L'apprentissage profond pourrait aider à identifier le site d'atterrissage du cratère Jezero

Les préparatifs pour un atterrissage en toute sécurité sur Terre, comme la recherche du terrain le plus plat et l'équipement du train d'atterrissage approprié, sont également cruciaux pour les missions sur Mars.

Ainsi, l’atterrissage d’un rover sur Mars nécessite une cartographie et une planification minutieuses bien avant le début de la descente du rover. Les scientifiques travaillent à créer des cartes de surface 3D précises, connues sous le nom de modèles numériques de terrain, de la planète en compilant des mosaïques d'images de missions passées.

Les progrès réalisés dans les technologies de traitement d’images au cours des deux dernières décennies ont permis de faire progresser les résolutions cartographiques de plusieurs centaines de mètres à des échelles submétriques. Bien qu’il s’agisse d’une amélioration extraordinaire, même des résolutions de 1 mètre par pixel ne peuvent pas capturer pleinement des caractéristiques à petite échelle telles que les textures des dunes, les petits cratères et les gros rochers.

Pour mieux cartographier ces caractéristiques géologiques autour du site d’atterrissage de Perseverance 2020 au cratère Jezero, Yu Tao et ses collègues utilisent un modèle d’apprentissage en profondeur appelé Multi-scale Generative Adversarial U-Net (MADNet), qu’ils ont conçu lors de travaux antérieurs. La nouvelle recherche est publiée dans la revue Sciences de la Terre et de l'espace.

MADNet, formé à l'aide d'un mélange de modèles de terrain numériques post-traités existants avec des résolutions allant de 4 à 36 mètres par pixel, a affiné la mosaïque de modèles de terrain numériques de l'expérience scientifique d'imagerie haute résolution (HiRISE) de navigation relative au terrain de Mars 2020, accessible au public. Les chercheurs ont également vérifié et affiné plusieurs itérations pour éliminer les artefacts et les lacunes dans les résultats.

Le résultat est la mosaïque de modèles de terrain numériques MADNet HiRISE Jezero de 50 centimètres par pixel. Par rapport aux mosaïques originales, les cartes MADNet présentent une différence de hauteur moyenne de seulement 0,009 mètres, avec un écart type de 0,63 mètres, ce qui indique que les résultats de l'approche d'apprentissage en profondeur s'alignent sur l'approche photogrammétrique traditionnelle.

Les chercheurs notent que leur produit présente des améliorations significatives par rapport aux cartes existantes, notamment (1) des résolutions efficaces accrues qui montrent des caractéristiques de surface à petite échelle telles que des dunes, des cratères et des rochers ; (2) réduction des artefacts de rayures ; (3) l'élimination des régions présentant de faibles qualités de correspondance ; et (4) l'élimination des artefacts d'interpolation. Leurs résultats sont accessibles au public.

Cette histoire est republiée avec l'aimable autorisation d'Eos, hébergé par l'American Geophysical Union. Lisez l'histoire originale ici.