研究人员使用新技术更精确地估计了火星上的地面高度，为火星车着陆制作了更高分辨率的地图。
在地球上安全着陆所需要的准备工作，如寻找最平坦的地形和装备合适的着陆装置，对火星任务也至关重要。因此，在火星上着陆探测车需要在探测车下降之前进行仔细的测绘和规划。科学家们正在努力通过汇编过去任务中获得的镶嵌图，绘制精确的火星三维表面地图，即数字地形模型。
过去二十年来，图像处理技术的进步将地图分辨率从数百米提高到亚米。尽管有了这些重大改进，但即便是每像素1米的分辨率也不能完全捕捉到精细尺度的特征，如沙丘纹理、小陨石坑和大岩石。
科学家们利用深度学习方法，生成了每像素50厘米的HiRISE MADNet数字地形模型镶嵌阴影浮雕(中)。与之前的数字地形模型(左图)相比，精细尺度的火星表面特征更加清晰。它们与原始HiRISE图像(右)中的特征相似，表明已经实现了像素到像素的3D检索。图片来源：Yu Tao为了更好地绘制2020年“毅力”号在耶泽洛(Jezero)陨石坑着陆点附近的这些地质特征，Tao等人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网络(MADNet, Multi-scale Generative Adversarial U-Net)的深度学习模型。
MADNet使用现有的、分辨率从每像素4米到36米的后期处理数字地形模型进行混合训练，改进了公开可用的火星2020地形相对导航高分辨率成像科学实验(HiRISE)数字地形模型镶嵌图。研究人员还检查和改进了多次迭代，以消除输出中的伪影和空白。
其结果是每像素50厘米的MADNet HiRISE 耶泽洛数字地形模型镶嵌图。与原始镶嵌图相比，MADNet地图的平均高度差仅为0.009米，标准差为0.63米，表明深度学习方法的结果与传统的摄影测量方法一致。
研究人员指出，他们的产品比现有的地图有了显著的改进，包括：(1)有效分辨率提高，可以显示沙丘、陨石坑和岩石等精细尺度的地表特征；(2)减少条纹伪影；(3)剔除匹配质量较低的区域；(4)消除插值伪影。他们的研究结果可公开访问。
以上内容英文原文发表于AGU Eos Research Spotlights，中文翻译仅供参考。
原文链接：https://eos.org/research-spotlights/mapping-mars-deep-learning-could-help-identify-jezero-crater-landing-site
Text © 2023. AGU. CC BY-NC-ND 3.0
转载自AGU美国地球物理学会
文章仅代表作者观点，与本公众号无关，版权归原作者所有
原文标题：Earth and Space Science：绘制火星地图：深度学习可帮助确定耶泽洛陨石坑着陆点
图文编辑：李宜璇 连昭阳
审编：毕丝淇 兰玲
终审：张珂 徐振 姜榕 杨艺凝
