(shù)據(jù)的管理的功能需求，具有數(shù)據(jù)分布式存 儲(chǔ)能力，較高的安全性和穩(wěn)定性。

　　(2)盡可能地實(shí)現(xiàn)自動(dòng)化的一鍵操作，可以自動(dòng)規(guī)劃 無(wú)人機(jī)航飛區(qū)域范圍，可以自動(dòng)對(duì)復(fù)雜地形進(jìn)行數(shù)據(jù)處 理分析。

　　(3) 可以后臺(tái)將數(shù)據(jù)掛載到虛擬化機(jī)器學(xué)習(xí)平臺(tái)進(jìn)行模型構(gòu)建和自動(dòng)分析。

　　(4)自動(dòng)化生成可視化模型，可以在多設(shè)備端上進(jìn)行可視化查看。

　　1.2 系統(tǒng)總體架構(gòu)

　　系統(tǒng)采用 Java 語(yǔ)言開(kāi)發(fā)，spring cloud 微服務(wù)架構(gòu)，包括了基礎(chǔ)支撐層、數(shù)據(jù)互動(dòng)層、模型構(gòu)建層、仿真分析 層。基礎(chǔ)支撐層包含了數(shù)據(jù)采集源;數(shù)據(jù)互動(dòng)層采用自 建云存儲(chǔ)進(jìn)行分布式存儲(chǔ)、數(shù)據(jù)通信、交互服務(wù)請(qǐng)求;模 型構(gòu)建層包含了傾斜攝影和點(diǎn)云結(jié)合的三維模型重建，基于多用途場(chǎng)景的 CAD 模型構(gòu)建;仿真分析層包含了 虛擬模型仿真大數(shù)據(jù)分析、數(shù)據(jù)處理、圖像顯示。系統(tǒng)總體結(jié)構(gòu)如圖 1 所示。

　　2 關(guān)鍵技術(shù)

　　2.1 基于高分衛(wèi)星影像的 3D 深度神經(jīng)網(wǎng)絡(luò)架構(gòu)

　　目前關(guān)于圖像數(shù)據(jù)深度神經(jīng)網(wǎng)絡(luò)模型都是基于平 面圖像(2D 圖像)的，雖然在圖像處理和分析，取得了一 系列耀眼的成果，但是難以處理 3D 影像，目前的處理方法大都將 3D 影像分為若干 2D 影像，分別送入處理2D 圖像的卷積神經(jīng)網(wǎng)絡(luò)，但是此方法忽略了各層間拓 撲聯(lián)系，本系統(tǒng)設(shè)計(jì)了一套具有時(shí)空信息的 3D 深度神 經(jīng)網(wǎng)絡(luò)架構(gòu)，能通過(guò)學(xué)習(xí)方法高效判讀各類(lèi) 3D 高分影 像，也能在 3D 影像的人工智能領(lǐng)域在模型和方法上取 得突破[3]。

　　卷積神經(jīng)網(wǎng)絡(luò)由于強(qiáng)調(diào)圖形的拓?fù)湫畔ⅲ�被證明是一種有效的特征提取模型，將每類(lèi)影像數(shù)據(jù)通過(guò)前面提 出的 3D 深度神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，再將各個(gè)模態(tài)的深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行集成學(xué)習(xí)，在保證數(shù)據(jù)量進(jìn)行充分訓(xùn) 練的條件下，可充分利用每種模態(tài)影像的信息，綜合考 慮達(dá)到最優(yōu)學(xué)習(xí)效果，而且由于每種模態(tài)數(shù)據(jù)分開(kāi)訓(xùn)練， 此方法并不需要每個(gè)個(gè)體都具有所有模態(tài)數(shù)據(jù)，這便更 利于實(shí)際應(yīng)用。不僅如此，這還能為多模態(tài)數(shù)據(jù)的深度學(xué)習(xí)提供新的技術(shù)手段。

　　2.2 Arch-Yolo 無(wú)人機(jī)路徑規(guī)劃及目標(biāo)檢測(cè)算法

　　為了彌補(bǔ)高分影像在獲取數(shù)據(jù)源的清晰度不夠的情況下，該系統(tǒng)還會(huì)額外使用無(wú)人機(jī)設(shè)備采集近距離高 清影像，本系統(tǒng)所使用的無(wú)人機(jī)是搭載了多種傳感器， 并經(jīng)過(guò)特殊改造的無(wú)人機(jī)設(shè)備，即包含 2D 影像采集設(shè) 備和 3D LiDAR 數(shù)據(jù)采集設(shè)備，基于此創(chuàng)新性地研發(fā)了一種無(wú)人機(jī)路徑規(guī)劃及目標(biāo)檢測(cè)算法，只要根據(jù)輸入的 區(qū)域位置，無(wú)人機(jī)可以進(jìn)行動(dòng)態(tài)的路徑規(guī)劃。基于目前 市面上 LiDAR 點(diǎn)云采集數(shù)據(jù)算法框架的缺陷，部分細(xì) 節(jié)復(fù)雜區(qū)域需要?jiǎng)討B(tài)調(diào)整無(wú)人機(jī)的高度、角度和多次采 集數(shù)據(jù)才能完整的進(jìn)行三維圖像重建，所以該路徑規(guī)劃算法會(huì)實(shí)時(shí)檢測(cè)出復(fù)雜區(qū)域的位置，并進(jìn)行多次來(lái)回掃 描，從而得到一個(gè)可進(jìn)行科學(xué)研究的數(shù)據(jù)模型樣本[4-5]。

　　2.3 基于點(diǎn)云的虛實(shí)結(jié)合數(shù)字孿生可視化模塊

　　目前市面上主流顯示數(shù)字孿生可視化的模塊，基本是在 web 上顯示可拖曳 3D 模型，或者是以增強(qiáng)現(xiàn)實(shí)AR 的模式進(jìn)行顯示 [6]，而如今最新的趨勢(shì)是用 LiDAR點(diǎn)云數(shù)據(jù)方式進(jìn)行實(shí)時(shí)重建，但是利用點(diǎn)云數(shù)據(jù)進(jìn)行三 維重建存在一些局限性，例如構(gòu)建出來(lái)的模型的精細(xì)度 不夠保真。本系統(tǒng)以攻克高保真模型生成的角度出發(fā)， 以 LiDAR 數(shù)據(jù)點(diǎn)云為基礎(chǔ)生成一個(gè)大致的粗略模型， 然后再使用 2D 影像圖像進(jìn)行輔助校準(zhǔn)。這樣就初步生 成了的高精度、高保真模型。同時(shí)，研究人員可以在這個(gè)高保真模型基礎(chǔ)上進(jìn)行人工的標(biāo)注工作，可以把一些自 己構(gòu)建的一些三維圖形模塊融合進(jìn)這個(gè)高保真模型里，最后實(shí)現(xiàn)一種虛實(shí)結(jié)合的可視化效果。

　　2.4 高可用的數(shù)據(jù)采集、傳輸、存儲(chǔ)

　　不同于城市里高度發(fā)達(dá)的基礎(chǔ)設(shè)施的建設(shè)，由于考 古工作的特殊性，一些考古外業(yè)工作常常在一些無(wú)人區(qū) 進(jìn)行工作，但所幸的是考古工作者對(duì)數(shù)據(jù)傳輸?shù)臅r(shí)效性 的要求并不是很高，所以數(shù)據(jù)存儲(chǔ)的便利性、穩(wěn)定性、安 全性則需求優(yōu)先級(jí)較高。采集數(shù)據(jù)之后可以等到網(wǎng)絡(luò)恢 復(fù)的時(shí)候，再進(jìn)行一些數(shù)據(jù)上傳同步工作。 所以該系統(tǒng)從 5G 和數(shù)據(jù)云存儲(chǔ)的方向進(jìn)行綜合 性改進(jìn)，在無(wú)人機(jī)整套設(shè)備系統(tǒng)上配備一個(gè) 5G 信號(hào)放大裝置器，可以增強(qiáng)網(wǎng)絡(luò)傳輸信號(hào)，同時(shí)配備一個(gè)本地存儲(chǔ)容量池，可以緩存數(shù)據(jù)內(nèi)容。保證在離線狀態(tài)，數(shù)據(jù) 也不會(huì)溢出，滿(mǎn)足了數(shù)字孿生大數(shù)據(jù)的應(yīng)用場(chǎng)景。

　　3 系統(tǒng)主要功能實(shí)現(xiàn)

　　(1)系統(tǒng)界面

　　系統(tǒng)界面主要包括導(dǎo)航欄、可視化窗口、數(shù)據(jù)集管 理窗口、虛擬容器管理窗口、無(wú)人機(jī)管理窗口和狀態(tài)欄。

　　(2)數(shù)據(jù)集管理

　　數(shù)據(jù)集管理主要是可以人工上傳和查看多模態(tài)數(shù) 據(jù)，包括 2D 數(shù)據(jù)和 3D 數(shù)據(jù)，支持設(shè)置數(shù)據(jù)的管理權(quán)限， 數(shù)據(jù)的過(guò)期時(shí)間，同時(shí)支持?jǐn)?shù)據(jù)打包下載。

　　(3)可視化

　　可視化數(shù)據(jù)查看模塊支持查看二維圖表數(shù)據(jù)，用 web 方式進(jìn)行查看檢測(cè)出來(lái)的 3D 模型，也可以將模型導(dǎo)出為主流 3D 處理軟件支持的格式文件。

　　(4)虛擬容器

　　虛擬容器則是可以創(chuàng)建機(jī)器學(xué)習(xí)框架的鏡像容器， 例如 pytorch、tensorflow，利用這些預(yù)搭載的鏡像，再加載采集到的影像數(shù)據(jù)，便可以進(jìn)行數(shù)據(jù)的自動(dòng)化處理，可以進(jìn)行模型自動(dòng)調(diào)參，最后得到效果良好的算法模型， 將這些模型部署到無(wú)人機(jī)搭載的端邊設(shè)備進(jìn)行智能檢測(cè)。

　　(5)無(wú)人機(jī)管理

　　包括無(wú)人機(jī)設(shè)備的注冊(cè)管理、增加、刪除。同時(shí)可以 在系統(tǒng)上查看無(wú)人機(jī)的實(shí)時(shí)位置、航飛區(qū)域規(guī)劃以及可 視化查看采集到的數(shù)據(jù)。

　　4 結(jié)束語(yǔ)

　　高分衛(wèi)星因?yàn)槠淙�局�?zhàn)略意義相對(duì)比較高，可以為 軍方、政府、企業(yè)提供很多幫助，所以針對(duì)于高分影像遙 感信息的處理應(yīng)用研究極具戰(zhàn)略意義的，本文針對(duì)高分 影像在考古領(lǐng)域中的應(yīng)用，介紹了智能目標(biāo)識(shí)別檢測(cè)的 一些方法和設(shè)計(jì)，同時(shí)，系統(tǒng)也結(jié)合了虛實(shí)結(jié)合的可視 化數(shù)據(jù)分析方法、自動(dòng)化流程方法，極大地減少了考古 人員外業(yè)工作時(shí)的工作量，可以實(shí)現(xiàn)一鍵自動(dòng)化進(jìn)行數(shù)據(jù)采集和自動(dòng)建模等工作，促進(jìn)了考古自動(dòng)化數(shù)字化進(jìn)程，為提高系統(tǒng)的適用性，未來(lái)可以從以下幾個(gè)方向進(jìn) 行完善：1)優(yōu)化無(wú)人機(jī)運(yùn)載數(shù)據(jù)傳輸系統(tǒng)，增強(qiáng)圖傳數(shù)據(jù)的速率，減少巡航次數(shù)，提高采集效率;2)支持自動(dòng)化建模工作去可以在移動(dòng)端進(jìn)行，減少對(duì)網(wǎng)絡(luò)云端的依賴(lài)。

　　參考文獻(xiàn)：

　　[1]劉大偉,韓玲,韓曉勇.基于深度學(xué)習(xí)的高分辨率遙感 影像分類(lèi)研究[J].光學(xué)學(xué)報(bào),2016,36(4):306-314.

　　[2]張良培,武辰.多時(shí)相遙感影像變化檢測(cè)的現(xiàn)狀與展望 [J].測(cè)繪學(xué)報(bào),2017,46(10):1447-1459.

　　[3]劉心燕,孫林,楊以坤,等.高分四號(hào)衛(wèi)星數(shù)據(jù)云和云陰 影檢測(cè)算法[J].光學(xué)學(xué)報(bào),2019,39(1):446-457 [4]吳宏正,陳曦,陳文惠.無(wú)人機(jī) RGB 影像植被分類(lèi)方法研究 -- 以福建省三明市尤溪縣為例[J].亞熱帶水土保持,2020,32(4):1-8.

　　[5]李東升,劉海紅,張兵良,等.基于無(wú)人機(jī)影像的綠色植被提取方法[J].昆明冶金高等專(zhuān)科學(xué)校學(xué)報(bào),2019,35(4):58-65.

　　[6]任冠,魏堅(jiān).城市考古研究中空間分析的理論與實(shí)踐-- 基于遙感與地理信息系統(tǒng)[J].河南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2021,61(1):77-82.