São Paulo — InkDesign News —
A fusão de técnicas de machine learning com informações de radar tem possibilitado avanços significativos na modelagem urbana em três dimensões (3D), segundo uma pesquisa recente realizada pelo Instituto de Pesquisa em Informações Aeroespaciais da Academia Chinesa de Ciências.
Contexto da pesquisa
A equipe de pesquisa desenvolveu um novo método chamado Geo-SETRA, que combina inteligência artificial (IA) com geometria arquitetônica para gerar modelos urbanos 3D detalhados. O desafio enfrentado por abordagens anteriores, como o Radar de Abertura Sintética Tomográfica (TomoSAR), é a complexidade das estruturas urbanas, que frequentemente resultam em imagens borradas ou incompletas.
Método proposto
O Geo-SETRA se baseia nas formas e padrões dos edifícios, como telhados, paredes e janelas, para guiar a interpretação dos dados de radar. O algoritmo é capaz de “preencher lacunas” e melhorar detalhes, utilizando características arquitetônicas como referências.
Nossa abordagem cria uma nova sinergia entre modelagem geométrica e imagens de radar.
(“Our approach creates a new synergy between geometric modeling and radar imaging.”)— Dr. Wang Chunyi, Autor Principal, Academia Chinesa de Ciências
O método utiliza um pipeline em múltiplas etapas, começando com um mapa 3D inicial e refinando-o através da visão computacional para identificar características arquitetônicas chave.
Resultados e impacto
Testes realizados em dados de radar simulados e coletados por drones na cidade de Suzhou, na China, demonstraram que o algoritmo alcançou uma precisão de elevação sub-metro, capturando detalhes como molduras de janelas e bordas de telhados. O sistema superou métodos existentes em ambientes de baixo sinal, gerando nuvens de pontos mais densas e retendo mais de 80% dos dados críticos.
Nossos achados provam que decifrar a ‘linguagem’ da arquitetura urbana pode aprimorar a imagem de radar.
(“Our findings prove that decoding the ‘language’ of city architecture can enhance radar imaging.”)— Dr. Wang Chunyi, Autor Principal, Academia Chinesa de Ciências
Esses avanços podem transformar a maneira como são implementados sistemas aéreos ou espaciais, com implicações significativas para o desenvolvimento de cidades inteligentes, monitoramento de infraestrutura e resposta a desastres.
Fonte: (TechXplore – Machine Learning & AI)
