IA gera mapas de cidades em 3D a partir de imagens de radar únicas

Um novo sistema de aprendizado de máquina pode criar mapas de altura de ambientes urbanos a partir de uma única imagem de radar de abertura sintética (SAR), acelerando potencialmente o planejamento e a resposta a desastres.

Engenheiros aeroespaciais da Universidade da Bundeswehr, em Munique, afirmam que sua estrutura SAR2Height é a primeira a fornecer mapas tridimensionais completos – se não perfeitos – da cidade a partir de um único satélite SAR.

🇬🇧 Subscribe to the best newsletter about AI (in English 🇬🇧) 

🇧🇷 Assine a melhor newsletter sobre IA (em português 🇧🇷)

Quando um terremoto devasta uma cidade, as informações podem ser escassas. Com a interrupção dos serviços básicos, pode ser difícil avaliar a extensão dos danos ocorridos ou onde a necessidade de ajuda humanitária é maior.

Como funciona o SAR2Height

O radar de abertura sintética, por outro lado, funciona dia ou noite, independentemente do clima.

O SAR é um sensor ativo que utiliza os reflexos dos sinais transmitidos de um satélite em direção à superfície da Terra – a parte da “abertura sintética” vem do radar usando o próprio movimento do satélite para imitar uma antena maior, para capturar sinais refletidos com comprimentos de onda relativamente longos.

Existem dezenas de satélites SAR governamentais e comerciais orbitando o planeta, e muitos podem ser encarregados de obter imagens de novos locais em questão de horas.

No entanto, as imagens SAR ainda são inerentemente bidimensionais e podem ser ainda mais difíceis de interpretar do que as fotografias. Isto se deve em parte a um efeito chamado parada de radar , onde edifícios não danificados parecem estar tombando em direção ao sensor.

Schmitt e seu colega Michael Recla desenvolveram um método para prever a altura dos edifícios usando imagens SAR do satélite TerraSAR-X, em parceria com o Centro Aeroespacial Alemão e a Airbus Defence and Space.

Eles combinaram essas imagens com mapas de altura de alta qualidade obtidos por Lidar e outros métodos. Usando uma rede neural profunda, conseguiram treinar um modelo que pode prever a altura dos edifícios com uma precisão de cerca de três metros.

Isso tem aplicações importantes, como detecção de danos após desastres naturais. O professor Pietro Milillo, da Universidade de Houston, planeja utilizar esse modelo em um projeto financiado pela NASA sobre recuperação de terremotos, onde poderá ajudar a prever o colapso de edifícios após eventos sísmicos.

Ele planeja validar o modelo visitando o local de um terremoto em Marrocos ocorrido no ano anterior, que resultou em mais de 2.900 mortes.

Contudo, o modelo de inteligência artificial de Schmitt tem limitações, incluindo dificuldades em prever a altura de arranha-céus e viés em favor de cidades dos EUA e Europa. Isso ocorre devido à falta de dados de treinamento de cidades em países em desenvolvimento, onde voos de mapeamento são menos comuns.

Quanto maior o intervalo entre os voos de Lidar e as imagens SAR, menos confiáveis são as previsões do modelo.

Leia também: