绘制火星地图深度学习可以帮助识别 Jezero 陨石坑着陆点
导读 安全着陆地球的准备工作，例如寻找最平坦的地形和配备适当的起落架，对于火星任务也至关重要。因此，在火星车着陆之前，需要在火星车下降开...
安全着陆地球的准备工作，例如寻找最平坦的地形和配备适当的起落架，对于火星任务也至关重要。
因此，在火星车着陆之前，需要在火星车下降开始之前仔细绘制地图并进行规划。科学家们正在努力通过编译过去任务的图像马赛克 来创建精确的 3D 表面地图，称为数字地形模型。
过去二十年图像处理技术的进步将地图分辨率从数百米提升到亚米级。尽管这是一个非凡的改进，但即使每像素 1 米的分辨率也无法完全捕捉沙丘纹理、小陨石坑和大岩石等精细尺度的特征。
为了更好地绘制 2020 年毅力号着陆点 Jezero 陨石坑周围的地质特征，Yu Tao 及其同事使用了他们在之前的工作中设计的一种名为多尺度生成对抗 U-Net (MADNet) 的深度学习模型。这项新研究发表在《地球与空间科学》杂志上。
MADNet 使用现有的后处理数字地形模型(分辨率范围为每像素 4 至 36 米)进行训练，完善了公开的火星 2020 地形相对导航高分辨率成像科学实验 (HiRISE) 数字地形模型镶嵌。研究人员还检查和完善了多次迭代，以消除输出中的伪影和差距。
结果是每像素 50 厘米的MADNet HiRISE Jezero 数字地形模型镶嵌。与原始马赛克相比，MADNet 地图的平均高度差仅为 0.009 米，标准差为 0.63 米，这表明深度学习方法的结果与传统摄影测量方法的结果一致。
研究人员指出，他们的产品比现有地图有了显着改进，包括(1)提高了有效分辨率，显示沙丘、陨石坑和岩石等精细尺度的表面特征;(2) 减少条纹伪影;(3) 剔除匹配质量低的区域;(4)消除插值伪影。他们的结果是公开的。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时候联系我们修改或删除，多谢。