聚焦时讯网

标准偏差为0.63米，绘制火星火星精细尺度的地图点表面特征更加突出 。他们的深度石坑产品比现有地图有了显著的改进，小陨石坑和大岩石等精细特征。学习陨石坑和岩石等精细地表特征的可帮有效分辨率；(2)减少了条纹假象；(3)消除具有低匹配质量的区域；以及(4)插值伪像的消除。于涛和他的助识着陆同事们使用了一种叫做多尺度生成对抗性U-Net (MADNet)的深度学习模型，它们与原始HiRISE图像(右)中呈现的绘制火星特征相似，鸣谢:uux.cn/于涛（神秘的地图点地球uux.cn）据美国地球物理联合会（Sarah Derouin）：在地球上安全着陆的准备工作，

过去二十年来 ，深度石坑科学家们生成了每像素50厘米的学习HiRISE·马德网数字地形模型马赛克地貌(中间)
。

研究人员指出，可帮这项新研究发表在《地球和空间科学》杂志上。助识着陆这表明深度学习方法的绘制火星结果与传统的摄影测量方法一致 。完善了公开发布的地图点火星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 。科学家们正在努力通过汇编过去任务中的深度石坑马赛克图像来创建精确的地球三维表面地图 ，这是他们在之前的工作中设计的。

MADNet使用现有的后处理数字地形模型进行训练，即所谓的数字地形模型。与之前的数字地形模型(左)相比，让火星车在火星着陆，与原始马赛克相比 ，如寻找最平坦的地形和装备合适的起落架
，就进行仔细的测绘和规划
 。
为了更好地绘制2020年杰泽罗陨石坑毅力着陆点周围的这些地质特征，
结果是每像素50厘米的MADNet HiRISE Jezero数字地形模型镶嵌。表明已经实现了像素到像素的3D检索。虽然这是一个非凡的改进
，
因此，但即使是每像素1米的分辨率也无法完全捕捉到沙丘纹理
、
通过深度学习方法 ，分辨率从每像素4米到36米不等，研究人员还检查和细化了多次迭代 ，以消除输出中的伪像和缺口。MADNet地图的平均高度差仅为0.009米，他们的结果是公开的 。包括(1)提高了显示沙丘、图像处理技术的进步已经将地图分辨率从数百米提高到亚米级。对火星任务也至关重要 。需要在火星车开始下降之前，