Как фотографировать космос с земли

Как сфотографировать космос, фотографии космоса

Как же все-таки можно обычному фотографу сфотографировать космос, получить красивые фотографии космоса и удивлять ими всех своих друзей и других фотографов?

Ну что любители экзотической фотографии, теперь вы можете самостоятельно и без какой-либо помощи сфотографировать космос и получить удивительные фотографии космоса со своего фотоаппарата.

Если вы еще не умеете фотографировать и далеки от процесса фотографии, то читаем обязательно нашу статью о том как научиться фотографировать. Если не знаете, как сфотографировать звездное небо, то читаем статью о фотографии звездного неба.

Эта статья написана из материала, найденного на просторах интернета, этот метод фотографирования космоса так меня заинтересовал, что я не смог не поделиться со своими читателями найденным материалом и фотографиями космоса.

Ну что, рассмотрим по подробнее как можно самостоятельно сфотографировать космос на свой обычный фотоаппарат и какие небольшие вложения на дополнительное оборудование вам потребуются, чтобы получить удивительные фотографии космоса.

Что нужно для фотографирования космоса?

• Интерес к фотографии и ко всему удивительному в мире фотографии космоса
• Фотоаппарат с функцией таймера спуска затвора
• GPS передатчик
• Балон с газом и воздушный шар
• Ноутбук с выходом в интернет
• Термокейс для того чтобы фотоаппарат не замерз

Ну вот, вроде и все. Из списка уже наверное понятно как сфотографировать космос, а более подробнее вы сможете не только прочитать в моей статье о фотографии космоса, но и увидеть видео как сфотографировать космос, в конце статьи.

Процесс фотографирования земли из космоса

И так, берем фотокамеру и хорошо укутываем в термокейс, предварительно запрограммировав ваш фотоаппарат, чтобы он делал фотографию каждые пять минут. Укутываем его для того, чтобы он не замерз в космосе.

Надуваем шар с гелием и прицепляем наш кейс с фотоаппаратом к шару. Отпускаем шар, следим через интернет за сигналом GPS передатчика и ждем когда шар лопнет, а фотоаппарат со снимками земли из космоса приземлиться обратно к нам на нашу родную Землю.

Весь процесс полета и фотографирования космоса занимает около двух часов, за это время шар может подняться на высоту 25 километров, далее шар лопается от перегрузки давления и разряженной атмосферы космоса. После того как шар приземлится, отслеживаем его место падения через интернет на планшете или ноутбуке и вперед к полученным фотографиям космоса, сделанным с помощью удивительного метода съемки, придуманного парнем по имени Роберт Гариссон из Америки.

Фотографии космоса

Вот фотографии космоса, которые получились у парня из Америки. Собственно стоит восхищаться, что человек не сидит на месте и познает все интересное в мире фотографии. Фотографии космоса конечно удивляют и заставляют задуматься о том, что много еще чего не раскрыто в человеческих возможностях как на земле так и в космосе.

Сфотографировав космос, Роберт Гариссон сразу выложил эти фотографии в интернет, они мгновенно облетели весь мир и удивили даже организацию NASA, которая всерьез заинтересовалась процессом фотографирования космоса таким способом и полученными фотографиями.

Видео о том как сфотографировать космос своими руками

Видео было сделано совсем другой командой, но весь процесс фотографирования космоса своими руками, описанный в этой статье, ни чем не отличается от того что придумал парень из Америки, смотрим и удивляемся как прекрасен космос и как он доступен обычному человеку.

Ну вот, мы раскрыли секрет, как можно самому и с помощью небольших затрат сфотографировать космос, получить удивительные фотографии космоса на свой фотоаппарат. Все можно сделать самому, главное иметь желание и цель в жизни. Путешествуйте вместе с travel-picture.ru и мир к вам станет ближе.

Как сэкономить на поездке? Рабочие лайфхаки!

Данные советы помогут спланировать самостоятельный отдых на курортах зимой или летом дешевле:

• Лучшие цены на отели рекомендуем искать на ROOMGURU. Поисковик ищет среди всех отельных баз интернета, даже у таких гигантов как Booking, и сравнивает цены. Если вы любитель пользоваться смартфоном, то приложение по ПО ПОИСКУ ЖИЛЬЯ просто необходимо. Очень удобно по прилету открыть варианты и тут же забронировать.
• Выгодно застраховать свое здоровье и жизнь в путешествии поможет сервис TRIPINSURANCE, поисковик показывает результаты от всех крупных страховых компаний. Вам остается выбрать лишь самый выгодный вариант, но на здоровье советуем не экономить!
• Авиабилеты? Опытным путем советуем пользоваться AVIASALES, он и по сей день является поисковиком №1 среди самостоятельных путешественников.

Меня зовут Сергей и я работаю гидом по разным городам Европы, Азии, Восточной части России, по совместительству работаю менеджером в крупной турфирме. За время путешествий я испытал массу эмоций, узнал полезную информацию об отдыхе и ценах, увидел уникальные места, о которых спешу поделиться на страницах своего блога о туризме.

Источник

Просто космос! Какими камерами фотографируют на орбите

Вы, наверное, уже видели ролик, в котором астронавты с международной космической станции забавляются растворением шипучих таблеток в невесомости. Это одно из первых видео из космоса в высоком качестве, снятое камерой RED Epic Dragon, которая была доставлена на МКС еще в январе.

Вообще видео из космоса – явление новое. Ранее, когда стоял выбор между доставкой фото- и видеоаппаратуры, последняя оказывалась не у дел по множеству причин. Во-первых, фотографии имели большую научную ценность. Надежность фотокамер была выше, да и передавать материал на Землю было проще. МКС сравнительно недавно получила широкий канал связи с землей, позволяющий помимо прочей важной информации передавать и видео. А вот космическая фотосъемка регулярно ведется уже не один десяток лет, так что ее вполне можно выделить в отдельный жанр фотографии.

Фотоаппарат как космический мусор

Как шутил один мой знакомый, есть только одно место, где камеру Hasselblad можно взять бесплатно – поверхность Луны. Именно шведскому производителю посчастливилось стать официальным поставщиком съемочной техники для программы «Апполон». Снимки, полученные с лунных «Хассельбладов» стали важнейшими документальными свидетельствами. Таких камер было несколько, они доставлялись на Луну в разное время (с 1969 по 1972 год) и остались лежать там, поскольку их возвращение на Землю было бы слишком затратным и рискованным. Сейчас там остается 12 фотоаппаратов.

Однако одна камера Hasselblad 500 все же вернулась на Землю и пару лет назад ушла с молотка за 660 тысяч евро. Обладателем реликвии стал Терукадзу Фудзисава, основатель японской розничной сети Yodobashi Camera. Не факт, кстати, что эта сумма покрыла затраты на возвращение камеры с Луны.

Единственный фотоаппарат, вернувшийся с Луны на Землю

Важно понимать, что выбор техники для космоса – процесс ответственный. Все снимки, за исключением изображений с космических телескопов и автоматических аппаратов, делались экипажем международной космической станции. Космонавт (или астронавт) не может взять удобную для себя камеру и пользоваться ей в ходе миссии. Он лишь получает доступ к технике, уже имеющейся на станции, набор которой медленно, но верно обновляется.

Фотокамеры Nikon на МКС в 2012 году (c) Donald Roy Pettit

Эра Hasselblad в космосе закончилась, сейчас там главенствует Nikon, имея соответствующие договоренности с NASA, JAXA и Роскосмосом.

Фотографы МКС

Доподлинно неизвестно, сколько именно камер сейчас находится на Международной космической станции, но все они произведены Nikon и относятся к топовому классу. В разное время на МКС завозились разные камеры. Из цифровых камер сначала доставлялись Nikon D1 и D100, потом в распоряжение экипажа поступили Nikon D2Xs, затем D3x и D3s. Последние полноценно используются и по сей день. Объективы на МКС покрывают фокусные расстояния от 18 до 800 миллиметров. Более того, на станции сохранился пленочный Nikon F5, который иногда используется в научных целях. Проявляют пленку уже на Земле. С цифровыми камерами в этом плане дело обстоит проще: часть снимков передается на землю по каналам связи, а все оригиналы возвращаются на картах памяти в специальных защитных боксах.

Nikon D3s и Nikon D2Xs в руках астронавта Дональда Петтита

Главная особенность состоит в том, что цифровую камеру никоим образом модифицировать не нужно – она прекрасно работает в условиях невесомости. Правда, есть некоторые тонкости. Например, в распоряжении членов экипажа МКС есть камеры с отсутствующим инфракрасным фильтром. Одна из них сделана на базе Nikon D3s (во избежание путаницы логотип Nikon закрашен красным маркером) и используется в связке с обычной камерой для получения одинаковых снимков.

Съемка через иллюминатор – занятие нехитрое. Самым сложным становится выбор нужного ракурса и выжидание подходящего момента. Например, во время наблюдения восхода Солнца освещение очень быстро меняется. Нужно учитывать облачность и прозрачность атмосферы – порой подходящих условий нужно дожидаться часами.

Источник

Космическая съёмка Земли

Cпутниковый снимок в ложных цветах (зелёный, красный, ближний инфракрасный) с пространственным разрешением 3 метра и наложенной маской зданий из OpenStreetMap (спутниковая группировка PlanetScope)

Привет, Хабр! Мы постоянно расширяем источники данных, которые используем для аналитики, поэтому решили добавить ещё и спутниковые снимки. У нас аналитика по спутниковым снимкам полезна в продуктах для предпринимательства и инвестиций. В первом случае статистика по геоданным поможет понять, в каком месте стоит открывать торговые точки, во втором позволяет анализировать деятельность компаний. Например, для строительных компаний можно посчитать, сколько за месяц было построено этажей, для сельскохозяйственных компаний — сколько гектаров урожая взошло и т.д.

В этой статье я постараюсь дать примерное представление о космической съёмке Земли, расскажу о трудностях, с которыми можно столкнуться, начиная работу со спутниковыми снимками: предварительная обработка, алгоритмы для анализа и библиотеки Python для работы со спутниковыми снимками и геоданными. Так что все, кому интересна область компьютерного зрения, добро пожаловать под кат!

Итак, начнём с областей спектра, в которых спутники выполняют съёмку, и рассмотрим характеристики съёмочной аппаратуры некоторых спутников.

Спектральные сигнатуры, атмосферные окна и спутники

Разные земные поверхности имеют различные спектральные сигнатуры. Например, свежая базальтовая лава и асфальт отражают различное количество инфракрасного света, хотя в видимом свете они похожи.

Отражательная способность сухой травы, асфальта и свежой базальтовой лавы

Как и поверхность Земли, газы в атмосфере также имеют уникальные спектральные сигнатуры. При этом не каждое излучение проходит через атмосферу Земли. Спектральные диапазоны, проходящие через атмосферу, называют «атмосферными окнами», а спутниковые сенсоры настраиваются для измерения в этих окнах.

Атмосферные окна

Рассмотрим спутник с одним из самых высоких пространственных разрешений — WorldView-3 (Пространственное разрешение — величина, характеризующая размер наименьших объектов, различимых на изображении; надир — направление, совпадающее с направлением действия силы гравитации в данной точке).

Помимо приведённых каналов WorldView-3 имеет ещё 12 каналов, предназначенных специально для атмосферной коррекции, — CAVIS (Clouds, Aerosols, Vapors, Ice, and Snow) с разрешением 30 м в надире и длинами волн от 0,4 до 2,2 мкм.

Пример снимка с WorldView-2; панхроматический канал

Пример снимков с различным пространственным разрешением

Другие интересные спутники — SkySat-1 и его близнец SkySat-2. Интересны они тем, что умеют снимать видео продолжительностью до 90 секунд над одной территорией с частотой 30 кадров/сек и пространственным разрешением 1,1 м.

Видеосъёмка со спутников SkySat

Пространственное разрешение панхроматического канала — 0,9 м, мультиспектральных каналов (синий, зелёный, красный, ближний инфракрасный) — 2 м.

Ещё некоторые примеры:

1. Группировка спутников PlanetScope выполняет съёмку с пространственным разрешением 3 м в красном, зелёном, синем и ближнем инфракрасном диапазоне;
2. Группировка спутников RapidEye выполняет съёмку с пространственным разрешением 5 м в красном, крайнем красном, зелёном, синем и ближнем инфракрасном диапазоне;
3. Серия российских спутников «Ресурс-П» выполняет съёмку с пространственным разрешением 0,7-1 м в панхроматическом канале, 3-4 м в мультиспектральных каналах (8 каналов).

Гиперспектральные сенсоры в отличие от мультиспектральных делят спектр на множество узких диапазонов (примерно 100-200 каналов) и имеют пространственное разрешение уже другого порядка: 10-80 м.

Гиперспектральные снимки доступны не так широко, как мультиспектральные. Космических аппаратов, на борту которых установлены гиперспектральные сенсоры, немного. Среди них Hyperion на борту спутника NASA EO-1 (выведен из эксплуатации), CHRIS на борту спутника PROBA, принадлежащего Европейскому космическому агентству, FTHSI на борту спутника MightySatII исследовательской лаборатории военно-воздушных сил США, ГСА (гиперспектральная аппаратура) на российских космических аппаратах «Ресурс-П».

Обработанный гиперспектральный снимок с бортового сенсора CASI 1500; до 228 каналов; спектральный диапазон 0,4 – 1 нм

Обработанный снимок с космического сенсора EO-1; 220 каналов; спектральный диапазон 0,4 – 2,5 нм

Для упрощения работы с многоканальными снимками существуют библиотеки чистых материалов. В них приведены отражательные способности чистых материалов.

Предварительная обработка снимков

Перед тем, как приступить к анализу снимков, необходимо выполнить их предварительную обработку:

1. Геопривязка;
2. Ортокоррекция;
3. Радиометрическая коррекция и калибровка;
4. Атмосферная коррекция.

Поставщики спутниковых снимков делают дополнительные измерения, чтобы провести предварительную обработку снимков, и могут выдавать как обработанные снимки, так и необработанные с дополнительной информацией для самостоятельной корректировки.

Также стоит упомянуть цветовую коррекцию спутниковых снимков — приведение снимка в натуральных цветах (красный, зелёный, синий) к более привычному для человека виду.

Приблизительная геопривязка вычисляется по исходному положению спутника на орбите и геометрии изображения. Уточнение геопривязки выполняется по наземным точкам привязки (Ground Control Points – GCP). Эти контрольные точки ищутся на карте и на снимке, а зная их координаты в разных системах координат, можно найти параметры преобразования (конформное, аффинное, перспективное либо полиномиальное) из одной системы координат в другую. Поиск GСP выполняется при помощи GPS-съёмки [ист. 1 с. 230, ист. 2] либо при помощи сопоставления двух снимков, на одном из которых точно известны координаты GCP, по ключевым точкам.

Ортокоррекция изображения – процесс геометрической коррекции изображений, при котором устраняются перспективные искажения, развороты, искажения вызванные дисторсией объектива и другие. Изображение при этом приводится к плановой проекции, то есть такой, при которой каждая точка местности наблюдается строго вертикально, в надир.

Так как спутники осуществляют съемку с очень большой высоты (сотни километров), то при съёмке в надире искажения должны быть минимальными. Но космический аппарат не может всё время снимать в надире, иначе пришлось бы очень долго ждать момента, когда он пройдет над заданной точкой. Для устранения этого недостатка спутник «доворачивают», и большинство кадров получаются перспективными. Следует заметить, что углы съемки могут достигать 45 градусов, и при большой высоте это приводит к значительным искажениям.

Ортокоррекцию нужно проводить, если нужны измерительные и позиционные свойства изображения, т.к. качество снимка из-за дополнительных операций ухудшится. Она выполняется с помощью реконструкции геометрии датчика в момент регистрации для каждой строки изображения и представлении рельефа в растровом виде.

Модель камеры спутника представляется в виде обобщенных аппроксимирующих функций (рациональных полиномов — RPC коэффициентов), а высотные данные могут быть получены в результате наземных измерений, при помощи горизонталей с топографической карты, стереосъемки, по радарным данным или из общедоступных грубых цифровых моделей рельефа: SRTM (разрешение 30-90 м) и ASTER GDEM (разрешение (15-90 м).

Радиометрическая коррекция — исправление на этапе предварительной подготовки снимков аппаратных радиометрических искажений, обусловленных характеристиками используемого съемочного прибора.

Для сканерных съемочных приборов такие дефекты наблюдаются визуально как модуляция изображения (вертикальные и горизонтальные полосы). При радиометрической коррекции также удаляются дефекты изображения, наблюдаемые как сбойные пиксели изображения.

Удаление сбойных пикселей и вертикальных полос

Радиометрическая коррекция выполняется двумя методами:

1. C использованием известных параметров и настроек съемочного прибора (корректировочных таблиц);
2. Cтатистически.

В первом случае необходимые корректировочные параметры определяются для съемочного прибора на основе длительных наземных и полетных испытаний. Коррекция статистическим методом выполняется путем выявления дефекта и его характеристик непосредственно из самого изображения, подлежащего коррекции.

Радиометрическая калибровка снимков – перевод «сырых значений» яркости в физические единицы, которые можно сопоставлять с данными других снимков:

где — энергетическая яркость для спектральной зоны ;
— сырые значения яркости;
— калибровочный коэффициент;
— калибровочная константа.

Электромагнитное излучение спутника, прежде чем будет зафиксировано датчиком, пройдет через атмосферу Земли дважды. Имеется два главных эффекта влияния атмосферы — рассеяние и поглощение. Рассеяние происходит в случае, когда имеющиеся в атмосфере частицы и молекулы газа взаимодействуют с электромагнитным излучением, отклоняя его от первоначального пути. При поглощении часть энергии излучения преобразуется во внутреннюю энергию поглощающих молекул, в результате чего происходит нагревание атмосферы. Влияние рассеяния и поглощения на электромагнитное излучение меняется при переходе от одной части спектра к другой.

Факторы, влияющие на попадание отраженной солнечной радиации на сенсоры спутника

Существуют различные алгоритмы выполнения атмосферной коррекции (например метод DOS — Dark Object Subtraction). Входными параметрами для моделей служат: геометрия расположения Солнца и датчика, атмосферная модель для газообразных компонентов, модель аэрозоля (тип и концентрация), оптическая толщина атмосферы, коэффициент поверхностного отражения и спектральные каналы.
Для атмосферной коррекции можно также применять алгоритм удаления дымки с изображения — Single Image Haze Removal Using Dark Channel Prior (реализация).

Пример работы Single Image Haze Removal Using Dark Channel Prior

Индексные изображения

При изучении объектов по многоканальным снимкам часто важны не абсолютные значения, а характерные соотношения между значениями яркости объекта в различных спектральных зонах. Для этого строят так называемые индексные изображения. На таких изображениях более ярко и контрастно выделяются искомые объекты по сравнению с исходным снимком.

Работа со спутниковыми снимками на Python

Одним из форматов, в которых принято хранить спутниковые снимки, является GeoTiff (ограничимся только им). Для работы с GeoTiff на Python можно воспользоваться библиотекой gdal либо rasterio.

Для установки gdal и rasterio лучше воспользоваться conda:

Другие библиотеки для работы со спутниковыми снимками легко ставятся через pip.

Чтение GeoTiff через gdal:

Систем координат у спутниковых снимков довольно много. Их можно разделить на две группы: географические системы координат (ГСК) и плоские системы координат (ПСК).

В ГСК единицы измерения угловые и координаты представлены десятичными градусами. Наиболее известная ГСК — WGS 84 (EPSG:4326).

В ПСК единицы измерения линейные и координаты могут быть выражены как метры, футы, километры и т.д., поэтому их можно линейно интерполировать. Для перехода из ГСК в ПСК применяют картографические проекции. Одна из наиболее известных проекций — проекция Меркатора.

Карту (разметку снимка) принято хранить не в растровом виде, а в виде точек, линий и полигонов. Внутри файлов с разметкой снимков хранятся геокоординаты вершин этих геометрических объектов. Для чтения и работы с ними можно использовать библиотеки fiona и shapely.

Скрипт для растеризации полигонов:

Во время дешифрования снимков может понадобиться операция пересечения полигонов (например, автоматически разметив здания по карте, хочется также автоматически убрать разметку зданий в тех местах снимка, где есть облака). Для этого есть алгоритм Уайлера-Атертона, но он работает только с полигонами без самопересечений. Для устранения самопересечений нужно проверить пересечение всех ребер с другими ребрами полигона и добавить новые вершины. Эти вершины разобьют соответствующие им ребра на части. В библиотеке shapely есть метод для устранения самопересечений — buffer(0).

Для перевода из ГСК в ПСК можно воспользоваться библиотекой PyProj (либо сделать это в rasterio):

Метод главных компонент

Если снимок содержит более трех спектральных каналов, можно создать цветное изображение из трех главных компонент, уменьшив тем самым объем данных без заметной потери информации.

Такое преобразование также проводят для серии разновременных снимков, приведенных в единую систему координат, для выявления динамики, которая ярко проявляется в одной или двух компонентах.

Скрипт для сжатия 4-х канального изображения до 3-х канального:

Снимок с группы спутников PlanetScope (red, green, blue без цветовой коррекции)

Снимок с группы спутников PlanetScope (green, red, near infrared)

Снимок, полученный при помощи метода главных компонент

Метод спектрального разделения (Spectral Unmixing)

Метод спектрального разделения применяют для распознавания на снимках объектов, размер которых значительно меньше размера пикселя.

Суть метода состоит в следующем: смешанные спектры анализируют, сравнивая их с известными чистыми спектрами, например, из уже упомянутых спектральных библиотек чистых материалов. Происходит количественная оценка соотношения данного известного (чистого) спектра и примесей в спектре каждого пикселя. После выполнения такой оценки может быть получено изображение, раскрашенное так, что цвет пикселя будет означать, какой компонент преобладает в спектре это пикселя.

Смешанная спектральная кривая

Дешифрованный снимок

Сегментация спутниковых снимков

На данный момент state-of-the-art результаты в задачах бинарной сегментации изображений показывают модификации U-Net модели.

Архитектура U-Net модели (размер изображения на выходе меньше размера входного изображения; делается это из-за того, что сеть хуже предсказывает на краях изображения)

Автор U-Net разработал архитектуру на основе другой модели — Fully convolutional network (FCN), особенностью которой является наличие только свёрточных слов (не считая max-pooling).
U-Net отличается от FCN тем, что добавлены слои, в которых max-pooling заменён на up-convolution. Таким образом, новые слои постепенно увеличивают выходное разрешение. Также признаки с энкодер-части комбинируются с признаками из декодер-части, чтобы модель могла делать более точные предсказания за счёт дополнительной информации.

Модель, в которой отсутствует проброс признаков из энкодер-части в декодер-часть, называется SegNet и на практике показывает результаты хуже U-Net.

Max-pooling

Up-convolution

Отсутствие в U-Net, Segnet и FCN слоёв, привязанных к размеру изображения, позволяет подавать на вход одной и той же сети изображения разного размера (размер снимка должен быть кратным количеству фильтров в первом свёрточном слое).

В keras это реализуется так:

Обучение, как и предсказание, можно проводить либо на фрагментах изображения (кропах), либо на всём изображении целиком, если позволяет память GPU. При этом в первом случае:
1) больше размер батчей, что хорошо скажется на точности модели, если данные зашумлены и неоднородны;
2) меньше риск переобучения, т.к. данных гораздо больше, чем при обучении на изображениях полного размера.

Однако при обучении на кропах сильнее проявляется краевой эффект — сеть менее точно предсказывает на краях изображения, чем в областях более близких к центру (чем ближе к границе точка предсказания, тем меньше у сети информации о том, что находится дальше). Проблему можно решить, предсказывая маску на фрагментах с перекрытиями и отбрасывать либо усреднять области на границе.

U-Net – простая и мощная архитектура для задачи бинарной сегментации, на github можно найти не одну реализацию для любого DL фреймворка, но для сегментации большого количества классов эта архитектура проигрывает другим архитектурам, например, PSP-Net. Здесь можно прочитать интересный обзор по архитектурам для семантической сегментации изображений.

Определение высоты зданий

Высоту зданий можно определять по их теням. Для этого необходимо знать: размер пикселя в метрах, длину тени в пикселях и sun (solar) elevation angle (угол солнца над горизонтом).

Геометрия солнца, спутника и здания

Вся сложность задачи в том, чтобы как можно точнее сегментировать тень здания и определить длину тени в пикселях. Проблем добавляет ещё и наличие облаков на снимках.

Существуют и более точные методы определения высоты здания. Например, можно учитывать угол спутника над горизонтом.

Пример работы алгоритма определения высоты зданий по тени

На снимках с группы спутников PlanetScope с пространственным разрешением 3 м ошибка определения высоты зданий по MAPE (mean absolute percentage error) составила

30%. Всего было рассмотрено 40 зданий и один снимок. Однако на субметровых снимках исследователи получили ошибку всего 4-5%.

Заключение

Дистанционное зондирование Земли даёт много возможностей для проведения аналитики. Например, такие компании, как Orbital Insight, Spaceknow, Remote Sensing Metrics, OmniEarth и DataKind, на основе съёмки со спутников выполняют мониторинг производства и потребления в США, анализ урбанизации, трафика, растительности, экономики и т.д. При этом сами снимки становятся всё более доступными. Например, снимки со спутников Landsat-8 и Sentinel-2 с пространственным разрешением больше 10м находятся в открытом доступе и постоянно обновляются.

В России компании Совзонд, СканЭкс, Ракурс, Гео-Альянс и Северная Географическая Компания также проводят геоаналитику по спутниковым снимкам и являются официальными дистрибьюторами компаний-операторов спутников ДЗЗ: ОАО «Российские космические системы» (Россия), DigitalGlobe (США), Planet (США), Airbus Defence and Space (Франция-Германия) и др.

P.S. Вчера мы запустили онлайн-соревнование по спутниковым снимкам, состоящее из двух задач:

1. Сегментация зданий и автомобилей и подсчёт автомобилей;
2. Определение высот зданий.

Так что все, кто кому интересна область компьютерного зрения и дистанционного зондирования Земли, присоединяйтесь!

Мы планируем провести ещё одно соревнование по снимкам Роскосмоса, Airbus Defence and Space и PlanetScope.

Источник