行星無(wú)人探測(cè)車地形重構(gòu)技術(shù)綜述*

王曉巖，劉建軍，張吳明，任　鑫，王文睿

(1. 北京師范大學(xué)，北京　100875：2. 中國(guó)科學(xué)院月球與深空探測(cè)重點(diǎn)實(shí)驗(yàn)室，北京　100012)

?

行星無(wú)人探測(cè)車地形重構(gòu)技術(shù)綜述*

王曉巖1,2，劉建軍2，張吳明1，任鑫2，王文睿2

(1. 北京師范大學(xué)，北京100875：2. 中國(guó)科學(xué)院月球與深空探測(cè)重點(diǎn)實(shí)驗(yàn)室，北京100012)

多個(gè)行星探測(cè)車已在月球和火星表面成功漫游，高分辨率、高精度的行星表面地形數(shù)據(jù)是行星無(wú)人探測(cè)車在行星表面行進(jìn)和科學(xué)探測(cè)的基礎(chǔ)，是行星無(wú)人探測(cè)車進(jìn)行路徑規(guī)劃和安全避障的基本保證，對(duì)人類認(rèn)識(shí)和開展月球及深空探測(cè)活動(dòng)具有重大意義。對(duì)這一技術(shù)的研究現(xiàn)狀展開綜述，首先對(duì)過去在行星表面成功展開漫游的無(wú)人探測(cè)車及其地形重構(gòu)技術(shù)方法進(jìn)行簡(jiǎn)要介紹，包括3個(gè)月球車：Lunokhod 1、Lunokhod 2、玉兔號(hào)和4個(gè)火星車：旅居者號(hào)、勇氣號(hào)、機(jī)遇號(hào)、好奇者號(hào)。其次對(duì)地形重構(gòu)過程中的核心環(huán)節(jié)立體匹配的不同方法進(jìn)行比較，分析了目前國(guó)內(nèi)外應(yīng)用于行星無(wú)人探測(cè)車地形重構(gòu)的立體匹配算法及其特點(diǎn)。最后，對(duì)行星無(wú)人探測(cè)車地形重構(gòu)研究存在的問題進(jìn)行分析，提出了今后的研究重點(diǎn)及方向。

行星探測(cè)車；視覺導(dǎo)航；地形重建；立體匹配

深空探測(cè)是21世紀(jì)世界航天活動(dòng)的熱點(diǎn)，對(duì)小行星、彗星、大行星及其衛(wèi)星等深空天體的探測(cè)是人類認(rèn)識(shí)自己、了解太陽(yáng)系和宇宙起源的重要途徑。我國(guó)也順利實(shí)施嫦娥探月工程，分繞、落、回三期對(duì)月球展開無(wú)人探測(cè)活動(dòng)[1-2]。行星探測(cè)車是一種能夠在行星表面實(shí)現(xiàn)自由漫游的探測(cè)工具，它對(duì)行星表面的較大面積進(jìn)行近距離和接觸式的考察，因此已成為行星無(wú)人探測(cè)的最佳手段。

為實(shí)現(xiàn)行星無(wú)人探測(cè)車在未知環(huán)境中長(zhǎng)時(shí)間的安全運(yùn)行，有效的導(dǎo)航手段是其尋找風(fēng)險(xiǎn)最小的行進(jìn)路線，避開各種障礙和坑洞，從而成功完成預(yù)定科學(xué)探測(cè)任務(wù)的基本保障。根據(jù)導(dǎo)航信息獲取原理的不同，行星無(wú)人探測(cè)車的導(dǎo)航技術(shù)可分為視覺導(dǎo)航、慣性導(dǎo)航、無(wú)線電導(dǎo)航、天文導(dǎo)航(圖1)等等。

行星無(wú)人探測(cè)車的視覺導(dǎo)航系統(tǒng)通過對(duì)地外星體表面環(huán)境的理解和識(shí)別，實(shí)現(xiàn)對(duì)障礙物或可通行區(qū)域的檢測(cè)與識(shí)別，快速準(zhǔn)確地為行星無(wú)人探測(cè)車行進(jìn)提供可靠的導(dǎo)航信息。相對(duì)于其它導(dǎo)航方法，視覺導(dǎo)航具有組成器件均為固定件(通常為CCD 攝像機(jī)、工控計(jì)算機(jī)、圖像采集卡等)、技術(shù)成熟、結(jié)果可靠性和元件可靠性較高等優(yōu)點(diǎn)，而且能耗相對(duì)較低，能一次捕獲整個(gè)畫面，因此視覺導(dǎo)航系統(tǒng)在各種行星探測(cè)車導(dǎo)航系統(tǒng)中逐漸成為主流。

行星無(wú)人探測(cè)車視覺導(dǎo)航系統(tǒng)涉及許多關(guān)鍵技術(shù)，包括行星表面地形重構(gòu)、定位定向、路徑規(guī)劃等。行星探測(cè)車的地形重構(gòu)工作旨在查明行星探測(cè)車周圍較大范圍內(nèi)的環(huán)境狀況，包括上下坡和石塊等障礙物存在與否及其確切的位置和大小，獲取環(huán)境與障礙物信息，通常數(shù)據(jù)形式表現(xiàn)為數(shù)字高程模型(Digital Elevation Model, DEM)與數(shù)字正射影像(Digital Orthophoto Map, DOM)。這些信息結(jié)合定位定向系統(tǒng)提供的平移參數(shù)與姿態(tài)參數(shù)，共同提供給路徑規(guī)劃系統(tǒng)(或人機(jī)交互系統(tǒng))，為行星無(wú)人探測(cè)車確定合理的行駛路徑，保證行星無(wú)人探測(cè)車的安全運(yùn)行。地形重構(gòu)是行星無(wú)人探測(cè)車在行星表面行進(jìn)和科學(xué)探測(cè)的基礎(chǔ)，是行星無(wú)人探測(cè)車進(jìn)行路徑規(guī)劃和安全避障的基本保證。

圖1地形重構(gòu)是行星無(wú)人探測(cè)車行進(jìn)和科學(xué)探測(cè)的基礎(chǔ)

Fig.1Terrain reconstruction: an essential condition for the navigation of planet rovers

1　行星無(wú)人探測(cè)車及其地形重構(gòu)

如前文所述，行星表面的地形重構(gòu)是保證行星無(wú)人探測(cè)車漫游順利進(jìn)行的關(guān)鍵環(huán)節(jié)。地形重構(gòu)的基本原理是根據(jù)立體視覺的方法，利用立體相機(jī)獲得的左右圖像的重疊關(guān)系，對(duì)重疊區(qū)域的同名特征點(diǎn)進(jìn)行快速準(zhǔn)確提取和密集匹配，獲取地面地形的三維點(diǎn)云，再通過插值平滑生成行星表面的三維地形。下面詳細(xì)介紹各行星無(wú)人探測(cè)車的地形重構(gòu)技術(shù)方法。

目前共有6個(gè)行星車被送上月球，4個(gè)行星車被送上火星。除去由宇航員駕駛的月面巡游車阿波羅號(hào)系列月球車，在行星表面成功漫游的行星無(wú)人探測(cè)車包括：Lunokhod 1、Lunokhod 2、玉兔號(hào)和4個(gè)火星車：旅居者號(hào)、勇氣號(hào)、機(jī)遇號(hào)、好奇者號(hào)。每個(gè)探測(cè)車的著陸日期和所屬任務(wù)、機(jī)構(gòu)如表1。

表1　在月球及火星表面成功漫游的行星探測(cè)車

*注：數(shù)據(jù)截止至2014年7月28日*NASA：美國(guó)航空航天局；CNSA：中國(guó)國(guó)家航天局

1.1月球車的地形重構(gòu)

(1)Lunokhod 1、Lunokhod 2

1970年11月，蘇聯(lián)成功將遙控型行星探測(cè)車Lunokhod 1(圖2)發(fā)送到月球表面，這是第1個(gè)成功登陸月球表面的行星探測(cè)車[3]。1973年，同類型月球車Lunokhod 2也被送到月球表面。月球車1號(hào)和2號(hào)成功實(shí)現(xiàn)了兩次不載人巡視器月面勘察，以不同攝像頭形成的小畫幅圖像作為參考，通過地面飛控中心的遠(yuǎn)程控制系統(tǒng)實(shí)現(xiàn)月面巡視器沿月表運(yùn)動(dòng)的控制，其中障礙物辨別、確定障礙距離、分析道路可穿越性等月面地形分析工作均由地面控制人員目視解譯完成，與當(dāng)前的三維地形重構(gòu)技術(shù)有本質(zhì)區(qū)別。這種完全由地面人員決策的操縱方式的缺點(diǎn)在于信號(hào)延誤時(shí)間較長(zhǎng)，且操控效果難以保證。月球是離地球最近的星球，無(wú)線電信號(hào)傳輸?shù)臅r(shí)延為1 s左右，而對(duì)于火星等距離更遠(yuǎn)的行星，信號(hào)延誤時(shí)間將大大增長(zhǎng)，因此Lunokhod系列月球車之后的行星無(wú)人探測(cè)車開始廣泛使用基于三維重建的地形重構(gòu)技術(shù)，旨在實(shí)現(xiàn)行星無(wú)人探測(cè)車的自主避障與導(dǎo)航。

圖2Lunokhod 1月球車 (a) 與Lunokhod 2月球車 (b)[3]

Fig.2Images of the moon rover Lunokhod 1 (a) and Lunokhod 2 (b)[3]

(2)玉兔號(hào)

2013年12月14日，嫦娥三號(hào)成功將月面著陸器和玉兔號(hào)月球車送抵月球。玉兔號(hào)攜帶有3對(duì)立體相機(jī)，導(dǎo)航相機(jī)和全景相機(jī)安裝于月球車桅桿頂部，避障相機(jī)安裝于車體前部，如圖3。不同立體相機(jī)采集的圖像下傳至地球后，由遙操作任務(wù)系統(tǒng)準(zhǔn)實(shí)時(shí)生成系列制圖產(chǎn)品，其處理流程大致相同，包括核線影像、數(shù)字高程模型、數(shù)字正射影像、坡度圖、障礙物分布圖等，為任務(wù)規(guī)劃、路徑規(guī)劃、可視化等提供基礎(chǔ)地形數(shù)據(jù)[4]。導(dǎo)航相機(jī)作為工程相機(jī)，相當(dāng)于月球車的眼睛， 玉兔號(hào)每行駛10 m左右停下拍照，用導(dǎo)航相機(jī)影像生成0.02 m分辨率的數(shù)字高程模型、數(shù)字正射影像，完成月面地形重構(gòu)。全景相機(jī)能夠在沿途站點(diǎn)進(jìn)行360°環(huán)拍，生產(chǎn)視野范圍更寬廣的數(shù)字高程模型和數(shù)字正射影像。

圖3嫦娥三號(hào)月球車玉兔號(hào)[4]

Fig.3Image of the moon rover ‘Yutu’[4]

導(dǎo)航相機(jī)在月球車的環(huán)境感知、路徑規(guī)劃中發(fā)揮主要作用，其生產(chǎn)數(shù)字高程模型和數(shù)字正射影像(圖4)的技術(shù)流程(圖5)如下：(1)坐標(biāo)系轉(zhuǎn)換：導(dǎo)航相機(jī)制圖坐標(biāo)系統(tǒng)為工作區(qū)坐標(biāo)系，月球車位置與姿態(tài)由遙測(cè)結(jié)果和視覺定位方式計(jì)算獲得；月球車桅桿遙測(cè)參數(shù)為桅桿結(jié)構(gòu)3個(gè)旋角；根據(jù)相機(jī)旋轉(zhuǎn)角度及相機(jī)安置矩陣首先將獲取圖像的外方位元素轉(zhuǎn)換到工作區(qū)坐標(biāo)系下。(2)特征點(diǎn)提?。合鄼C(jī)標(biāo)定參數(shù)由發(fā)射前地面檢校獲取；根據(jù)立體相機(jī)相對(duì)關(guān)系生成核線影像，使兩幅圖像的掃描線對(duì)齊，從而將匹配的搜索空間由二維降至一維；利用尺度不變特征變換(Scale-Invariant Feature Transform, SIFT)算子提取核線影像同名點(diǎn)，并用隨機(jī)抽樣一致(Random Sample Consensus, RANSAC)方法剔除粗差點(diǎn)。(3)區(qū)域網(wǎng)平差：通過相鄰影像間匹配的連接點(diǎn)及初始影像外方位元素進(jìn)行區(qū)域網(wǎng)平差，調(diào)整優(yōu)化影像外方位元素。(4)立體匹配：利用同名點(diǎn)構(gòu)建三角網(wǎng)約束，進(jìn)行3 × 3密集點(diǎn)匹配并剔除粗差。(5)三維坐標(biāo)計(jì)算：空間前方交會(huì)計(jì)算密集匹配點(diǎn)三維坐標(biāo)。(6)基于三維坐標(biāo)構(gòu)建不規(guī)則三角網(wǎng)。(7)生成數(shù)字高程模型：通過克里金插值方法內(nèi)插構(gòu)建數(shù)字高程模型。(8)生成數(shù)字正射影像：基于數(shù)字高程模型、原始影像及影像參數(shù)生成數(shù)字正射影像。

1.2火星車的地形重構(gòu)

(1)旅居者號(hào)

美國(guó)航空航天局在1997年的 “火星探路者” 計(jì)劃(Mars Path Finder, MPF)中研發(fā)了第1部被送至火星的行星無(wú)人探測(cè)車旅居者號(hào)。旅居者號(hào)利用2臺(tái)攝像機(jī)和5個(gè)激光條紋發(fā)射器檢測(cè)地表障礙，判斷地形變化[5]。旅居者號(hào)火星車的視覺導(dǎo)航系統(tǒng)結(jié)合基于激光測(cè)距的感知系統(tǒng)和基于立體視覺的感知系統(tǒng)，一方面利用立體視覺繪制大范圍的場(chǎng)景信息，另一方面，對(duì)于其中一些需要詳細(xì)觀測(cè)的較小區(qū)域，在立體視覺地形重構(gòu)基礎(chǔ)上采用激光測(cè)距儀進(jìn)行掃描觀察，兩者結(jié)合既可以提高地形數(shù)據(jù)質(zhì)量，又不會(huì)對(duì)處理速度造成很大影響。在此之前卡內(nèi)基梅隆大學(xué)開發(fā)的六腿式火星車Ambler也通過一臺(tái)掃描式激光測(cè)距儀為其導(dǎo)航系統(tǒng)獲取三維地形信息。但是，激光測(cè)距儀的使用存在一些缺點(diǎn)：一方面激光測(cè)距儀的二自由度機(jī)械掃描裝置容易產(chǎn)生機(jī)械故障，其可靠性低于立體視覺的感知系統(tǒng)；另一方面激光測(cè)距儀對(duì)能源消耗量比較高。在隨后的火星探測(cè)計(jì)劃中，考慮到這些因素，以及立體視覺算法逐漸被證明能夠?yàn)榛鹦擒嚨牡匦沃貥?gòu)提供足夠的精度、準(zhǔn)確度及運(yùn)行速度，美國(guó)航空航天局不再使用攜帶激光發(fā)射器的火星車，而是采用立體視覺感知手段獲取火星表面的三維地形。

圖4玉兔號(hào)月球車全景相機(jī)影像制作的數(shù)字高程模型(a)與數(shù)字正射影像(b)[4]

Fig.4DEM (a) and DOM (b) of the Moon′s surface, made of data from rover Yutu’spanoramic camera[4]

圖5玉兔號(hào)月球車導(dǎo)航相機(jī)影像生成數(shù)字高程模型、數(shù)字正射影像流程圖

Fig.5The generation of the DEM and DOM using the data from rover Yutu

(2)勇氣號(hào)與機(jī)遇號(hào)

美國(guó)航空航天局于2004年開展的火星漫游車計(jì)劃包含兩輛漫游車(勇氣號(hào)和機(jī)遇號(hào))。兩輛火星車的結(jié)構(gòu)與載荷完全相同，分別攜帶了3對(duì)立體相機(jī)，利用立體視覺繪制三維地形圖，完成火星表面的三維地形重建(圖6)[6]?；鹦擒圀w的前部和后部的底盤下安裝了2對(duì)避障相機(jī)，車體前部桅桿上安裝了1對(duì)導(dǎo)航攝像機(jī)和1對(duì)全景攝像機(jī)。避障相機(jī)主要用于近距離的障礙檢測(cè)，并指導(dǎo)機(jī)械手的操作和科學(xué)儀器的布置；導(dǎo)航攝像機(jī)主要用于重建20 m范圍內(nèi)的三維地形，供障礙規(guī)避和路徑規(guī)劃使用；全景攝像機(jī)設(shè)計(jì)用途是進(jìn)行科學(xué)觀測(cè)，但也被用來(lái)重建20到100 m范圍內(nèi)的三維地形，供更遠(yuǎn)距離的任務(wù)和路徑規(guī)劃使用。

圖6勇氣號(hào)與機(jī)遇號(hào)火星車(a)及其路徑規(guī)劃(b)[8]

Fig.6The Mars rover Curiosity (a) and its path planning (b)[ 8]

不同立體相機(jī)所獲取的影像雖然數(shù)據(jù)內(nèi)容與使用目的略有不同，但處理流程基本一致。美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室的多任務(wù)圖像處理實(shí)驗(yàn)室負(fù)責(zé)火星車影像的處理和地形重構(gòu)。地形重構(gòu)產(chǎn)品包含多種：視差圖、數(shù)字高度圖、距離圖、三角網(wǎng)、表面法向量圖、可通達(dá)圖、地表粗糙度圖、坡度圖、太陽(yáng)能量圖、數(shù)字高程模型、數(shù)字正射影像、地形面片圖、影像鑲嵌圖[7]等。

數(shù)字高度圖記錄對(duì)應(yīng)核線影像每個(gè)像素位置的物方空間三維坐標(biāo)，是后續(xù)一系列地形產(chǎn)品計(jì)算的基礎(chǔ)，更是火星車路徑規(guī)劃的基礎(chǔ)[9]。數(shù)字高度圖的生產(chǎn)由火星車的立體視覺軟件實(shí)現(xiàn)(圖7)。相機(jī)采集的圖像對(duì)首先進(jìn)行校正，消除光學(xué)系統(tǒng)帶來(lái)的畸變，并進(jìn)行核線校正及高斯差分(Difference-Of-Gaussian, DOG)濾波，高斯差分濾波是采用兩個(gè)不同帶寬的高斯核函數(shù)之差對(duì)圖像進(jìn)行卷積，用來(lái)消除兩幅圖像因光照條件或相機(jī)增益差異帶來(lái)的灰度偏差。在匹配計(jì)算中用鄰域像素的灰度值分布表征該像素，在一定的視差搜索范圍內(nèi)計(jì)算兩幅圖像中匹配像素鄰域的平方和(Sum-of-Squared-Difference, SSD)值，找到使平方和值最小的整數(shù)視差。為了提高匹配的魯棒性，軟件還采用Blob濾波、左右一致性校驗(yàn)(Left-Right-Line-Of-Sight, LRLOS) 等方法消除錯(cuò)誤匹配。通過對(duì)平方和值的插值將整數(shù)視差轉(zhuǎn)變?yōu)閬喯袼匾暡睿詈罄们胺浇粫?huì)將每個(gè)視差值映射為一個(gè)三維坐標(biāo)(X，Y，Z)，以高度圖的形式輸出[10]。

圖7　火星車的立體視覺軟件功能框圖

(3)好奇者號(hào)

好奇者號(hào)火星探測(cè)器是第1輛采用核動(dòng)力驅(qū)動(dòng)的火星車，其體積與負(fù)荷遠(yuǎn)超勇氣號(hào)與機(jī)遇號(hào)火星車。這輛火星車裝備有1臺(tái)遠(yuǎn)程微觀成像儀和1對(duì)桅桿全景相機(jī)，工程相機(jī)包括2對(duì)導(dǎo)航相機(jī)和4對(duì)避障相機(jī)(一半為替補(bǔ)相機(jī)應(yīng)對(duì)意外情況)。不同類型相機(jī)的任務(wù)分工與勇氣號(hào)和機(jī)遇號(hào)火星車所攜帶的相機(jī)相似：避障相機(jī)與導(dǎo)航相機(jī)獲得的立體影像共同用于計(jì)算距離火星車較近范圍內(nèi)的火星地貌三維信息，幫助科學(xué)家和工程師為好奇者號(hào)制定勘探路線和目標(biāo)；遠(yuǎn)程微觀成像儀和桅桿相機(jī)為火星車提供遠(yuǎn)處地形地貌與地質(zhì)背景信息。在影像的處理與地形重構(gòu)方法上，好奇者號(hào)的設(shè)計(jì)與火星車相似，核心都是基于區(qū)域的立體匹配算法。

2　行星無(wú)人探測(cè)車地形重構(gòu)相關(guān)研究進(jìn)展

行星無(wú)人探測(cè)車地形重構(gòu)的基本原理是運(yùn)用行星無(wú)人探測(cè)車攜帶的立體相機(jī)對(duì)地面地物進(jìn)行拍照獲得立體圖像對(duì)，通過立體匹配算法計(jì)算出相應(yīng)像點(diǎn)，得到視差圖，然后采用基于三角測(cè)量的方法恢復(fù)地形三維信息，為判斷場(chǎng)景中障礙物、行星無(wú)人探測(cè)車導(dǎo)航提供有力支持。要恢復(fù)地面地形的三維信息，關(guān)鍵的步驟是立體匹配，即實(shí)現(xiàn)立體圖像對(duì)之間同名像點(diǎn)的匹配。因此在移動(dòng)機(jī)器人視覺導(dǎo)航研究領(lǐng)域，雖然有針對(duì)前期核線糾正和后期三維重建工作的研究，但目前相關(guān)研究以立體匹配算法的研究為主。

根據(jù)匹配基元的不同，立體匹配算法可大致分為基于區(qū)域的匹配和基于特征的匹配兩類，兩種匹配方法的特點(diǎn)比對(duì)如表2。

表2　基于區(qū)域和基于特征的匹配方法對(duì)比

2.1基于區(qū)域的立體匹配算法

由表2可看出，基于區(qū)域的匹配算法對(duì)于行星無(wú)人探測(cè)車地形重構(gòu)的技術(shù)需求而言，具有明顯優(yōu)勢(shì)：它可以直接獲得稠密的視差圖，有利于重建行星無(wú)人探測(cè)車安全行走所需要的密度較高的地形圖。所以目前的行星無(wú)人探測(cè)車立體視覺匹配算法研究中一般采用基于區(qū)域的匹配方法。

基于區(qū)域的立體匹配算法中，最傳統(tǒng)的方法莫過于歸一相關(guān)算法，計(jì)算待匹配點(diǎn)為中心的滑動(dòng)窗口內(nèi)像素點(diǎn)的歸一化相關(guān)指數(shù)C(x，y，d)，取具有最大相關(guān)指數(shù)的點(diǎn)作為匹配點(diǎn)。1994年卡內(nèi)基梅隆大學(xué)設(shè)計(jì)的行星探測(cè)車樣車 “Ralter” 采用基于立體視覺的環(huán)境感知手段，以配置在一個(gè)桅桿上的兩臺(tái)CCD攝像機(jī)作為立體視覺傳感器，用相關(guān)方法完成匹配，以出色的速度和精度為行星探測(cè)車低速連續(xù)行駛繪制所需的地形圖。隨后由于基于相關(guān)的方法對(duì)圖像對(duì)的亮度差異性過于敏感，圖像匹配絕對(duì)值(Sum of Absolute Difference, SAD)算法逐漸將其取代，在實(shí)時(shí)運(yùn)動(dòng)估計(jì)和實(shí)時(shí)立體視覺領(lǐng)域被廣泛應(yīng)用。美國(guó)航空航天局的火星漫游車勇氣號(hào)、機(jī)遇號(hào)、好奇者號(hào)的立體視覺系統(tǒng)中都采用了以絕對(duì)值算法為匹配測(cè)度的立體匹配算法。勇氣號(hào)與機(jī)遇號(hào)于2004年著陸火星，好奇者號(hào)是在此基礎(chǔ)上繼續(xù)研發(fā)改進(jìn)的火星漫游車，于2012年著陸火星。三者在視覺導(dǎo)航的硬件裝備、導(dǎo)航模式的設(shè)計(jì)、立體匹配的算法實(shí)現(xiàn)上都基本一致。

傳統(tǒng)的區(qū)域匹配算法的缺點(diǎn)在于，通過比較圖像間一個(gè)窗口之中相鄰像素的灰度相似性確定窗口的中心點(diǎn)是否匹配這一核心思想帶來(lái)兩大不可避免的問題，即投影形變導(dǎo)致的窗口內(nèi)的灰度值不能完全對(duì)應(yīng)和影像間逐像素計(jì)算耗時(shí)較多的問題。許多研究即針對(duì)這兩個(gè)問題展開[11-12]。

Zabih為了進(jìn)一步解決絕對(duì)值算法對(duì)相機(jī)本身的增益或者是偏置不同導(dǎo)致的像素值差別敏感的缺陷，提出了兩種非參數(shù)化的匹配開銷計(jì)算方法：一種是Rank算法，一種是Census算法。這兩種算法都是以像素信息為基礎(chǔ)，但是以相對(duì)信息取代絕對(duì)信息，從而試圖擺脫增益和偏置的影響，Census和Rank算法都在一定程度上解決了光照的問題，尤其是Census變換將數(shù)學(xué)運(yùn)算轉(zhuǎn)換為邏輯運(yùn)算，非常有利于在現(xiàn)場(chǎng)可編程門陣列等硬件內(nèi)進(jìn)行處理，因此在一些硬件實(shí)時(shí)系統(tǒng)中被廣泛采用。另外，由于圖像增益和偏置的問題大多影響的是直流量，而對(duì)圖像的交流量影響不大，因此有算法[13]提出采用拉普拉斯(Laplaeian)算子消除偏置，再使用絕對(duì)值算法進(jìn)行處理，這種方法能夠有效地提取圖像中的變化量，大大提高雙目匹配的成功概率。此外，文[14]提出的自適應(yīng)窗匹配算法(Adaptive Support Weight, ASW)采用的窗口大小和形狀根據(jù)灰度的局部變化和當(dāng)前深度的估計(jì)值自適應(yīng)地變化，一度被認(rèn)為是匹配效果最佳的匹配算法，但是它的計(jì)算復(fù)雜度也很大，后有研究在其基礎(chǔ)上提出一種HFASW(half ASW)立體匹配算法，并給出了其超大規(guī)模集成電路((Very Large Scale Integration, VLSI)架構(gòu)和現(xiàn)場(chǎng)可編程門陣列實(shí)現(xiàn)，實(shí)驗(yàn)驗(yàn)證其匹配效果和處理速度均具有較高性能。

文[15]則從深空探測(cè)影像的特點(diǎn)出發(fā)，提出一種自適應(yīng)馬爾科夫匹配模型。馬爾科夫隨機(jī)場(chǎng)匹配是一種結(jié)合空間關(guān)系進(jìn)行灰度匹配的方法，即在一定空間鄰域范圍內(nèi)，根據(jù)馬爾科夫場(chǎng)與吉布斯采樣(Gibbs Sampling)具有的等價(jià)關(guān)系，確定互相作用像素標(biāo)號(hào)的條件分布概率模型。該模型將圖像匹配轉(zhuǎn)化為像元視差的標(biāo)號(hào)問題。將傳統(tǒng)馬爾科夫場(chǎng)直接應(yīng)用到深空影像匹配時(shí)，存在如下問題：由于深空探測(cè)影像的紋理十分缺乏，絕對(duì)值算法作為數(shù)據(jù)項(xiàng)會(huì)造成誤匹配，使該模型匹配精度較低；其次，計(jì)算能量函數(shù)時(shí)，每個(gè)像元使用同一視差范圍，自適應(yīng)度較低，從而產(chǎn)生大量計(jì)算冗余；并且，迭代計(jì)算權(quán)重系數(shù)為固定值時(shí)，對(duì)視差連續(xù)區(qū)域和不連續(xù)區(qū)域沒有進(jìn)行區(qū)分，容易造成圖像視差的過平滑和視差突變區(qū)域(如石塊邊界)的誤匹配。文[15]的自適應(yīng)馬爾科夫匹配模型首先通過特征匹配自適應(yīng)確定視差搜索范圍，然后利用自適應(yīng)相關(guān)系數(shù)進(jìn)行匹配，為自適應(yīng)馬爾科夫匹配模型提供初始匹配參數(shù)，構(gòu)建邊緣函數(shù)獲得自適應(yīng)的權(quán)重系數(shù)，最后使用置信度傳播算法迭代求解自適應(yīng)馬爾科夫匹配模型的能量函數(shù)，獲取密集的匹配結(jié)果。

2.2基于特征的立體匹配

基于特征的匹配通常選取圖像的角點(diǎn)、邊緣輪廓、線段等特征作為匹配基元，對(duì)圖像對(duì)的特征區(qū)域進(jìn)行匹配。這種方法優(yōu)點(diǎn)在于不會(huì)損失圖像的重要灰度信息，卻能大大減少參與計(jì)算的數(shù)據(jù)量，極大地提高了計(jì)算速度，具有很好的實(shí)時(shí)性，同時(shí)所提取的特征還具有旋轉(zhuǎn)不變性和不隨光照條件改變而改變的優(yōu)點(diǎn)，這些對(duì)于時(shí)刻處于不斷變換環(huán)境中的行星無(wú)人探測(cè)車的穩(wěn)定性來(lái)說(shuō)十分重要，因此基于特征的匹配算法在行星無(wú)人探測(cè)車地形重構(gòu)的研究中也常被用到。許多研究考慮了月球車立體視覺匹配結(jié)果的用途和月表地形的特點(diǎn)，提出基于點(diǎn)和邊緣等特征提取的月球車視覺系統(tǒng)立體匹配方法。文[16]為改善月面地形重建精度，提出了一種基于SIFT特征和邊緣特征提取的立體匹配算法，提高了圖像間的匹配精度，重構(gòu)出了包含月面巡視器周圍環(huán)境概貌和障礙物信息的高精度月面環(huán)境地形。文[17]利用forstner角點(diǎn)檢測(cè)算子提取特征點(diǎn)，通過匹配的特征點(diǎn)構(gòu)建不規(guī)則三角網(wǎng)并進(jìn)行內(nèi)插獲得視差初始值。

基于特征的匹配算法缺點(diǎn)在于，由于行星表面環(huán)境景物特征一般比較稀疏，僅由這些稀疏的特征進(jìn)行月表三維場(chǎng)景恢復(fù)比較困難，容易產(chǎn)生障礙物漏檢的現(xiàn)象。因此出現(xiàn)了兩種彌補(bǔ)這一缺陷的解決辦法。其一是基于區(qū)域增長(zhǎng)的稠密匹配算法，已表現(xiàn)出良好的性能，將基于區(qū)域增長(zhǎng)的匹配算法應(yīng)用于月球車環(huán)境重建，并簡(jiǎn)化能量函數(shù)來(lái)減小計(jì)算量；另一種方法是將基于特征和基于區(qū)域的匹配方法相結(jié)合，將邊緣匹配結(jié)果經(jīng)濾波后用于輔助區(qū)域匹配，有效地減少了無(wú)特征輔助的區(qū)域匹配在無(wú)紋理和少紋理區(qū)域容易產(chǎn)生的誤匹配，能以較高的可靠性得到密集的視差圖。嫦娥三號(hào)月球車玉兔號(hào)在利用導(dǎo)航相機(jī)影像生產(chǎn)數(shù)字高程模型和數(shù)字正射影像過程中，正是采用了這種結(jié)合二者優(yōu)勢(shì)的匹配算法，首先用SIFT算子提取核線影像同名點(diǎn)，并用RANSAC方法剔除粗差點(diǎn)，然后進(jìn)行密集匹配并完成三維坐標(biāo)計(jì)算；文[18]在對(duì)全景相機(jī)環(huán)拍圖像進(jìn)行視差糾正的基礎(chǔ)上，利用Forstner特征點(diǎn)提取和相關(guān)系數(shù)匹配方法實(shí)現(xiàn)圖像匹配，克服了低圖像重疊率給圖像匹配帶來(lái)的困難。

3　總　結(jié)

綜合上文所述，可以發(fā)現(xiàn)基于立體視覺的三維地形重構(gòu)技術(shù)在行星無(wú)人探測(cè)車視覺導(dǎo)航領(lǐng)域顯示了良好的優(yōu)越性以及適用性，但由于月球和火星表面都是典型非結(jié)構(gòu)化環(huán)境，其環(huán)境場(chǎng)景特征復(fù)雜，紋理匱乏，且左右立體圖像的成像視角、光照條件、噪聲干擾等成像條件差別較大，這些因素對(duì)地形重構(gòu)工作中的立體匹配算法提出了更具體的技術(shù)要求?？梢钥偨Y(jié)為以下3方面：

(1)在實(shí)時(shí)性方面，行星無(wú)人探測(cè)車進(jìn)行地形重構(gòu)的計(jì)算能力仍遠(yuǎn)遠(yuǎn)低于地球上移動(dòng)機(jī)器人的視覺導(dǎo)航系統(tǒng)。即使是代表最先進(jìn)水平的火星漫游車好奇者號(hào)，大部分行駛路徑都需采取間歇停止的方式，行駛速度大大受限。因此行星無(wú)人探測(cè)車要實(shí)現(xiàn)實(shí)時(shí)導(dǎo)航及行走，還有大量的工作需要進(jìn)一步深入展開。

(2)在魯棒性方面，目前行星探測(cè)領(lǐng)域采用的立體匹配算法普遍存在魯棒性不高的問題，對(duì)于質(zhì)量較差的影像數(shù)據(jù)，例如紋理較少或稀疏的地表影像，難以實(shí)現(xiàn)理想效果的匹配和三維重建。

(3)在精確性方面，應(yīng)從需求出發(fā)，適當(dāng)降低匹配精度。現(xiàn)有的匹配算法已達(dá)到像素甚至亞像素級(jí)別的效果，這種精度對(duì)于地形重構(gòu)在導(dǎo)航系統(tǒng)中的應(yīng)用需求來(lái)說(shuō)并不是必要的，且過高的數(shù)據(jù)精度可能影響數(shù)據(jù)的處理速度及表達(dá)效果。因此，如果能夠找到更加適合行星表面地形數(shù)據(jù)的處理方式，地形重構(gòu)系統(tǒng)的工作效果和效率都有望進(jìn)一步提高。

隨著各國(guó)深空探測(cè)的不斷深入和技術(shù)要求的不斷提高，基于立體視覺的行星無(wú)人探測(cè)車地形重構(gòu)技術(shù)還需在以上幾方面進(jìn)一步深入研究，為后續(xù)深空探測(cè)任務(wù)提供有力的支持。

[1]邢麗平, 左維, 李春來(lái). 建立WebGIS的月球三維可視化關(guān)鍵技術(shù)[J]. 天文研究與技術(shù)——國(guó)家天文臺(tái)臺(tái)刊, 2014, 11(3): 299-304.

Xing Liping, Zuo Wei, Li Chunlai. Key technology of a WebGIS-based 3D visualization system for the Moon[J]. Astronomical Research & Technology——Publications of National Astronomical Observatories of China, 2014, 11(3): 299-304.

[2]肖媛, 張志強(qiáng), 呂昌, 等. 嫦娥二號(hào)任務(wù)地面應(yīng)用系統(tǒng)實(shí)時(shí)業(yè)務(wù)仿真關(guān)鍵技術(shù)研究[J]. 天文研究與技術(shù)——國(guó)家天文臺(tái)臺(tái)刊, 2011, 8(1): 8-14.

Xiao Yuan, Zhang Zhiqiang, Lv Chang, et al. Research on key technologies in simulating real-time operation of the ground segment of the Chang′E-2 mission[J]. Astronomical Research & Technology——Publications of National Astronomical Observatories of China, 2011, 8(1): 8-14.

[3]Harvey B. Samplers, rovers and orbiters[M]// Soviet and Russian Lunar Exploration. Chichester: Parxis Publishing Ltd, 2007: 239-286.

[4]Wang Wenrui, Ren Xin, Wang Fenfei, et al. Terrain reconstruction from Chang′e-3 PCAM images[J]. Research in Astronomy and Astrophysics, 2015, 15(7): 1057-1067.

[5]Matthies L, Maimone M, Johnson A, et al. Computer vision on Mars[J]. International Journal of Computer Vision, 2007, 75(1): 67-92.

[6]Matthies L, Balch T, Wilcox B. Fast optical hazard detection for planetary rovers using multiple spot laser triangulation[C]// IEEE International Conference on Robotics and Automation. 1997: 859-66.

[7]Matthies L, Shafer S A. Error modeling in stereo navigation[M]// Autonomous Robot Vehicles. New York: Springer New York Incorporated, 1990: 135-144.

[8]Goldberg S B, Maimone M W, Matthies L. Stereo vision and rover navigation software for planetary exploration[C]// IEEE Aerospace Conference Proceedings. 2002.

[9]Maki J N, Litwin T, Schwochert M, et al. Operation and performance of the Mars Exploration Rover imaging system on the Martian surface[C]// IEEE International Conference on Systems, Man and Cybernetics. 2005.

[10]Maki J N, Bell J F, Herkenhoff K E, et al. Mars Exploration Rover engineering cameras[C]// Proceedings of SPIE. 2001.

[11]Vergauwen M, Pollefeys M, Van Gool L. A stereo vision system for support of planetary surface exploration[C]// Computer Vision Systems. Berlin: Springer Berlin Heidelberg, 2001: 298-312.

[12]Zhang Zhengyou. A stereovision system for a planetary rover: calibration, correlation, registration, and fusion[J]. Machine Vision and Applications, 1997, 10(1): 27-34.

[13]Perri S, Colonna D, Zicari P, et al. SAD-based stereo matching circuit for FPGAs[C]// 13th IEEE International Conference on Electronics, Circuits and Systems. 2006.

[14]Yoon K J, Kweon I S. Adaptive support-weight approach for correspondence search[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(4): 650-656.

[15]Peng M, Kaichang D I, Liu Z Q. Adaptive Markov random field model for dense matching of deep space stereo images[J]. Journal of Remote Sensing, 2014, 18(1): 77-89.

[16]曹鳳萍, 王榮本. 月球車視覺系統(tǒng)立體匹配算法[J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版, 2011, 41(1): 24-28.

Cao Fengping, Wang Rongben. Stereo matching algorithm for lunar rover vision system[J]. Journal of Jilin University: Engineering and Technology Edition, 2011, 41(1): 24-28.

[17]Geiger D, Yuille A. A common framework for image segmentation[J]. International Journal of Computer Vision, 1990, 6(3): 227-243.

[18]Kaichang D A, Fengliang X A, Jue W A, et al. Mars Exploration Rover mission[J]. Journal of Geophysical Research, 2014, 108(E12): 429-432.

A Review of Planet Rovers’ Terrain Reconstruction

Wang Xiaoyan1,2, LiuJianjun2, Zhang Wuming1, Ren Xin2, Wang Wenrui2

(1. Beijing Normal University, Beijing 100875, China; 2. Key Laboratory of Lunar and Deep Space Exploration,National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012, China, Email: wangxy@nao.cas.cn)

Several planet rovers have successfully done the exploration on the surface of the Moon and the Mars. High resolution and precision terrain data of a planet′s surface is vitally important to the navigation system of the rovers, even for the whole exploration missions. This paper reviews the rovers sent to the universe in the past, including three Moon rovers (‘Lunokhod 1’, ‘Lunokhod 2’, ‘Yutu’) and four Mars rovers (‘Sojourner’, ‘Spirit’, ‘Opportunity’, ‘Curiosity’), and their terrain reconstruction methods. This paper also reviews the technology of stereo vision and its application in the study of terrain reconstruction. It also compares the characteristics of two methods of stereo match. In the end, this paper analyzes the problems of present studies in this field, providing some

and advice for future lunar or mars exploration.

Planet rover; Visual navigation; Terrain reconstruction; Stereo match

中國(guó)科學(xué)院月球與深空探測(cè)重點(diǎn)實(shí)驗(yàn)室開放基金 (YQSYS-HT-140630-1) 資助.

2015-12-08；

2016-01-11

王曉巖，女，碩士. 研究方向：基于視覺認(rèn)知的行星車地形重建. Email: wangxy@nao.cas.cn

P232

A

1672-7673(2016)04-0464-09

CN 53-1189/PISSN 1672-7673