Sub-metre Lunar DEM Generation and Validation from Chandrayaan-2 OHRC Multi-View Imagery Using an Open-Source Pipeline

Probleemstelling

Hoogwaardige digitale hoogte-modellen (DEM's) van het maanoppervlak zijn cruciaal voor missieplanning, landingssite-characterisatie en planetaire wetenschap. Hoewel de Lunar Reconnaissance Orbiter (LRO) met zijn Narrow Angle Camera (NAC) al hoogwaardige DEM's levert (1–5 m/pixel), is er een behoefte aan resoluties in de orde van grootte van decimeters om rotsformaties en kleine hellingvariaties te kunnen detecteren.

De Orbiter High Resolution Camera (OHRC) aan boord van de Indiase Chandrayaan-2-missie biedt een grondafbeeldingsresolutie (GSD) van ongeveer 25–30 cm per pixel, wat een orde van grootte fijner is dan de LRO NAC. Echter, het gebruik van OHRC-gegevens voor DEM-productie binnen open-source fotogrammetrische pipelines stuit op twee grote obstakels:

1. Geen expliciete stereo-paren: OHRC neemt beelden op in een enkele strook (nadir-richting). Geschikte stereo-combinaties moeten retrospectief worden geïdentificeerd uit archiefgegevens op basis van geometrische metadata, in plaats van dat ze vooraf bekend zijn.
2. Software-ondersteuning: De bestaande open-source tools (zoals de Ames Stereo Pipeline - ASP en ISIS) ondersteunen de specifieke dataformaten (PDS4) en sensormodellen van OHRC niet direct.

Methodologie

De auteurs hebben een reproduceerbaar, volledig open-source framework ontwikkeld om sub-meter DEM's te genereren. De werkstroom omvat zes hoofdfasen:

1. Data-inname en SPICE-kernel voorbereiding:

   • OHRC-gegevens (in PDS4-formaat) worden ingelezen via een aangepaste sjabloon die metadata koppelt aan het ISIS-cube-formaat.
   • SPICE-kernels (ephemeris, attitude, instrumentparameters) van het ISSDC PRADAN-archief worden gebruikt om de camerageometrie te initialiseren.
   • Er is een Community Sensor Model (CSM) plugin ontwikkeld via de ALE-bibliotheek (Abstraction Layer for Ephemerides) om de OHRC-sensor compatibel te maken met de Ames Stereo Pipeline (ASP).

2. Identificatie van stereo-paren:

   • Aangezien er geen vooraf gedefinieerde paren zijn, worden kandidaat-paren geselecteerd op basis van de Baseline-to-Height (B/H) ratio en de convergentiehoek.
   • De optimale B/H-ratio ligt tussen 0,5 en 1,0. Een te lage ratio geeft slechte verticale precisie; een te hoge ratio (>1,2) leidt tot te grote perspectiefvervorming en radiometrische verschillen die matching bemoeilijken.

3. Bundle Adjustment:

   • Om resterende pointing-fouten te corrigeren, wordt een bundle adjustment uitgevoerd. Dit minimaliseert de reprojectiefout van gekoppelde punten (tie points) tussen de twee beelden, gebruikmakend van een robuuste kostfunctie (Cauchy loss) en de Levenberg-Marquardt-optimizer.

4. Dense Stereo Reconstructie:

   • Een dense matching-algoritme (block-matching gebaseerd op genormaliseerde kruiscorrelatie) berekent de dispariteit per pixel.
   • Ray-triangulatie converteert deze dispariteiten naar een 3D-puntenwolk.

5. DEM Rasterisatie en Post-processing:

   • De puntenwolk wordt omgezet in een raster DEM.
   • ICP-alignatie (Iterative Closest Point): De OHRC-DEM wordt rigide uitgelijnd met een referentie-DEM van de LRO NAC om globale offset-fouten te corrigeren.
   • Bias-correctie: Een constante verticale bias (vaak veroorzaakt door onnauwkeurigheden in de SPICE-kernels) wordt verwijderd via profielanalyse.
   • Gaten vullen: Gebieden waar stereo-matching faalt (bijv. in schaduwen) worden opgevuld met data van de NAC-DEM.
   • Mosaicing: Overlappende tiles worden samengevoegd met een prioriteitsstrategie (OHRC heeft voorrang op NAC).

Belangrijkste Bijdragen

• Open-source compatibiliteit: De eerste volledige implementatie van een open-source pipeline voor Chandrayaan-2 OHRC-gegevens, inclusief PDS4-inname en CSM-sensorconfiguratie.
• Systematische selectiestrategie: Een methode om bruikbare stereo-paren te extraheren uit niet-gecategoriseerde archieven op basis van geometrische criteria (B/H-ratio en convergentiehoek).
• Sub-meter reconstructie: Succesvolle generatie van DEM's met een ruimtelijke resolutie van 24 tot 54 cm, wat de fijnste tot nu toe gepubliceerde DEM's van Chandrayaan-2 zijn.
• Validatie en validatiekader: Een robuust validatieprotocol tegen LRO NAC-referentiegegevens, inclusief kwantitatieve analyse van verticale en horizontale nauwkeurigheid.

Resultaten

De methode werd getest op vijf geografisch verspreide locaties op de maan:

• Resolutie: De gegenereerde DEM's hebben een effectieve resolutie tussen 24 cm en 54 cm.
• Verticale Nauwkeurigheid: Na alignatie en bias-correctie bedraagt de RMSE (Root Mean Square Error) in de verticale richting 5,85 m (vergeleken met de NAC-DEM).
• Horizontale Nauwkeurigheid: De horizontale nauwkeurigheid ligt binnen één pixel, oftewel ongeveer 30 cm, bevestigd door het matchen van planimetrische kenmerken (kraterranden, richels).
• Stereo-geometrie: Voor regio's met een B/H-ratio tussen 0,4 en 0,9 (Regio's 1-4) werden DEM's met een hoge ruimtelijke volledigheid gegenereerd.
  • Beperking: Regio 5 had een zeer hoge B/H-ratio (1,16) en een convergentiehoek van ~61°. Dit leidde tot een hoge fractie van "gaten" (voids) in de DEM door radiometrische verschillen, wat aantoont dat er een praktische bovengrens is voor de B/H-ratio bij OHRC-data (rond 0,9).

Betekenis en Toekomstperspectief

Dit onderzoek bewijst dat het mogelijk is om met open-source software extreem hoogresolutie topografische kaarten van de maan te maken, wat essentieel is voor toekomstige bemande en robotische missies (zoals landingssite-certificering en rover-traverseplanning).

De studie benadrukt dat de kwaliteit van de gegenereerde DEM's sterk afhankelijk is van de nauwkeurigheid van de SPICE-kernels (ephemeris en attitude data). Toekomstige verbeteringen in deze kernels zullen de absolute verticale nauwkeurigheid verder moeten verhogen. Daarnaast wordt voorgesteld om de pipeline uit te breiden met shape-from-shading technieken en diepe leer-methoden voor stereo-matching om de prestaties bij extreme convergentiehoeken te verbeteren.

Kortom, dit werk vult een cruciale kloof op in de planetaire cartografie door de potentieel van de Chandrayaan-2 OHRC-camera volledig te benutten binnen een transparante, reproduceerbare en open-source omgeving.