Les chercheurs développent une technique radar alimentée par l'IA pour la cartographie urbaine 3D haute résolution
Une équipe de recherche de l'Aerospace Information Research Institute (AIR) de l'Académie chinoise des sciences a développé une nouvelle méthode pour générer des modèles de villes tridimensionnels (3D) très détaillés en utilisant des données radar, résolvant des défis de longue date dans la cartographie urbaine.
En fusionnant l'intelligence artificielle (IA) avec la géométrie architecturale, la nouvelle technique – amené la géo-setra – produit des images plus claires et plus complètes de paysages urbains. Cette étude a été publiée dans le Journal de télédétection.
La technologie traditionnelle, connue sous le nom de radar d'ouverture synthétique tomographique (Tomosar), utilise des signaux radar pour reconstruire les environnements 3D; Cependant, il a toujours été confronté à des défis dans les zones urbaines. Des structures complexes, telles que des gratte-ciel et des ruelles étroites, perturbent souvent les signaux radar, conduisant à des images floues ou incomplètes.
Pour résoudre ce problème, Geo-Setra utilise les formes et motifs inhérents des bâtiments – tels que les toits, les murs et les fenêtres – comme des indices de navigation. Il intègre ces sémantiques visuelles dans son algorithme, permettant au système de « combler les lacunes » et d'améliorer les détails en utilisant des caractéristiques architecturales pour guider l'interprétation des signaux radar.
« Notre approche crée une nouvelle synergie entre la modélisation géométrique et l'imagerie radar », a déclaré le Dr Wang Chunyi, auteur principal de l'étude. « En laissant la reconstruction basée sur le radar de la sémantique visuelle, nous augmentons les détails et l'exhaustivité sans sacrifier l'efficacité. »
Contrairement au traitement SAR conventionnel, qui repose sur une édition post-édition approfondie, Geo-Setra utilise un pipeline à plusieurs étapes: il commence par une carte 3D rugueuse, l'affine via une vision par ordinateur pour identifier les caractéristiques architecturales clés, puis utilise ces fonctionnalités comme des « prieurs » statistiques dans un modèle bayésien pour guider la reconstruction précise.
Les tests sur les données radar simulées et collectées au drone de Suzhou, une ville chinoise orientale, ont démontré des résultats notables. L'algorithme a atteint la précision d'élévation du sous-mètre, capturant les détails fins souvent manqués par d'autres techniques, tels que les cadres de fenêtre et les bords sur le toit. Il a surperformé les méthodes existantes dans des environnements de signal à faible signal, a généré des nuages de points de dense et a conservé plus de 80% des points de données critiques.
« Nos résultats prouvent que le décodage de la » langue « de l'architecture de la ville peut améliorer l'imagerie radar », a noté le Dr Wang. « Cela pourrait transformer la façon dont nous déployons les systèmes aéroportés ou spatiaux pour le développement de la ville intelligente, la surveillance des infrastructures et la réponse aux catastrophes. »
Cette étude ouvre de nouvelles portes à la cartographie urbaine haute fidélité, combler l'écart entre les capacités radar et les exigences complexes de la gestion des villes modernes.
