智能无人系统的视觉模块设计与研发，是国际前沿课题之一。利用仿生模拟技术，武汉大学遥感信息工程学院教授高智提出了一套与立体视觉差别非常大、更具备动物仿生的视觉技术框架，从而帮助智能无人系统实现快速有效处理视觉信息，并原创性地提出了块状稀疏鲁棒主成分分析、自适应稀疏表达、同步超分与检测的深度卷积网络等算法。
　　这套基于准视差获取三维信息的理论和方法，打破了原来视觉技术框架的模式，解决了复杂场景中三维信息的快速获取及相机定姿、定位的难题，得到了国际相关领域专家的赞誉。
　　2008年，从武汉大学遥感信息工程学院获得摄影测量与遥感专业博士学位的高智，却一头扎进了计算机视觉的前沿课题研究，通过交叉学科方向的突破，为智能无人摄影测量找到另辟蹊径的解决方案，实现视觉运动伺服和感知、测绘的一体化。
　　2019年，高智赴武汉大学任教，结合自己于新加坡国立大学工作期间在人工智能、无人系统领域的研究成果，重点开展了在无人智能测绘系统方向的研究。他致力于服务国家测绘领域，立足未来发展，提出了这一领域的许多创新课题，希望能够在不远的未来实现“空天地海无缝衔接的无人智能测绘”。
　　
跨越学科边界　另辟蹊径寻找解决方案
　　高智出身于温和、踏实的江苏农村家庭，从小父母就教他要“踏实做人、静心做事”。短短的八个字，对于高智而言，却受益终身。他对“静心做事”有着切身体会，认为如果心不够静，无论是做科研还是其他事情，往往都没办法做好。
　　求学历程漫长而艰辛，与几乎所有人一样，高智也曾有过迷茫，也曾彷徨未来该走什么样的人生道路。幸运的是，在科研的道路上，他遇到了许多给他指明方向、明确人生道路的老师。他们把一个个科研问题讲解得鲜明透彻，艰辛的研究仿佛成了一件愉快的事情，指引着高智一步步走上了自己感兴趣的科研道路。“接触到核心专业课的时候，我遇到了很多非常棒的老师，比如听了李德仁院士的3S集成的报告，对遥感测绘学科有了醍醐灌顶般的理解，还有像庖丁解牛一样清晰讲解了摄影测量的张祖勋院士，他们严谨而扎实的教学，让我彻底爱上了科研。”
　　很多测绘数据的采集，都需要在酷暑或严寒下进行，这让高智深刻地体验到测绘科研人员的艰辛；同时，数据的测量丝毫不能出错，对精度的要求必须孜孜不倦、精益求精，一个不小心就要推倒重来。那段经历对他影响深刻，也让他萌生了未来希望突破智能无人测绘系统研发的科研方向。“如果可以用智能无人系统代替一个个有血有肉的工作者，进入到危险的场景中完成测绘，既可以减少科研人员可能面临的危险系数，也可以降低他们的劳动强度。”
　　博士阶段，高智有幸参与到国家自然科学基金和原国家“973”项目中。在导师的指导下，他带领硕士师弟师妹对一些复杂对象进行三维重建。高智广泛地阅读一些世界顶级的科研文献，试图从中找到合适的解决方案。“我想，从那个时候开始，我才真正具备了能够负责带领团队和学生做具体科研项目的能力。”
　　人生总有一些很不经意却影响重大的转折点，在高智的人生哲学里，当机遇到来的时候，自己必须是那个已经拾好行囊，随时可以出发的人。
　　在武汉大学完成博士答辩后的最后两周留校时间里，高智经朋友介绍参加了一次计算机视觉领域的小型研讨会。不经意的一次研讨会，却让高智敏感地意识到，计算机视觉的技术发展，要领先于摄影测量研究进展。一些在摄影测量遥感中目前非常棘手的研究课题，在视觉领域的研究中，却可以另辟蹊径，找到解决方案。
　　灵光一闪的体会，奠定了他未来多年的研究方向。从研讨会回来后，高智就决定要把自己的重心放在计算机视觉的前沿研究课题上。在提升计算机视觉研究中取得突破之后，再回头解决摄影测量的关键技术问题。
　　讨论会后，高智毅然决然地联系了新加坡国立大学一位从事计算机视觉研究的博士生导师，到该校电子信息工程系进行博士后研究，并在那里开展了最前沿的计算机视觉方向的研究。从摄影测量的研究背景，转到计算机视觉前沿问题的研究，刚开始的两年让高智感到困难甚至是吃力，那是不断遭遇挫折且艰苦的一段时光。“当时我总是自我安慰，有世界学术最前沿的大师能够把你的缺点指出来，这是一件很幸运、很正能量的事情。”
　　也正是有了那一段跨学科研究的艰辛历程，多年以后，高智才能回过头来，用计算机视觉前沿问题研究的成果，促进摄影测量学科的发展。他说，在成长的历程中，必须允许甚至是鼓励自己在一段很长的时间里，拼命地吸收新知识，接受新的前沿科学，拓宽自己的视野和能力范围，才能让自己更快地成长。
　　新加坡国立大学的导师给了他巨大帮助，高智每周都要向他做一次学术汇报和交流，高智将这称为“头脑升级”的时间，充满研究数据的大脑像被掏空了一般，每次交流完都让他有一种强烈的“饥饿感”。“导师问的问题很细、很具体，还带有很大的拓展性。我不仅要把当前的问题解决好，还要针对自己的方案拿出让人信服的验证过程。如果方法不行，就要把中间每一步的结果拿出来证明这个方案为什么不行，问题出在了哪一步。”
　　导师对高智的写作同样抱以很高的要求，他必须进行大量的科技文献阅读，这让他在科技论文撰写上同样有了长足进步。从2008年至2019年的11年时间里，高智一直在新加坡国立大学从事研究工作，前半段全身心投入到计算机视觉前沿技术研究上，后半段则将计算机视觉和无人智能系统紧密联系，实现两个交叉学科的有机结合。
　　
创新仿生模拟　准视差获取三维信息
　　智能无人系统可广泛应用于军事、农业、环境、灾害、安全等诸多方面，可以进入人迹难至、危险艰困的区域进行测绘活动，也可以给传统测绘技术和理论带来新的发展，例如贴近（面）摄影测量等，而视觉是智能无人系统及其测绘的核心研究内容之一。
　　传统的智能无人测绘，大多购买一些无人平台，如无人机、无人车等，在平台上搭载自己的传感器，平台本身和传感器由不同机构研发，有的研究者侧重于传感器获取的信息和处理，一些机器人领域的研究学者则侧重于如何利用传感器收集的数据更好地控制机器人。
　　高智从事摄影测量、计算机视觉领域与智能无人系统密切相关的问题研究，他在新加坡国立大学时的研究团队，则深层次地把这两个方面结合起来，着力解决智能无人测绘系统的“眼睛”问题，不仅能为无人平台做精密而精准的视觉服务，还能利用无人平台做视觉信息的处理，实现视觉运动伺服和感知、测绘的一体化。
　　高智在新加坡的合作教授是计算机视觉领域的著名科学家，对生物界鸟类眼睛的研究也有非常独到的心得。利用仿生模拟的技术，高智提出了一套与立体视觉差别非常大却更具备动物仿生的视觉信息处理的技术框架，从而达到快速有效处理视觉信息的效果。
　　“很多动物其实根本没有立体世界，比如说马、牛、羊等，它们的眼睛都长在头颅的两侧，它们的视场完全没有交集，但却能在三维空间里面做快速、灵活运动，因此我们就提出了一套和原来的认知三维世界不同的理论方法，来进行三维信息的获取和快速处理。”
　　这套基于准视差获取三维信息的理论和方法，避免了复杂的同名点匹配操作，解决了复杂场景中三维信息的快速获取及相机定姿、定位的难题，具有效率高、鲁棒性强的优点，被生物学家Graham R. Martin称赞为是一种获取快速运动所需三维信息的方法，支持大多数生物学理论。
　　该方法避免了复杂且耗时的同名点匹配操作，高效地融合了两只眼睛获取的视觉信息，可有效处理细节繁多的纷杂场景及缺乏纹理的单调场景。大量实验表明，相较于光束法平差，该方法获取的稠密三维信息精度提高了约6%，效率提升了约12%。
　　高智将快速获取的三维信息和惯性导航数据紧密耦合，研发了以视觉为主导、多源数据融合的智能无人机定位及运动估计技术，并提出了一套充分利用结构特点优化信息处理的多目视觉设计方案。该系列成果被应用于无人系统在无GPS条件下的视觉定位及运动估计三维信息获取，是摄影测量与遥感的核心问题之一。
　　而在基于无人系统的环境感知、场景理解、事件检测等方面，高智同样取得了在国际上有着重大影响力的成果。他创新性地提出了块状稀疏鲁棒主成分分析、自适应稀疏表达、同步超分辨率与检测的深度卷积网络等高维数据处理算法，被国际专家高度评价认为“这项成果原创且新颖，是未来工作的基础”。
　　“通过这个成果，我们可以检测出一个场景里面非常细微的变化及非常微小的目标，适合应用于一些敏感场合、敏感领域的目标检测，这是非常有价值的，在新加坡也得到了一系列推广和应用，取得了知识产权。”高智说。
　　具体来说，在图像序列中的运动、外观信息融合在统一的低维模型中，用块状稀疏鲁棒主成分分析算法解决了复杂环境下（即存在动态背景、光照变化、多尺度 目标共存、伪装干扰等）目标检测及变化监测的难题，具有普适性强、精准度高的优点。
　　他把这一算法发表在计算机及人工智能领域的顶级期刊PAMI（影像因子17.73）上，在当时同类算法中综合排名第一。4位世界著名的审稿专家在6项指标中全部给出优异的评价，成为同类课题高水平论文的必引文献。
　　在块状稀疏模型的基础上，高智还提出多层分析的策略，解决了卫星影像序列配准、除云的难题，并进一步提出了细节高保真的颜色校正算法。这一系列成果也发表于GRSL、TGRS、ISPRS JPRS等遥感领域的顶级期刊上。
　　在基于遥感影像的车辆检测领域，他提出的基于单应性变换的数据增强方法，以及多尺度融合、跳跃连接的深度卷积网络模型，在公共数据集上取得了最优结果。在此基础上，高智针对遥感影像中目标通常比较小的难题，发明了同步超分与检测的深度卷积网络模型，进一步提高了检测的精度。
　　在以智能无人机为基础的交通监测领域，高智和团队则提出了低秩表达算法，并对道路上的车辆进行实时计数及分类，取得了99.8%的计数准确率和99.1%的分类准确率。
　　在LiDAR数据处理方向，高智提出的自适应稀疏表达算法在去噪和修复方面取得一系列成果，并进一步提出了快速稀疏表达算法，可满足将LiDAR用于无人系统定位、导航的实时性要求。
　　这一系列的研究被应用于复杂环境中目标检测、场景分析、交通监测、遥感影像中车辆检测、除云，LiDAR数据修复等领域，取得一系列有影响力的成果。以压缩感知，稀疏、低秩表达为代表的低维模型和以深度学习为代表的深度模型，给视频、图像处理带来了革命性的发展。
　　如今，高智正进一步研究，将这些成果应用于恶劣天气（雨、雪、霾）下的目标检测及事件监测。
　　
服务国家测绘　空天地海期待无缝衔接
　　2019年10月1日，高智离开了生活十多年的新加坡，赴武汉大学任教、研究，结合自己在计算机视觉、人工智能，以及无人系统的研究成果，重点开展了在无人智能测绘系统方向的研究，希望能够在不远的未来实现“空天地海无缝衔接的智能无人测绘”。
　　2020年1月，新冠肺炎疫情在武汉爆发，研究工作受到阻滞，高智却并不后悔回国。在新加坡长达11年的时间里，他一直都深怀一个必须实现的牵挂与梦想——回馈国家的培养，服务祖国的智能测绘科研事业。
　　武汉大学遥感信息工程学院是20世纪50年代建立，集遥感、测绘、空间信息工程技术于一体的信息和工程类学院。经过当代中国测绘事业的开拓者、摄影测量与遥感学科奠基人王之卓院士和学术带头人李德仁院士、张祖勋院士、龚健雅院士等专家、学者半个多世纪来的辛勤耕耘，学院已初步形成了从学士、硕士、博士到博士后的完整人才培养体系，在国内同类院校中始终名列前茅，向社会输送高级专门人才逾万人，被业界誉为中国乃至世界测绘遥感领域人才培养的摇篮。
　　秉承对母校武汉大学和新加坡国立大学的感恩，高智回国任教后，也希望用自己的科研资源，搭建起两个国家和院校之间科研交流、合作的桥梁。
　　新加坡是一个城市国家，但其在科研的实用性和前瞻性上，却让高智感受强烈、获益良多。在新加坡研究期间，高智曾参与了7项政府科研项目，其中一个项目是模拟城市的重要建筑被恐怖分子劫持，研究者需要对该场景进行初步信息获取，尤其是使用无人系统进行探索和信息收集。“这样的研究选题非常有实用价值，往往能考虑到一些影响未来发展的核心因素。”在这一项目中，高智负责利用多架无人机协同，对目标场景信息进行收集，快速完成三维重建，实时传递信息。
　　基于在新加坡完成的一系列科研成果，高智致力于服务国家测绘领域，立足未来发展，提出了这一领域的许多创新课题。他其中的一个方向是，让智能无人系统进入到一个具有高挑战度的村子里，完成高效、高精度的场景数据获取和分析，解决恶劣环境下无法测量的难题。“这是我个人比较感兴趣的，也想在比较短的时间内完成的一个研究项目。”
　　随着5G通信技术和人工智能的发展，智能无人系统可以应用到生活的方方面面，对于国家的国防科工安全建设也有着重要的意义。而5G通信技术和人工智能的发展，也会让智能无人系统的发展提升到崭新的层次。如今，基于提出的诸多研究课题，高智在武汉大学已经组建了一支包括十多名硕士、博士在内的科研团队。
　　高智回国后就承担起了本科生的教学工作，依托自己在新加坡的教学经验，他给本科学生制订了一整套的培养方案。比如在视觉与模式识别的专业课上，他会有意识地给学生分配一些课后作业，让他们从事一些需要动手去做的项目。电子基础课上，他和团队也开放了实习的机会，会找一些学生跟着团队做一些感兴趣的问题的研究。此外，根据学生的个人兴趣和任教老师想做的课题，他和团队也专门为学生量身定做了毕业设计的课题。
　　由于工作忙碌，无论是在新加坡还是回到国内，高智陪家人的时间都比较少，但只要是工作之余，他都会想尽办法把时间留给家庭，陪孩子打羽毛球、骑自行车，或者下国际象棋，跟孩子一起写作，观察他们认知世界的方式。“儿童大脑的认知方式，跟人工智能的搭建是相辅相成的，我从他们认知世界的方式和过程中，也会思考有没有办法能够改善我的算法。”
　　对高智来说，“空天地海的无缝衔接”是一个很大的梦想，这将在未来构建起一个空天地海协同的无人智能社会。而在现阶段，他希望能够尽快实现空天协同的智能无人测绘，并把这一成果用于服务国家重点工程、关键领域的重大建设。
　　
专家简介　　
　　高智，武汉大学摄影测量与遥感专业博士，2008年至2019年就职于新加坡国立大学，2019年回国至今任武汉大学遥感信息工程学院教授、博士生导师，湖北省“楚天学者”特聘教授，国家“青年人才”计划项目获得者。长期从事摄影测量、计算机视觉领域与智能无人系统密切相关的问题研究，创新性地提出了基于准视差获取三维信息的理论和方法，解决了复杂场景中三维信息的快速获取及相机定姿、定位的难题;原创性地提出了块状稀疏鲁棒主成分分析、自适应稀疏表达、同步超分与检测的深度卷积网络等算法。担任中国自动化学会混合智能专委会委员，1本国际期刊的编委，3次任国际会议的编辑、程序委员会成员和分论坛主席，担任PAMI、TGRS、ISPRS JPRS等28种SCI期刊及十余次著名会议的审稿人；主持7项新加坡政府科研项目，作为子课题负责人参加5项新加坡政府科研项目、1项新加坡教育部科研项目，获得1项知识产权转让（占70%份额），另有2项专利在申请中；已发表学术论文（非涉密）72篇。其中SCI论文26篇，发表于IEEE Trans Pattern Anal Mach Intell、Int J Comput Vision、IEEE Trans Geosci Remote Sensing、ISPRS J Photogram Remote Sensing、IEEE Trans Intell Transp Sys等顶级期刊；指导及合作指导博士生8名，独立指导博士后4名、硕士生26名。指导学生获得1项国际比赛亚军，8人进入斯坦福大学、卡内基梅隆大学、加州大学伯克利分校攻读博士学位，多人进入亚马逊、微软、谷歌、Facebook等著名公司任职。