Ученые работают над созданием точных 3D-карт поверхности Марса, известных как цифровые модели рельефа, путем создания мозаики из изображений, полученных в ходе прошлых миссий. Эти карты, по сути, будут очень полезны для будущих посадок других миссий благодаря возможности более точно оценить высоту поверхности на Красной планете.
Недавно, взяв за основу общедоступную модель Mars 2020 Terrain Relative Navigation TRN HiRISE (High-Resolution Imaging Science Experiment), исследователи использовали методы глубокого обучения для улучшения картографии кратера Езеро, места посадки ровера Mars 2020 Perseverance два года назад.
Таким образом, они создали мозаику цифровых моделей местности с разрешением 50 см/пиксель. Результат показывает значительное улучшение эффективного разрешения и устранение артефактов по сравнению с предыдущей моделью.
Картирование марсианского рельефа
Для создания трехмерной карты марсианской поверхности космические миссии используют различные технологии. Орбитальные спутники, такие как Mars Reconnaissance Orbiter, делают снимки высокого разрешения сверху, что позволяет создавать подробные топографические карты. Некоторые из их приборов, например лазерные альтиметры, могут также измерять высоту местности для построения высотных моделей.
С другой стороны, марсоходы, такие как Curiosity и Perseverance, делают стереоскопические снимки, позволяющие воссоздать трехмерную картину местности. С помощью современного программного обеспечения эти изображения и данные обрабатываются для создания 3D-карт, которые помогают понять геологию, высоту и морфологию Марса.
Развитие технологий обработки изображений за последние два десятилетия позволило повысить разрешение карт с масштабов в сотни метров до субметрических масштабов. Однако хотя это и является значительным улучшением, даже разрешение в 1 метр на пиксель не может полностью передать мелкомасштабные особенности, такие как текстуры дюн, небольшие кратеры и крупные камни.
Помощь искусственного интеллекта с помощью MADNet
Чтобы лучше отобразить геологические особенности в районе посадочной площадки 2020 Perseverance в кратере Езеро, исследовательская группа использовала модель глубокого обучения под названием Multi-scale Generative Adversarial U-Net (MADNet), которая была разработана для предыдущей работы.
MADNet, обученная на основе существующих и обработанных цифровых моделей рельефа с разрешением от 4 до 36 метров на пиксель, уточнила мозаику цифровой модели рельефа Mars 2020 Terrain Relative Navigation HiRISE. Исследователи также проверили и уточнили несколько итераций, чтобы устранить артефакты и пробелы в результатах.
Что мешает президенту Путину перевести чиновников на российские автомобили?
Ученые из России разработали метод для увеличения вероятности обнаружения сверхновой
Как не стать жертвой мошенников с Avito
Названа единственная творческая профессия с низким уровнем психических расстройств
В результате была получена значительно улучшенная мозаика — цифровая модель рельефа под названием Mars 2020 Terrain Relative Navigation HiRISE MADNet Jezero.
Улучшения по сравнению с оригинальной мозаикой
Фактическое разрешение цифровой модели улучшилось на различных участках поверхности, причем в очень мелком масштабе. Примеры показаны на следующем рисунке. а) показан пример дюн и ряби в мелком масштабе. б) показаны два небольших кратера диаметром менее 5 метров. в) показаны некоторые мелкомасштабные детали в мелком кратере. г) показаны небольшие скалы длиной менее 3 метров.
Обратите внимание, что исходная мозаика цифровой модели местности HiRISE не содержит мелкомасштабных деталей, в то время как полученная модель MADNet обеспечивает качественную реконструкцию.
Фотограмметрический подход, использованный для создания оригинальной модели, также приводит к появлению случайных пробелов, особенно в областях, интерполированных на основе близлежащей топографии. Такие артефакты интерполяции были исправлены в полученной цифровой модели с помощью MADNet.
По сравнению с оригинальными мозаиками, карты MADNet имеют среднюю разницу в высоте всего 0,009 метра. Это говорит о том, что результаты глубокого обучения соответствуют традиционному фотограмметрическому подходу.
С полным текстом исследования, опубликованным в журнале Earth and Space Science, можно ознакомиться здесь.
