地理空间人工智能：机器学习用于三维点云与地理空间数字孪生的潜力

完整中文导读

该文从软件工程视角概述面向三维点云与地理空间数字孪生的 AI 技术，将二者视为地理空间 AI 的通用组件。作者提出三维点云可类比自然语言语料，并据此提出三维点云的“自然性假设”，进而给出基于机器学习与深度学习解释三维点云的工作流，无需构建显式三维空间模型或显式规则集即可推导领域与应用语义。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

Geospatial Artificial Intelligence: Potentials of Machine Learning for 3D Point Clouds and Geospatial Digital Twins

作者：Jürgen Döllner
刊物：PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science
出版时间：2020-02
DOI：10.1007/s41064-020-00102-3

研究方法

从软件工程视角梳理 AI 技术发展，提出三维点云的“自然性假设”，并给出基于机器学习与深度学习解释三维点云的工作流

研究对象

三维点云与地理空间数字孪生，作为地理空间 AI 的通用组件

主要发现

三维点云可视为与自然语言语料具有相似属性的语料；基于机器学习与深度学习的工作流可在不创建显式三维空间模型或显式规则集的情况下推导领域与应用语义，并可用于高效构建和维护虚拟三维城市模型、室内模型与建筑信息模型等数字孪生基础数据

材料局限

材料仅提供摘要，未给出实验数据、精度指标与验证方式，具体局限未提供