Des chercheurs développent une technique radar alimentée par l'IA pour la cartographie urbaine 3D haute résolution

Une équipe de recherche de l'Institut de recherche en information aérospatiale (AIR) de l'Académie chinoise des sciences a développé une nouvelle méthode pour générer des modèles de villes tridimensionnels (3D) très détaillés à l'aide de données radar, répondant ainsi aux défis de longue date de la cartographie urbaine.

En combinant l'intelligence artificielle (IA) à la géométrie architecturale, la nouvelle technique, baptisée Geo-SETRA, produit des images plus claires et plus complètes des paysages urbains. Cette étude a été publiée dans le Journal of Remote Sensing .

La technologie traditionnelle, connue sous le nom de radar à synthèse d'ouverture tomographique (TomoSAR), utilise les signaux radar pour reconstituer des environnements 3D. Cependant, elle a toujours rencontré des difficultés en milieu urbain. Des structures complexes, comme des gratte-ciel et des ruelles étroites, perturbent souvent les signaux radar, produisant des images floues ou incomplètes.

Pour résoudre ce problème, Geo-SETRA utilise les formes et motifs inhérents aux bâtiments, tels que les toits, les murs et les fenêtres, comme repères de navigation. Il intègre cette sémantique visuelle à son algorithme, permettant ainsi au système de combler les lacunes et d'améliorer les détails en utilisant des caractéristiques architecturales pour guider l'interprétation des signaux radar.

« Notre approche crée une nouvelle synergie entre la modélisation géométrique et l'imagerie radar », a déclaré le Dr Wang Chunyi, auteur principal de l'étude. « En laissant la sémantique visuelle guider la reconstruction radar, nous améliorons le niveau de détail et l'exhaustivité sans compromettre l'efficacité. »

Contrairement au traitement SAR conventionnel, qui repose sur une post-édition approfondie, Geo-SETRA utilise un pipeline en plusieurs étapes : il commence par une carte 3D brute, l'affine via la vision par ordinateur pour identifier les principales caractéristiques architecturales, puis utilise ces caractéristiques comme « priors » statistiques dans un modèle bayésien pour guider une reconstruction précise.

Des tests sur des données radar simulées et collectées par drone à Suzhou, une ville de l'est de la Chine, ont donné des résultats remarquables. L'algorithme a atteint une précision d'élévation inférieure au mètre, capturant des détails fins souvent ignorés par d'autres techniques, comme les encadrements de fenêtres et les bords de toits. Il a surpassé les méthodes existantes dans les environnements à faible signal, a généré des nuages ​​de points plus denses et a conservé plus de 80 % des points de données critiques.

« Nos résultats prouvent que décoder le “langage” de l’architecture urbaine peut améliorer l’imagerie radar », a souligné le Dr Wang. « Cela pourrait transformer la manière dont nous déployons des systèmes aéroportés ou spatiaux pour le développement des villes intelligentes, la surveillance des infrastructures et la réponse aux catastrophes. »

Cette étude ouvre de nouvelles portes à la cartographie urbaine haute fidélité, comblant le fossé entre les capacités radar et les exigences complexes de la gestion urbaine moderne.

https://english.cas.cn/newsroom/research_news/infotech/202507/t20250707_1046963.shtml