Применение нейросетевого алгоритма для автоматической оценки качества и обеспечения точности геопривязки данных Кондор-ФКА

В работе рассматривается подход к автоматической оценке и обеспечению качества геореференцирования данных космического аппарата (КА) «Кондор-ФКА» на основе сопоставления с эталонными опорными данными. Такого рода подход широко применяется для контроля данных оптико-электронных съёмочных систем дистанционного зондирования Земли, например (Васильев, Соколов, 2025). В качестве эталонных данных в настоящей работе рассматриваются радиолокационные данные КА Sentinel 1B, приведённые к единому опорному изображению территории РФ. Демонстрируются технологические особенности формирования такого покрытия, в том числе с учётом автоматического построения линий порезов. Для сопоставления изображения «Кондор-ФКА» с опорным покрытием применяется методика, приведённая в (Васильев, Соколов, 2025), для которой в качестве детектора характерных точек применяется нейросетевой алгоритм D2-Net (Dusmanu et al., 2019). В докладе приводятся результаты работы нейросетевого алгоритма в сравнении с другими методами сопоставления библиотеки OpenCV, показано преимущество данного подхода в количестве потенциальных пар соответствий. По результатам обработки выборки снимков (более 100) КА «Кондор-ФКА» демонстрируется применимость аффинной поправки для компенсации систематического смещения: с учётом поправки показатель CE (circular error) составляет 60 м, без учета – 158 м. В заключении отмечаются перспективы внедрения разработанной технологии.