月面着陆器INS/CNS深组合导航方法

针对月面着陆器下降过程中的姿态快速调整需求，导航系统必须具备实时快速解算能力，而传统天文导航算法星图识别过程计算量大，占用了一定的硬件资源和能耗，限制了月面着陆器动态响应能力的提高。针对这一问题提出一种基于图像灰度误差的惯性/天文深度组合导航方法。该方法利用惯导辅助星敏感器构建灰度误差函数，根据灰度误差梯度优化姿态失准角，无需星图识别过程依旧可以完成对姿态的估计。仿真结果表明，在导航星数目不少于3颗时，该方法可在与惯性/天文松、紧组合姿态精度一致的前提下，将计算时间缩短60%，姿态精度维持在10″(非光轴)、50″(光轴)以内；在导航星数目小于3颗时，依旧可以进行导航解算，姿态精度维持在50″(非光轴)、100″(光轴)以内。将其应用于月面着陆器等实时性需求较高的背景中，有助于降低算法的计算量，节约硬件资源和系统功耗，为未来月面着陆器导航系统的设计提供新思路和理论参考。     

月面着陆多尺度边缘光流特征提取与跟踪方法

针对月面着陆器动力下降过程中，基于描述子的传统视觉特征提取和跟踪方法耗时长、误匹配率高等问题，提出一种采用边缘光流的多尺度特征提取与跟踪方法。首先通过构建序列图像金字塔和应用多级掩膜提取方法，改善了图像平面上特征点分布的均匀性；在此基础上，利用边缘直方图灰度差平方和(SSGD)滑窗搜索算法，将光流计算由二维迭代简化为一维匹配，大幅缩短了算法耗时；进一步利用多尺度边缘直方图迭代搜索算法在改善大尺度运动下特征跟踪鲁棒性的同时，将光流计算精度拓展至亚像素级。仿真结果表明，本方法计算耗时不超过描述子方法的50%，非大尺度运动下具有更高的稳定跟踪特征点数目，大尺度运动下相比描述子方法下降不超过15%，在跟踪效率和稳定性方面取得了较好的平衡。