论文部分内容阅读
火星探测器自主着陆过程中,环境感知在导航、制导与控制系统中具有重要的作用。环境感知技术按照传感器类型可分为两大类:一类是基于主动传感器的感知技术,即向目标区域发射无线电波或光波等信号,通过接收反射回来的信号进行环境感知,这类传感器主要有激光雷达、微波雷达等;另一类是基于被动传感器的感知技术,即被动地获取环境反射的可见光或红外信号等,传感器主要有光学相机、红外相机等。被动传感器具有质量轻、体积小、功耗低、获取信息丰富等优点;主动传感器具有不受光照条件约束、获取三维信息准确的特点。结合主、被动传感器的优点,考虑传感器的作用距离及感知任务需求,本文开展了相关的基于主、被动传感器的火星探测器自主着陆环境感知研究工作。首先,分析了目前火星探测器自主着陆导航、制导与控制方案存在的问题,提出了将环境感知技术应用于GNC系统的方案。明确了环境感知的研究任务、研究对象、系统输出及研究环境,构建了环境感知系统的体系结构。根据系统研究方案,归纳出环境感知研究的关键技术。然后,针对火星沙尘天气对探测器着陆时采用光学图像进行环境感知的影响,提出了一种火星沙尘环境中图像清晰化恢复方法。该方法首先对沙尘环境中获取的图像建立图像退化模型,将火星沙尘环境中图像的清晰化问题转化为求取模型中大气光值与透射系数值问题。对于大气光值的计算,设计了一种基于四叉树细分的方法,即在最小值图像上进行细分迭代,搜寻均值最大的指定阈值区域,然后在输入图像中寻找相对应区域,计算区域各通道均值,求出大气光值。对于透射系数,利用获取的大气光值及暗通道先验进行计算。实验表明,文中提出的图像清晰化恢复方法对于光照变化、沙尘强度变化、场景变化均具有一定的适应性,与其他恢复方法相比,提出的方法在主观评价和客观评价方面均具有明显的优势。其次,在缺乏全球卫星导航定位系统支持的情况下,研究了一种基于下降图像与参考图像匹配的位置感知方法。在特征点检测的基础上,设计了一种基于改进k-d树的高维特征空间索引结构模型及对应的匹配查询方法,避免了使用穷举法匹配效率不高的问题,解决了k-d树不适合用在大于20维的空间匹配查询问题。在此基础上,利用随机抽样最大似然一致估计法对匹配点进行精匹配,利用精匹配的特征点计算下降图像与参考图像的转换关系,进而计算出探测器在参考图像中的位置。仿真实验表明,文中研究的方法可以有效地确定探测器的位置。同时,利用真实的火星轨道器拍摄的图像进行实验,实验结果进一步验证了方法的有效性。接着,为避免探测器着陆时落入撞击坑内,研究了一种基于光学图像的撞击坑区域检测与识别方法。针对撞击坑的形状特点,设计了一种基于结构学习的撞击坑边缘检测方法。利用随机森林的扩展形式,即结构随机森林,对撞击坑的边缘进行学习与检测,其中决策树的训练采用迁移学习的方式在BSDS500数据集上训练。对于检测到的边缘信息,设计了基于边缘组相似度的撞击坑候选区域提取方法与基于形态学方法的候选区域提取方法。对于得到的撞击坑候选区域,分别研究了基于全局Gist特征的撞击坑识别方法与基于深度学习AlexNet模型的识别方法。实验表明,文中研究的方法可以有效地检测识别撞击坑区域,与其他方法比较,文中提出的方法具有相对较高的检测精度。再次,为避免探测器着陆时与较大岩石发生碰撞,研究了一种基于主、被动图像显著性区域融合的岩石检测方法。首先,采用基于图像区域特征与边缘特征进行主、被动图像配准,配准后,分别对光学图像与深度图求取显著图。对于光学图像的显著图计算,采用分颜色、亮度、方向不同特征通道进行计算,通过加权合并获得显著图。对于深度图的显著图计算,首先采用区域分割的方法计算初步显著性图;然后构建能量函数,采用最大流最小割的方法对函数进行优化处理,重复迭代,使显著图的估计逐步精确。将两类显著图进行融合,得到新的显著图,通过新显著图确定岩石障碍区域。最后,采用与撞击坑相同的识别方法进行岩石区域识别。实验结果表明,该方法可以有效检测出岩石所在区域。与其他经常使用的显著性检测方法比较,该方法检测效果较好,在准确率上高于其他检测方法。最后,为避免探测器着陆在超过容忍度的斜坡造成侧滑或倾翻,提出了一种基于三维点云测量数据的斜坡感知方法。将测量数据进行坐标转换后,设计了一种基于稀疏子空间聚类的坡度感知方法。将数据点空间划分为坡面子空间与平面子空间,通过建立空间平面模型,计算子空间中点到平面的欧式距离。如果某点到平面的距离超过设定阈值,该点则被认为是错误聚类点,将其从子空间中移除。正确聚类点用于平面拟合,根据拟合平面计算其法向量,法向量之间夹角在几何关系上等于坡度角。通过计算机仿真实验、实验室模拟实验及真实火星地貌数据实验表明,该方法可以对坡度进行较准确地估计,与其他方法相比,该方法具有相对较小的偏差。