社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

地学快讯 | 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

地研联 • 1 年前 • 111 次点击  

       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

论文原文


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


猜你喜欢

  1. 专题征稿 | TPUR征稿:跨尺度城市动态:对规划与治理的启示

  2. 佳文赏析|1950年以来气候变化和人类活动对中国主要流域径流变化的影响

  3. 地学快讯 | 优化全球变化计划:为全球可持续发展提供系统解决方案

  4. 地理科普 | 《野生动物世界地图》


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/165742
 
111 次点击