CN104913784A - 一种行星表面导航特征自主提取方法 - Google Patents

Abstract

本发明涉及一种行星表面导航特征自主提取方法，属于导航技术领域，应用于航天器深空探测。本发明为一种基于太阳光照方向约束的行星表面导航特征提取方法，能够利用探测器拍摄的图像信息自主地确定太阳光照方向，然后利用太阳光照方向作为约束条件，进行导航特征阴影区域和光亮区域的配对，实现导航特征的提取。对比已有技术，本发明方法能够在太阳光照方向未知的情况下，根据图像信息自主确定太阳光照方向；该基于太阳光照方向约束的导航特征提取方法不仅能用于标准椭圆形的导航特征的提取，而且能用于各种形状导航特征，包括岩石等特征的提取。

Description

一种行星表面导航特征自主提取方法

技术领域

本发明涉及一种行星表面导航特征自主提取方法，行星表面导航特征是指行星表面能够用来进行探测器导航的导航特征，如岩石、陨石坑等地形特征，该发明属于导航技术领域，并应用于航天器深空探测。

背景技术

行星软着陆过程中的自主导航技术是行星探测的关键技术之一，对行星探测起着至关重要的作用。基于行星表面特征(岩石、陨石坑等地形特征)的光学自主导航相比于其他导航方式具有明显的低成本优势，在行星软着陆自主导航方面具有广阔的应用前景。岩石、陨石坑等作为行星表面广泛分布的地表特征，受光照条件变化小，具有明显的形状等特点，易于从背景中提取出来，是行星表面良好的自然导航特征。因此，以岩石、陨石坑等作为路标的行星表面相对导航方法，在行星探测方面得到了广泛的研究和应用。利用行星表面的导航特征进行自主导航，需要从导航图像中提取出行星表面导航特征的相关信息，确定出导航特征的类型、大小、位置等，行星表面导航特征提取是实现自主导航的关键技术。

在已发展的行星表面导航特征提取方法中，在先技术[1](Spigai M.,ClercS.and Simard-Bilodeau,V.,“An Image Segmentation-Based Crater Detection andIdentification Algorithm for Planetary Navigation”,Intelligent AutonomousVehicles,Lecce,Italy,September 06-08,2010)提出了一种基于导航特征的光亮特征和阴影特征的导航特征检测方法。该方法利用K均值聚类方法对图像进行阈值分割，分别提取出导航特征的光亮特征和阴影特征，然后根据光亮特征与阴影特征区域之间的像素个数差异、在像平面内的距离以及相对太阳光线的方位关系等进行筛选判断，完成光亮区域和阴影区域的匹配，提取出导航特征。该方法要求光照方向已知，并且受太阳高度角变化影响较大。

在先技术[2](于正湜,朱圣英,马冬梅,等.行星表面非规则导航特征检测与识别方法[J].宇航学报,2013,34(3):320-326.)提出了一种行星表面非规则的导航特征的检测与识别方法。该方法首先采用基于背景的Hopfield网络实现导航特征边缘的提取，在对导航特征边缘的多种约束进行分析的基础上，提出了伪边缘剔除方法，并结合线性抗差估计理论与最小误差中值椭圆拟合方法，实现了对非规则导航特征，特别是重叠及不完整导航特征的检测及特征参数的提取。该方法要求光照方向已知，并且只适用于标准椭圆形状导航特征。

在先技术[3](Maass B,Kruger H,Theil S.An edge-free,scale-,pose-andillumination-invariant approach to crater detection for spacecraftnavigation[C]//Image and Signal Processing and Analysis(ISPA),2011 7thInternational Symposium on.IEEE,2011:603-608.)提出了一种基于导航特征的光亮特征和阴影特征的导航特征检测方法。首先基于图像灰度信息的阈值分割方法被引入进来从图像中提取出这两种区域特征，两个大小和形状相似的相邻光亮区域和阴影区域被认为来自同一个导航特征，加上沿太阳光线的方向的方位关系约束实现光亮区域和阴影区域的配对。最后对配对成功的来自同一导航特征的光亮区域和阴影区域进行椭圆拟合，提取出导航特征。该方法要求光照方向已知，并且计算量较大。

在太阳光照条件下，行星表面图像中的导航特征会在内部形成一对阴影区域和光亮区域，如图1。基于导航特征区域信息的导航特征提取方法首先需要利用图像阀值分割原理从图像中提取出导航特征对应的阴影区域和光亮区域。然后需要将这些提取出的阴影区域和光亮区域进行配对，使得来自同一个导航特征的阴影区域和光亮区域配成一对，实现对导航特征的提取。

太阳光照方向对于特征阴影区域和光亮区域的配对来说，是一项非常重要的判断条件，常被当为已知量用来进行特征阴影区域和光亮区域的配对。然而，由于探测器拍摄的行星表面图像中太阳光照的方向与探测器拍照时刻的姿态信息紧密相关，在探测器姿态等导航信息未知的情况下，太阳光照的方向一般是很难获得的。因此，可以利用一些提取出的阴影区域和光亮区域等已知条件，首先求解出太阳光照矢量方向。然后，利用求解出的太阳光照方向作为约束条件，实现导航特征阴影区域和光亮区域的配对，提取出导航特征。

发明内容

在先的行星表面导航特征提取方法要求光照方向已知，存在适用范围窄的缺点，本发明针对该问题提供一种行星表面导航特征自主提取方法。

该方法为一种基于太阳光照方向约束的行星表面导航特征提取方法，能够利用着陆器拍摄的图像信息自主地确定太阳光照方向，然后利用太阳光照方向作为约束条件，进行导航特征阴影区域和光亮区域的配对，实现导航特征的提取。

本发明的目的是通过下述技术方案实现的。

一种行星表面导航特征自主提取方法，包括如下步骤：

步骤1：通过对图像进行分割提取导航特征的阴影区域和光亮区域；

步骤2：根据导航特征的阴影区域和光亮区域求解太阳光照方向矢量；

步骤3：根据太阳光照方向对阴影区域与光亮区域配对实现导航特征提取，将配对阴影区域和光亮区域中心连线的中点作为导航特征的中心。

作为优选，所述步骤1对图像进行分割采用二维最大熵阈值分割法进行，具体过程如下：

1.1选取最佳阈值向量(s^*,t^*)，使其满足：

其中，s为像素点灰度值的分割阈值，t为像素点领域平均灰度值的分割阈值，为熵的判别函数；s、t的取值范围均为[0,255]；

1.2用阈值向量(s^*,t^*)来分割导航特征的阴影区域；

1.3用阈值向量(κs^*,κt^*)来分割导航特征的光亮区域，其中κ是值大于1的系数。

作为优选，所述步骤2通过以下过程求解太阳光照方向矢量：

2.1按照阴影区域和光亮区域内包含的像素点个数分别对阴影区域和光亮区域排序，其中阴影区域和光亮区域数量分别为m和n；

2.2对排序后的阴影区域和光亮区域分别计算各区域的中心点得到阴影区域中心点序列[M₁,M₂...M_m]和光亮区域中心点序列[N₁,N₂...N_n]；

2.3从[M₁,M₂...M_m]和[N₁,N₂...N_n]中分别选取前面K个点组成点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]；

2.4将点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]中元素一一对应连线，选取连线距离和最小的连线组合作为匹配导航特征；

2.5对于匹配导航特征分别计算所有连线的斜率得到k₁、k₂、k₃、k₄、k₅...k_K；

2.6将k_i(i∈[1，K])中距离斜率均值超过预设阈值t的斜率作为无效数据剔出，得到K’个有效斜率；

2.7计算K’个有效斜率的均值得到太阳光照方向所在直线的斜率k_光，即太阳光照方向矢量。

作为优选，所述步骤3配对过程如下：从m个阴影区域中选取一个阴影区域依次与n个光亮区域进行对比配对，如果满足配对筛选条件则配对成功，将这一对阴影区域和光亮区域标记为已配对；如果不满足配对筛选条件，则接着选取下一个未配对的阴影区域依次与未配对的光亮区域进行对比配对；如此往复，直到所有的阴影区域都被选取并进行过配对筛选为止。

作为优选，所述配对筛选条件为：

(1)阴影区域与光亮区域中心点连线矢量与太阳光照方向矢量的夹角θ不大于预设的光线角度偏差阈值σ；

(2)阴影区域和光亮区域分别包含的像素点个数S₁和S₂的比值l介于1/4与4之间；

(3)阴影区域与光亮区域中心点之间的距离L满足下式：

L＜＝μ(S₁+S₂)；

其中，μ表示单位像素距离，即一个像素点在像平面上对应的跨距。

有益效果：

对比已有技术，本发明方法具有以下特点：

(1)在太阳光照方向未知的情况下，该基于太阳光照方向约束的导航特征提取方法能够有效实现导航特征的提取，并且得到的太阳光照方向，还可以作为导航计算的参数。

(2)该基于太阳光照方向约束的导航特征提取方法不仅能用于标准椭圆形的导航特征的提取，而且能用于各种形状导航特征，包括岩石等特征的提取。

附图说明

图1为光照条件下的导航特征示意图；

图2为本发明实施例中的光照条件下的导航特征示意图；

图3为图2中图像的图像阀值分割阴影区域结果示意图；

图4为图2中图像的图像阀值分割光亮区域结果示意图；

图5为光照条件下阴影与光亮区域拟配对示意图；

图6为图2中图像的阴影区域和光亮区域配对结果示意图。

具体实施方式

为了更好地说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。

本实例针对行星表面图像中的导航特征提取，利用二维最大熵原理分割出图像中的导航特征阴影区域和光亮区域，然后从中选取一些较大的区域用来求解太阳光照矢量方向，利用得到的太阳光照方向作为约束条件进行导航特征阴影区域和光亮区域的配对，提取出导航特征。

本实例的具体实施步骤如下：

步骤1：通过对图像进行分割提取导航特征的阴影区域和光亮区域

行星表面图像一般为灰度图像，如图2。图像分割的方法有很多，如基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法等等，本实施例采用二维最大熵阈值分割法对图像进行分割，从行星表面图像中提取出导航特征的阴影区域和光亮区域，采用二维最大熵原理对图像进行分割过程如下所述：

选取最佳阈值向量(s^*,t^*)，使其满足：

其中，s为像素点灰度值的分割阈值，t为像素点领域平均灰度值的分割阈值，为熵的判别函数。s、t的取值范围均为[0,255]。

用阈值向量(s^*,t^*)来分割导航特征阴影区域，用阈值向量(κs^*,κt^*)来分割导航特征光亮区域，其中κ是值大于1的系数，可以根据拍摄图像时的光照条件进行适当调整。

用阈值向量(s^*,t^*)来分割导航特征阴影区域，提取出的导航特征阴影区域如图3所示。用阈值向量(κs^*,κt^*)来分割导航特征光亮区域(κ是值大于1的系数，可以根据拍摄图像时的光照条件进行适当调整，本实施例中κ＝1.6)，提取出的导航特征光亮区域如图4所示。

步骤2：求解太阳光照方向矢量

前面已经完成了特征阴影区域和光亮区域的提取，假设从行星表面图像中提取出的阴影区域和光亮区域数量分别为m和n，并且分别对阴影区域和光亮区域按照区域内的像素个数多少从大到小进行排序并且对各区域中心点进行编号，区域内像素越多其中心点的编号越靠前。

用M和N分别表示阴影区域中心点和光亮区域中心点的编号，那么，排序后的阴影区域中心点和光亮区域中心点分别表示为[M₁,M₂...M_m]和[N₁,N₂...N_n]。从[M₁,M₂...M_m]和[N₁,N₂...N_n]中分别选取前面K个点组成点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]。

对于包含t个像素点的阴影区域或者光亮区域，其区域中心点的坐标位置可以表示为：

式中，p_i表示第i个像素点的坐标，即p_i＝(x_i,y_i)，表示向下取整符号。

这样便计算得到了各个区域中心点的坐标。

用线段将这些阴影区域中心点和光亮区域中心点进行连线，使得选取出的每一个阴影区域中心点都与一个光亮区域中心点相连。由于选取出的阴影区域中心点集[M₁,M₂...M_K]和光亮区域中心点集[N₁,N₂...N_K]中的元素数量是相等的，因此阴影区域中心点和光亮区域中心点一一对应连线。由于选取的阴影区域和光亮区域各有K个，因此连线情况共有K！种情况。对应于每种连线情况，将对应的K个线段长度进行求和。然后，将所有的连线情况对应的线段总长度进行比较，线段总长度最小的情况，就是来自同一个导航特征的阴影区域和光亮区域用线段连起来的情况。

在选取阴影区域和光亮区域的时候，有可能出现不属于同一导航特征的阴影区域和光亮区域用线段连起来了，因此需要根据连线斜率进行筛选。

对于线段总长度最小的情况，假设各线段所在直线的斜率分别为k₁、k₂、k₃、k₄、k₅...k_K。在这些斜率中，离斜率均值比较远的孤立斜率值被认为是无效数据，认为这不是来自同一导航特征的阴影区域和光亮区域的连线的斜率，因此该连线斜率数据应予以剔除。

去除无效的斜率数据后得到有效斜率的个数K’，因此太阳光照方向所在直线的斜率k_光可以表示为：

运用以上方法可以得到太阳光线所在直线的斜率，即相当于求解出了太阳光照方向矢量。

本实施例中取K＝5个，将点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]分别用字母表示为点集[a,b...e]和点集[A,B...E]，如图5所示。

按照前述方法进行连线，对应的光亮区域与阴影区域各有5个，因此连线情况共有5！＝120种情况。对应于每种连线情况，将对应的5个线段长度进行求和。图5中的实线和虚线分别对应两种连线情况。然后，将所有的连线情况对应的线段总长度进行比较，线段总长度最小的情况，就是来自同一个导航特征的阴影区域和光亮区域用线段连起来的情况，对应于图中虚线所示情况。

得到了对应阴影区域和光亮区域的连线，即图5中的线段aA、bB、cC、dD、eE，假设对应所在直线的斜率分别为k₁、k₂、k₃、k₄、k₅。按照前述斜率数据剔除方法剔除无效数据，本实施例中没有无效数据，因此太阳光照方向所在直线的斜率k_光为：

步骤3：根据太阳光照方向对阴影区域与光亮区域配对实现导航特征提取；

在太阳光照方向已知的条件下，需要将提取出的m个阴影区域和n个光亮区域进行配对，配对过程如下：

从m个阴影区域中选取一个阴影区域依次与n个光亮区域进行对比配对，设置一定的配对筛选条件，如果满足配对筛选条件则配对成功，将这一对阴影区域和光亮区域标记为已配对；如果不满足配对筛选条件，则接着选取下一个未配对的阴影区域依次与未配对的光亮区域进行对比配对。这样重复进行配对筛选，直到所有的阴影区域都被选取并进行过配对筛选为止。

设置配对筛选条件如下：

(1)对于来自同一个导航特征的光亮区域和阴影区域，沿着光照方向，阴影区域应该位于光亮区域前面。条件判断过程如下：

假设太阳光照方向矢量为假设需要判断是否满足配对条件的阴影区域和光亮区域分别为a和A。那么，对应的阴影区域中心和光亮区域中心连线矢量可以表示为阴影区域与光亮区域中心点连线矢量与太阳光照方向矢量的夹角θ可以表示为：

如果夹角θ满足条件：

θ≤σ

则认为阴影区域和光亮区域满足配对筛选条件(1)。其中σ为设置的光线角度偏差阈值。

(2)假设同一个导航特征的阴影区域和光亮区域对应的像素点个数分别为S₁和S₂，像素点个数的比值l应该满足以下条件：

$l=S_1/S_2,l\∈\left(\frac{1}{4},4\right)---\left(5\right)$

(3)同一个导航特征的光亮区域和阴影区域中心之间的距离L应该满足以下条件：

L＜＝μ(S₁+S₂)   (6)

其中，μ为单位像素距离，即一个像素点在像平面上对应的跨距。

利用上述配对筛选条件对阴影区域和光亮区域进行配对。对于一组阴影区域和光亮区域，如果同时满足上述3个条件，则认为此阴影区域和光亮区域配对成功，则将这组阴影区域和光亮区域中心连线的中点坐标取为导航特征的中心，完成导航特征的提取。

配对的结果如图6所示，配对成功的导航特征中心用“X”标记并编号。总结配对情况如表1所示。

表1本实例配对情况

从图6和表1可以看出，行星表面导航特征自主提取方法能够有效地实现行星表面导航特征的提取。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种行星表面导航特征自主提取方法，其特征在于，包括如下步骤：

步骤1：通过对图像进行分割提取导航特征的阴影和光亮区域；

步骤2：根据导航特征的阴影区域和光亮区域求解太阳光照方向矢量；

步骤3：根据太阳光照方向对阴影区域与光亮区域配对实现导航特征提取，将配对阴影区域和光亮区域中心连线的中点作为导航特征的中心。

2.根据权利要求1所述的一种行星表面导航特征自主提取方法，其特征在于，所述步骤1对图像进行分割采用二维最大熵阈值分割法进行，具体过程如下：

1.1选取最佳阈值向量(s^*,t^*)，使其满足：

其中，s为像素点灰度值的分割阈值，t为像素点领域平均灰度值的分割阈值，为熵的判别函数；s、t的取值范围均为[0,255]；

1.2用阈值向量(s^*,t^*)来分割导航特征的阴影区域；

1.3用阈值向量(κs^*,κt^*)来分割导航特征的光亮区域，其中κ是值大于1的系数。

3.根据权利要求1所述的一种行星表面导航特征自主提取方法，其特征在于，所述步骤2通过以下过程求解太阳光照方向矢量：

2.1按照阴影区域和光亮区域内包含的像素点个数分别对阴影区域和光亮区域排序，其中阴影区域和光亮区域数量分别为m和n；

2.2对排序后的阴影区域和光亮区域分别计算各区域的中心点得到阴影区域中心点序列[M₁，M₂...M_m]和光亮区域中心点序列[N₁，N₂...N_n]；

2.3从[M₁,M₂...M_m]和[N₁,N₂...N_n]中分别选取前面K个点组成点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]；

2.4将点集[M₁,M₂...M_K]和点集[N₁,N₂...N_K]中元素一一对应连线，选取连线距离和最小的连线组合作为匹配导航特征；

2.5对于匹配导航特征分别计算所有连线的斜率得到k₁、k₂、k₃、k₄、k₅...k_K；

2.6将k_i(i∈[1，K])中距离斜率均值超过预设阈值t的斜率作为无效数据剔出，得到K’个有效斜率；

2.7计算K’个有效斜率的均值得到太阳光照方向所在直线的斜率k_光，即太阳光照方向矢量。

4.根据权利要求1所述的一种行星表面导航特征自主提取方法，其特征在于，所述步骤3配对过程如下：

从m个阴影区域中选取一个阴影区域依次与n个光亮区域进行对比配对，如果满足配对筛选条件则配对成功，将这一对阴影区域和光亮区域标记为已配对；如果不满足配对筛选条件，则接着选取下一个未配对的阴影区域依次与未配对的光亮区域进行对比配对；如此往复，直到所有的阴影区域都被选取并进行过配对筛选为止。

5.根据权利要求4所述的一种行星表面导航特征自主提取方法，其特征在于，所述配对筛选条件为：

(1)阴影区域与光亮区域中心点连线矢量与太阳光照方向矢量的夹角θ不大于预设的光线角度偏差阈值σ；

(2)阴影区域和光亮区域分别包含的像素点个数S₁和S₂的比值l介于1/4与4之间；

(3)阴影区域与光亮区域中心点之间的距离L满足下式：

L＜＝μ(S₁+S₂)；

其中，μ表示单位像素距离，即一个像素点在像平面上对应的跨距。