面向深空探測著陸過程中的陸標(biāo)自動(dòng)提取方法

陶江 曹云峰 丁萌 莊麗葵 張洲宇 鐘佩儀

?

面向深空探測著陸過程中的陸標(biāo)自動(dòng)提取方法

陶江 曹云峰 丁萌 莊麗葵 張洲宇 鐘佩儀

（南京航空航天大學(xué)，南京 210016）

基于光學(xué)圖像的地形匹配導(dǎo)航方法是目前深空探測任務(wù)中實(shí)現(xiàn)精確著陸的一種主要方法，通過天體表面光學(xué)圖像得到的陸標(biāo)能夠獲取完備的探測器位置和姿態(tài)信息。因此，天體表面陸標(biāo)提取技術(shù)是實(shí)現(xiàn)精確著陸的關(guān)鍵技術(shù)。為此，提出了一種陸標(biāo)自動(dòng)提取方法。首先，利用AKAZE特征檢測子對(duì)天體表面圖像進(jìn)行多尺度特征點(diǎn)檢測，該特征點(diǎn)對(duì)圖像尺度變化、旋轉(zhuǎn)都具有一定的魯棒性；然后，引入密度聚類理論，結(jié)合DBSCAN聚類算法對(duì)AKAZE特征點(diǎn)進(jìn)行聚類得到多個(gè)不同的聚類族；最后，通過設(shè)定閾值確定候選陸標(biāo)和最終陸標(biāo)，并提出了一種陸標(biāo)提取性能評(píng)價(jià)方法。試驗(yàn)結(jié)果表明，該方法能夠提取出具有較好的抗旋轉(zhuǎn)性能和抗尺度變化性能的陸標(biāo)特征，能為火星著陸過程中光學(xué)敏感器可能出現(xiàn)的多尺度、多視點(diǎn)變化帶來的匹配魯棒性差的問題提供相應(yīng)的解決方案，對(duì)深空探測過程中實(shí)現(xiàn)精確著陸具有一定的參考意義。

特征檢測 密度聚類 陸標(biāo)提取 精確著陸 深空探測

0 引言

隨著航天技術(shù)，如自主導(dǎo)航與控制技術(shù)、推進(jìn)技術(shù)等技術(shù)的發(fā)展，深空探測成為當(dāng)前世界航天領(lǐng)域發(fā)展的趨勢[1]。其中，著陸實(shí)地探測是獲取有價(jià)值的科學(xué)數(shù)據(jù)最直接有效的方式。在已成功實(shí)現(xiàn)著陸的深空探測任務(wù)中，探測器所采用的導(dǎo)航方式大多為慣性導(dǎo)航，但其誤差會(huì)隨時(shí)間增加而增大[2]，因此后來出現(xiàn)了多傳感器融合的導(dǎo)航方式，改善了導(dǎo)航定位的精度。特別是地形匹配導(dǎo)航（Terrain Relative Navigation，TRN）輔助慣性導(dǎo)航的組合導(dǎo)航方法在深空探測著陸任務(wù)中被越來越多的采用以提高著陸精度[3]，如美國NASA近年來一直研究的ALHAT（Autonomous Landing Hazard Avoidance Technology）工程以及未來的“MARS2020”火星探測任務(wù)都將地形匹配導(dǎo)航作為主要的導(dǎo)航方式之一。地形匹配導(dǎo)航是指通過將安裝在探測器上的激光雷達(dá)或光學(xué)相機(jī)在下降過程中所感知到的著陸區(qū)域地形特征與包含全局位置信息的著陸區(qū)域地形數(shù)據(jù)進(jìn)行匹配，來獲取探測器著陸過程中相對(duì)于著陸點(diǎn)的位置信息的導(dǎo)航方式[4]。由于激光雷達(dá)質(zhì)量較大、構(gòu)成復(fù)雜、技術(shù)相較于相機(jī)不夠成熟等缺點(diǎn)[5]，目前的研究多為基于光學(xué)圖像的地形匹配導(dǎo)航。

文獻(xiàn)[6]的幾何可觀性分析表明，當(dāng)存在3個(gè)及3個(gè)以上的不共面方向矢量測量時(shí)，相機(jī)載體的位姿即可唯一確定。對(duì)于降落圖像，當(dāng)檢測到至少3個(gè)不共線且位置已知的陸標(biāo)時(shí)，即可根據(jù)幾何關(guān)系確定著陸器位姿信息。因此，天體表面圖像導(dǎo)航陸標(biāo)特征的提取是實(shí)現(xiàn)地形匹配的前提也是基于光學(xué)圖像自主導(dǎo)航關(guān)鍵技術(shù)之一[7]。2005年，美國噴氣推進(jìn)實(shí)驗(yàn)室（Jet Propulsion Laboratory，JPL）在文獻(xiàn)[8]將火星表面上大量存在的撞擊坑作為陸標(biāo)，并對(duì)其進(jìn)行檢測與匹配實(shí)現(xiàn)探測器實(shí)時(shí)定位，但是并不能保證每個(gè)著陸點(diǎn)附近都具有足夠的撞擊坑來保證著陸（如火星極地），并且撞擊坑密度過大、模糊的邊緣、撞擊坑陰影等因素都會(huì)影響匹配性能。文獻(xiàn)[9]用尺度不變特征轉(zhuǎn)換（Scale Invariant Feature Transform，SIFT）來提取陸標(biāo)，可以不依賴撞擊坑等具有特定幾何形狀的地貌，然而該方法計(jì)算復(fù)雜，不滿足著陸所需的實(shí)時(shí)性。文獻(xiàn)[10]采用HARRIS檢測子，能對(duì)任何具有豐富紋理的地形提取陸標(biāo)（Mapped Landmarks，MLs），但是該算法不具備尺度不變性。為此，本文采用具有較好旋轉(zhuǎn)不變性和尺度不變性且較為快速的AKAZE特征來作為提取陸標(biāo)的特征點(diǎn)。

在實(shí)際的著陸任務(wù)中，由于降落相機(jī)所拍攝圖像的地面分辨率單元（Ground Resolution Cell，GRC）不斷變化，特別是著陸的初始階段降落相機(jī)圖像與衛(wèi)星圖像分辨率差異過大導(dǎo)致無法匹配，此時(shí)需要采用相關(guān)匹配進(jìn)行著陸定位，相關(guān)匹配過程中的模板即為陸標(biāo)。根據(jù)特征點(diǎn)制備陸標(biāo)的傳統(tǒng)方法為迭代搜索[11]，首先基于HARRIS特征點(diǎn)提取出圖像高對(duì)比度像素點(diǎn)，再迭代選出以高對(duì)比度像素點(diǎn)為中心的模板作為陸標(biāo)。由于該方法需要事先劃分網(wǎng)格，模板分布位置固定，使得提取的陸標(biāo)無法準(zhǔn)確反映圖像的特征。為此，本文提出了一種基于密度聚類的陸標(biāo)提取方法，實(shí)驗(yàn)結(jié)果表明，本文方法能夠得到圖像特征信息較為完備的陸標(biāo)。

1 著陸過程中天體表面圖像特性分析

1.1 深空探測著陸過程中的天體表面圖像特點(diǎn)

深空探測著陸過程中，探測器通常會(huì)面臨嚴(yán)峻的著陸環(huán)境，如火星復(fù)雜多變的氣候，小行星較低的引力，月球表面遍布的撞擊坑等，都會(huì)對(duì)探測器著陸造成嚴(yán)重的影響。特別是著陸過程中探測器的高度、姿態(tài)變化范圍大，導(dǎo)致探測器所載光學(xué)敏感器獲取的天體表面圖像尺度、視點(diǎn)變化范圍大，給導(dǎo)航陸標(biāo)特征提取帶來困難進(jìn)而影響后續(xù)的陸標(biāo)匹配定位。因此，本文從圖像尺度變化和視點(diǎn)變化的角度考慮，結(jié)合目前特征點(diǎn)檢測算法研究的新進(jìn)展，找到一種抗尺度變化、抗旋轉(zhuǎn)變化性能較好的特征檢測算法。此外，由于導(dǎo)航陸標(biāo)的提取發(fā)生在地形匹配導(dǎo)航階段[7,10-11]，而在該高度范圍內(nèi)的天體表面圖像通常呈現(xiàn)大尺度地貌特征[12]，也即預(yù)選著陸區(qū)域的地貌特征，而著陸點(diǎn)附近往往選在地形地貌復(fù)雜的地方，如撞擊坑、峽谷、槽溝，因?yàn)榫哂锌茖W(xué)價(jià)值的地方一般是地貌特征較為豐富的地方[13]。而這些地貌特征的所呈現(xiàn)的圖像都具有紋理豐富的特點(diǎn)，有利于特征點(diǎn)的檢測。

1.2 天體表面圖像陸標(biāo)表征

圖1 特征檢測及其對(duì)比度分布

1.3 陸標(biāo)特征提取性能評(píng)估

2 AKAZE特征點(diǎn)檢測算法

本文采用AKAZE特征檢測算法得到的特征作為提取陸標(biāo)的特征點(diǎn)，由文獻(xiàn)[16]可知，該特征點(diǎn)檢測算法具有非常優(yōu)異的抗旋轉(zhuǎn)變化和抗尺度變化性能。該算法通過將快速顯式擴(kuò)散（Fast Explicit Diffusion，F(xiàn)ED）融入到金字塔框架，極大提高了非線性尺度空間中的特征檢測的速度。AKAZE特征檢測算法首先用FED建立非線性尺度空間，對(duì)于一個(gè)尺度空間有如下定義：

對(duì)濾波后的圖像在非線性尺度空間計(jì)算Hessian矩陣，并對(duì)其歸一化得到：

3 基于密度聚類的陸標(biāo)自動(dòng)提取算法

3.1 DBSCAN密度聚類原理

3.2 基于DBSCAN密度聚類的陸標(biāo)提取方法

1）用AKAZE特征檢測算法對(duì)降落相機(jī)圖像檢測得到特征點(diǎn)；

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文方法的有效性和可靠性，選取了四種典型的地外天體地貌進(jìn)行聚類分析。實(shí)驗(yàn)所用處理器平臺(tái)為Intel(R) Core(TM) i7-4910 CPU@3.60GHz，在MatlabR2017a軟件中進(jìn)行仿真實(shí)驗(yàn)。

圖2 著陸點(diǎn)四種典型地貌圖像

圖3 著陸點(diǎn)圖像特征點(diǎn)檢測

圖4 著陸點(diǎn)圖像特征點(diǎn)密度聚類

圖5 著陸點(diǎn)圖像陸標(biāo)提取

為評(píng)估本文陸標(biāo)提取方法的魯棒性，對(duì)上述四種著陸點(diǎn)地貌圖像分別進(jìn)行尺度縮放和旋轉(zhuǎn)變化，按照本文提出的陸標(biāo)提取性能評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估，尺度縮放倍數(shù)為0.1到3，間隔為0.1；旋轉(zhuǎn)角度為0°到180°，間隔為5°。同時(shí)和傳統(tǒng)的基于HARRIS角點(diǎn)特征得到的陸標(biāo)進(jìn)行對(duì)比，得到如圖6和圖7所示的評(píng)估結(jié)果。由圖6可知，在地貌圖像的尺度不斷變大的情況下，對(duì)于撞擊坑地貌本文陸標(biāo)提取算法性能明顯高于傳統(tǒng)的基于HARRIS特征點(diǎn)的陸標(biāo)提取算法。對(duì)于深谷地貌本文算法性能略高于后者，而槽溝地貌和高原地貌則差別不大。由圖7可知，在地貌圖像發(fā)生旋轉(zhuǎn)的情況下，對(duì)于槽溝地貌本文算法性能明顯高于傳統(tǒng)算法，對(duì)于深谷地貌本文算法性能略高于傳統(tǒng)算法，而對(duì)于撞擊坑地貌和高原地貌，本文算法和傳統(tǒng)算法無明顯差別。故從總體上看，無論是抗旋轉(zhuǎn)變化性能還是抗尺度變化性能，本文算法均優(yōu)于傳統(tǒng)的基于HARRIS特征點(diǎn)提取陸標(biāo)的方法。

圖6 尺度變化下陸標(biāo)提取性能評(píng)估

圖7 旋轉(zhuǎn)角度變化下陸標(biāo)提取性能評(píng)估

5 結(jié)束語

本文通過對(duì)深空探測著陸過程中的地外天體圖像的特點(diǎn)進(jìn)行分析，將密度聚類思想引入陸標(biāo)提取，提出了一種基于密度聚類的陸標(biāo)自動(dòng)提取方法，并選取了四種典型的著陸點(diǎn)地貌類型進(jìn)行實(shí)驗(yàn)驗(yàn)證。此外，還提出了一種陸標(biāo)提取性能評(píng)價(jià)方法，并利用該評(píng)價(jià)方法與將本文算法與傳統(tǒng)方法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：本文的陸標(biāo)提取方法具備較好的抗旋轉(zhuǎn)變化和抗尺度變化性能，在四種著陸地貌類型的陸標(biāo)提取性能均優(yōu)于傳統(tǒng)的基于HARRIS特征點(diǎn)的陸標(biāo)提取方法。

[1] 孫澤洲, 孟林智. 中國深空探測現(xiàn)狀及持續(xù)發(fā)展趨勢[J]. 南京航空航天大學(xué)學(xué)報(bào), 2015, 47(6): 785-791. SUN Zezhou, MENG Linzhi. Current Situation and Sustainable Development Trend of Deep Space Exploration in China[J]. Jounal of Nanjing Unicersity of Aeronautics & Astronautics, 2015, 47(6): 785-791. (in Chinese)

[2] 賈賀, 榮偉. 火星探測器減速著陸技術(shù)分析[J]. 航天器返回與遙感, 2010, 31(3): 6-14. JIA He, RONG Wei. Mars Exploration Deceleration Landing Technology[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(3): 6-14. (in Chinese)

[3] GONZALEZ F F. Terrain-relative Optical Navigation by Means of Monocular Visual Odometry[D]. Sweden: Lulea University of Technology, 2015: 26.

[4] STEINER T J, BRADY T M, HOFFMAN J A. Graph-based Terrain Relative Navigation with Optimal Landmark Database Selection[C]//2015 IEEE Aerospace Conference, 2015: 1-12.

[5] JOHNSON A E, MONTGOMERY J F. Overview of Terrain Relative Navigation Approaches for Precise Lunar Landing[C]//Aerospace Conference, 2008: 1-10.

[6] SUN D, CRASSIDIS J L. Observability Analysis of Six-degree-of-freedom Configuration Determination Using Vector Observations[J]. Journal of Guidance, Control, and Dynamics, 2002, 25(6): 1149-1157.

[7] 王大軼, 徐超, 黃翔宇. 深空探測著陸過程序列圖像自主導(dǎo)航綜述[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2016, 48(4): 1-12. WANG Dayi, XU Chao, HUANG Xiangyu. Overview of Autonomous Navigation Based on Sequential Images for Planetary Landing[J]. Journal of Harbin Institute of Technology, 2016, 48(4): 1-12. (in Chinese)

[8] CHENG Y, ANSAR A. Landmark Based Position Estimation for Pinpoint Landing on Mars[C]//IEEE International Conference on Robotics and Automation. IEEE, 2006: 1573-1578.

[9] TRAWNY N, MOURIKIS A I, ROUMELIOTIS S I, et al. Vision-aided Inertial Navigation for Pin-point Landing Using Observations of Mapped Landmarks[J]. Journal of Field Robotics, 2010, 24(5): 357-378.

[10] MOURIKIS A I, TRAWNY N, ROUMELIOTIS S I, et al. Vision-aided Inertial Navigation for Spacecraft Entry, Descent, and Landing[J]. IEEE Transactions on Robotics, 2009, 25(2): 264-280.

[11] JOHNSON A E, CHENG Y, MONTGOMERY J, et al. Design and Analysis of Map Relative Localization for Access to Hazardous Landing Sites on Mars[C]//AIAA Guidance, Navigation, and Control Conference. 2016: 3-5.

[12] ALEXANDER J, CHENG Y, ZHENG W, et al. A Terrain Relative Navigation Sensor Enabled by Multi-core Processing[C]//Aerospace Conference, 2012 IEEE. IEEE, 2012, 186(6): 1-11.

[13] ACIKMESE B, CASOLIVA J, CARSON J M, et al. G-fold: A Real-time Implementable Fuel Optimal Large Divert Guidance Algorithm for Planetary Pinpoint Landing[J]. Concepts & Approaches for Mars Exploration, 2012, 1679(43): 4193.

[14] STEINER T J, BRADY T M, HOFFMAN J A. Graph-based Terrain Relative Navigation with Optimal Landmark Database Selection[C]//Aerospace Conference, 2015: 1-12.

[15] SOUBANNAVONG F, LEMARECHALC, REMETEAN, et al. Visual Odometry for Autonomous Localization on Mars[J]. European Journal of Teacher Education, 2008, 32(113): 65-66.

[16] ALCANTARILL P F, SOLUTIONS T V. Fast ExplicitDiffusion for Accelerated Features in Nonlinear Scale Spaces[C]//British Machine Vision Conference, 2013: 13.1-13.11.

[17] WEICKERT J, ROMENY B M T H, VIERGEVER M A. Efficient an D Reliable Schemes for Nonlinear Diffusion Filtering[J]. IEEE Transactions on Image Processing, 1998, 7(3): 398-410.

[18] 周志華. 機(jī)器學(xué)習(xí)[M]. 北京: 清華大學(xué)出版社, 2016: 211-212. ZHOU Zhihua. Machine Learning[M]. Beijing: Tsinghua University Press, 2016: 211-212. (in Chinese)

[19] CAMPELLO R J G B, MOULAVI D, SANDER J. Density-based Clustering Based on Hierarchical Density Estimates[C]//Pacific-Asia Conference on Knowledge Discovery and Data Mining, 2013: 160-172.

[20] LISTED N. Planning for Mars Returned Sample Science: Final Report of the MSR End-to-end International Science Analysis Group (E2E-iSAG)[J]. Astrobiology, 2012, 12(3): 175-230.

（編輯：劉穎）

Land Mark Automatic Extraction Algorithm for Planetary Landing

TAO Jiang CAO Yunfeng DING Meng ZHUANG Likui ZHANG Zhouyu ZHONG Peiyi

（Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China）

The terrain matching navigation method based on optical image is one of the main methods to realize accurate landing in deep space exploration task. The landmarks obtained by the celestial surface optical image can produce complete detector position and attitude information. Therefore, the extraction technology of the celestial surface landmark is the key technology to achieve accurate landing. To this end, a robust automatic method to extract roadmap is proposed in the paper. Firstly, the multi-scale feature points of the celestial surface image are detected using the AKAZE feature detector. The feature points have some robustness to the image distortion and rotation. Then, by introducing the density clustering theory and combining with the DBSCAN clustering algorithm, the AKAZE feature points are clustered to get a number of different clusters. Finally, the candidate signs and final landmarks are determined by setting thresholds. And then an evaluation method of landmark extraction performance is proposed. The experimental results show that this method have good anti-rotation and anti-scale performance in extracting the landmark characteristics, and can provide strong technical support for the multi-scale and multi-view changes that the optical sensor may appear during the landing on Mars, and it is of theoretical significance to realize the accurate landing in deep space exploration.

feature detection; density clustering; landmark extraction; accurate landing; deep space explore

V448.2

A

1009-8518(2018)01-0112-09

10.3969/j.issn.1009-8518.2018.01.014

陶江，男，1991年生，南京航空航天大學(xué)航天學(xué)院導(dǎo)航、制導(dǎo)與控制專業(yè)博士研究生。研究方向?yàn)樯羁仗綔y。E-mail：tjnuaa@nuaa.edu.cn。

2018-01-06

國家自然科學(xué)基金（No. 61673211）；中國運(yùn)載火箭技術(shù)研究院高校聯(lián)合創(chuàng)新基金