面向地外天體表面智能感知與操控研究的多源數(shù)據(jù)集

邢 琰，姜甜甜，賈 永，劉 磊，楊孟飛

1. 北京控制工程研究所,北京 100094 2. 空間智能控制技術(shù)國防科技重點實驗室,北京100094 3. 中國空間技術(shù)研究院,北京 100094

0 引 言

月球、火星等地外天體表面自主探測需要在有限資源約束下, 解決自主導(dǎo)航, 復(fù)雜環(huán)境感知識別, 安全高效路徑規(guī)劃以及平穩(wěn)協(xié)調(diào)運動控制等關(guān)鍵技術(shù)，我國已經(jīng)實施了兩次月球表面巡視探測和一次火星表面巡視探測，未來月球、火星等地外探測任務(wù)對表面探測位置、范圍和效率的需求明顯提高，著陸精度由公里級提升到百米級，探測范圍從公里級擴展到百公里級以上，移動時速從百米級提高到公里級以上，并能實現(xiàn)對感興趣科學(xué)目標的精準采樣. 新的任務(wù)需求要求探測系統(tǒng)具有更強的地外環(huán)境適應(yīng)能力，并具有更強的智能水平，解決復(fù)雜環(huán)境的感知理解、多任務(wù)多約束下的規(guī)劃與決策，以及地外移動與作業(yè)等精準操控，以滿足未來復(fù)雜地外環(huán)境下的大范圍遠距離高效科學(xué)探測任務(wù)需求.

未來的地外探測已展現(xiàn)出人工智能的廣闊應(yīng)用前景，探測器可根據(jù)任務(wù)目標、自身狀態(tài)和未知環(huán)境特點，主動感知環(huán)境、理解環(huán)境，發(fā)現(xiàn)高價值目標，進行可靠推理和有效決策，并通過高精度導(dǎo)航和操控實現(xiàn)決策任務(wù)目標.

智能模型的訓(xùn)練與測試需要合適的數(shù)據(jù)集做支撐. 美國JPL實驗室于2017年11月發(fā)布了火星科學(xué)實驗室表面數(shù)據(jù)集[1](MSL surface dataset)，該數(shù)據(jù)集來自好奇號漫游車第3～1060個火星日(2012年8月-2015年7月)用安裝在桅桿上的左右桅桿相機(mast camera，MastCam)和安裝在火星車機械臂頂端的透鏡相機(Mars hand lens imager，MAHLI)采集的圖像數(shù)據(jù)，包含24類6,691張尺寸約為256pixel×256 pixel火星表面環(huán)境圖像，24類標簽由火星科學(xué)家確定，包括阿爾法粒子X射線光譜儀(Alpha particle X-ray spectrometer，APXS)、MAHLI、車輪等漫游車上的多類設(shè)備，以及地面、水平線等火星星表目標. 2020年9月，又發(fā)布了MSL surface data set v2數(shù)據(jù)集[2-3]，該數(shù)據(jù)集的來源與MSL Surface Data相同，具體由6,820張大小為227 pixel×227 pixel的圖像組成，標簽為19類感興趣的科學(xué)和工程目標，增加了沙地、車輪軌跡等類別.

DORAN等[4]于2020年9月發(fā)布了HiRISE火星軌道器圖像數(shù)據(jù)集v3.2(HiRISE orbital data set version 3.2)，由火星勘測軌道器(Mars reconnaissance orbiter, MRO)的高分辨率圖像試驗相機(high resolution imaging science experiment, HiRISE)采集的232張灰度圖像中檢測、提取和增強生成的64,947張地標圖像組成，其中10,815張為原始地標圖像，其余54,132張地標圖像通過對原始地標圖像進行旋轉(zhuǎn)、翻轉(zhuǎn)、亮度調(diào)整等生成. 該數(shù)據(jù)集中圖像尺寸為227 pixel×227 pixel，分辨率為30cm/pixel，包含隕石坑、沙丘、斜坡條紋等8類地標標簽(Bright dune, Crater, Dark dune, Impact ejecta, Slope strak, Spider, Swiss cheese, other). WILHELM等[5]利用火星勘測軌道器(MRO)背景相機(context camera，CTX)拍攝的163張灰度圖像，建立了更加多樣化的DoMars16數(shù)據(jù)集. 該數(shù)據(jù)集包含了由火星表面常見的15種不同地形地貌組成的16,150個樣本(沙丘、懸崖、山脊、溝渠、峽谷等)，樣本圖像大小為200 pixel×200 pixel，分辨率為6m/pixel，可用來構(gòu)建火星表面地形地貌圖，并用于著陸區(qū)域選取. 以上數(shù)據(jù)集中，單張圖像對應(yīng)一個標簽，可用于行星科學(xué)、地質(zhì)地貌學(xué)的研究，也可用于火星星表圖像識別算法的訓(xùn)練.

近年來，為推動深度學(xué)習(xí)技術(shù)等在火星巡視探測任務(wù)中的應(yīng)用，提升火星探測器的自動駕駛能力，發(fā)展出多個用于訓(xùn)練和驗證火星地形分類模型的語義分割圖像數(shù)據(jù)集. 歐空局(ESA)發(fā)起的LabelMars項目，實現(xiàn)了對勇氣號、機遇號和好奇號5,000張導(dǎo)航圖像的語義分割和標注，標注的標簽涉及約20個地質(zhì)/地形地貌類別(例如：“concretions/nodules”,“dark-toned magmatic outcrop”，“l(fā)ight-toned sedimentary float rock”)[6].然而，這些類別具有很強的專業(yè)性，只能由訓(xùn)練有素的相關(guān)領(lǐng)域?qū)＜医o出準確解釋，對于數(shù)據(jù)集的高質(zhì)量擴充提出了挑戰(zhàn).SWAN等[7]進一步發(fā)布了具有4類簡化標簽的AI4Mars數(shù)據(jù)集，該數(shù)據(jù)集由來自好奇號導(dǎo)航相機(NavCam)灰度圖像和桅桿相機(MastCam)彩色圖像、以及機遇號和勇氣號導(dǎo)航相機(NavCam)灰度圖像共計約35,000張，人工生成約326,000張帶有沙地、土壤、基巖和大巖石4類語義標簽的圖像樣本(圖1)，其中還包含由領(lǐng)域?qū)＜覙俗⑸傻募s1,500張標注樣本數(shù)據(jù)，可用于火星地形分類模型的訓(xùn)練和性能評估.

圖1 AI4Mars四類樣本圖例Fig.1 Representative examples of four classes of AI4Mars

此外，德國航空航天中心(German aerospace center，DLR)下屬的機器人學(xué)和機電學(xué)研究中心(institute of robotics and mechatronics)發(fā)布了用于視覺-慣性導(dǎo)航的火星模擬探索MADMAX(morocco-acquired data set of Mars-Analog exploration)數(shù)據(jù)集[8-9]，該數(shù)據(jù)集包含在摩洛哥8個火星模擬站采集的36組導(dǎo)航實驗數(shù)據(jù)，其軌跡長度約9.2 km，最長軌跡1.5 km，提供了帶有時間戳的黑白立體相機、單個彩色相機、全景立體相機、以及慣性測量單元IMU的實測數(shù)據(jù)，以及基于全球?qū)Ш叫l(wèi)星系統(tǒng)GNSS獲得的位置和方位真值數(shù)據(jù)，還給出了真值數(shù)據(jù)的不確定程度. 該數(shù)據(jù)集可用于評估導(dǎo)航算法的準確性和魯棒性.

與地面結(jié)構(gòu)化路面無人駕駛不同，地外天體表面場景原始復(fù)雜，圖像信息能夠提供地形地貌特征，但無法反應(yīng)內(nèi)部物理化學(xué)特性，如土壤顆粒度、硬度、緊實度以及成分組成等，而上述特性會影響地外天體表面探測時的移動通過性能及機械臂采樣成功率，因此除表面地形地貌精細化重建之外，對內(nèi)部淺表層的感知和識別，是影響地外天體探測安全性和效率的重要因素，也是地外天體精準感知與操控研究的關(guān)鍵.目前已有數(shù)據(jù)集不能滿足上述研究需求.

北京控制工程研究所建立了月球及火星巡視探測GNC物理仿真試驗系統(tǒng)，并面向我國未來深空探測重大工程任務(wù)需求，持續(xù)開展地外天體探測研究與地面試驗驗證條件和能力建設(shè)，目前已建成“智能無人系統(tǒng)實驗室”. 智能無人系統(tǒng)實驗室能夠?qū)崿F(xiàn)對地外天體表面地形地貌的模擬，并基于我國“祝融號”火星車的六輪搖臂懸架式移動機構(gòu)研制了智能無人系統(tǒng)地面樣機，能夠獲得模擬地外天體表面環(huán)境的多源數(shù)據(jù)及火星車作業(yè)過程中的狀態(tài)數(shù)據(jù)，為月球、火星等地外探測智能無人系統(tǒng)提供制導(dǎo)、導(dǎo)航與控制技術(shù)研究與驗證條件，并為基于人工智能的深空探測感知、識別與操控等理論方法研究和應(yīng)用提供學(xué)習(xí)訓(xùn)練和推理驗證條件. 基于實驗室條件，構(gòu)建了面向地外精準感知識別與操控理論方法研究的多源數(shù)據(jù)集“天衢1.0”. 本文首先介紹了生成“天衢1.0”數(shù)據(jù)集的模擬地外場景建設(shè)情況，在此基礎(chǔ)上詳細介紹了數(shù)據(jù)集內(nèi)容及構(gòu)建情況，最后給出了數(shù)據(jù)集的公開發(fā)布鏈接.

1 模擬地外場景

地外場景模擬主要針對與感知理解、規(guī)劃決策與作業(yè)操控性能相關(guān)的地形地貌、光照及不同目標的表面熱特性進行模擬，對空間輻射環(huán)境暫不考慮.

(1)地形地貌模擬

與地面無人駕駛相比，月球和火星等地外天體表面地形地貌的特點是原始自然，無道路、橋梁和建筑等人工目標. 月球和火星表面環(huán)境有較大差異，月球表面覆蓋松軟月壤，顆粒度小，最表層的粉末狀月塵，粒徑一般小于1 mm[10-12].火星和地球一樣擁有多樣的地形，有高山、平原和峽谷，火星基本上是沙漠行星，地表沙丘、礫石遍布. 由于重力較小等因素，地形尺寸與地球相比亦有不同的地方. 南北半球的地形有著強烈的對比：北方是被熔巖填平的低原，南方則是充滿隕石坑的古老高地，而兩者之間以明顯的斜坡分隔；火山地形穿插其中，眾多峽谷亦分布各地，南北極則有以干冰(固態(tài)的二氧化碳)和水冰組成的極冠，風(fēng)成沙丘亦廣布整個星球[13].

智能無人系統(tǒng)實驗室采用基礎(chǔ)地形和表面地貌兩部分以模擬地外地形地貌特征. 基礎(chǔ)地形包括平坦地形(坡度小于5°)、坑地(深度大于10 cm，直徑大于1 m)、坡地(坡度5°～20°，坡長不小于1.5 m)和溝壑、山脊、山谷等陡峭地形(坡度大于20°). 表面地貌部署均勻板巖、粗糙板巖、密集尖利碎石群、零散分布露巖和基巖露頭等不同地物，以及材質(zhì)粒度和成分不同的包括粗沙、細沙和細塵等. 同時，為獲得更多類型物理和化學(xué)特性不同的目標物體數(shù)據(jù)集，在沙石場地內(nèi)還布設(shè)了煤、塑料、橡膠、木塊、金屬等目標，獲得的多源數(shù)據(jù)可支持多類型目標精準感知與采集作業(yè)精準操控方法研究與驗證.

模擬場地全景如圖2所示.

(2)光照模擬設(shè)備

地外天體因大氣環(huán)境和對日距離與地球不同，表面光照條件與地球表面有較大差異. 月球表面無大氣，太陽光入射到月球表面時無散射現(xiàn)象，因此月表光照為平行光，在光照遮擋區(qū)域為全黑陰影，可見光相機無法清晰成像. 火星表面有微弱大氣(大氣密度約為地球的1%)，太陽光照透過火星大氣時會產(chǎn)生漫反射和Mie散射，因此火星表面光照為非平行光. 火星距太陽平均距離約為1.52AU，火星表面的最大光照強度約為地球的43%.

為同時滿足平行光和散射光照條件模擬需求，智能無人系統(tǒng)實驗室采用大面積平行光燈陣和頂部光源的光照模擬設(shè)備. 室內(nèi)大面積平行光模擬是技術(shù)難點. 傳統(tǒng)太陽模擬器通常以氙燈、鹵素?zé)魹楣庠矗庹彰娣e一般在1m2以內(nèi)，面積增大會導(dǎo)致成本和能耗急劇增大. 空間智能無人系統(tǒng)實驗室創(chuàng)造性采用基于LED光源、非球面聚光透鏡和菲涅爾透鏡準直的方案，LED光源具有光效高、發(fā)熱量小、響應(yīng)快和壽命長等特點，經(jīng)聚光和準直產(chǎn)生大面積平行光. 光照模擬系統(tǒng)采用9800個LED光源，10 m×10 m的光照模擬，且入射角度可調(diào)，能夠在場地內(nèi)產(chǎn)生10 m×20 m的平行光照射區(qū)域，平行度優(yōu)于±2°，為地外平行光條件下智能無人系統(tǒng)驗證提供有效的光照條件.圖3所示為室內(nèi)平行光模擬設(shè)備.

圖3 室內(nèi)平行光模擬設(shè)備Fig.3 Indoor parallel light simulation equipment

(3)熱特性模擬設(shè)備

天體表面熱特性也是影響感知和操控的因素之一. 室內(nèi)封閉環(huán)境下溫度平衡后，難以準確反映地外天體表面晝夜表面溫度變換情況，為驗證熱特性變換并提供熱特性研究條件，實驗室建立了具有主動加熱和制冷能力的熱特性模擬設(shè)備，可以模擬地外天體一個晝夜的溫度變換規(guī)律，并通過溫度測量設(shè)備和熱慣量計算軟件進行測量和計算，用于輔助判斷熱輻射不同的地形，輔助識別可見光難以判斷的危險.

上述環(huán)境模擬設(shè)備提供的3個環(huán)境特征要素，能夠反映影響精準感知和操控效能的關(guān)鍵因素，通過組合能夠模擬地外天體表面的復(fù)雜場景，用于精準感知與操控學(xué)習(xí)訓(xùn)練數(shù)據(jù)集構(gòu)建，支持研究人員通過表面地形地貌測量、溫度和多光譜測量進行對地外環(huán)境的深層學(xué)習(xí)感知與理解研究，實現(xiàn)規(guī)劃決策與精準操控.

2 數(shù)據(jù)采集與驗證平臺

數(shù)據(jù)采集與驗證平臺為基于我國“祝融號”火星車的六輪搖臂懸架式移動機構(gòu)的智能無人系統(tǒng)地面樣機，如圖4所示. 地面樣機上配備可見光相機、熱成像儀、多光譜相機、激光雷達和深度相機共五類環(huán)境感知敏感器，并配備集成三正交安裝的光纖陀螺和石英撓性加速度計的慣性測量單元用于獲得慣性導(dǎo)航信息，6個輪的輪軸上各安裝一套六維力/力矩傳感器，測量輪軸3個方向的受力和力矩情況. 采用高精度絕對編碼器，獲得機構(gòu)轉(zhuǎn)速和轉(zhuǎn)角信息. 樣機配備CPU+GPU異構(gòu)智能計算平臺，數(shù)據(jù)采集與存儲軟件運行在智能計算平臺上，并通過并行采集鏈路和時序優(yōu)化設(shè)計保證多源數(shù)據(jù)采集同步性.

圖4 數(shù)據(jù)采集與驗證平臺—智能無人系統(tǒng)樣機Fig.4 Data acquisition and verification platform—intelligent unmanned system prototype

3 數(shù)據(jù)類別及屬性

數(shù)據(jù)集由多源環(huán)境感知數(shù)據(jù)、自身狀態(tài)測量數(shù)據(jù)、外測精準位姿數(shù)據(jù)和外測精準地形數(shù)據(jù)四個部分組成，不同數(shù)據(jù)帶有時間戳，保證多類數(shù)據(jù)的時間一致性.

3.1 多源環(huán)境感知數(shù)據(jù)

為支持對地外復(fù)雜場景的精準感知和透徹理解研究，數(shù)據(jù)集提供5類多源環(huán)境感知數(shù)據(jù).

(1)可見光圖像

可見光圖像包括RGB彩色圖像和黑白圖像兩類. 彩色圖像和黑白圖像均為成對圖像，其中彩色圖像對基線長度為0.3 m的成對圖像，圖像分辨率為2048 pixel×2048 pixel，視場大小為50.28°×50.28°. 視線高度為1.5 m，視線方向下俯30°. 黑白圖像對基線長度為0.1 m，圖像分辨率為1024 pixel×1024 pixel，視場大小為150.83°×120.66°，視線高度為0.6 m.

(2)熱圖像

熱圖像由熱成像儀采集，圖像分辨率為640 pixel×512 pixel，視場大小為24.6°×19.8°，溫度范圍為-20℃-150℃，采集視線高度和方向與彩色可見光圖像獲取方式一致.

(3)多光譜圖像

多光譜圖像是由9通道多光譜相機采集的光譜反照率圖像，9個光譜譜段分別為400 nm、480 nm、525 nm、650 nm、700 nm、800 nm、900 nm、950 nm、1000 nm. 相機視場為19.2°×16.1°，圖像分辨率為2448 pixel×2048 pixel，采集視線高度和朝向與彩色可見光圖像獲取方式一致.

(4)激光雷達數(shù)據(jù)

激光雷達數(shù)據(jù)由40線激光雷達采集獲取，精度為±2 cm，掃描視場角為360°(H)×40°(V)，角分辨率為0.5° (H)×0.3°(V). 激光雷達安裝高度約為0.6 m，掃描視線與黑白可見光圖像一致.

(5)深度相機數(shù)據(jù)

深度相機數(shù)據(jù)包括點云、深度、置信度和強度，由TOF機制的深度相機采集獲得. 相機分辨率為640 pixel×480 pixel，視場為67°(H)× 51°(V), 5 m內(nèi)測量精度為±5 mm.

多源環(huán)境感知數(shù)據(jù)以圖像和PCD點云文件形式表示，具體定義及屬性如表1所示.

表1 多源環(huán)境感知數(shù)據(jù)定義與屬性Tab.1 Definition and attributes of multi-source environment perception data

3.2 自身狀態(tài)測量數(shù)據(jù)

為支持對地外復(fù)雜場景的精準感知和透徹理解研究，數(shù)據(jù)集提供四類反映智能無人系統(tǒng)運動及受力情況的自身狀態(tài)測量數(shù)據(jù)，由配備在智能無人系統(tǒng)樣機上的敏感器采集獲得，包括慣性測量數(shù)據(jù)、運動機構(gòu)測量數(shù)據(jù)、輪地接觸力與力矩測量數(shù)據(jù)及沉陷測量數(shù)據(jù).

(1)慣性測量數(shù)據(jù)

慣性測量數(shù)據(jù)由安裝在智能無人系統(tǒng)上的慣性測量敏感器采集獲得，慣性測量單元(IMU)由3個正交安裝的光纖陀螺和3個石英撓性加速度計組合而成，3個陀螺輸出三軸角速率，單位為(°)/s，零偏穩(wěn)定性和重復(fù)性均小于0.1(°)/h. 三軸加速度計輸出數(shù)據(jù)量綱為g，絕對精度優(yōu)于1mg.

(2)運動機構(gòu)測量數(shù)據(jù)

運動機構(gòu)測量數(shù)據(jù)為智能無人系統(tǒng)樣機六輪搖臂式移動機構(gòu)的運動數(shù)據(jù)，包括六輪速度、六輪轉(zhuǎn)角、六輪轉(zhuǎn)向速度、搖臂角度、懸架角度和角速度,以及六輪和懸架驅(qū)動電機電流. 角度量綱為度(°)，速度量綱為度/秒((°)/s),電流量綱為安培(A).

(3)輪地接觸力與力矩測量數(shù)據(jù)

輪地接觸力與力矩測量數(shù)據(jù)由內(nèi)置在6個車輪中的六維力/力矩傳感器采集獲得，包括6個車輪與地面的三維接觸力和三維接觸力矩，量綱分別為N和N·m.

(4)沉陷測量數(shù)據(jù)

沉陷測量數(shù)據(jù)包括6個車輪與地面接觸后的沉陷量，量綱為mm. 每個車輪沉陷量由前端沉陷量和后端沉陷量兩個數(shù)據(jù)表征，分別反映車輪與地面的前后接觸點處的沉陷量，如圖5所示.

圖5 沉陷量測量示意圖Fig.5 Schematic diagram of subsidence measurement

自身狀態(tài)測量數(shù)據(jù)以數(shù)據(jù)文件形式存儲. 自身狀態(tài)數(shù)據(jù)每200 ms采集一次，每一幀數(shù)據(jù)包含以上4類測量數(shù)據(jù).

3.3 外測精準位姿數(shù)據(jù)

外測精準位姿數(shù)據(jù)是通過高精度攝影測量設(shè)備測量并處理獲得的智能無人系統(tǒng)準確的位置和姿態(tài)信息，位置精度優(yōu)于2 mm級，姿態(tài)精度優(yōu)于0.1°. 位置參考坐標系為場地內(nèi)固定原點處的北東地坐標系，姿態(tài)為智能無人系統(tǒng)本體坐標系(前-右-下)相對北東地坐標系的歐拉角，轉(zhuǎn)序為1-2-3.

外測精準位姿數(shù)據(jù)以數(shù)據(jù)文件形式給出，每一行記錄某一時間的一組位姿信息，分別為：外測時間戳、位置X、位置Y和位置Z，姿態(tài)Rx、姿態(tài)Ry和姿態(tài)Rz(1-2-3轉(zhuǎn)序). 其中位置量綱為m，姿態(tài)量綱為(°).

3.4 外測精準地形數(shù)據(jù)

外測精準地形數(shù)據(jù)是對全場地形事先進行精準掃描，并利用精準位姿信息獲得智能無人系統(tǒng)前方10 m(前)×5 m(寬)區(qū)域內(nèi)的地形數(shù)據(jù)，并轉(zhuǎn)換到獲得左RGB圖像的相機坐標系下. 精準地形數(shù)據(jù)精度優(yōu)于2 mm，可用于深度學(xué)習(xí)雙目匹配重建和精確定位模型訓(xùn)練及性能評估.

外測精準地形數(shù)據(jù)以PTS文件形式給出，每個.pts文件為某一位姿對應(yīng)的三維地形數(shù)據(jù)，文件按當前時刻的外測精準位姿數(shù)據(jù)的時間戳命名，以便與位姿信息對應(yīng). 如當前外測精準位姿文件時間戳為13521468，則該位姿下前方指定區(qū)域內(nèi)的精準地形數(shù)據(jù)文件為13521468.pts.

4 數(shù)據(jù)集構(gòu)建

模擬地外場景下，利用智能無人系統(tǒng)樣機對場地里布設(shè)的各類地形地貌、目標和場景進行多源數(shù)據(jù)采集；采集方式包括靜態(tài)采集、微動態(tài)采集(同一目標場景微調(diào)視角采集)和全場地移動采集.

4.1 靜態(tài)數(shù)據(jù)集

對場景內(nèi)多位置多視角進行多源數(shù)據(jù)采集，采集方式包括多位置靜態(tài)采集和微動態(tài)采集(同一位置微調(diào)姿態(tài)后采集).每次數(shù)據(jù)采集時無人系統(tǒng)均處于靜止狀態(tài)，避免多源數(shù)據(jù)之間的時間同步性誤差.采集數(shù)據(jù)為多源環(huán)境感知數(shù)據(jù)，按可見光圖像、熱圖像、多光譜圖像、激光雷達數(shù)據(jù)和深度相機數(shù)據(jù)分別進行記錄并存儲，每個位置和視角下采集的多源數(shù)據(jù)存儲為一個數(shù)據(jù)文件夾，全部位置和視角下的多源數(shù)據(jù)構(gòu)成一套靜態(tài)數(shù)據(jù)集.

4.2 動態(tài)數(shù)據(jù)集

對模擬場地進行精準地形掃描重建后，獲得外測精準地形數(shù)據(jù). 智能無人系統(tǒng)樣機在全場地內(nèi)移動并采集多源環(huán)境感知數(shù)據(jù)和自身狀態(tài)測量數(shù)據(jù)，采集的數(shù)據(jù)存儲為ROS動態(tài)數(shù)據(jù)包形式. 移動采集過程中，同時獲得并存儲外測精準位姿數(shù)據(jù)和外測精準地形數(shù)據(jù)，并通過時間戳建立對應(yīng)關(guān)系. 動態(tài)數(shù)據(jù)包里每幀數(shù)據(jù)包含采集時間戳和精確外測位姿信息，用于與外測地形數(shù)據(jù)對應(yīng)，保證數(shù)據(jù)集內(nèi)每一幀數(shù)據(jù)時間同步.

動態(tài)數(shù)據(jù)集采集過程中，無人系統(tǒng)移動速度設(shè)為50 m/h，既保證數(shù)據(jù)連續(xù)性，又保證數(shù)據(jù)具有良好的時間同步性，同時避免大動態(tài)導(dǎo)致的數(shù)據(jù)誤差. 動態(tài)數(shù)據(jù)集中既包含自采集的多源環(huán)境感知數(shù)據(jù)和自身狀態(tài)數(shù)據(jù)，同時給出了相應(yīng)時刻的精準外測位姿和地形三維信息，能夠支持雙目匹配、基于多源數(shù)據(jù)的目標檢測、分割與定位等智能方法研究與驗證.

4.3 數(shù)據(jù)集發(fā)布

第一版數(shù)據(jù)集“地外探測智能精準感知與操控多源數(shù)據(jù)集天衢1.0”將在北京控制工程研究所所刊《空間控制技術(shù)與應(yīng)用》官方網(wǎng)站www.acabice.cn上公開發(fā)布，為國內(nèi)外專家學(xué)者開展復(fù)雜自然場景下的智能感知、識別、導(dǎo)航、規(guī)劃與操控等相關(guān)研究提供訓(xùn)練與測試基礎(chǔ)數(shù)據(jù).

5 結(jié) 論

“天衢”數(shù)據(jù)集1.0既包含了復(fù)雜自然場景下的圖像、點云、溫度、多光譜反照率等反映環(huán)境特性的多源數(shù)據(jù)，又包含了智能無人系統(tǒng)移動作業(yè)過程中的姿態(tài)、位置、速度、力/力矩及沉陷量等自身狀態(tài)數(shù)據(jù)，同時還提供了精準的外測基準位姿數(shù)據(jù)與三維地形數(shù)據(jù)，能夠為地外探測智能感知、識別、導(dǎo)航、規(guī)劃與操控研究提供數(shù)據(jù)集，用于智能算法的學(xué)習(xí)訓(xùn)練和測試驗證. 后續(xù)在初始數(shù)據(jù)集基礎(chǔ)上，將進一步完善并擴充，提供更加豐富、真實和準確的環(huán)境數(shù)據(jù)和自身狀態(tài)數(shù)據(jù)，包括低重力條件下移動過程中的輪土接觸力/力矩信息、受沙塵污染或光照影響的圖像信息、以及熱特性信息等，以期推動我國深空探測領(lǐng)域人工智能理論方法與應(yīng)用技術(shù)深入研究.