空间探测器着陆过程中的机器视觉关键技术研究

【摘要】：实现探测器在月球、火星等星球表面着陆是当今各国在深空探测领域的主要目标之一。在探测器着陆过程中,由于无法对其进行实时远程控制,因此必须为其开发具有环境感知、障碍检测、着陆场搜索、路径规划和自主运动控制等能力的导航、制导与控制系统。机器视觉为这一系统的建立提供了一个好的发展方向。本文主要针对应用于探测器着陆导航、制导与控制系统中的机器视觉算法开展研究。 首先,根据机器视觉在探测器着陆导航、制导与控制系统中承担的主要任务——障碍检测与运动参数估计,设计了一套将机器视觉应用于着陆过程的技术方案;在此基础上,分析了机器视觉的工作时间段和任务目标等,研究了机器视觉的工作流程;根据障碍物的尺寸和分布,将障碍检测分为四个阶段:平整度计算、陨石坑检测、岩石检测和斜坡坡度估计;研究了一种基于多尺度窗口区域内灰度变化标准差的平整度计算方法,实验表明这一方法可以有效完成预定着陆区域的确定。 其次,提出了一种陨石坑检测算法。根据预定着陆区域和陨石坑灰度图像的特点,提出了首先进行陨石坑候选区域确定,用以完成对陨石坑区域的初选,缩小陨石坑检测的范围;根据陨石坑具有亮、暗边缘的特点,改进了用于陨石坑边缘拟合的弦中点Hough变换,有效减少了计算冗余;将该方法和Bandeira边缘检测结合完成陨石坑区域初提取;分别利用模板匹配、Census变换、不变矩和支持向量机构建模式分类器判断提取出的区域是否包含陨石坑;利用实景图像验证了该算法的有效性。 再次,提出了一种岩石检测算法。利用改进的二维最大熵阈值分割完成岩石阴影检测;在此基础上,根据星球表面包络模型、光线照射偏角以及光线入射角,研究了确定岩石区域的方法,该方法避免了阴影区域边缘的椭圆拟合,降低了算法的复杂度;利用实景图像验证了该算法可以有效地确定岩石区域。 然后,研究了基于特征点跟踪的运动参数估计。在SIFT特征点检测的基础上,利用RANSAC方法完成特征点跟踪、估计基础矩阵F,进而获得本质矩阵E,完成运动参数的线性估计,以线性估值为初值对运动参数进行非线性迭代;仿真实验证明该方法具有一定的抗噪性。提出了一种基于本质矩阵E的性质的斜坡坡度估计算法,用于确定水平区域,得到最终着陆点。利用平面诱导单应H和本质矩阵E的性质,计算诱导平面法向量,进而获得两平面夹角并完成斜坡估计;仿真实验验证了相关方法在理论上的正确性,实验室环境下的模拟实验验证了其可行性。 最后,根据障碍检测得到的表示陨石坑、岩石区域的障碍圆,研究了基于障碍圆的着陆区域确定方法,仿真实验验证了该方法的正确性。提出了一种斜坡坡度估计得到的两平面夹角计算最大联通平面,进而获取水平面的方法,将其与利用整幅图像特征点对应确定水平面的方法相比,在仿真实验中针对探测器着陆较为平坦的地形,本文提出的方法确定的水平面较为准确,实验室环境下的模拟实验验证了这一方法的可行性。利用得到的预定着陆点,和运动参数估计得到的探测器与着陆点的相对位置及两帧间的平均速度,介绍了一种以加速度为控制量的着陆路径规划方法。