小天體光學(xué)導(dǎo)航特征識(shí)別與提取研究進(jìn)展

崔平遠(yuǎn)，賈 賀，朱圣英，陸曉萱

(1. 北京理工大學(xué)深空探測(cè)技術(shù)研究所，北京100081；2. 深空自主導(dǎo)航與控制工信部重點(diǎn)實(shí)驗(yàn)室，北京100081；3. 飛行器動(dòng)力學(xué)與控制教育部重點(diǎn)實(shí)驗(yàn)室，北京100081)

0 引 言

小天體(小行星和彗星)演化程度小，蘊(yùn)含豐富的科學(xué)信息，因此小天體探測(cè)有助于人類了解宇宙的形成和演化，探索生命的起源和進(jìn)化，尋找人類可利用的資源[1-2]；另一方面，小天體探測(cè)可以對(duì)地球有潛在風(fēng)險(xiǎn)的小天體進(jìn)行表征和量化，有益于規(guī)避小天體對(duì)地球的碰撞，實(shí)現(xiàn)對(duì)小天體撞擊的提前防御[3-4]。此外，小天體探測(cè)也是推進(jìn)空間技術(shù)、尤其是深空探測(cè)技術(shù)發(fā)展的重要技術(shù)途徑。因此小天體探測(cè)成為近些年世界各國(guó)的熱點(diǎn)問(wèn)題，具有重大的科學(xué)意義和工程價(jià)值。迄今為止，人類已經(jīng)開(kāi)展了近20次的小天體探測(cè)任務(wù)，獲得了豐富的科學(xué)回報(bào)和技術(shù)突破，如美國(guó)的“近地小行星交會(huì)”(NEAR)任務(wù)[5]、歐西里斯(OSIRIS-REx)任務(wù)[6]，日本“隼鳥(niǎo)2號(hào)”(Hayabussa 2)任務(wù)[7]和歐洲空間局“羅塞塔”(Rosetta)任務(wù)[8]。

傳統(tǒng)采用基于地面站觀測(cè)的導(dǎo)航方法需要連續(xù)觀測(cè)，并且存在較大的通信延時(shí)，很難滿足小天體接近、著陸實(shí)時(shí)導(dǎo)航的需求[9-10]。自主光學(xué)導(dǎo)航可以降低操作的復(fù)雜性、減少任務(wù)成本，提高了完成深空探測(cè)任務(wù)的效率；即使探測(cè)器和地面通信中斷，探測(cè)器仍然能夠完成軌道確定、軌道控制和姿態(tài)控制[11]，已經(jīng)發(fā)展成為深空探測(cè)主要的導(dǎo)航方式[12]。以往許多小天體探測(cè)任務(wù)在不同階段都基于光學(xué)特征信息進(jìn)行自主導(dǎo)航，證明了采用圖像特征實(shí)現(xiàn)自主光學(xué)導(dǎo)航的可行性，同時(shí)也反映了目前特征識(shí)別與提取技術(shù)依然存在著很多技術(shù)困難[13]。小天體探測(cè)過(guò)程拍攝的圖像包含小天體形貌結(jié)構(gòu)、地表特征等光學(xué)導(dǎo)航信息，從圖像中提取的導(dǎo)航特征信息的精度和有效性直接決定探測(cè)器導(dǎo)航的精度和可靠性。此外，隨著高分辨率相機(jī)技術(shù)的快速發(fā)展，圖像尺寸變得越來(lái)越大，圖像處理算法的復(fù)雜性也越來(lái)越大。發(fā)展圖像處理算法以滿足實(shí)時(shí)高精度導(dǎo)航需求是一個(gè)挑戰(zhàn)。如何利用不同階段拍攝的不同尺度的圖像獲得更多有價(jià)值的特征信息對(duì)于實(shí)現(xiàn)小天體物理參數(shù)估計(jì)、提高小天體探測(cè)自主導(dǎo)航精度都是至關(guān)重要的，是小天體探測(cè)任務(wù)的關(guān)鍵技術(shù)之一。

根據(jù)我國(guó)未來(lái)深空探測(cè)的發(fā)展規(guī)劃，開(kāi)展光學(xué)導(dǎo)航特征識(shí)別與提取技術(shù)有重大的理論和現(xiàn)實(shí)意義。本文首先歸納了目前小天體光學(xué)導(dǎo)航特征識(shí)別與提取存在的主要問(wèn)題，接著分析總結(jié)了小天體探測(cè)光學(xué)導(dǎo)航特征識(shí)別與提取涉及的關(guān)鍵技術(shù)，最后，針對(duì)存在的問(wèn)題和未來(lái)發(fā)展需求，對(duì)小天體探測(cè)光學(xué)導(dǎo)航特征識(shí)別與提取的發(fā)展趨勢(shì)進(jìn)行了展望，為未來(lái)小天體探測(cè)任務(wù)提供參考。

1 導(dǎo)航特征識(shí)別與提取技術(shù)主要問(wèn)題

導(dǎo)航特征的快速識(shí)別和精確提取是光學(xué)導(dǎo)航最關(guān)鍵的技術(shù)之一。光學(xué)導(dǎo)航特征識(shí)別與提取技術(shù)是指探測(cè)器利用光學(xué)敏感器獲取的光學(xué)圖像進(jìn)行分析、處理，并對(duì)拍攝的目標(biāo)進(jìn)行識(shí)別或者與已有的先驗(yàn)信息進(jìn)行匹配等手段來(lái)獲取光學(xué)導(dǎo)航特征信息的技術(shù)[14]?；谏羁招√祗w探測(cè)的特殊性，小天體探測(cè)光學(xué)導(dǎo)航特征識(shí)別與提取技術(shù)存在的主要問(wèn)題如下：

1.1 環(huán)境攝動(dòng)干擾多

小天體探測(cè)過(guò)程拍攝的圖像受到多種噪聲、天體自旋和環(huán)境攝動(dòng)等因素的影響。不同大小和不同類型的噪聲會(huì)對(duì)導(dǎo)航特征識(shí)別與提取帶來(lái)不同程度的影響，環(huán)境攝動(dòng)和探測(cè)器自身擾動(dòng)也會(huì)對(duì)成像質(zhì)量造成重大影響[15]。利用圖像處理算法抑制噪聲、排除干擾，提取視線和角度等有效觀測(cè)信息是一項(xiàng)基本而重要的任務(wù)。

1.2 目標(biāo)暗弱不規(guī)則

與火星等大天體不同，小天體亮度低，形狀不規(guī)則，除自身的旋轉(zhuǎn)外還受到其他攝動(dòng)力的影響，暗弱和不規(guī)則的成像給小天體的識(shí)別與跟蹤帶來(lái)了很大困難。除此之外還要考慮太陽(yáng)光照變化、陰影區(qū)域、地表形狀崎嶇不平等造成的遮擋問(wèn)題[16]，這就對(duì)利用圖像信息進(jìn)行目標(biāo)識(shí)別、小天體三維模型重構(gòu)及光學(xué)導(dǎo)航特征識(shí)別與提取帶來(lái)了更多困難和挑戰(zhàn)。

1.3 地表特征復(fù)雜多樣

小天體地表特征復(fù)雜，主要有隕石坑、巖石、斜坡、溝壑等地表特征。同時(shí)對(duì)多種特征信息進(jìn)行識(shí)別匹配十分困難，很難保證提取精度和實(shí)時(shí)性[17]。因此，如何在復(fù)雜地表特征中選取最適當(dāng)?shù)奶卣鲄^(qū)域，采用穩(wěn)定、快速的高精度特征提取算法得到需要的特征信息是十分困難的。此外，多種針對(duì)不同特征的算法應(yīng)用具有一定的局限性，所以實(shí)現(xiàn)小天體表面復(fù)雜特征的提取是一項(xiàng)挑戰(zhàn)。

1.4 星載計(jì)算能力有限

由于星載計(jì)算能力的限制，實(shí)時(shí)性是急需解決的重要問(wèn)題。圖像處理和有效導(dǎo)航信息的提取通常需要相對(duì)較長(zhǎng)的時(shí)間，這導(dǎo)致導(dǎo)航系統(tǒng)存在明顯的時(shí)滯[18]。此外，光學(xué)特征信息的引入明顯增加了圖像雅可比矩陣和深度信息計(jì)算和估計(jì)的復(fù)雜度。圖像處理速度是影響實(shí)時(shí)導(dǎo)航的主要挑戰(zhàn)，需要研究更快速有效的算法以滿足探測(cè)器的自主可靠和實(shí)時(shí)導(dǎo)航的需求。

2 導(dǎo)航特征識(shí)別與提取技術(shù)研究現(xiàn)狀

目前，對(duì)于深空探測(cè)接近段，通過(guò)相機(jī)拍攝目標(biāo)天體或?qū)Ш叫堑恼掌ㄟ^(guò)圖像處理技術(shù)提取目標(biāo)天體的光心或形心，以光心或形心代替質(zhì)心坐標(biāo)從而確定天體或?qū)Ш叫求w的視線方向，實(shí)現(xiàn)光學(xué)導(dǎo)航特征提取。對(duì)于下降著陸段，小天體表面隕石坑、巖石等則是主要的光學(xué)導(dǎo)航特征。國(guó)內(nèi)外學(xué)者從不同方面對(duì)小天體探測(cè)光學(xué)導(dǎo)航信息提取技術(shù)進(jìn)行了系統(tǒng)且深入的研究。從目前研究來(lái)看，小天體探測(cè)光學(xué)導(dǎo)航信息提取所涉及的關(guān)鍵技術(shù)包括：目標(biāo)特征識(shí)別圖像預(yù)處理技術(shù)、星點(diǎn)圖像導(dǎo)航特征提取技術(shù)、拖曳圖像導(dǎo)航特征提取技術(shù)、不規(guī)則天體幾何形心提取技術(shù)、天體形貌特征建模和表征技術(shù)、地表復(fù)雜特征識(shí)別與匹配技術(shù)等。

2.1 目標(biāo)特征識(shí)別圖像預(yù)處理技術(shù)

由于小天體探測(cè)相機(jī)拍攝原始圖像受到隨機(jī)干擾和各種條件限制，因此通常不能直接進(jìn)行特征識(shí)別和提取，需要提前對(duì)小天體原始圖像進(jìn)行預(yù)處理。預(yù)處理過(guò)程通常忽略圖像質(zhì)量，而是有選擇的突出感興趣的特征，并抑制不必要的特征[19]。圖像預(yù)處理主要包括圖像增強(qiáng)、圖像復(fù)原和噪聲濾除技術(shù)。

圖像增強(qiáng)技術(shù)主要分為空間域法和頻率域法[20]?？臻g域法分為點(diǎn)運(yùn)算和鄰域運(yùn)算兩種。頻率域法包括高通濾波、低通濾波、頻率帶通濾波、帶阻濾波和同態(tài)濾波等。圖像復(fù)原技術(shù)是利用圖像的先驗(yàn)信息來(lái)修復(fù)退化圖像的過(guò)程，首先需要先建立圖像模型，然后反解退化過(guò)程并最終獲得退化前的最佳圖像[21]。

噪聲濾除是圖像預(yù)處理的重要步驟之一[22]。深空環(huán)境復(fù)雜，星圖噪聲主要來(lái)源于兩個(gè)方面：1)星空背景噪聲；2)感光元件產(chǎn)生的噪聲，包括光子散粒噪聲、機(jī)械噪聲、暗電流噪聲和成像噪聲等。其中星空背景噪聲是隨機(jī)噪聲，一般將其看作是椒鹽噪聲；成像產(chǎn)生的噪聲大多呈高斯分布，所以可以認(rèn)作高斯噪聲。由于圖像噪聲為高頻噪聲，因此采用低通濾波來(lái)抑制噪聲，包括中值濾波、加權(quán)平均濾波和高斯濾波等，可以根據(jù)具體星圖特性選取合適的濾波方法[23]。另外，對(duì)于深空導(dǎo)航圖像的非高斯噪聲，可以采用閾值小波變換的方法去除噪聲[24]。進(jìn)行小波變換后，信號(hào)主要集中在低頻，而噪聲集中在高頻上，進(jìn)而設(shè)定適當(dāng)閾值實(shí)現(xiàn)噪聲濾除。

2.2 星點(diǎn)圖像導(dǎo)航特征提取技術(shù)

探測(cè)器距離目標(biāo)小天體較遠(yuǎn)時(shí)，探測(cè)器通過(guò)導(dǎo)航敏感器拍攝帶有背景恒星的目標(biāo)圖像，通過(guò)圖像處理技術(shù)從中提取出導(dǎo)航目標(biāo)中心和背景恒星的像素坐標(biāo)。目標(biāo)小天體、恒星和行星等在光學(xué)相機(jī)和星敏感器等導(dǎo)航敏感器中的成像為一個(gè)亮點(diǎn)或一個(gè)小的亮斑，其所占的像素較少。針對(duì)該成像特點(diǎn)，圖像處理過(guò)程中可以忽略目標(biāo)圖像尺寸，通過(guò)星點(diǎn)和背景的分割進(jìn)而提取光心代替質(zhì)心得到質(zhì)心視線信息。

針對(duì)星點(diǎn)特征分離，可以采用閥值分割的方法實(shí)現(xiàn)。Ju[25]提出了一種星點(diǎn)提取過(guò)程的閾值確定方法，然后根據(jù)閾值進(jìn)行二值化處理。李廣澤等[26]提出了一種基于雙正交小波的星點(diǎn)提取算法，利用雙正交小波變換分解星圖確定閾值，從而分割星點(diǎn)和背景。連通域標(biāo)記法也是一種星點(diǎn)分離的常用算法[27]，具有原理簡(jiǎn)單，易實(shí)現(xiàn)的優(yōu)點(diǎn)，但是算法速率相對(duì)較低，且容易發(fā)生標(biāo)記沖突的問(wèn)題。

針對(duì)光心精確定位，質(zhì)心法和高斯擬合法是常用的提取算法。質(zhì)心法基于星點(diǎn)像素灰度直方圖分析定位誤差，實(shí)現(xiàn)光心提取，但是需要多次采樣以保證提取精度[28]。高斯擬合法及其改進(jìn)算法則基于星點(diǎn)像素灰度直方圖的形貌擬合提取光心，該方法提取精度較高，但計(jì)算量較大，且受星點(diǎn)灰度分布影響較大[29]。針對(duì)以上問(wèn)題，Nightingale等[30]提出了基于Shack-Hartmann傳感器波前定位的迭代加權(quán)質(zhì)心法，通過(guò)多次迭代提高質(zhì)心定位精度，并研究了迭代次數(shù)對(duì)提取精度的影響。除此之外，背景預(yù)測(cè)算法也是一種常用方法，王洪濤等[31]提出了一種基于自適應(yīng)背景預(yù)測(cè)的星點(diǎn)特征提取算法，犧牲匹配速率以提高提取精度。

2.3 拖曳圖像導(dǎo)航特征提取技術(shù)

遠(yuǎn)距離接近任務(wù)環(huán)境復(fù)雜，敏感器需要成像的范圍越來(lái)越大，曝光時(shí)間越來(lái)越長(zhǎng)。長(zhǎng)時(shí)間的曝光下，深空探測(cè)器姿態(tài)擾動(dòng)非常明顯，加上熱力縮漲，機(jī)械振動(dòng)等多種因素影響，星載相機(jī)光軸可能會(huì)在曝光時(shí)間內(nèi)產(chǎn)生不可估計(jì)的偏移，導(dǎo)致目標(biāo)天體的圖像不再是亮點(diǎn)而是一條軌跡線，即拖曳圖像[32]。這種現(xiàn)象對(duì)于星等較弱的小天體影響更為明顯，相機(jī)需要更長(zhǎng)的曝光時(shí)間才能實(shí)現(xiàn)目標(biāo)小天體的檢測(cè)與識(shí)別。此時(shí)導(dǎo)航特征提取的關(guān)鍵是從長(zhǎng)時(shí)間曝光過(guò)程形成的復(fù)雜的星光軌跡線中獲得準(zhǔn)確的相對(duì)角距，最終實(shí)現(xiàn)質(zhì)心位置精確提取。

星跡圖像處理一般采用基于模板匹配的圖像處理方法，根據(jù)敏感器的初始狀態(tài)估算星點(diǎn)瞬時(shí)位置，進(jìn)而通過(guò)瞬時(shí)位置預(yù)估星點(diǎn)的動(dòng)態(tài)位置，形成預(yù)測(cè)軌跡，進(jìn)而將預(yù)測(cè)軌跡與實(shí)際圖像進(jìn)行比對(duì)得到小天體的空間指向等需要的特征信息[33]。通過(guò)預(yù)測(cè)得到星跡模板節(jié)點(diǎn)，在真實(shí)圖像上按照節(jié)點(diǎn)位置選取窗口，匹配出真實(shí)星跡節(jié)點(diǎn)，得到多條軌跡上的多個(gè)節(jié)點(diǎn)，再用交叉互匹配修正多組節(jié)點(diǎn)間的相互位置，從而得到較為準(zhǔn)確的角距信息進(jìn)行導(dǎo)航[34]。由于傳統(tǒng)多重互相關(guān)匹配方法并非完全自主，需要地面預(yù)先選定匹配模板，所以為了提升自主性，克服導(dǎo)航圖像模糊的問(wèn)題，可以采用圖像復(fù)原的方法實(shí)現(xiàn)光學(xué)特征提取。

在圖像恢復(fù)的框架中，模糊的導(dǎo)航圖像可以解釋為清晰圖像和運(yùn)動(dòng)模糊核之間的卷積[35]。通常，根據(jù)運(yùn)動(dòng)模糊核是否已知，圖像恢復(fù)方法可以分為盲復(fù)原和非盲復(fù)原兩種。通常情況下非盲復(fù)原是首選方法，因?yàn)槊?fù)原方法對(duì)于在軌實(shí)時(shí)的計(jì)算要求很高。確定運(yùn)動(dòng)模糊核是恢復(fù)拖尾導(dǎo)航圖像最重要的步驟，具有良好實(shí)時(shí)性能的準(zhǔn)確運(yùn)動(dòng)模糊核估計(jì)方法對(duì)于實(shí)際實(shí)施的成功至關(guān)重要[36]。現(xiàn)有方法主要利用陀螺儀的輸出的角速度信息來(lái)估計(jì)運(yùn)動(dòng)模糊核，基于陀螺儀信息的拖曳星圖特征提取技術(shù)是一種基于圖像還原技術(shù)的星圖特征復(fù)原方法，通過(guò)探測(cè)器的陀螺儀數(shù)據(jù)可以得到曝光時(shí)間內(nèi)的三軸角速度就可以估計(jì)得到模糊核的具體形式。得到模糊核的具體形式后，可以采用維納濾波器對(duì)模糊圖像進(jìn)行復(fù)原，但是應(yīng)用該方法的前提需要在曝光時(shí)間內(nèi)角速度是恒定的[37]。這些方法對(duì)于曝光時(shí)間在100 ms以下的場(chǎng)景非常準(zhǔn)確，而當(dāng)角速度在曝光過(guò)程中發(fā)生變化時(shí)則會(huì)導(dǎo)致復(fù)原精度下降，因此它們不適用于較長(zhǎng)的曝光場(chǎng)景[38]。也有一些學(xué)者嘗試通過(guò)圖像處理算法來(lái)估計(jì)更復(fù)雜的運(yùn)動(dòng)模糊核。Zhao等[39]提出了一種基于星圖像梯度稀疏性的深空巡航階段運(yùn)動(dòng)模糊模型估計(jì)新方法，但考慮到機(jī)載環(huán)境，該算法的計(jì)算成本仍然很高。針對(duì)星載應(yīng)用，文獻(xiàn)[40]提出了一種基于盲復(fù)原的拖曳圖像特征快速提取方法，僅利用圖像灰度信息估計(jì)運(yùn)動(dòng)模糊核，在保證精度的基礎(chǔ)上提高了特征提取速度。

2.4 不規(guī)則天體幾何形心提取技術(shù)

隨著向目標(biāo)的不斷接近，目標(biāo)小天體占據(jù)的像素點(diǎn)逐漸增多，導(dǎo)航目標(biāo)圖像逐步從點(diǎn)目標(biāo)成為面目標(biāo)，導(dǎo)航目標(biāo)不規(guī)則的幾何成像形狀進(jìn)一步加劇了導(dǎo)航特征的提取難度。此時(shí)需要根據(jù)不同的成像特點(diǎn)實(shí)現(xiàn)對(duì)目標(biāo)小天體的形心提取，進(jìn)而得到探測(cè)器到導(dǎo)航天體的視線信息，實(shí)現(xiàn)接近段自主光學(xué)導(dǎo)航的測(cè)量信息提取。

對(duì)于規(guī)則的目標(biāo)小天體，基于天體邊緣進(jìn)行橢圓擬合是實(shí)現(xiàn)形心提取的主要方法。主要包括3類:1)是基于Hough變換的橢圓擬合方法[41];2)基于不變矩的擬合方法[42];3)基于最小二乘的擬合方法[43]。Hough變換是一種用于圖像分析、計(jì)算機(jī)視覺(jué)和數(shù)字圖像處理的特征提取技術(shù)，該方法主要通過(guò)遍歷參數(shù)空間得到滿足要求的某一類對(duì)象，可以實(shí)現(xiàn)圖像中線條、圓、橢圓等圖形的識(shí)別[44]。Duda和Hart[45]在1972年提出了一種Hough圓(橢圓)檢測(cè)方法，可以實(shí)現(xiàn)規(guī)則圓或橢圓圖形的識(shí)別，從而得到導(dǎo)航所需的質(zhì)心視線信息，之后Ballard又將變換進(jìn)行推廣，提出了一種廣義霍夫變換方法(Generalizing the Hough transform, GHT)實(shí)現(xiàn)任意形狀圖形的檢測(cè)[46]。橢圓擬合方法僅適用于真實(shí)天體邊緣近似規(guī)則橢圓的情況，當(dāng)天體邊緣不規(guī)則時(shí)，則會(huì)存在較大誤差，造成橢圓邊緣的誤匹配，從而得到誤差較大的天體形心位置坐標(biāo)。針對(duì)不規(guī)則的目標(biāo)小天體，由于成像不規(guī)則，且無(wú)法提前獲得精確的小天體模型，故不能直接采取邊緣提取擬合的方法提取質(zhì)心。此時(shí)采用區(qū)域質(zhì)心提取的方法提取目標(biāo)天體的光心，即亮度中心[47]，該方法首先需要確定包含提取光心的圖像子區(qū)域，然后在子區(qū)域內(nèi)提取所有超過(guò)設(shè)定亮度閾值的像素坐標(biāo)，最終確定該區(qū)域的亮度中心，然后將光心近似看作小天體的質(zhì)心，得到探測(cè)器到質(zhì)心的視線方向。此外，文獻(xiàn)[48]提出了一種基于小天體不規(guī)則度的形心提取算法，小天體不規(guī)則度可以評(píng)估小天體的不規(guī)則程度，并可以作為算法選取指標(biāo)，選取最合適的提取方法，實(shí)現(xiàn)不規(guī)則小天體形心提取。

2.5 天體形貌特征建模和表征技術(shù)

形貌特征建模和表征技術(shù)是小天體探測(cè)光學(xué)特征識(shí)別與提取的關(guān)鍵技術(shù)之一，是探測(cè)器在目標(biāo)附近進(jìn)行高精度自主導(dǎo)航、安全自主附著的前提和保障。探測(cè)器搭載科學(xué)荷載主要有光學(xué)相機(jī)，激光測(cè)距儀等，探測(cè)器可以獲得大量影像和激光測(cè)距數(shù)據(jù)，根據(jù)這些數(shù)據(jù)利用圖像處理及計(jì)算機(jī)視覺(jué)算法可以實(shí)現(xiàn)對(duì)目標(biāo)表面形貌的精確測(cè)繪和表征。

小天體形貌特征建模和表征技術(shù)利用多視點(diǎn)拍攝圖像及激光測(cè)距等得到的距離信息實(shí)現(xiàn)小天體三維模型重構(gòu)和地表形貌表征。小天體環(huán)繞段可以獲得大量小天體表面圖像，NEAR任務(wù)利用在軌測(cè)量數(shù)據(jù)構(gòu)建了Eros小天體的三維形狀、引力場(chǎng)等模型[49]，Gaskell[50]使用從近距離任務(wù)獲得的大量立體圖像數(shù)據(jù)，構(gòu)建了Eros小天體的形狀和地形模型，其平均分辨率為30 m，大部分區(qū)域分辨率為10～30 m。Maruya等[51]根據(jù)天體的表面特征點(diǎn)和側(cè)面形狀輪廓，構(gòu)建了小天體的3D模型和表面高程圖，并實(shí)現(xiàn)了對(duì)小天體附近環(huán)境的態(tài)勢(shì)感知。Gaskell[52]還利用現(xiàn)有的小天體Itokawa的雷達(dá)觀測(cè)模型，結(jié)合從Hayabussa任務(wù)獲得的圖像和高程數(shù)據(jù)，重構(gòu)了具有地標(biāo)的Itokawa三維仿真模型。Scheeres等[53]提出了一種利用環(huán)繞階段測(cè)量得到的探測(cè)數(shù)據(jù)，對(duì)小天體的外部輪廓進(jìn)行重構(gòu)，從而進(jìn)行進(jìn)一步的導(dǎo)航測(cè)量。Sullivan等[54]使用伽利略拍攝的周期性圖像研究了小天體的表面特征，盡管進(jìn)行了粗略分析但是仍缺少具體算法的細(xì)節(jié)推導(dǎo)。因此有必要進(jìn)行大量的研究以實(shí)現(xiàn)細(xì)節(jié)特征識(shí)別和小天體形貌特征建模和表征。

2.6 地表復(fù)雜特征識(shí)別與匹配技術(shù)

當(dāng)捕獲到導(dǎo)航目標(biāo)詳細(xì)表面特征圖像時(shí)，可以采用圖像匹配、圖像特征點(diǎn)的提取和跟蹤等多種處理方法獲取導(dǎo)航信息。探測(cè)器通過(guò)檢測(cè)識(shí)別暗弱目標(biāo)表面豐富的地理特征，根據(jù)序列圖像特征間的匹配，完成探測(cè)器在序列圖像間的相對(duì)位置姿態(tài)估計(jì)。

小天體環(huán)繞和著陸到小天體的過(guò)程中，小天體的地表特征是最重要的導(dǎo)航信息。當(dāng)基線較小且序列圖像變化較小時(shí)，可以利用典型的Harris角點(diǎn)檢測(cè)算法用于獲取地表特征信息[55]。但是，該算法提取的特征點(diǎn)分布集中在巖石和隕石坑的邊緣，因此只能匹配特征點(diǎn)的局部區(qū)域，影響3D模型重建精度[56]?；诔叨炔蛔冃缘奶卣魈崛∷惴ū粡V泛應(yīng)用于特征識(shí)別和匹配中，Lowe[57]提出了一種SIFT算法，該算法具有強(qiáng)魯棒性，受光照強(qiáng)度、圖像噪聲等影響較小，可以應(yīng)用于序列圖像特征變化較大的情況。另外，通過(guò)SIFT算法提取的特征點(diǎn)是基于圖像金字塔提取的，因此與傳統(tǒng)的Harris角點(diǎn)提取算法相比分布更均勻[58]。Ke和Sukthankar[59]提出了基于SIFT的改進(jìn)算法PCA-SIFT。通過(guò)主元素分析方法將SIFT描述符減少到20維，提高執(zhí)行速度，減少存儲(chǔ)空間，并且可以實(shí)時(shí)估計(jì)探測(cè)器的運(yùn)動(dòng)狀態(tài)。文獻(xiàn)[60]提出了一種小天體表面陰影區(qū)的魯棒匹配方法，采用多角度尺度不變特征變換(MA-SIFT)實(shí)現(xiàn)陰影區(qū)域特征識(shí)別和匹配，提高了圖像間存在較大視角變化時(shí)的正確匹配率。

針對(duì)巖石和斜坡特征，通過(guò)光照產(chǎn)生的陰影可以作為巖石特征的識(shí)別和匹配的粗略辨別因素，但不能作為斜坡等障礙的判別方法。文獻(xiàn)[61]提出了一種針對(duì)斜坡檢測(cè)算法，Ma等[62]提出利用邊緣光流算法進(jìn)行巖石識(shí)別，該算法基于紋理的圖像分割，受光照影響較大。探測(cè)器在小天體著陸時(shí)，如果探測(cè)器拍攝圖像的視線方向變化較大時(shí)，可以根據(jù)探測(cè)器運(yùn)動(dòng)狀態(tài)實(shí)現(xiàn)巖石和斜坡的檢測(cè)和識(shí)別[63]。

針對(duì)隕石坑特征提取，邊緣檢測(cè)、梯度濾波和神經(jīng)網(wǎng)絡(luò)算法等是實(shí)現(xiàn)隕石坑檢測(cè)的關(guān)鍵技術(shù)[64]。Cheng等[65]引入Canny算子邊緣檢測(cè)器來(lái)實(shí)現(xiàn)隕石坑邊緣檢測(cè)及相同隕石坑邊緣匹配分組，這是隕石坑檢測(cè)和匹配算法(Crater detection and matching algorithm, CDMA)發(fā)展的一個(gè)里程碑。陳建清等[66]提出了基于圖像灰度特征的隕石坑檢測(cè)與匹配方法，根據(jù)興趣區(qū)域快速確定隕石坑邊緣，進(jìn)而實(shí)現(xiàn)隕石坑檢測(cè)，避免了檢測(cè)方法對(duì)圖像太陽(yáng)高度角的依賴。文獻(xiàn)[67]提出了一種基于神經(jīng)網(wǎng)絡(luò)的隕石坑自動(dòng)檢測(cè)和分類方法，通過(guò)改進(jìn)自適應(yīng)增強(qiáng)算法(Adaboosting algorithm)提高了小型隕石坑檢測(cè)和匹配的準(zhǔn)確率。此外，Yang等[68]使用基于生物學(xué)啟發(fā)的Haar特征檢測(cè)天體表面上的隕石坑，結(jié)合生物學(xué)模型和Haar特征的優(yōu)勢(shì)，可以從檢測(cè)到的隕石坑中獲得判別信息；Yu等[17]提出了一種利用地形三維數(shù)據(jù)的圖像區(qū)域特征匹配方法，通過(guò)圖像區(qū)域特征檢測(cè)器來(lái)檢測(cè)隕石坑，然后將檢測(cè)到的隕石坑與數(shù)據(jù)庫(kù)中的隕石坑進(jìn)行匹配，實(shí)現(xiàn)導(dǎo)航特征提??；田陽(yáng)等[69]提出了一種三維地形特征提取和匹配方法，以特征間距離和方向?yàn)樵貥?gòu)成三維特征描述集合，提高了稀疏三維點(diǎn)云條件下地形特征的匹配率。Wokes等[70]提出了一種新型隕石坑識(shí)別匹配方法，該方法將檢測(cè)到的隕石坑近似并重構(gòu)為球形模型，從中提取隕石坑的位置信息，并將其用作隕石坑匹配的不變量，實(shí)現(xiàn)隕石坑特征的識(shí)別與匹配。

3 導(dǎo)航特征識(shí)別與提取技術(shù)展望

圖像處理等導(dǎo)航信息處理技術(shù)是將觀測(cè)信息轉(zhuǎn)化為高精度導(dǎo)航信息的關(guān)鍵環(huán)節(jié)。現(xiàn)有技術(shù)盡管可以實(shí)現(xiàn)導(dǎo)航特征識(shí)別與提取，但是仍然有許多技術(shù)問(wèn)題需要突破。面臨未來(lái)更復(fù)雜的任務(wù)需求，本節(jié)對(duì)光學(xué)導(dǎo)航特征識(shí)別與提取技術(shù)未來(lái)發(fā)展方向進(jìn)行總結(jié)。

3.1 不規(guī)則暗弱目標(biāo)特征提取

小天體亮度較低，形狀不規(guī)則且自旋較大，光學(xué)相機(jī)所拍攝的圖像由于光照條件、成像角度及成像時(shí)間的不同變化較大，成像質(zhì)量總體較低。目標(biāo)暗弱不規(guī)則成像對(duì)目標(biāo)的特征提取造成了極大困難。需要發(fā)展針對(duì)不規(guī)則暗弱目標(biāo)的圖像處理算法，得到精確的導(dǎo)航觀測(cè)信息。首先需要實(shí)現(xiàn)暗弱目標(biāo)識(shí)別與跟蹤，從有限信息的圖像中分割出有效特征。進(jìn)而針對(duì)不規(guī)則暗弱目標(biāo)有效特征，利用序列圖像結(jié)合激光測(cè)距等其他敏感器的測(cè)量信息實(shí)現(xiàn)多源信息融合的特征提取?？紤]不規(guī)則目標(biāo)和目標(biāo)表面特征成像特性，需要理論與實(shí)驗(yàn)仿真相結(jié)合，開(kāi)展基于人工智能和機(jī)器學(xué)習(xí)的特征提取方法。針對(duì)匹配圖像對(duì)間的旋轉(zhuǎn)、尺度縮放及變形等問(wèn)題，需要開(kāi)展容錯(cuò)處理分析，研究目標(biāo)特征正射投影的不變屬性，減少特征誤匹配。另外，小天體的不規(guī)則度概念在應(yīng)用于不規(guī)則小天體導(dǎo)航特征提取時(shí)，如何針對(duì)小天體探測(cè)任務(wù)背景，合理有效地應(yīng)用到小天體光心和形心提取、形貌建模與表征等多類型復(fù)雜任務(wù)中，也是未來(lái)特征識(shí)別與提取技術(shù)的重要研究方向。

3.2 多尺度多視點(diǎn)特征提取與匹配

目前，小天體附著光學(xué)導(dǎo)航特征識(shí)別，匹配和提取技術(shù)已取得了一定進(jìn)展。但是，由于小天體附著過(guò)程中探測(cè)器運(yùn)動(dòng)變化，姿態(tài)控制，加之環(huán)境攝動(dòng)等會(huì)導(dǎo)致圖像特征匹配的穩(wěn)定性下降，直接影響到特征提取精度。所以針對(duì)多種狀態(tài)變化和擾動(dòng)導(dǎo)致圖像尺度和視點(diǎn)變化的問(wèn)題，需要開(kāi)展魯棒性強(qiáng)的多尺度，多視點(diǎn)特征提取與匹配算法，提高特征提取與匹配的精度和可靠性。針對(duì)大范圍變化的圖像，需要開(kāi)展基于機(jī)器學(xué)習(xí)的智能特征提取與匹配方法，以應(yīng)對(duì)多陰影，多視點(diǎn)范圍變化導(dǎo)致圖像特征匹配準(zhǔn)確率下降的問(wèn)題。針對(duì)地表圖像復(fù)雜多變的問(wèn)題，如何選取和識(shí)別機(jī)會(huì)區(qū)域特征，實(shí)現(xiàn)目標(biāo)特征的篩選和分類識(shí)別提取是未來(lái)研究的重點(diǎn)。針對(duì)多尺度多視點(diǎn)導(dǎo)致目標(biāo)特征不明顯的問(wèn)題，需要從不同分辨率和多源觀測(cè)信息融合的角度入手，合理利用圖像和多源測(cè)量信息，實(shí)現(xiàn)特征提取、匹配和跟蹤。

3.3 復(fù)雜特征穩(wěn)定快速識(shí)別與匹配

小天體表面存在隕石坑，巖石等大量復(fù)雜形貌特征，需要發(fā)展不同類型特征的提取和識(shí)別方法，通過(guò)對(duì)圖像中邊緣、圖像特征點(diǎn)、特征線、特征面的檢測(cè)和分析，實(shí)現(xiàn)復(fù)雜表面特征的提取與跟蹤?，F(xiàn)有技術(shù)往往對(duì)單一導(dǎo)航特征進(jìn)行識(shí)別與匹配，而由于實(shí)際任務(wù)中地表特征復(fù)雜，將導(dǎo)致特征識(shí)別困難并增大匹配誤差。因此開(kāi)展復(fù)雜特征的篩選分割實(shí)現(xiàn)特征有效識(shí)別是重要的研究方向。針對(duì)多種特征重合或不明顯的問(wèn)題，需要研究如何實(shí)現(xiàn)最優(yōu)導(dǎo)航特征圖像的獲取方法。另外，在保證精度的前提下，如何簡(jiǎn)化計(jì)算，提高處理速度，形成在軌實(shí)時(shí)處理能力仍是自主導(dǎo)航特征識(shí)別與匹配的迫切需求。傳統(tǒng)的圖像處理算法，不論是基于尺度不變性的識(shí)別與匹配方法，還是基于地形數(shù)據(jù)庫(kù)的特征識(shí)別與匹配方法都需要較長(zhǎng)的圖像處理時(shí)間，不能直接應(yīng)用于自主導(dǎo)航系統(tǒng)。因此針對(duì)機(jī)載計(jì)算能力低，深空間的特殊性，基于硬件系統(tǒng)平臺(tái)的處理算法是重要的研究方向，需要發(fā)展基于DSP和FPGA等硬件平臺(tái)的實(shí)時(shí)處理算法。

4 結(jié)束語(yǔ)

小天體探測(cè)光學(xué)導(dǎo)航特征識(shí)別與提取是小天體探測(cè)領(lǐng)域的關(guān)鍵技術(shù)。小天體接近、附著等不同探測(cè)任務(wù)拍攝的圖像受到多種環(huán)境攝動(dòng)和擾動(dòng)噪聲等因素的影響，加之小天體本身暗弱不規(guī)則的特性和復(fù)雜多樣的地表環(huán)境特征，給導(dǎo)航特征的識(shí)別、提取和匹配造成了很大困難。為了實(shí)現(xiàn)未來(lái)小天體探測(cè)精確導(dǎo)航和環(huán)境感知，需要進(jìn)一步研究小天體光學(xué)導(dǎo)航特征識(shí)別與提取的關(guān)鍵技術(shù)，以提高特征識(shí)別、提取和匹配的精度和實(shí)時(shí)性。

現(xiàn)有技術(shù)對(duì)星點(diǎn)圖像、拖曳圖像、不規(guī)則天體圖像和復(fù)雜地表圖像等不同圖像及不同光學(xué)導(dǎo)航特征識(shí)別與提取開(kāi)展了深入研究，并取得了突破進(jìn)展。然而導(dǎo)航目標(biāo)不規(guī)則的幾何成像形狀依舊是導(dǎo)航特征的提取的難點(diǎn)。星表形貌特征復(fù)雜多樣，不同高度、視角及運(yùn)動(dòng)狀態(tài)所獲取同一地形的觀測(cè)數(shù)據(jù)特性迥異，這也導(dǎo)致星表特征的提取與匹配極為困難。因此如何在復(fù)雜光學(xué)圖像中識(shí)別目標(biāo)并快速準(zhǔn)確提取導(dǎo)航特征，是未來(lái)研究的重點(diǎn)。