Tracasa Instrumental, referente en superresolución de imágenes de satélites Sentinel en un simposio internacional de la Agencia Espacial Europea

Vídeo «SENX4: Spearheading Superresolution», en el que participan Carlos Aranda, responsable de I+D+i de Tracasa Instrumental, Pablo Vega y Rubén Sesma, del equipo de Innovación de la empresa.

Tracasa Instrumental, empresa pública del Gobierno de Navarra, expondrá la semana que viene, en el marco de la Phi-Week de la Agencia Espacial Europea (ESA, por sus siglas en inglés), su tecnología habilitadora SENX4, con la que consigue multiplicar por cuatro la resolución de las imágenes de satélites Sentinel con técnicas de deep learning.

El equipo de I+D+i de Tracasa Instrumental, que estará representado en esta cita por Pablo Vega Ezquieta, incidirá en “el salto de calidad” que aporta la aplicación de SENX4 a la hora de generar mapas de diferentes temáticas como medioambiente, política agraria, atención de emergencias o seguridad. En este encuentro, Tracasa Instrumental presentará el vídeo “SENX4: Spearheading Superresolution”, ya disponible en el canal oficial del simposio en Youtube.

“Los satélites Sentinel de la ESA –explica Vega– ofrecen imágenes multiespectrales con una resolución espacial de 10 metros por pixel, lo que está bien para su objetivo inicial, pero limita otros usos potenciales. En Tracasa, con nuestro modelo SENX4 hemos logrado mejorar la resolución de las bandas RGB y NIR (que permiten interpretar las imágenes de satélite), pasando de los 10 metros por pixel a los 2,5 metros por pixel. Es un salto de calidad para generar mapas con imágenes de mayor resolución”.

Para alcanzar este resultado y llegar a exponer este avance en el simposio internacional de la ESA, la empresa navarra ha apostado por trabajar en el ámbito de la inteligencia artificial y ha empleado técnicas de deep learning en el entorno de la teledetección. “Estas técnicas utilizan algoritmos de aprendizaje profundo para imitar y mejorar la capacidad humana en el procesamiento y reconocimiento de patrones en imágenes. Nuestro modelo utiliza inteligencia artificial para aprender los patrones de los datos y conseguir una imagen lo más real posible”, detalla Vega. En este sentido, las imágenes obtenidas con SENX4 ofrecen una mejora sustancial respecto a las imágenes obtenidas hasta el momento con modelos tradicionales de interpolación, consiguiendo unas imágenes más definidas, claras y ajustadas a la realidad.

Imagen del vídeo «SENX4: Spearheading Superresolution», en la que se aprecia la captura de imágenes de los satélites Sentinel.

“Para Tracasa Instrumental, como empresa pública enfocada al 100% en la innovación, es una excelente noticia ocupar una posición de referencia en la superresolución de imágenes de satélite Sentinel en una cita internacional de este calibre, y poder mostrar la aplicación que esta tecnología puede tener en la generación de mapas en temáticas especialmente valoradas en la Unión Europea como el medioambiente, la política agraria, la atención de emergencias o la seguridad”, expresa Mar González Paredes, directora gerente de Tracasa Instrumental.

Premio en inteligencia artificial

La presencia de Tracasa Instrumental en la Phi-Week de la ESA, que se desarrollará de forma telemática del 11 al 15 de octubre, no es la primera noticia que deja en clave positiva la labor de la empresa pública en materia de innovación. Este mismo año, Tracasa Instrumental ha sido premiada, entre 108 equipos participantes de todo el mundo, en una competición internacional de inteligencia artificial organizada por la plataforma AI4EO, dependiente de la ESA.

Este año, tal y como explica la propia Agencia Espacial Europea, la Phi-Week cumple su cuarta edición y centrará su mirada en cómo “acelerar el futuro de la observación de la Tierra”, presentando los desarrollos recientes en Open Science y las últimas tendencias en los mercados de observación, y explorando ideas transformadoras que la división de Aplicaciones de Datos y Laboratorio de la ESA apoya y escala junto con investigadores, start-ups, industria e inversores privados.

SEN2ROAD: LAS CARRETERAS TAMBIÉN SE VEN DESDE SENTINEL

¿QUÉ BUSCA SEN2ROAD?

A día de hoy existe mucha información cartográfica digitalizada de diferentes elementos creados artificialmente, en especial de vías de comunicación y carreteras.

En los países más desarrollados las vías de ciudades de un tamaño considerable están muy bien cartografiadas a través de servicios globales de compañías o iniciativas como OSM (Open Street Map). En este sentido, la calidad o existencia de estas capas de vías va empeorando conforme el tamaño de la ciudad va disminuyendo o la ubicación de la misma se sitúa en países en vías de desarrollo y con recursos limitados.

A todo esto hay que añadir que estas capas de información son actualizadas a ritmos muy diferentes, dependiendo de la geolocalización en la que se encuentran. En continentes como África, por ejemplo, la información cartográfica es muy pobre o está desactualizada, lo que genera un desconocimiento y descontrol en ámbitos como la movilidad y los servicios públicos.

NUESTRA PROPUESTA

En Tracasa hemos afrontado el reto de conseguir una extracción de carreteras y vías a partir de imágenes procedentes de las constelaciones de satélites Sentinel. Como es conocido, la resolución espacial de las imágenes de Sentinel-2A rondan los 10 metros, en muchos casos insuficientes para una correcta segmentación del terreno. Por eso hemos tenido que apoyarnos en nuestro modelo de superresolución SENX4 para mejorar las imágenes y obtener una segmentación más precisa.

Con el avance de nuestro modelo SEN2ROAD de segmentación de vías y carreteras se abre un amplio abanico de posibles usos:

  • Rapid Mapping. Disponer de una cartografía rápida de vías para su utilización
  • Planificación logística y de movilidad
  • Respuesta ante desastres de cualquier índole
  • Análisis de desarrollo urbanístico y huella de carbono
  • Creación y actualización de cartografía 

¿QUÉ OFRECE SEN2ROAD?

Las imágenes de satélite son un recurso de valor incalculable para cualquier objetivo de teledetección y de segmentación del territorio. Hoy por hoy, la disponibilidad de modelos de segmentación de vías que funcionen aceptablemente es muy dependiente de la resolución espacial de las imágenes de satélite que se utilicen. Generalmente, para estos casos se utilizan imágenes con una resolución de 2,5 metros o inferior, y que suponen un coste elevado.

Tracasa, con ayuda de su modelo de superresolución de SENX4, está haciendo posible que imágenes de acceso libre como las procedentes de las misiones Sentinel puedan ser utilizadas para este tipo de trabajos, reduciendo enormemente el coste y posibilitando el acceso a estos servicios a más empresas, instituciones y particulares.

SEN2ROAD es nuestro modelo de segmentación de vías y carreteras a partir de imágenes Sentinel, generalmente urbanas y carreteras, de cualquier ubicación a nivel mundial. Es un modelo que utiliza la tecnología de IA más vanguardista, para conseguir un resultado más que aceptable dada la dificultad que supone este tipo de segmentación a través de imágenes Sentinel.

Segmentación de vías en la ciudad de Barcelona, con la avenida Diagonal en el centro de la imagen.
Barcelona, en una vista aérea, con todo su término municipal con segmentación de vías.
Segmentación de vías y carreteras de la ciudad de Huesca, en Aragón.

VALORANDO EL RETO CONSEGUIDO

Para interpretar correctamente los resultados de nuestro modelo hemos empleado las métricas de uso más extendido en la valoración de modelos de segmentación en el ámbito del deep learning. Como se puede apreciar en la siguiente tabla, SEN2ROAD ya ha llegado a conseguir métricas cercanas a 0.86 en PPV y de 0.72 en mIoU, algo hasta ahora impensable para modelos de segmentación de vías con imágenes Sentinel.

Imagen de Bilbao con segmentación de vías.
Sevilla, en imagen aérea, con segmentación de vías y carreteras.

AÑADIENDO MÁS VALOR: SEG2VECTOR

La segmentación de vías y carreteras a nivel de pixel en la escena tiene un gran valor de representatividad espacial, pero es insuficiente si se quiere utilizar para la toma de decisiones en el ámbito de la planificación, las comunicaciones y la movilidad.

Con la idea de aprovechar al máximo la información segmentada a través de nuestro modelo SEN2ROAD, hemos seguido avanzando con nuestra propuesta de vectorización optimizada de rásters.

A través de nuestra librería de algoritmos SEG2VECTOR conseguimos vectorizar la información ráster de las vías y carreteras de una forma extremadamente optimizada. Así hemos obtenido un formato Shape con toda la información estructurada de las carreteras. Este tipo de información vectorial ya permite la simulación de redes de comunicaciones y estudios posteriores acordes a criterios de movilidad.

CASOS DE USO

Estudio de desarrollo urbanístico

La población mundial sigue creciendo inexorablemente y la concentración de la misma en los grandes centros urbanos produce un efecto negativo en el medioambiente. Este crecimiento puede tener un impacto muy negativo en caso de que no se haga manteniendo rigurosos controles de eficiencia energética.

La generación de un índice de desarrollo urbanístico hípertemporal nos permite establecer, basado en técnicas de teledetección, el patrón de crecimiento de las ciudades y estudiar su impacto energético y medioambiental. En este sentido, se pone en manos de la administración una valiosa herramienta para el estudio de la movilidad ciudadana.

Tesla Gigafactory, en Berlin-Brandenburg (Alemania).

Movilidad y cálculo de rutas alternativas

En muchos supuestos de movilidad reducida producida por la incidencia de catástrofes medioambientales de origen natural, es de suma importancia contar con una cartografía rápida de las vías para poder establecer rutas alternativas.

Cálculo de ruta dentro de la red de nodos y segmentos vectorizados.

Mantener una cartografía lo más actualizada posible proporciona una capa de información muy valiosa a la hora de cubrir las necesidades de movilidad en zonas que quizás no tienen ni la infraestructura ni los medios suficientes como para solucionar los efectos producidos por una catástrofe.