基于数字孪生技术的考古系统的设计和实现

《基于数字孪生技术的考古系统的设计和实现》论文发表期刊：《电子质量》；发表周期：2021年05期

《基于数字孪生技术的考古系统的设计和实现》论文作者信息：李超(1988-)，男，江西宜春人，工程师，硕士，2011 年毕业于瑞典克里斯蒂安斯塔德大学学院嵌入式系统专业，主要从事智慧城市，数字孪生相关数据处理与应用工作。

　　摘要：针对考古领域的高分影像智能辅助诊断系统需求，提出了基于数字孪生技术的高分影像分析方法。

　　该文主要是通过利用分布式云存储技术、多模式影像识别、AI智能计算模型算法，结合先进的可视化技术，实现智能化的信息分析和辅助决策，实现对物理实体运行指标的监测与可视化，对模型算法的自动化运

　　行"，以及对物理实体未来发展的在线预演，从而得到一个科学研究判定结果。实际运行表明该系统具有良

　　好的可行性和可用性。

　　关键词：数字孪生;高分遥感;无人机;增强现实;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

　　世界各国在高分影像卫星的研发设计上都是在竞 争式的进行研发比拼，同时高分影像的行业应用也在层出不穷的出现，而且通过调查研究，最尖端的间谍高分 卫星的影像分辨率已经精细到可以从卫星上看到田地 里种植的植物种类。

　　那么，针对这种尖端科技技术的行业应用前景，通 过高效的挖掘方法在大体量的 3D、2D 数据中实现价值 提炼，是当前极具科学价值的问题之一。研究的主要难 点主要是存在于卫星的传感器和观测环境的条件，它的姿态、高度、速度等不同的因素在不停地进行变化，这样 就会造成影像的噪声和变形，同时高分卫星影像本身在 光谱分辨率上的不足，也会造成数据精度的影响[2]，因此在遥感卫星影像处理中还是存在不少的技术难点，具体内容包括：

　　(1)市面上的软件需要专业的知识以及商业授权，价 格不菲，而且不宜操作。

　　(2)自动化处理程度不高，同时无法结合使用 AI 深 度学习模型。

　　(3)针对 2D 和 3D 数据的存储管理，没有一个友好的软件平台。

　　(4)缺乏一个有良好的虚实结合的可视化管理界面。

　　因此，针对上面问题，本文开发了基于数字孪生技 术的考古系统，提高数据分析处理的算法智能化和流程 化水平。

　　1 系统设计

　　1.1 系统设计目标

　　系统是基于大数据平台通用技术进行二次开发和 集成。对高分影像和无人机影像采集到的多模态数据进 行数据集管理、可视化查看;可以在线上对多模态数据 进行自动化处理;可以将数据挂载到机器学习虚拟平台 上进行数据建模和深度学习模型的构建;可以自动规划 无人机路线。因此，基于数字孪生技术的考古系统设计主要针对以下几个目标：

　　(1)满足数据的管理的功能需求，具有数据分布式存 储能力，较高的安全性和稳定性。

　　(2)尽可能地实现自动化的一键操作，可以自动规划 无人机航飞区域范围，可以自动对复杂地形进行数据处 理分析。

　　(3) 可以后台将数据挂载到虚拟化机器学习平台进行模型构建和自动分析。

　　(4)自动化生成可视化模型，可以在多设备端上进行可视化查看。

　　1.2 系统总体架构

　　系统采用 Java 语言开发，spring cloud 微服务架构，包括了基础支撑层、数据互动层、模型构建层、仿真分析 层。基础支撑层包含了数据采集源;数据互动层采用自 建云存储进行分布式存储、数据通信、交互服务请求;模 型构建层包含了倾斜摄影和点云结合的三维模型重建，基于多用途场景的 CAD 模型构建;仿真分析层包含了 虚拟模型仿真大数据分析、数据处理、图像显示。系统总体结构如图 1 所示。

　　2 关键技术

　　2.1 基于高分卫星影像的 3D 深度神经网络架构

　　目前关于图像数据深度神经网络模型都是基于平 面图像(2D 图像)的，虽然在图像处理和分析，取得了一 系列耀眼的成果，但是难以处理 3D 影像，目前的处理方法大都将 3D 影像分为若干 2D 影像，分别送入处理2D 图像的卷积神经网络，但是此方法忽略了各层间拓 扑联系，本系统设计了一套具有时空信息的 3D 深度神 经网络架构，能通过学习方法高效判读各类 3D 高分影 像，也能在 3D 影像的人工智能领域在模型和方法上取 得突破[3]。

　　卷积神经网络由于强调图形的拓扑信息，被证明是一种有效的特征提取模型，将每类影像数据通过前面提 出的 3D 深度神经网络进行特征提取，再将各个模态的深度学习网络进行集成学习，在保证数据量进行充分训 练的条件下，可充分利用每种模态影像的信息，综合考 虑达到最优学习效果，而且由于每种模态数据分开训练， 此方法并不需要每个个体都具有所有模态数据，这便更 利于实际应用。不仅如此，这还能为多模态数据的深度学习提供新的技术手段。

　　2.2 Arch-Yolo 无人机路径规划及目标检测算法

　　为了弥补高分影像在获取数据源的清晰度不够的情况下，该系统还会额外使用无人机设备采集近距离高 清影像，本系统所使用的无人机是搭载了多种传感器， 并经过特殊改造的无人机设备，即包含 2D 影像采集设 备和 3D LiDAR 数据采集设备，基于此创新性地研发了一种无人机路径规划及目标检测算法，只要根据输入的 区域位置，无人机可以进行动态的路径规划。基于目前 市面上 LiDAR 点云采集数据算法框架的缺陷，部分细 节复杂区域需要动态调整无人机的高度、角度和多次采 集数据才能完整的进行三维图像重建，所以该路径规划算法会实时检测出复杂区域的位置，并进行多次来回扫 描，从而得到一个可进行科学研究的数据模型样本[4-5]。

　　2.3 基于点云的虚实结合数字孪生可视化模块

　　目前市面上主流显示数字孪生可视化的模块，基本是在 web 上显示可拖曳 3D 模型，或者是以增强现实AR 的模式进行显示 [6]，而如今最新的趋势是用 LiDAR点云数据方式进行实时重建，但是利用点云数据进行三 维重建存在一些局限性，例如构建出来的模型的精细度 不够保真。本系统以攻克高保真模型生成的角度出发， 以 LiDAR 数据点云为基础生成一个大致的粗略模型， 然后再使用 2D 影像图像进行辅助校准。这样就初步生 成了的高精度、高保真模型。同时，研究人员可以在这个高保真模型基础上进行人工的标注工作，可以把一些自 己构建的一些三维图形模块融合进这个高保真模型里，最后实现一种虚实结合的可视化效果。

　　2.4 高可用的数据采集、传输、存储

　　不同于城市里高度发达的基础设施的建设，由于考 古工作的特殊性，一些考古外业工作常常在一些无人区 进行工作，但所幸的是考古工作者对数据传输的时效性 的要求并不是很高，所以数据存储的便利性、稳定性、安 全性则需求优先级较高。采集数据之后可以等到网络恢 复的时候，再进行一些数据上传同步工作。 所以该系统从 5G 和数据云存储的方向进行综合 性改进，在无人机整套设备系统上配备一个 5G 信号放大装置器，可以增强网络传输信号，同时配备一个本地存储容量池，可以缓存数据内容。保证在离线状态，数据 也不会溢出，满足了数字孪生大数据的应用场景。

　　3 系统主要功能实现

　　(1)系统界面

　　系统界面主要包括导航栏、可视化窗口、数据集管 理窗口、虚拟容器管理窗口、无人机管理窗口和状态栏。

　　(2)数据集管理

　　数据集管理主要是可以人工上传和查看多模态数 据，包括 2D 数据和 3D 数据，支持设置数据的管理权限， 数据的过期时间，同时支持数据打包下载。

　　(3)可视化

　　可视化数据查看模块支持查看二维图表数据，用 web 方式进行查看检测出来的 3D 模型，也可以将模型导出为主流 3D 处理软件支持的格式文件。

　　(4)虚拟容器

　　虚拟容器则是可以创建机器学习框架的镜像容器， 例如 pytorch、tensorflow，利用这些预搭载的镜像，再加载采集到的影像数据，便可以进行数据的自动化处理，可以进行模型自动调参，最后得到效果良好的算法模型， 将这些模型部署到无人机搭载的端边设备进行智能检测。

　　(5)无人机管理

　　包括无人机设备的注册管理、增加、删除。同时可以 在系统上查看无人机的实时位置、航飞区域规划以及可 视化查看采集到的数据。

　　4 结束语

　　高分卫星因为其全局战略意义相对比较高，可以为 军方、政府、企业提供很多帮助，所以针对于高分影像遥 感信息的处理应用研究极具战略意义的，本文针对高分 影像在考古领域中的应用，介绍了智能目标识别检测的 一些方法和设计，同时，系统也结合了虚实结合的可视 化数据分析方法、自动化流程方法，极大地减少了考古 人员外业工作时的工作量，可以实现一键自动化进行数据采集和自动建模等工作，促进了考古自动化数字化进程，为提高系统的适用性，未来可以从以下几个方向进 行完善：1)优化无人机运载数据传输系统，增强图传数据的速率，减少巡航次数，提高采集效率;2)支持自动化建模工作去可以在移动端进行，减少对网络云端的依赖。

　　参考文献：

　　[1]刘大伟,韩玲,韩晓勇.基于深度学习的高分辨率遥感 影像分类研究[J].光学学报,2016,36(4):306-314.

　　[2]张良培,武辰.多时相遥感影像变化检测的现状与展望 [J].测绘学报,2017,46(10):1447-1459.

　　[3]刘心燕,孙林,杨以坤,等.高分四号卫星数据云和云阴 影检测算法[J].光学学报,2019,39(1):446-457 [4]吴宏正,陈曦,陈文惠.无人机 RGB 影像植被分类方法研究 -- 以福建省三明市尤溪县为例[J].亚热带水土保持,2020,32(4):1-8.

　　[5]李东升,刘海红,张兵良,等.基于无人机影像的绿色植被提取方法[J].昆明冶金高等专科学校学报,2019,35(4):58-65.

　　[6]任冠,魏坚.城市考古研究中空间分析的理论与实践-- 基于遥感与地理信息系统[J].河南大学学报(社会科学版),2021,61(1):77-82.