kozmos.hr
  • Naslovnica
  • /
  • Svemir
  • /
  • Duboko učenje bi moglo pomoći u identifikaciji lokacije slijetanja na Mars
Svemir

Duboko učenje bi moglo pomoći u identifikaciji lokacije slijetanja na Mars

objavljeno

Pripreme za sigurno slijetanje na Mars, slično kao na Zemlji, uključuju odabir najravnijeg terena i opremanje odgovarajućom opremom za slijetanje. Stoga, slijetanje rovera na Crveni planet zahtijeva minuciozno kartiranje i planiranje puno prije nego što rover započne s spuštanjem. Znanstvenici rade na kreiranju preciznih 3D modela površine, poznatih kao digitalni terenski modeli, sastavljajući mozaik slika iz prethodnih misija.

Napredak u tehnologijama obrade slika tijekom posljednja dva desetljeća značajno je poboljšao rezoluciju karata s mjerenja u stotinama metara na submetarske ljestvice. Iako je to značajan napredak, čak i rezolucija od 1 metar po pikselu ne može u potpunosti prikazati značajke sitne skale, poput tekstura dina, malih kratera i velikih stijena.

MADNet

Da bi preciznije kartirali geološke značajke oko lokacije slijetanja rovera Perseverance 2020. godine u krateru Jezero, Yu Tao i njegovi kolege koriste model dubokog učenja nazvan Višerazinski generativni suparnički U-Net (MADNet), koji su razvili u prethodnim radovima. Njihovo novo istraživanje objavljeno je u časopisu Earth and Space Science.

MADNet, treniran mješavinom postojećih, obrađenih digitalnih terenskih modela s rezolucijama od 4 do 36 metara po pikselu, unaprijedio je javno dostupni mozaik digitalnog terenskog modela Mars 2020 Terrain Relative Navigation High Resolution Imaging Science Experiment (HiRISE). Istraživači su također proveli više iteracija provjere i poboljšanja kako bi uklonili artefakte i praznine u rezultatima.

Krajnji proizvod

Krajnji proizvod je MADNet HiRISE Jezero digitalni terenski model u mozaiku s rezolucijom od 50 centimetara po pikselu. U usporedbi s originalnim mozaicima, MADNet karte pokazuju prosječnu razliku u visini od samo 0,009 metara, s odstupanjem od 0,63 metra, što ukazuje na to da rezultati pristupa dubokog učenja usklađuju s tradicionalnim fotogrametrijskim metodama.

Istraživači napominju da njihov proizvod pokazuje značajna poboljšanja u odnosu na postojeće karte, uključujući (1) povećanje efektivne rezolucije koja prikazuje značajke površine sitne skale, poput dina, kratera i stijena; (2) smanjenje artefakata u vidu pruga; (3) eliminaciju područja s niskom kvalitetom podudaranja; i (4) uklanjanje artefakata interpolacije.

Pridružite se raspravi u našoj Telegram grupi. KOZMOS Telegram –t.me/kozmoshr

Pratite Kozmos na Google Vijestima.