En ny studie av Brown University-forskare kan hjälpa till att omdefiniera hur forskare kartlägger månens yta, vilket gör processen mer strömlinjeformad och exakt än någonsin tidigare.
Publicerad i Planetary Science Journal , forskningen av Brown-forskarna Benjamin Boatwright och James Head beskriver förbättringar av en kartläggningsteknik som kallas form-från-skuggning. Tekniken används för att skapa detaljerade modeller av månterräng, skissera kratrar, åsar, sluttningar och andra ytrisker. Genom att analysera hur ljus träffar olika ytor på månen, gör det det möjligt för forskare att uppskatta den tredimensionella formen av ett objekt eller en yta från kompositer av tvådimensionella bilder.
Exakta kartor kan hjälpa månuppdragsplanerare att identifiera säkra landningsplatser och områden av vetenskapligt intresse, vilket gör uppdragsoperationen smidigare och mer framgångsrik.
"Det hjälper oss att få ihop en bättre uppfattning om vad som faktiskt finns där", säger Boatwright, en postdoktor vid Browns Department of Earth, Environmental and Planetary Sciences och huvudförfattare till den nya artikeln. "Vi måste förstå månens yttopografi där det inte finns så mycket ljus, som de skuggade områdena på månens sydpol där NASA:s Artemis-uppdrag riktar sig.
"Detta kommer att tillåta autonom landningsprogramvara att navigera och undvika faror, som stora stenar och stenblock, som kan äventyra ett uppdrag. Av den anledningen behöver du modeller som kartlägger ytans topografi med så hög upplösning som möjligt eftersom ju fler detaljer du har, desto bättre."
Processen att utveckla precisionskartor är dock arbetsintensiv och har begränsningar när det gäller komplexa ljusförhållanden, felaktig skuggtolkning och hantering av terrängvariationer. Brown-forskarnas förbättringar av form-från-skuggningstekniken fokuserar på att ta itu med dessa problem.
Forskarna beskriver i studien hur avancerade datoralgoritmer kan användas för att automatisera mycket av processen och avsevärt höja modellernas upplösning. Den nya programvaran ger månforskare verktygen att skapa större kartor över månens yta som innehåller finare detaljer i mycket snabbare takt, säger forskarna.
"Shape-from-shading kräver att bilderna som du använder är perfekt justerade med varandra så att en funktion i en bild är på exakt samma plats i en annan bild för att bygga upp dessa lager av information, men nuvarande verktyg är inte helt på en plats där du bara kan ge den massa bilder och den kommer att spotta ut en perfekt produkt," sa Boatwright.
"Vi implementerade en bildjusteringsalgoritm där den plockar ut funktioner i en bild och försöker hitta samma funktioner i den andra och sedan rada upp dem, så att du inte behöver sitta där och manuellt spåra intressepunkter över flera bilder, vilket tar många timmar och hjärnkraft."
Forskarna implementerade också kvalitetskontrollalgoritmer och ytterligare filter för att minska avvikelser från justeringsprocessen – verktyg för att säkerställa att de justerade bilderna faktiskt matchar och tar bort bilder som inte passar lika bra. Genom att bara välja bilder som i slutändan blir användbara förbättrar detta kvaliteten och tar precisionen ner till submeterupplösningar. Hastigheten gör det också möjligt att undersöka större ytor, vilket ökar produktionen av dessa kartor.
Forskarna utvärderade noggrannheten hos sina kartor genom att jämföra dem med andra befintliga topografiska modeller, letade efter avvikelser eller fel i månens ytegenskaper. De fann att kartorna som genererades med deras raffinerade form-från-skuggningsmetod var mer exakta jämfört med de som härrörde från traditionella tekniker, och visade mer subtila egenskaper och variationer av månens ytterräng.
För studien använde forskarna främst data från Lunar Orbiter Laser Altimeter och Lunar Reconnaissance Orbiter Camera, instrument ombord på NASA:s Lunar Reconnaissance Orbiter, som har kretsat runt månen sedan 2009.
Forskarna planerar att använda sin raffinerade mjukvara för form-från-skuggning för att producera månkartor, och de hoppas att andra också kommer att använda den i sina modelleringsarbete. Det är därför de använde öppen källkodsalgoritmer för att producera verktyget.
"De här nya kartprodukterna är betydligt bättre än vad vi hade i prospekteringsplaneringen under Apollo-uppdragen, och de kommer att förbättra uppdragsplaneringen och det vetenskapliga utbytet för Artemis och robotuppdrag väldigt mycket", säger Head, professor i geologisk vetenskap vid Brown. arbetade i Apollo-programmet.
Forskarna hoppas att det nya verktyget kommer att öka det nuvarande intresset för vetenskapen och utforskningen av månen som sker på NASA och i rymdorganisationer runt om i världen.
"Det finns en mängd information att hämta från att göra dessa typer av verktyg tillgängliga för alla," sa Boatwright. "Det är ett jämlikt sätt att bedriva vetenskap."
