由合成孔径雷达图像创建的3D舆图可以在重大灾害发生后不久帮忙接济事情
一种新的机器学习系统可以从单个合成孔径雷达（SAR）图像创建城市环境的高度图，从而可能加速灾害方案和相应。
慕尼黑联邦国防军大学的航空航天工程师声称，他们的SAR2Height框架是第一个从单个SAR卫星供应完全（如果不是完美）三维城市舆图的框架。
当地震摧毁一个城市时，信息可能供不应求。由于基本做事中断，很难评估造成了多大的毁坏或哪里最须要人性主义声援。
一种新的机器学习系统可以从单个合成孔径雷达（SAR）图像创建城市环境的高度图，从而可能加速灾害方案和相应。
慕尼黑联邦国防军大学的航空航天工程师声称，他们的SAR2Height框架是第一个从单个SAR卫星供应完全（如果不是完美）三维城市舆图的框架。
当地震摧毁一个城市时，信息可能供不应求。由于基本做事中断，很难评估造成了多大的毁坏或哪里最须要人性主义声援。
“能够仅从[合成孔径雷达]产生3D真的是一场革命。—卡尔·普奇（CARL PUCCI），EO59
利用激光雷达系统的航空丈量为3D测绘供应了金标准，但这种激光测距系统的购买和操作本钱很高，纵然没有重大灾害的额外后勤困难。
遥感是另一种选择，但如果该区域被云层或烟雾遮挡，光学卫星图像险些毫无用途。
另一方面，合成孔径雷达无论白天还是黑夜都可以事情，无论景象如何。SAR是一种有源传感器，它利用从卫星向地球表面发射的旗子暗记的反射 - “合成孔径”部分来自雷达，利用卫星自身的运动来仿照更大的天线，以捕获具有相对较长波长的反射旗子暗记。有数十颗政府和商业SAR卫星在地球轨道上运行，个中许多卫星可以在几个小时内对新地点进行成像。
然而，SAR图像实质上仍旧是二维的，可能比照片更难阐明。这在一定程度上是由于一种称为雷达勾留的效应，个中未受损的建筑物彷佛正在向传感器倾倒。
“高度本身便是一个超级繁芜的话题，”慕尼黑联邦国防军大学教授迈克尔·施密特说。“关于什么是高度有一百万个定义，在故意义的天下几何中将卫星图像转换为故意义的高度是一项非常繁芜的事情。
施密特和他的同事迈克尔·雷克拉（Michael Recla）首先从TerraSAR-X卫星上获取了51个城市的SAR图像，TerraSAR-X卫星是公共德国航空航天中央（German Aerospace Center）和私人承包商空中客车防务与航天公司（Airbus Defence and Space）之间的互助项目。
然后，研究职员得到了相同城市的高质量高度图，这些舆图紧张由激光雷达丈量天生，但也有一些是由携带立体摄像头的飞机或无人机天生的。下一步是在高度图和SAR图像之间进行一对一的像素到像素映射，他们可以在此根本上演习深度神经网络。
结果令人惊叹，施密特说。“我们纯粹在TerraSAR-X图像上演习了我们的模型，但开箱即用，它在其他商业卫星的图像上效果很好。他说，该模型只需几分钟即可运行，可以预测SAR图像中建筑物的高度，精度约为3米，相称于范例建筑物中单层的高度。
这意味着该系统该当能够创造城市中遭受严重毁坏的险些每座建筑物。
休斯顿大学（University of Houston）地球传感系统工程教授彼得罗·米利洛（Pietro Milillo）希望在美国宇航局（NASA）帮助的地震规复项目中利用施密特和雷克拉的模型。“我们可以从建筑物高度的舆图变成建筑物倒塌概率的舆图，”他说。本月晚些时候，米利略打算通过访问去年摩洛哥地震现场来验证他的申请，该地震造成2,900多人去世亡。
“关于什么是高度有一百万个定义，将卫星图像变成故意义的高度......这是一项非常繁芜的事情。—MICHAEL SCHMITT，慕尼黑联邦国防军大学
但施密特警告说，人工智能模型还远非完美。它很难准确预测摩天算夜楼的高度，并且倾向于北美和欧洲城市。这是由于发展中国家的许多城市没有定期的激光雷达测绘翱翔来供应代表性演习数据。激光雷达翱翔和SAR图像之间的间隔越长，建造或改换的建筑物就越多，模型的预测就越不可靠。
纵然在较富余的国家，“我们真的依赖于政府翱翔激光雷达任务和公开数据的缓慢重访周期，”EO59的创始人卡尔·普奇（Carl Pucci）说，EO59是一家位于弗吉尼亚海滩的专门从事SAR软件的公司。“这太糟糕了。能够仅从SAR中天生3D将是一场革命。
一种新的机器学习系统可以从单个合成孔径雷达（SAR）图像创建城市环境的高度图，从而可能加速灾害方案和相应。
慕尼黑联邦国防军大学的航空航天工程师声称，他们的SAR2Height框架是第一个从单个SAR卫星供应完全（如果不是完美）三维城市舆图的框架。
当地震摧毁一个城市时，信息可能供不应求。由于基本做事中断，很难评估造成了多大的毁坏或哪里最须要人性主义声援。
“能够仅从[合成孔径雷达]产生3D真的是一场革命。—卡尔·普奇（CARL PUCCI），EO59
利用激光雷达系统的航空丈量为3D测绘供应了黄金标准，但这种激光测距系统的购买和操作本钱很高，纵然没有重大灾害的额外后勤困难。
遥感是另一种选择，但如果该区域被云层或烟雾遮挡，光学卫星图像险些毫无用途。
另一方面，合成孔径雷达无论白天还是黑夜都可以事情，无论景象如何。SAR是一种有源传感器，它利用从卫星向地球表面发射的旗子暗记的反射 - “合成孔径”部分来自雷达，利用卫星自身的运动来仿照更大的天线，以捕获具有相对较长波长的反射旗子暗记。有数十颗政府和商业SAR卫星在地球轨道上运行，个中许多卫星可以在几个小时内对新地点进行成像。
然而，SAR图像实质上仍旧是二维的，可能比照片更难阐明。这在一定程度上是由于一种称为雷达勾留的效应，个中未受损的建筑物彷佛正在向传感器倾倒。
“身高本身便是一个超级繁芜的话题，”慕尼黑联邦国防军大学教授迈克尔·施密特说。“关于什么是高度有一百万个定义，在故意义的天下几何中将卫星图像转换为故意义的高度是一项非常繁芜的事情。
施密特和他的同事迈克尔·雷克拉（Michael Recla）首先从TerraSAR-X卫星上获取了51个城市的SAR图像，TerraSAR-X卫星是公共德国航空航天中央（German Aerospace Center）和私人承包商空中客车防务与航天公司（Airbus Defence and Space）之间的互助项目。
然后，研究职员得到了相同城市的高质量高度图，这些舆图紧张由激光雷达丈量天生，但也有一些是由携带立体摄像头的飞机或无人机天生的。下一步是在高度图和SAR图像之间进行一对一的像素到像素映射，他们可以在此根本上演习深度神经网络。
结果令人惊叹，施密特说。“我们纯粹在TerraSAR-X图像上演习了我们的模型，但开箱即用，它在其他商业卫星的图像上效果很好。他说，该模型只需几分钟即可运行，可以预测SAR图像中建筑物的高度，精度约为3米，相称于范例建筑物中单层的高度。
这意味着该系统该当能够创造城市中遭受严重毁坏的险些每座建筑物。
休斯顿大学（University of Houston）地球传感系统工程教授彼得罗·米利洛（Pietro Milillo）希望在美国宇航局（NASA）帮助的地震规复项目中利用施密特和雷克拉的模型。“我们可以从建筑物高度的舆图变成建筑物倒塌概率的舆图，”他说。本月晚些时候，米利略打算通过访问去年摩洛哥地震现场来验证他的申请，该地震造成2,900多人去世亡。
“关于什么是高度有一百万个定义，将卫星图像变成故意义的高度......这是一项非常繁芜的事情。—MICHAEL SCHMITT，慕尼黑联邦国防军大学
但施密特警告说，人工智能模型还远非完美。它很难准确预测摩天算夜楼的高度，并且倾向于北美和欧洲城市。这是由于发展中国家的许多城市没有定期的激光雷达测绘翱翔来供应代表性演习数据。激光雷达翱翔和SAR图像之间的间隔越长，建造或改换的建筑物就越多，模型的预测就越不可靠。
纵然在较富余的国家，“我们真的依赖于政府翱翔激光雷达任务和公开数据的缓慢重访周期，”EO59的创始人卡尔·普奇（Carl Pucci）说，EO59是一家位于弗吉尼亚海滩的专门从事SAR软件的公司。“这太糟糕了。能够仅从SAR中天生3D将是一场革命。
施密特说，SAR2Height模型现在整合了来自177个城市的数据，并且一贯在变得更好。“我们非常靠近从单个SAR图像重修实际的建筑模型，”他说。“但你必须记住，我们的方法永久不会像经典的立体声或激光雷达那样准确。它将永久是一种最佳预测的形式，而不是高精度的丈量。
在大地震后的混乱中，纵然是最好的预测也总比没有好。
拜会https://spectrum.ieee.org/synthetic-aperture-radar