当遥感卫星遇到AI，想象力可以很大

第五期青创联盟线上研讨会今日（26日）圆满结束。中科院长春光机所研究员、博士生导师，长光卫星公司型号总师钟兴老师做了精彩分享。

钟兴老师指出，卫星遥感的价值体现在获取地物数据，然后把数据变成产品进而向用户提供信息服务。

比如上图这样，遥感卫星可以追踪出一条道路上所有汽车的动态行驶数据，从中提取出一些指标的参数，进而为使用者（比如交管部门）提供决策依据。

随着技术发展和用户需求的变化，遥感卫星已经突破图片追踪上升到了视频层面。其原理是遥感卫星在飞行的过程中始终拍摄同一个点，也就是凝视成像，进而形成连续的动态的图像。

可喜的是我国在视频卫星领域的发展速度已经做到了与发达国家同步。去年年底英国才开始做视频卫星的星座（小卫星群），而我国的“吉林一号”卫星星座将会被打造成为一个高时间分辨率、高空间分辨率的遥感信息获取平台。

遥感卫星在获取图像的过程中存在哪些痛点呢？AI在这个过程中起到怎样的助力作用？

受限于能源储量和数据存储及传输限制，卫星并不能每时每刻进行拍摄，这就影响了拍摄效率。此外，拍摄到的图像经常被云雾遮挡，而目前解决这些问题主要靠参数预设、地面规划等手段对卫星进行指令上注，效率并不是很高。

随着人工智能的迅速发展，使在星上搭载智能控制系统成为可能，这是极具研究价值也亟待国内科研人员着手深入研究的。拍摄的参数调整也需要预设。这就需要人工智能（AI）来帮助我们提高效率。

传统的卫星数据都要经过地面中心进行数据处理，再形成产品化的信息发给用户，如下图。

今年4月美国的DAPPA则发布了黑杰克卫星星座招标计划，其特点就是在摆脱地面数据处理的背景下自行完成目标拍摄任务。黑杰克就引入了星上AI的概念，实现高度自主化。

钟兴老师还介绍了卫星遥感中预处理的概念。由于绝大部分的遥感应用并不只是“看图说话”需要从图像中获得目标的经纬度、辐射亮度等信息，而且信息需要结合地理信息系统GIS使用 。

换言之，人们在卫星拍摄前做了大量的事前准备工作以[P1] 遥感器的设计进行优化。比如人们会提前进行地面实地勘测、建立物理模型比如大气变化误差模型等。

然后，当人们在卫星遥感拍摄的时候，会将图像的坐标和真实的地理坐标进行对比。把所得图像的亮度和色彩与真实地面物体的亮度和色彩进行对比。由此得到更真实高效的信息产品。

钟兴老师分享了一个案例，美国Planet公司的鸽群星座卫星在批量化制造后的成本仅为20万美元，而一颗采用高精度传感器和严密成像模型的高性能卫星价格是4.5亿美元。

虽然，鸽群卫星在稳定度和测量精度表现欠佳，使其很难在传统遥感卫星的预处理中应用。但是造价低廉的鸽群引用了Basemap概念，他们把高性能卫星拍摄的高精度图像作为基础底图，再对鸽群卫星所得图像在精度上进行矫正处理。由此就获得了拼接后的可用信息产品。

下图就是鸽群卫星经过拼接后的成品，该图像是我国南海阅兵时的航母舰队图像。该图像不是一颗卫星或者一个图片完成的，而是几颗卫星和多个图片共同完成。图片经过拼接，但是误差较小。

在讨论环节，有观众提出了几个问题，钟兴老师一一作答。问题主要包括：

目前个群卫星如何协同管理？会不会机动调整轨道？

遥感卫星受限于电池容量和数据存储限制，能否引入控制理论？

遥感卫星的数据量巨大，需要大量的人工标准但人工标注的准确度不高，是不是可以多种摄像头同时拍摄再互补的方式提高效率？

深度学习在遥感领域的应用已经达到什么程度呢？

今日微信公号的内容仅为钟兴老师分享的部分内容，更多更详细的信息将会在后续的深度稿件中呈现，敬请期待。

特别鸣谢：感谢张晓男博士对文章内容的校对。