一种基于星表特征直线匹配的着陆器位姿估计算法

针对深空探测星际着陆过程中的自主导航问题,提出一种基于星表特征直线的着陆器位姿估计算法。该算法首先采用EDLine算法对着陆过程中所拍摄的图像进行特征直线提取;其次根据直线局部特征对特征直线进行匹配;之后利用至少3对已匹配的特征直线,建立关于着陆器位姿的几何约束方程;然后根据奇异值分解法得到着陆器位姿的候选解;最终通过最小二乘法从候选解中选取着陆器位置、姿态的唯一解。仿真结果表明:该算法可以快速估计着陆器位姿,且在高度为2 000 m时位置误差小于2 m、姿态误差小于0.10°。     

一种基于多尺度边缘提取的陨石坑检测算法

针对星体表面的陨石坑可用于探测器的自主导航、障碍识别等任务,提出一种基于多尺度边缘提取的陨石坑检测算法。该算法首先利用高斯金字塔得到不同尺度的陨石坑图像;其次,针对不同尺度的陨石坑图像,利用EDPF边缘提取算法对陨石坑进行边缘提取,并连接关键边缘像素点为直线段来近似表示图像边缘;然后将具有相同偏转方向的边缘直线段连接成圆弧,并将有相似半径和中心的圆弧拟合成候选圆和椭圆;最后对候选圆、椭圆进行验证。该算法的优点在于,能够准确地检测出陨石坑,有较高的检测率,且对存在较多陨石坑的图像有较好的检测结果。     

利用数字高程模型自动检测火星表面陨石坑

为了克服利用影像识别陨石坑的诸多限制因素,利用"火星全球勘探者"(MGS)火星激光高度计(MOLA)得到的火星三维DEM数据,转换获得地形曲率,然后利用设定阈值将曲率图转换为二值图像,结合图像分割floodin算法可以得到待检测陨石坑,最后利用Hough变换可以检测出陨石坑。其成功率达到73.4%,可以有效地从DEM中识别陨石坑。利用DEM识别陨石坑的方法可以识别更多新的陨石坑,为现存的陨石坑目录提供新的数据信息。     

一种基于自动特征学习的陨石坑区域检测算法

基于陨石坑的视觉导航技术成为一种新颖的高精度空间探测自主导航方式，如何从导航图像中精确地提取陨石坑区域是实现基于陨石坑视觉导航的首要条件。针对这一问题，根据陨石坑导航图像特点，提出了一种基于自动特征学习的陨石坑区域检测算法。首先，基于最大稳定极值区域检测算法提取陨石坑候选区域；其次，利用卷积神经网络（CNN）自动学习提取候选区域的特征；最后，通过支持向量机（SVM）实现候选区域的精确分类，得到真实的陨石坑区域。大量的仿真实验表明:与传统的基于人工特征的陨石坑区域检测算法相比，提出的基于自动特征学习的陨石坑区域检测算法具有更高的检测精度和更好的鲁棒性，在通用火星表面陨石坑数据集上，所提算法的F₁度量指标较于传统算法高出8%，可以广泛地应用于基于陨石坑的视觉导航算法中的陨石坑区域提取，为基于陨石坑视觉导航算法提供精确的导航路标输入。      

陨石坑在中国

陨石坑是由小行星撞击地表形成的，其特点是在坑周围产生一圈环形山。在中国也有很多陨石坑，从卫星图片上看，中国最大的陨石坑要算是华北陨石坑了。这个陨石坑以山东泰山为中心，已经有数亿年的历史了。它的环形山已被风雨侵蚀得千沟万壑了，而坑体也已被顺流而下的黄土填平了。环形山的东半部分因大陆漂移而成为日本列岛。北京、开封都在这个陨石坑的边缘上。在华北陨石坑的北边，有一个不规则的陨石坑，现在已经看不出痕迹了。而在华北陨石坑的南边也有一个陨石坑，这个陨石坑在卫星图片上很明显。可以想像：数亿年以前，一颗很大的小行…     

基于先验子图检测的失效航天器SLAM方法

基于激光雷达的航天器位姿估计技术是当前在轨服务研究热点。针对失效航天器位姿估计,将通用的图优化SLAM技术应用到空间非合作目标的研究中。为解决SLAM算法在动态场景中产生累积误差问题,利用失效航天器自身运动特点,提出一种基于先验子图检测改进的SLAM算法。在该算法中,通过激光雷达和惯性测量单元分别采集失效航天器及周围环境的点云数据、服务航天器的运动信息,构建出服务场景下航天器的相对位姿图;再采用先验子图检测方法建立不连续的位姿节点间的约束关系;最后用约束信息对位姿图进行优化。仿真结果表明,相较于通用的SLAM算法的位姿估计,该方法减小了累积误差,提高了相对位姿估计精度,可以为后期的导航、控制等在轨任务提供信息。     

基于鲁棒曲线匹配的星表特征跟踪方法

针对星际着陆的特征跟踪及障碍识别过程,提出了一种基于尺度不变的曲线描述及匹配方法。该方法利用曲线邻域的梯度信息形成特征描述符,无需知道各点曲率或曲线之间的几何构型,且对旋转、缩放、视角变化及光照影响都具有较强的鲁棒性。仿真实验表明,该算法不仅能够对不同尺度的陨石坑、岩石边缘等障碍或自然陆标进行识别,而且能够实现边缘曲线特征的跟踪,误匹配率低。     

面向立方星的相对位姿测量视觉传感器设计

针对立方星在轨服务任务中的近距离相对导航问题，提出一种相对位姿测量视觉传感器设计。为应对空间复杂的光照条件，设计一种具有多层结构的立体靶标，选取波长为850nm的LED灯作为立体靶标的光源。在相机镜头处安装850nm的红外窄带滤镜以提高立体靶标成像质量。为提高视觉传感器的测量精度，提出一种迭代直接求解(iterative direct solution, IDS)的相对位姿估计算法。该算法直接利用立体靶标上的非共面点提供的深度信息获得初始相对位姿，然后引入Haralick迭代算法来优化初始测量结果。搭建六自由度实验平台对该视觉传感器进行性能测试。实验结果表明,该视觉传感器能克服背景光的干扰，且提出的 IDS相对位姿估计算法的精度优于经典的P3P算法和EPnP算法。     

基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation, TEASER)与迭代最近点(iterative closest point, ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节：在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation, SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明：在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.     

基于深度学习的大型陨石坑识别方法研究

陨石坑是天体表面最为显著的地形特征，传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究，且效率和精度均不高。以星体宏观视角下的大型陨石坑作为研究对象，结合图像处理和神经网络等方面的知识，创建了来自不同数据源的陨石坑样本数据库，研究了数据源对网络模型泛化能力的影响，提出了一种效率更高的陨石坑多分类识别方法。在非极大值抑制（NMS）算法基础上，提出了一种精度更高的陨石坑检测算法。经过参数优化和实验验证，构建的基于深度学习的多尺度多分类陨石坑自动识别网络框架取得了较高的准确率，在同源验证集上识别率可达0.985，在异源验证集上识别率可达0.863，并且有效改善了目标检测时检测框冗余及误检测的问题。      

Detection of sub-kilometer craters in high resolution planetary images using shape and texture features

Counting craters is a paramount tool of planetary analysis because it provides relative dating of planetary surfaces. Dating surfaces with high spatial resolution requires counting a very large number of small, sub-kilometer size craters. Exhaustive manual surveys of such craters over extensive regions are impractical, sparking interest in designing crater detection algorithms (CDAs). As a part of our effort to design a CDA, which is robust and practical for planetary research analysis, we propose a crater detection approach that utilizes both shape and texture features to identify efficiently sub-kilometer craters in high resolution panchromatic images. First, a mathematical morphology-based shape analysis is used to identify regions in an image that may contain craters; only those regions - crater candidates - are the subject of further processing. Second, image texture features in combination with the boosting ensemble supervised learning algorithm are used to accurately classify previously identified candidates into craters and non-craters. The design of the proposed CDA is described and its performance is evaluated using a high resolution image of Mars for which sub-kilometer craters have been manually identified. The overall detection rate of the proposed CDA is 81%, the branching factor is 0.14, and the overall quality factor is 72%. This performance is a significant improvement over the previous CDA based exclusively on the shape features. The combination of performance level and computational efficiency offered by this CDA makes it attractive for practical application.     

“嫦娥3号”月面探测器同波束干涉测量系统的设计与实现

为了提高"嫦娥3号"探测器(着陆器和巡视器)的相对定位精度,针对两器信标实际设置情况,设计了同波束干涉测量(same-beam interferometry,SBI)观测方案。利用着陆器和巡视器星地对接数据分析检验了由差分群时延解算含微小系统差的差分相时延的方法,给出了甚长基线干涉测量(very long baseline interferometry,VLBI)和同波束干涉测量模型及月面定位方法,并仿真分析了巡视器的相对定位精度。最终,把研究的方法实际应用于"嫦娥3号"巡视器的精密相对定位。结果表明,利用1h左右的连续观测弧段的着陆器数传信号以及巡视器数传信号(或遥测信号),采用事后处理方式,得到了随机误差约1ps的差分相时延数据。利用此数据,把"嫦娥3号"探测器的相对定位精度提高至1m左右。     

基于Lyapunov函数的小天体软着陆障碍规避控制方法

针对姿轨耦合型探测器控制方法存在工程实现难、计算效率低的问题,提出一种基于Lyapunov函数的小天体自主软着陆障碍规避控制方法。首先,建立了小天体着陆过程姿态和轨道的动力学模型;其次,考虑探测器当前的势能与障碍地形对探测器的威胁选取Lyapunov函数,并根据Lyapunov稳定性原理推导了推力器的开关控制逻辑,能够实现到达目标着陆点的同时进行障碍规避,且该过程不需事先设计参考模型。同时,该控制逻辑具有解析形式,能够实现实时障碍规避。仿真结果表明,该方法能够有效实现规避障碍且满足姿态稳定的要求。     

基于同波束干涉的空间三维相对位置测量研究

针对深空探测器相对位置精确测量需求,建立了空间三维相对位置测量模型,研究了基于单基线同波束干涉测量(Same-beam VLBI,SBI)的空间三维位置最小二乘解算方法。利用"嫦娥3号"着陆器的测控天线与定向天线的SBI实测数据,验证了测量模型与解算方法的有效性。结果显示:SBI干涉时延随机误差约0.225 ps(0.07 mm);测控天线与定向天线之间距离误差约0.216 m,方向误差约30.4°。该研究结果有望应用于后续深空探测任务譬如"嫦娥5号"器间高精度相对测量中。     

月球着陆器悬停阶段相对自主导航方法

月球着陆器着陆阶段导航信息分析是实现安全软着陆月面的一个关键.针对悬停阶段导航信息的要求,根据月球着陆器携带的仪器设备及其获取月面信息的特点,利用激光测距仪和光学导航相机进行光学相对导航.首先建立相对导航坐标系;其次根据各个坐标系之间的关系确定各转换矩阵和导航信息,估算着陆器相对月面着陆点的位置和姿态;最后通过仿真实验对该方法进行验证.结果表明,将激光测距仪和光学导航相机在着陆悬停阶段获取的月面信息进行融合,能快速、精确进行相对位置、姿态计算;对我国下一步的探月有重要应用价值,并可应用于火星探测和其他小行星探测的软着陆的近距相对导航.      

一种面向空间飞行器视觉导航的椭圆检测算法

基于椭圆特征的空间飞行器视觉导航技术是一种新颖的高精度空间探测自主导航方法,如何对空间目标的环形边缘进行精准提取和高效拟合是实现空间飞行器视觉导航的必要条件。针对该问题,提出一种面向空间飞行器视觉导航的椭圆检测算法。利用多项式逼近导航图像连续边缘段的方式提取椭圆弧段;通过基于极大似然假设检验理论构建的模型选择判据,对来自同一个椭圆的椭圆弧段进行准确合并;对合并后的椭圆弧段进行拟合,得到空间飞行器视觉导航的椭圆检测结果。大量的仿真实验表明：与传统的椭圆检测算法相比,所提算法具有较高的精度和更高的鲁棒性,可以广泛应用于空间飞行器视觉导航图像椭圆检测,为空间飞行器视觉导航算法提供精准的二次曲线输入。     

一种空间视觉测量子系统用半导体 激光器驱动电路设计

针对面阵静态红外地球敏感器的现场标定,提出基于规则小孔平面靶标的现场标定方法.将小孔平面靶标固定放置于面源黑体前方,在光学视场测量空间内,多次调整红外地球敏感器的摆放位置,以采集多幅不同位置、不同角度的红外靶标光点图像.使用等高层最小二乘椭圆拟合方法精确提取靶标红外光点的中心坐标,获得特征点信息.利用红外靶标图像和图像特征点计算面阵静态红外地球敏感器光学系统的焦距和主点坐标.试验结果表明,该标定方法简单灵活有效,便于调试现场操作.目前,该方法已在面阵静态红外地球敏感器研究中得到应用.     

Bayesian network-based extraction of lunar impact craters from optical images and DEM data

Impact craters are among the most noticeable geomorphological features on the planetary surface and yield significant information about terrain evolution and the history of the solar system. Thus, the recognition of impact craters is an important branch of modern planetary studies. Aiming at addressing problems associated with the insufficient and inaccurate detection of lunar impact craters, a decision fusion method within the Bayesian network (BN) framework is developed in this paper to handle multi-source information from both optical images and associated digital elevation model (DEM) data. First, we implement the edge-based method for efficiently searching crater candidates which are the image patches that can potentially contain impact craters. Secondly, the multi-source representations of an impact crater derived from both optical images and DEM data are proposed and constructed to quantitatively describe the two-dimensional (2D) and three-dimensional (3D) morphology, consisting of Histogram of Oriented Gradient (HOG), Histogram of Multi-scale Slope (HMS) and Histogram of Multi-scale Aspect (HMA). Finally, a BN-based framework integrates the multi-source representations of impact craters, which can provide reductant and complementary information, for distinguishing craters from non-craters. To evaluate the effectiveness and robustness of the proposed method, experiments were conducted on three lunar scenes using both orthoimages from the Lunar Reconnaissance Orbiter (LRO) and DEM data acquired by the Lunar Orbiter Laser Altimeter (LOLA). Experimental results demonstrate that integrating optical images with DEM data significantly decreases the number of false positives compared with using optical images alone, with F₁-score of 84.8% on average. Moreover, compared with other existing fusion methods, our proposed method was quite advantageous especially for the detection of small-scale craters with diameters less than 1000 m.