火星著陸地形信息融合分析技術(shù)

付麗璋 吳世通 王海濤

(北京空間機(jī)電研究所,北京100076)

1 引言

目前,美國主要是通過分析火星軌道探測(cè)器發(fā)回的火星表面圖像,綜合考慮工程和科學(xué)標(biāo)準(zhǔn),來預(yù)先選定著陸器的著陸點(diǎn)。由于目前的火星探測(cè)著陸器無自主機(jī)動(dòng)的能力、著陸精度的要求也不高,所以一般選擇平坦的火星表面作為著陸點(diǎn)。隨著火星探測(cè)技術(shù)的發(fā)展,特別是滿足將來在地形復(fù)雜區(qū)域進(jìn)行科學(xué)研究和取樣的需求,這就要求著陸器具有對(duì)地形進(jìn)行實(shí)時(shí)探測(cè)和分析的能力。

通過分析與著陸安全有關(guān)的實(shí)際工程指標(biāo),在著陸過程中所需提取的與著陸安全有關(guān)的地形特性信息主要有:1)粗糙度:在粗糙的火星表面著陸,可能會(huì)導(dǎo)致其著陸支架的折斷。2)坡度:坡度大于所要求的角度時(shí),會(huì)導(dǎo)致著陸器不能穩(wěn)定著陸甚至著陸器傾覆。3)其他危險(xiǎn)物:如石頭、隕石坑等。在石頭密集或隕石坑坡度較大的區(qū)域著陸,也有可能造成任務(wù)的失敗[1]。

為了分析著陸點(diǎn)地形是否適合著陸,必須獲得著陸點(diǎn)的原始地形數(shù)據(jù),現(xiàn)在主要用無源敏感器(CCD/CMOS相機(jī))或有源敏感器(激光雷達(dá)和普通雷達(dá))來獲取。無源敏感器是通過可視成像的方法獲得地形粗糙度、石頭和隕石坑等地形特性信息;而有源敏感器是通過其獲取的地形數(shù)據(jù)來擬合本地平面,從而獲得地形表面的坡度和粗糙度信息。針對(duì)單敏感器的地形安全分析,已經(jīng)得到了很多研究,并得到了應(yīng)用。但是由于單敏感器地形安全性分析系統(tǒng)存在以下缺點(diǎn):1)它不能夠全面的獲取地形特性信息;2)單敏感器環(huán)境適應(yīng)性差,例如,相機(jī)只能在光照好的條件下使用[1]。因此,美國提出了新的基于多敏感器的地形信息融合分析技術(shù),即證據(jù)推理地形信息融合分析技術(shù)和模糊推理地形信息融合分析技術(shù),來獲取著陸區(qū)域的地形安全性評(píng)分,從而實(shí)時(shí)選擇著陸點(diǎn)。本文詳細(xì)介紹了幾種常用地形探測(cè)敏感器及其提取地形特性信息的方法,并在多敏感器獲得的地形特性信息基礎(chǔ)上,介紹了兩種基于多敏感器地形信息融合分析技術(shù)的基本原理。

2 著陸地形敏感器

目前,在火星著陸器的著陸方案設(shè)計(jì)中,主要用無源敏感器和有源敏感器進(jìn)行地形探測(cè):

1)無源敏感器,即CCD/CMOS相機(jī)通過火星反射太陽光被動(dòng)成像,然后利用圖像處理和圖像特征提取等技術(shù)從圖像中提取特征信息,實(shí)現(xiàn)危險(xiǎn)區(qū)的識(shí)別[2]。它能探測(cè)整個(gè)地形表面特征并且精度高,但是對(duì)光照的要求高。

2)有源敏感器,即通過比較測(cè)量波束發(fā)射和返回的時(shí)間,計(jì)算著陸區(qū)相對(duì)著陸器距離,然后按一定的掃描模式掃描整個(gè)目標(biāo)區(qū)域,生成目標(biāo)區(qū)域特定分辨率的3D圖像或高程圖,從而來識(shí)別危險(xiǎn)區(qū)。相對(duì)無源敏感器,有源敏感器不受光照的影響,是其最主要的優(yōu)勢(shì)之一。另外,不同的有源敏感器也有各自不同的地形探測(cè)特點(diǎn):普通雷達(dá)工作高度高,能夠識(shí)別大的地形危險(xiǎn)(如懸崖等)和地形起伏總體趨勢(shì);激光雷達(dá)比普通雷達(dá)工作高度要低,但是精度很高,尤其較低高度時(shí),它能夠探測(cè)如石頭等較小的危險(xiǎn)物[3]。

目前,針對(duì)敏感器的工作特性,將其分為以下工作組合[4]:

1)10～8km高度,只有普通雷達(dá)工作;

2)8～1km高度,普通雷達(dá)和相機(jī)共同工作;

3)1～0km高度,所有的敏感器共同工作。

安全著陸是火星探測(cè)任務(wù)最重要的因素之一,多敏感器的應(yīng)用,可以增強(qiáng)地形探測(cè)的魯棒性,并且不同敏感器其探測(cè)特性可以優(yōu)勢(shì)互補(bǔ),能夠更全面的獲取與著陸安全有關(guān)的地形特性信息。

3 地形特性信息提取

敏感器獲得的原始地形數(shù)據(jù),必須經(jīng)過處理后,得到隕石坑、石頭、地形粗糙度等地形特性信息,才能進(jìn)行后續(xù)的分析和處理。表1是提取的地形特性信息分類[4-5]。

表1 不同高度提取的地形特性信息分類

3.1 地形坡度

1)普通雷達(dá)獲取的地形坡度,即通過對(duì)普通雷達(dá)測(cè)量數(shù)據(jù)進(jìn)行平面擬合來估計(jì)地形傾斜度,其擬合平面的坡度近似認(rèn)為是地形網(wǎng)格單元的坡度。普通雷達(dá)坡度特性提取公式為

式中r(x,y)表示普通雷達(dá)獲得的某網(wǎng)格單元(x,y)的原始測(cè)量數(shù)據(jù)。

2)激光雷達(dá)獲取的地形坡度,即擬合平面z=a′x+b′y+c′,通過最小中值平方回歸方法來尋找最佳擬合參數(shù) a′,b′,c′。網(wǎng)格單元的坡度表達(dá)式如下

3.2 地形粗糙度

1)相機(jī)獲取的地形粗糙度,即用每個(gè)像元的灰度變化來表示地形粗糙度[6]

式中W表示相機(jī)拍攝范圍內(nèi)的某個(gè)子區(qū)域;c(i,j)是子區(qū)域W內(nèi)的像素灰度;｜W｜表示W(wǎng)內(nèi)的像元數(shù)目;表示子區(qū)域內(nèi)的平均灰度。像元的灰度變化能夠在一定程度上反映地形的變化狀況。

2)激光雷達(dá)獲取的地形粗糙度,即由最佳擬合平面對(duì)應(yīng)的擬合值和激光雷達(dá)實(shí)測(cè)值之間偏差的絕對(duì)值表示

式中l(wèi)(x,y)表示激光雷達(dá)獲得的某網(wǎng)格單元(x,y)的原始測(cè)量數(shù)據(jù)。

3)普通雷達(dá)獲取的地形粗糙度,即其實(shí)測(cè)值r(x,y)和平均測(cè)量值之差,表示其粗糙度特性,其公式如下

著陸器著陸支架高度對(duì)地形粗糙度有要求,當(dāng)支架高度低于地形高度時(shí),很可能發(fā)生著陸器傾覆或損壞的情況。

3.3 相機(jī)獲取的隕石坑信息

根據(jù)文獻(xiàn)[2]和[3],隕石坑用布爾數(shù)表示。并在算法中,把隕石的邊界擬合為橢圓形邊界。布爾地圖表示的隕石坑由式(6)所示[7]

式中x和y表示坐標(biāo)內(nèi)的點(diǎn)坐標(biāo),a和b分別表示橢圓的長(zhǎng)短軸。

3.4 相機(jī)獲取的石頭或其他危險(xiǎn)物信息

與隕石坑相同,用布爾數(shù)來表示石頭在某地形網(wǎng)格單元的出現(xiàn)

式中R表示圖像中石頭點(diǎn)的一系列像素位置。

4 地形信息融合分析技術(shù)

地形信息融合分析技術(shù)主要是多敏感器獲得的信息融合而不是多敏感器獲得的數(shù)據(jù)融合,是指采集由敏感器獲得的有用的信息,然后將這些信息處理,以一種新的簡(jiǎn)單的數(shù)字形式表現(xiàn)出來,以便于決策處理。以本文所述的地形信息融合分析技術(shù)來說,就是把地形粗糙度、坡度等提取的地形特性信息作為地形融合分析推理器的輸入,經(jīng)過融合處理后得到安全評(píng)分 s(x,y),其中(x,y)表示地形網(wǎng)格單元坐標(biāo),s(x,y)∈[0,1],0表示最危險(xiǎn),1表示最安全。

4.1 證據(jù)推理地形信息融合分析技術(shù)

證據(jù)推理地形信息融合分析技術(shù),就是根據(jù)登普斯-沙夫茨理論[8],結(jié)合各敏感器地形特性信息和其信息的可靠性,分別獲得不同的地形安全性評(píng)分,然后再結(jié)合任意兩個(gè)地形安全性評(píng)分,對(duì)它們反復(fù)應(yīng)用登普斯融合規(guī)則,得到最終的地形安全性評(píng)分值。其中,根據(jù)各敏感器的原始數(shù)據(jù),地形安全分類集合C為{不安全(unsafe)、安全(safe)和未知(unknow)}[5]。其具體過程為:

首先根據(jù)登普斯規(guī)則結(jié)合提取的地形特性信息得到普通雷達(dá)、相機(jī)和激光雷達(dá)的地形在不同地形分類情況下的地形安全性評(píng)分。以相機(jī)為例,相機(jī)提取的隕石坑和石頭等危險(xiǎn)物信息 f6、f7,其中屬于unsafe分類的地形安全性評(píng)分為Pc(Ck)=max{f6,f7},屬于safe分類的地形安全性評(píng)分為Pc(Cn)=1-Pc(Ck)。同理,普通雷達(dá)和激光雷達(dá)地形安全性評(píng)分Pr、Pl也可以根據(jù)實(shí)際要求同理獲得。

然后,對(duì)每?jī)蓚€(gè)敏感器的安全評(píng)分進(jìn)行融合得到任意兩敏感器的安全評(píng)分,如式(8)所示:

式中k、n分別表示不同敏感器的編號(hào),k,n為c,l或r,分別表示相機(jī)、普通雷達(dá)和激光雷達(dá),Ck和Cn分別表示k敏感器、n敏感器的地形安全性分類,mkn表示任意兩敏感器安全評(píng)分融合得到的總的安全評(píng)分,并且mkn(unknow)=1-mkn(safe)-mkn(unsafe)。

最后,某網(wǎng)格單元的最終安全評(píng)分如式(9)計(jì)算得到:

式中mRCL(C=safe)和mRCL(C=unsafe)分別表示某網(wǎng)格單元屬于安全分類的總的評(píng)分與屬于不安全分類的總的評(píng)分。

4.2 模糊推理地形信息融合分析技術(shù)

模糊推理地形信息融合技術(shù),是將相機(jī)提取的粗糙度和危險(xiǎn)物信息、激光雷達(dá)和普通雷達(dá)提取的地形粗糙度和坡度信息分別作為各自的模糊推理器的輸入,經(jīng)模糊化后,轉(zhuǎn)換為模糊語言分類變量,然后再通過模糊規(guī)則推理和解模糊分別獲得各自的地形安全性評(píng)分值。最后融合敏感器安全判斷數(shù)據(jù)的確定性和各敏感器的安全評(píng)分獲得著陸點(diǎn)最終的安全評(píng)分。圖1是模糊著陸地形分析方塊圖。

圖1 模糊著陸地形分析方塊圖

相機(jī)地形安全性模糊規(guī)則如表2所示。表2中的“危險(xiǎn)”表示隕石坑、石頭等危險(xiǎn)物,其模糊語言分類為{PRESENT,ABSENT},當(dāng)危險(xiǎn)物模糊語言分類為PRESENT時(shí),則根據(jù)表2中所示的模糊規(guī)則,自主判斷地形安全性為HUNSAFE。否則結(jié)合地形的粗糙度共同判斷地形安全性情況,其中“粗糙度”的模糊語言分類為{VROUGH,ROUGH,SMOOTH,VSMOOTH}。同理,普通雷達(dá)和激光雷達(dá)提取的粗糙度和坡度,結(jié)合模糊規(guī)則,共同判斷地形的安全性,其模糊規(guī)則如表3示[9]。其中,表2和表3中的and與or符號(hào)是模糊規(guī)則連接詞。另外,模糊語言分類是由科研人員根據(jù)實(shí)際的工程要求來確定。

表2 相機(jī)地形安全性模糊規(guī)則

表3 普通雷達(dá)與激光雷達(dá)地形安全性模糊規(guī)則

在得到基于相機(jī)、普通雷達(dá)和激光雷達(dá)原始地形數(shù)據(jù)的地形安全性模糊語言判斷后,通過解模糊分別獲得相機(jī)的安全評(píng)分sc(x,y)、普通雷達(dá)的安全評(píng)分sr(x,y)和激光雷達(dá)的安全評(píng)分sl(x,y)。因?yàn)樵谥戇^程中,不同敏感器的測(cè)量數(shù)據(jù)的可靠程度不同,所以最終的安全性融合還需要考慮各自的地形安全性分析評(píng)分的確定性。表4和表5分別給出了普通雷達(dá)、激光雷達(dá)和相機(jī)數(shù)據(jù)確定性的模糊規(guī)則[1]?；谶@些規(guī)則,經(jīng)過推理和解模糊分別獲得相機(jī)數(shù)據(jù)的確定性βc(x,y)、普通雷達(dá)數(shù)據(jù)的確定性 βr(x,y)和激光雷達(dá)數(shù)據(jù)的確定性β1(x,y)。

表4 普通雷達(dá)與激光雷達(dá)數(shù)據(jù)確定性模糊規(guī)則

表5 相機(jī)數(shù)據(jù)確定性模糊規(guī)則

最后融合各敏感器地形數(shù)據(jù)的確定性和地形安全性評(píng)分得到最終的地形安全性評(píng)分,如式(10)[2]:

其中 βr(x,y)+βc(x,y)+βl(x,y)=1。

5 結(jié)束語

本文根據(jù)火星著陸實(shí)時(shí)地形探測(cè)的特點(diǎn),介紹了兩種基于多敏感器的地形安全性信息融合分析技術(shù)。這些技術(shù)都具有信息處理速度快、能夠處理不精確數(shù)據(jù)等優(yōu)點(diǎn),能夠適用于火星軟著陸段安全著陸區(qū)的識(shí)別。

與上述介紹的第一種融合分析技術(shù)相比較而言,模糊地形安全性信息融合技術(shù)不依賴于預(yù)先得到的實(shí)驗(yàn)數(shù)據(jù);能夠基于人類專家知識(shí),模擬其推理和判斷過程;此外,它還能夠方便的添加影響著陸點(diǎn)選擇的其它因素,如燃料和科研人員的興趣,作為著陸點(diǎn)選擇的參考因素。所以它將成為未來著陸地形安全性分析技術(shù)的一個(gè)發(fā)展趨勢(shì)。目前美國的JPL將模糊地形分類器應(yīng)用于商業(yè)用途的“先鋒號(hào)”探測(cè)車上,并基于類似的地形分析技術(shù),實(shí)現(xiàn)了在著陸動(dòng)力學(xué)仿真環(huán)境下的驗(yàn)證[3]。

[1]Howard A,SerajiH.Multi-sensor terrain classification for safety spacecraft landing[J].IEEETransactions onAerospace and Electronic Systems,2004,40(4):1122-1131.

[2]Bajracharya M.Single image based hazard detectionfor a planetary lander[C].In Proceedings of the WorldAutomation Congress,Orlando,FL,2002.

[3]KlumppA,Collier A J.A lidar-based hazard avoidance for safe landing on Mars[C].AAS/AIAA Space Flight Mechanics Meeting,Santa Barbara,CA,2001.

[4]Serrano N,Seraji H.Landing site selection using fuzzy rule-based reasoning[C].IEEE International Conference on Robotics and Automation,Italy,2007.

[5]Serrano N,Quivers A,Bajracharya M,et al.Evidential terrain safety assessment for an autonomous planetary lander[C].International Symposium on Artificial Intelligent,Robotics and Automation in Space,LA,CA,2008.

[6]Cheng Y,JohnsonA.A Passive imaging based hazard avoidance for spacecraft safe landing[C].i-SAIRAS,Montreal,Canada,2001.

[7]Huertas A,Cheng Y,Madison R.Passive imaging based multi-cue hazard detection for spacecraft safe landing[C].IEEE Aerospace Conference,Big Sky,MT,2006.

[8]Shafer G.A mathematical theory of evidence[M].Princeton University Press,1976.

[9]Seraji H.Safety measures for terrain classification and safest site selection[J].Autonomous Robot,2006,21(3):211-225.