CN109598243A - 一种月球表面安全着陆区选择方法及系统 - Google Patents
一种月球表面安全着陆区选择方法及系统 Download PDFInfo
- Publication number
- CN109598243A CN109598243A CN201811488103.1A CN201811488103A CN109598243A CN 109598243 A CN109598243 A CN 109598243A CN 201811488103 A CN201811488103 A CN 201811488103A CN 109598243 A CN109598243 A CN 109598243A
- Authority
- CN
- China
- Prior art keywords
- grid
- value
- touch
- flat region
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种月球表面安全着陆区选择方法及系统,针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别;计算预选着陆区中的每一个格网的平坦区百分比,生成一张预选着陆区平坦区百分比栅格图像;统计月球成功着陆任务的着陆区平坦区百分比平均值作为月球着陆区安全性的评价阈值;根据计算预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。将着陆区划分为安全和不安全网格,实现安全着陆区域的精确选择。
Description
技术领域
本公开涉及行星遥感数字图像处理和行星表面数字地形分析技术领域,特别是涉及一种月球表面安全着陆区选择方法及系统。
背景技术
月球作为地球的天然卫星,是人类深空探测的首选目标,月球探测和研究对于我国科技、经济和社会发展等方面具有重大战略意义。
从20世纪60年代至今,美国和前苏联等国家先后发射了多个系列的月球着陆探测器。限于工程技术和科学水平,早期的月球着陆探测器(如Luna和Surveyor系列)不具备障碍识别和安全着陆区选择能力,因此其着陆成功率非常低。后期美国的Apollo着陆器系列则是由宇航员观测着陆区形貌,手工操纵控制系统来实现安全着陆区选择,较大的提高了着陆成功率。现今,月表着陆区选择多是通过基于月表数字高程模型(DEM)数据分析月表的形貌,提取月表的坡度、粗糙度和撞击坑密度等地形因子来选择预选着陆区。比如,美国在未来的行星着陆探测任务中提出了基于激光雷达三维成像的着陆自主避障技术,但该技术仅停留在方案设计阶段,并未得到具体实现并应用。此外,俄罗斯Luna-25月球着陆器计划于2019年发射并着陆于月表近南极区域,着陆安全区选择要求平坦且坡度小于7°。我国未来“嫦娥四号”(CE-4)和“嫦娥五号”(CE-5)着陆区任务将要着陆于月球南极艾肯盆地和风暴洋区域,前人使用分辨率为~59m的月球激光高度计数据分析,其着陆区99%区域坡度小于15°,94%区域坡度小于5°,是一个适合着陆的平坦区域。
从以上月表着陆任务选择安全着陆区的方法可以看出,其实现过程和结果存在以下两个问题:
(1)着陆区的选择多基于DEM数据生成的月表地形因子(比如,起伏、坡度、粗糙度和撞击坑密度等)进行统计分析,选择安全性较高的着陆区。但是月球表面DEM数据的精度较低(十米级别),而月球着陆区表面存在着大量的米级甚至分米级的负地形(撞击坑、沟槽)和正地形(皱脊,陡坡和石块等)对象,是着陆器着陆和巡视器路径规划的潜在威胁。DEM数据的分辨率较低,难以对预选着陆区的形貌和米级威胁进行全面、细致的研究。
(2)现有技术中没有系统、准确的描述月表地形因子的安全评价阈值,难以定量的对月表着陆区安全性进行综合评价和选择。以坡度为例,没有描述着陆区安全坡度阈值的评价方法,也没有验证坡度位于阈值区域内适合着陆的正确性。
发明内容
为了解决现有技术的不足,本公开的实施例子提供了一种月球表面安全着陆区选择方法,能够准确的选择月球表面安全着陆区。
为了实现上述目的,本申请采用以下技术方案:
一种月球表面安全着陆区选择方法,包括:
针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别,将识别结果划分为出阴影区、光照区和平坦区,每个区域用不同的数值表示,得到三值图像;
三值图像中,针对预选着陆区进行正方形网格划分,计算每一个格网的平坦区百分比,具体为该格网中划分为平坦区的像元个数与该格网中总的像元个数之比,生成一张预选着陆区平坦区百分比栅格图像;
计算以往月球成功着陆探测任务的着陆区的平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值;
将预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值,则为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。
进一步的技术方案,所述栅格格式的高分辨率遥感影像数据存储格式是将行星表面空间分割成有规律的网格,每一个网格称为一个单元,然后在各单元上赋予相应的灰度值来表示行星表面光度,每一个单元的位置由它的行列号定义,所表示的实体位置隐含在栅格行列位置中,单元的尺寸能够表示真实的月表对象的大小,称为遥感影像数据的分辨率。
进一步的技术方案,使用双阈值图像分割方法对月球表面正负微地形进行识别,通过设置两个不同的阈值将图像分为三部分,最佳划分结果为使得三部分之间的灰度差别最大。
进一步的技术方案,使用双阈值图像分割方法时,首先将遥感影像的值域线性拉伸到[0,255],遥感影像中任一点的灰度值为v,遥感影像中灰度最大值和最小值为Vmax和Vmin,线性变换后的灰度值为v',其变换公式为v'=(Vmax-Vmin)/255*(v-Vmin),变换后v'的值向下取整,保证变换后的遥感影像的灰度值也为整数,{0,1,2,i,…,255}表示变换后的遥感图像中的整数灰度取值,令ni表示灰度取整数i的像元个数,那么该灰度值i在图像中出现的概率为pi=ni/(Nrow*Ncol),输入遥感影像其行数和列数分别为Nrow和Ncol。
进一步的技术方案,假设遥感影像图像分割的两个灰度阈值为k1和k2,k1的变化范围为k1∈[0,255],k2的值要大于k1,变化范围为k2∈(k1,255],k1和k2都为整数,每次变化的步长为1,k1和k2每变一次,输入的遥感图像的灰度值被划分为三部分A、B和C,其灰度值域分别为[0,k1),[k1,k2)和[k2,255];A、B和C三部分的类间方差为(σB),当σB得到最大值时,图像分割A、B和C三部分之间具有最大的类间方差,此时的双阈值k1和k2,为该遥感图像分割的最优阈值k* 1和k* 2,将遥感影像划分为最优结果A*、B*和C*。
进一步的技术方案,A、B和C三部分的类间方差计算公式为:
其中P1、P2和P3为A、B和C三部分的灰度取值概率之和,即A、B和C三部分中的像元个数所占遥感图像总像元个数的比例,其计算公式为:
m1、m2、m3和mG分别是图像分割后A、B、C三部分和图像整体的平均灰度值,具体计算公式为:
进一步的技术方案,使用k* 1和k* 2双阈值对当前遥感影像进行分类,遍历输入遥感影像中的每一个像元的灰度值v',将灰度值v'落入[0,k* 1)的像元分类为阴影区A*,其像元值重新设置为0;灰度值落入(k* 1,k* 2]的像元划分为平坦区B*,其像元值重新设置为1;灰度值落入(k* 2,255]的像元划分为光照区C*,其像元值重新设置为2,原输入遥感影像变为一个像元取值仅为0、1和2的三值图像I'。
进一步的技术方案,假设月球探测任务的预选着陆区是一个规则的矩形区域H,左上角HL的经纬度分别为(LonL,LatL),右下角HR的经纬度分别为(LonR,LatR),预选着陆区划分的正方形格网边长为l,那么将预选着陆区H划分为(LatL-LatR)/l行,(|LonL-LonR|/l)列的规则格网。
进一步的技术方案,假设以往月球成功着陆任务次数为nl,第a次成功着陆任务为Ma,a为整数,a∈[1,nl]。以Ma着陆器着陆位置为中心,生成边长为l的正方形格网Ga',计算Ma着陆区网格Ga'的平坦区百分比FapMa,所有成功着陆区以着陆点为中心的网格的平坦区百分比生成后,计算其平均值AFapM可以作为评价网格安全性的指标。
本公开的实施例子还公开了一种月球表面安全着陆区选择系统,包括:
月表遥感影像图像分割单元,针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别,将识别结果划分为出阴影区、光照区和平坦区,每个区域用不同的数值表示,得到三值图像;
着陆区格网平坦区百分比生成单元,三值图像中,针对预选着陆区进行正方形网格划分,计算每一个格网的平坦区百分比,具体为该格网中划分为平坦区的像元个数与该格网中总的像元个数之比,生成一张预选着陆区平坦区百分比栅格图像;
平坦区百分比安全阈值确定单元,计算以往月球成功着陆探测任务的着陆区的平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值;
安全区域评价和选择单元,将预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值,则为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。
一种应用,上述方法及系统还可应用至面向火星及太阳系其他行星探测任务的安全着陆区选择和巡视器路径规划。
与现有技术相比,本公开的有益效果是:
本公开的技术方案基于高分辨率遥感影像识别月表微地形,通过着陆区网格的平坦区百分比来选择安全着陆区选择的方法。与现有技术相比,具有以下有益效果:基于月表高分辨遥感影像,通过双阈值图像分割算法能够识别出分米级别的月表正负地形;统计以往成功着陆区的平坦区百分比,定量描述和确定了安全网格的平坦区百分比阈值,将着陆区划分为安全和不安全网格,实现安全着陆区域的选择。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本公开实施例子月球背面冯卡门撞击坑及我国“嫦娥四号”月球着陆探测任务预选着陆区范围(白色矩形);
图2为本公开实施例子CE-4号预选着陆区NAC影像拼接图,其中白色部分为数据空缺区域;
图3为本公开实施例子CE-4号预选着陆区NAC影像双阈值分割结果,其中黑色表示阴影区,白色表示光照区,灰色表示平坦区;
图4(a)-图4(b)为本公开实施例子CE-4号预选着陆区局部区域双阈值图像分割结果。上图为NAC影像,下图为对应的图像分割结果,黑色表示阴影区,白色表示光照区,剩下的灰色区域为平坦区;
图5为本公开实施例子CE-4号预选着陆区0.01度网格平坦区百分比计算结果图;
图6为本公开实施例子Luna17任务成功着陆区,正方形为0.01度格网,中心为Luna17着陆点,右侧为双阈值图像分割结果,黑色为阴影区,白色为光照区,灰色为平坦区。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本公开实施例子的目的是通过高分辨率(分米级)遥感影像数据对月球表面正负微地形进行识别,实现一种基于着陆区平坦百分比因子来划分着陆器安全着陆区和巡视器长距离动态路线规划。
本公开实施例子中,基于高分辨率(分米级)遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别并提取出平坦区百分比,解决之前基于DEM数据进行月表形貌分析的分辨率低问题;本发明通过统计月球成功着陆任务的着陆区平坦百分比,实现安全着陆区平坦百分比阈值的确定,解决之前难以定量描述和确定月表地形因子的安全阈值的问题;本发明通过对巡视器当前点和目标点之间进行路径遍历和加权评价的方法,实现兼顾安全性和最短距离的最优路径生成,解决巡视器难以动态规划长距离的最优路线的问题。
本申请的一种典型的实施方式中,提供了一种月球表面安全着陆区选择方法,具体步骤包括:
(1)月表遥感影像图像分割
本公开实施例子的输入数据为高分辨率的行星遥感影像数据,其存储为栅格格式。存储格式是将行星表面空间分割成有规律的(正方形)网格,每一个网格称为一个单元(像素),然后在各单元上赋予相应的灰度值来表示行星表面光度,每一个单元的位置由它的行列号定义,所表示的实体位置隐含在栅格行列位置中,单元的尺寸能够表示真实的月表对象的大小,称为遥感影像数据的分辨率。
正负微地形是行星表面分米级的,能够代表地形起伏和变化的对象或构造。月表正地形包括皱脊、陡坡和石块等,而月表负地形包括撞击坑和沟槽等。这些正负微地形是着陆器着陆和巡视器巡视的威胁。行星表面的正负微地形由于起伏会在光照下形成背面的阴影区和正面的明亮区。因此,本公开基于高分辨率的遥感影像,通过数字图像处理中的双阈值分割算法来识别遥感图像中的阴影区和明亮区(行星表面的微地形),除去阴影区和光照区剩下的区域即为月表平坦区。
图像分割是把图像分成各具特性的区域并提取感兴趣目标的技术和过程。Otsu是一种基于阈值的图像分割算法,它是利用图像的灰度直方图,以目标与背景的类间方差最大来动态地确定图像的最佳分割阈值,从而得到相应的二值化图像。当取最佳阈值时,目标和背景两部分之间的灰度差别(类间方差)应该是最大的。本公开通过图像分割将月表分为阴影区、光照区和平坦区三部分,因此使用双阈值Otsu图像分割算法,设置两个不同的阈值将图像分为三部分,最佳划分结果为使得三部分之间的灰度差别最大。
双阈值Otsu图像分割参数和流程如下:
输入遥感影像:I,其行数和列数分别为Nrow和Ncol,分辨率为r;
遥感影像的灰度:v,为整数,其最大值和最小值为Vmax和Vmin;
图像分割的灰度阈值:k1和k2,其中k1<k2,将遥感影像的灰度分为三部分A、B和C,其灰度值域分别为[0,k1),[k1,k2)和[k2,255];
图像分割最佳灰度阈值:k* 1和k* 2,其中k* 1<k* 2,将遥感影像的灰度分为三部分A*、B*和C*,其灰度值域分别为[0,k* 1),[k* 1,k* 2)和[k* 2,255];
为了保证输入遥感影像的灰度值域的一致性,首先将遥感影像的值域线性拉伸到[0,255]。遥感影像中任一点的灰度值为v,线性变换后的灰度值为v',其变换公式为v'=(Vmax-Vmin)/255*(v-Vmin)。变换后v'的值向下取整,保证变换后的遥感影像的灰度值也为整数。{0,1,2,i,…,255}表示变换后的遥感图像中的整数灰度取值,让ni表示灰度取整数i的像元个数,那么该灰度值i在图像中出现的概率为pi=ni/(Nrow*Ncol)。
假设遥感影像图像分割的两个灰度阈值为k1和k2,k1的变化范围为k1∈[0,255],k2的值要大于k1,变化范围为k2∈(k1,255]。k1和k2都为整数,每次变化的步长为1。k1和k2每变一次,输入的遥感图像的灰度值被划分为三部分A、B和C,其灰度值域分别为[0,k1),[k1,k2)和[k2,255]。A、B和C三部分的类间方差(σB)的计算公式为:
其中P1、P2和P3为A、B和C三部分的灰度取值概率之和,即A、B和C三部分中的像元个数所占遥感图像总像元个数的比例,其计算公式为:
m1、m2、m3和mG分别是图像分割后A、B、C三部分和图像整体的平均灰度值,具体计算公式为:
当σB得到最大值时,图像分割A、B和C三部分之间具有最大的类间方差,此时的双阈值k1和k2,为该遥感图像分割的最优阈值k* 1和k* 2,将遥感影像划分为最优结果A*、B*和C*。
使用k* 1和k* 2双阈值对当前遥感影像进行分类。遍历输入遥感影像中的每一个像元的灰度值v',将灰度值v'落入[0,k* 1)的像元分类为阴影区A*,其像元值重新设置为0;灰度值落入(k* 1,k* 2]的像元划分为平坦区B*,其像元值重新设置为1;灰度值落入(k* 2,255]的像元划分为光照区C*,其像元值重新设置为2。原输入遥感影像变为一个像元取值仅为0、1和2的三值图像I'。
(2)着陆区格网平坦百分比生成
月表着陆探测任务的预选着陆区是一个较大的范围,其不同位置具有不同的形貌特征。为了详细的描述预选着陆区不同位置的平坦区百分比因子,需要将预选着陆区进行正方形网格划分。
假设月球探测任务的预选着陆区是一个规则的矩形区域H,左上角HL的经纬度分别为(LonL,LatL),右下角HR的经纬度分别为(LonR,LatR)。预选着陆区划分的正方形格网边长为l,那么将预选着陆区H划分为(LatL-LatR)/l行(向下取整),(|LonL-LonR|/l)列(向下取整)的规则格网。
计算每一个格网的平坦区百分比Fap。遍历预选着陆区的所有格网,假设当前格网为G,是三值图像I'中的一个子区域,格网可以是0.01度边长的网格,其中包含了N=(l/r)*(l/r)个像元。统计格网G中划分为平坦区(像元值等于1)的像元个数N1,格网G的平坦区百分比Fap=N1/N。计算预选着陆区A中的每一个格网G的平坦区百分比,此时形成的图像为预选着陆区平坦区百分比栅格图像。
(3)平坦区百分比安全阈值确定
为了使用预选着陆区网格的平坦区百分比来选择安全着陆区,需要定量描述和确定安全网格的平坦区百分比阈值。本发明计算以往月球成功着陆探测任务的着陆区的平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值。
假设以往月球成功着陆任务次数为nl,第a次成功着陆任务为Ma,a为整数,a∈[1,nl]。以Ma着陆器着陆位置为中心,生成边长为l的正方形格网Ga'。使用步骤(1)和(2)所述的图像双阈值分割和网格平坦区百分比计算方法,计算Ma着陆区网格Ga'的平坦区百分比FapMa。所有成功着陆区以着陆点为中心的网格的平坦区百分比生成后,计算其平均值AFapM可以作为评价网格安全性的指标。对于任一需要评价安全性的月表着陆区网格G,如果其Fap<AFapM,则认为该网格为不安全格网,不适合作为月表着陆区;如果Fap>=AFapM,则认为该网格为安全网格,可以作为月表着陆任务的着陆区,并且Fap越大,在该网格着陆的安全性和成功性也越高。
(4)安全区域评价和选择
使用安全网格平坦区百分比阈值AFapM对预选着陆区平坦区百分比栅格图像中的每一个网格进行评价,将其分为安全格网和不安全格网。安全网格的像元值重新赋值为1,不安全网格的像元值重新赋值为0,生成预选着陆区安全评价结果的栅格图像。
根据上述实施例子所生成的安全着陆区,本公开的另一实施例子还公开了巡视器路径规划方法,包括:
(1)巡视器路径遍历
月表探测任务的着陆器成功着陆之后,会释放出巡视器,对着陆区及其周围进行形貌、成分和矿物等数据进行收集、分析和研究。本公开的实施例子提出一种兼顾距离和安全性的路径规划方法,该方法包括路径遍历和加权评价两个步骤。
假设巡视器在月表的当前位置位于格网A中,其目标位置位于格网B中,A和B都是预选着陆区平坦区百分比栅格图像中的格网。根据网格A和网格B的位置,生成一个以AB为对角线的矩形R。如果格网A位于格网B的左上方,直接生成矩形R;否则,经过左右或上下翻转,生成以格网A为左上角,格网B为右下角的矩形R。矩形R中的正方形网格的行数为m,列数为n。假设从网格A到网格B的所有路径经过的格网都在矩形R中,不能超出矩形R的范围。
以矩形R的左上角A网格为起点,以三方向(向右、向下和斜向下)遍历到矩形右下角B点的所有通路。创建通路文件D,用于存储所有遍历生成的从A到B的通路,将每一条通路中网格的行列号存储,一行存储一条通路。
(2)路径加权评价和最优路径选择
step1:删除不安全通路。取出遍历得到的从A点到B点的所有通路。假设通路共有PNum条,第b条通路为Path[b],b∈[1,PNum]。通路Path[b]的网格个数为GNum[b],第c个网格的平坦区百分比为F(Path[b][c])。如果F(Path[b][c])<AFapM,那么认为第b条通路Path[b]包含巡视器巡视的不安全区域,将第b条通路Path[b]从文件D中删除,此时剩下的安全通路共有PNum'条,组成新的通路文件D'。
step2:从文件D'中取出所有通路,计算每一条通路的平均平坦区百分比。第b条通路的平坦区百分比
step3:从文件D'中取出所有通路,计算每一条通路的距离。如果下一个网格为上一个网格的右方和下方,即Grid[1]和Grid[2],那么两个网格之间的距离为网格边长l,否则两个网格之间(斜下方)的距离为假设第b条通路中相邻两个格网中共有t1种右方和下方的关系,t2种斜下方的关系,那么第b条通路的距离为矩形R中从左上角A点走到右下角B点的最远距离Dismax=(m+n-1)*l。将所有通路的距离归一化,第b条通路的归一化距离NDis[b]=Dis[b]/Dismax。
step4:计算每一条巡视路线的加权评价因子。巡视器在月表巡视时,从A点到B的距离和巡视路线的安全性同等重要,都赋予0.5的权重。第b条通路的加权评价因子WRb=1-0.5*AF[b]+0.5*NDis[b]。加权因子WR最小的通路即为巡视器从A点到B点的最优路径。
本公开的实施例子还公开了一种月球表面安全着陆区选择系统,包括:
月表遥感影像图像分割单元,针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别,将识别结果划分为出阴影区、光照区和平坦区,每个区域用不同的数值表示,得到三值图像;
着陆区格网平坦区百分比生成单元,三值图像中,计算每一个格网的平坦区百分比,具体为三值图像的子区域中划分为平坦区的格网个数与该子区域中总的像元个数之比;
计算预选着陆区中的每一个格网的平坦区百分比,生成一张预选着陆区平坦区百分比栅格图像;
平坦区百分比安全阈值确定单元,通过统计月球成功着陆任务的着陆区平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值;
安全区域评价和选择单元,根据计算预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值,则为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案,以下将结合具体的实施例与对比例详细说明本申请的技术方案。
(1)研究区和遥感图像
本公开的实例以中国“嫦娥四号”(CE-4)着陆探测任务的预选着陆区为研究目标。CE-4号预选着陆区位于月球背面南极艾肯盆地内的冯卡门撞击坑,范围为(45°S-46°S,176.4°E-178.8°E),如图1所示。
本公开的实例使用美国月球勘测轨道器(LRO)上搭载的窄角相机影像(NAC)影像。NAC影像的空间分辨率约为~50cm,是现今能够获得的月表最高分辨率的遥感影像,远高于月表DEM数据的空间分辨率(10m级别)。图2为使用NAC影像拼接的覆盖CE-4号预选着陆区的影像图。
(2)遥感图像双阈值分割
对每一幅NAC影像进行双阈值分割,将月表影像分为阴影区、平坦区和光照区。将分割后的NAC影像进行拼接,生成覆盖CE-4号预选着陆区的双阈值图像分割栅格图,如图3所示。CE-4号预选着陆区局部区域双阈值图像分割结果如图4(a)-图4(b)所示,可以看出撞击坑和沟槽等负地形形成的阴影区和光照区能够识别和分割出来。
(3)网格平坦区百分比生成
将CE-4号预选着陆区划分为规则正方形格网,每个划分的网格为0.01度的正方形格网。本发明实例中的CE-4号预选着陆区可以划分成100行,240列的0.01度的规则格网。统计CE-4号预选着陆区中每一个网格的平坦区百分比(平坦区面积占整个网格面积的比例),生成一张CE-4号预选着陆区平坦区百分比栅格图,如图5所示。
(4)安全平坦区百分比阈值确定
月球以往成功着陆任务包括前苏联的Luna系列(Luna17和Luna21),美国的Surveyor系列(Surveyor1、Surveyor3、Surveyor5、Surveyor6和Surveyor7)和Apollo系列(Apollo11、Apollo14、Apollo15、Apollo16和Apollo17)以及我国的“嫦娥三号”(CE-3)探测器。本发明计算月球成功着陆任务的着陆区的平坦区百分比,作为评价月表网格安全性的阈值。以前苏联的Luna17任务为例,其着陆器着陆于月球正面,着陆点经纬度为(-35.00°,38.24°)。以着陆区点为中心,创建0.01度的正方形区域,使用双阈值图像分割,将该正方形区域划分为阴影区、平坦区和光照区,统计Luna17着陆区正方形网格的平坦区百分比,如图6所示。所有成功着陆任务着陆点为中心的0.01度网格的平坦区百分比的平均值等于0.6,可以作为网格安全平坦区百分比的阈值。
(5)着陆区安全性评价
根据平坦区百分比阈值,对CE-4号预选着陆区划分的网格进行评价。当网格平坦区百分比大于等于阈值时,网格是安全着陆区网格,否则是不安全的网格。
本公开的实施例子基于月表高分辨遥感影像,通过双阈值图像分割算法识别出分米级别的月表正负微地形;统计以往成功着陆区的平坦区百分比,定量描述和确定了安全网格的平坦区百分比阈值,将着陆区划分为安全和不安全网格;遍历生成当前网格和目标网格之间的通路,兼顾巡视器路线的安全性和距离,加权评价生成最优路线。本发明面向月球安全着陆区选择和巡视器路径规划,也可应用于太阳系其他可着陆行星和小行星表面。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种月球表面安全着陆区选择方法,其特征是,包括:
针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别,将识别结果划分为出阴影区、光照区和平坦区,每个区域用不同的数值表示,得到三值图像;
三值图像中,针对预选着陆区进行正方形网格划分,计算每一个格网的平坦区百分比,具体为该格网中划分为平坦区的像元个数与该格网中总的像元个数之比,生成一张预选着陆区平坦区百分比栅格图像;
计算以往月球成功着陆探测任务的着陆区的平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值;
将预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值,则为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。
2.如权利要求1所述的一种月球表面安全着陆区选择方法,其特征是,所述栅格格式的高分辨率遥感影像数据存储格式是将行星表面空间分割成有规律的网格,每一个网格称为一个单元,然后在各单元上赋予相应的灰度值来表示行星表面光度,每一个单元的位置由它的行列号定义,所表示的实体位置隐含在栅格行列位置中,单元的尺寸能够表示真实的月表对象的大小,称为遥感影像数据的分辨率。
3.如权利要求1所述的一种月球表面安全着陆区选择方法,其特征是,使用双阈值图像分割方法时,首先将遥感影像的值域线性拉伸到[0,255],遥感影像中任一点的灰度值为v,遥感影像中灰度最大值和最小值为Vmax和Vmin,线性变换后的灰度值为v',其变换公式为v'=(Vmax-Vmin)/255*(v-Vmin),变换后v'的值向下取整,保证变换后的遥感影像的灰度值也为整数,{0,1,2,i,…,255}表示变换后的遥感图像中的整数灰度取值,令ni表示灰度取整数i的像元个数,那么该灰度值i在图像中出现的概率为pi=ni/(Nrow*Ncol),,输入遥感影像其行数和列数分别为Nrow和Ncol。
4.如权利要求2所述的一种月球表面安全着陆区选择方法,其特征是,假设遥感影像图像分割的两个灰度阈值为k1和k2,k1的变化范围为k1∈[0,255],k2的值要大于k1,变化范围为k2∈(k1,255],k1和k2都为整数,每次变化的步长为1,k1和k2每变一次,输入的遥感图像的灰度值被划分为三部分A、B和C,其灰度值域分别为[0,k1),[k1,k2)和[k2,255];A、B和C三部分的类间方差为(σB),当σB得到最大值时,图像分割A、B和C三部分之间具有最大的类间方差,此时的双阈值k1和k2,为该遥感图像分割的最优阈值k* 1和k* 2,将遥感影像划分为最优结果A*、B*和C*。
5.如权利要求4所述的一种月球表面安全着陆区选择方法,其特征是,A、B和C三部分的类间方差计算公式为:
其中P1、P2和P3为A、B和C三部分的灰度取值概率之和,即A、B和C三部分中的像元个数所占遥感图像总像元个数的比例,其计算公式为:
m1、m2、m3和mG分别是图像分割后A、B、C三部分和图像整体的平均灰度值,具体计算公式为:
6.如权利要求4所述的一种月球表面安全着陆区选择方法,其特征是,使用k* 1和k* 2双阈值对当前遥感影像进行分类,遍历输入遥感影像中的每一个像元的灰度值v',将灰度值v'落入[0,k* 1)的像元分类为阴影区A*,其像元值重新设置为0;灰度值落入(k* 1,k* 2]的像元划分为平坦区B*,其像元值重新设置为1;灰度值落入(k* 2,255]的像元划分为光照区C*,其像元值重新设置为2,原输入遥感影像变为一个像元取值仅为0、1和2的三值图像I'。
7.如权利要求1所述的一种月球表面安全着陆区选择方法,其特征是,假设月球探测任务的预选着陆区是一个规则的矩形区域H,左上角HL的经纬度分别为(LonL,LatL),右下角HR的经纬度分别为(LonR,LatR),预选着陆区划分的正方形格网边长为l,那么将预选着陆区H划分为(LatL-LatR)/l行,(|LonL-LonR|/l)列的规则格网。
8.如权利要求1所述的一种月球表面安全着陆区选择方法,其特征是,假设以往月球成功着陆任务次数为nl,第a次成功着陆任务为Ma,a为整数,a∈[1,nl]。以Ma着陆器着陆位置为中心,生成边长为l的正方形格网Ga',计算Ma着陆区网格Ga'的平坦区百分比FapMa,所有成功着陆区以着陆点为中心的网格的平坦区百分比生成后,计算其平均值AFapM可以作为评价网格安全性的指标。
9.一种月球表面安全着陆区选择系统,其特征是,包括:
月表遥感影像图像分割单元,针对栅格格式的高分辨率遥感影像数据,使用双阈值图像分割方法对月球表面正负微地形进行识别,将识别结果划分为出阴影区、光照区和平坦区,每个区域用不同的数值表示,得到三值图像;
着陆区格网平坦区百分比生成单元,三值图像中,针对预选着陆区进行正方形网格划分,计算每一个格网的平坦区百分比,具体为该格网中划分为平坦区的像元个数与该格网中总的像元个数之比,生成一张预选着陆区平坦区百分比栅格图像;
平坦区百分比安全阈值确定单元,计算以往月球成功着陆探测任务的着陆区的平坦区百分比,统计成功着陆区的平均平坦区百分比作为月球着陆区安全性的评价阈值;
安全区域评价和选择单元,将预选着陆区中的每一个格网的平坦区百分比与评价阈值进行比较,小于评价阈值,则为不安全格网,大于等于评价阈值为安全网格,生成预选着陆区安全评价结果的栅格图像。
10.一种应用,上述权利要求1-8任一所述的方法或权利要求9所述的系统还可应用至面向火星及太阳系其他行星探测任务的安全着陆区选择和巡视器路径规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811488103.1A CN109598243B (zh) | 2018-12-06 | 2018-12-06 | 一种月球表面安全着陆区选择方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811488103.1A CN109598243B (zh) | 2018-12-06 | 2018-12-06 | 一种月球表面安全着陆区选择方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598243A true CN109598243A (zh) | 2019-04-09 |
CN109598243B CN109598243B (zh) | 2021-08-24 |
Family
ID=65962223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811488103.1A Active CN109598243B (zh) | 2018-12-06 | 2018-12-06 | 一种月球表面安全着陆区选择方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598243B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779545A (zh) * | 2019-09-23 | 2020-02-11 | 北京控制工程研究所 | 地外天体软着陆探测器低采样频率条件下着陆指标评价方法 |
CN110930064A (zh) * | 2019-12-09 | 2020-03-27 | 山东大学 | 一种火星尘暴时空概率提取和着陆安全性评价的方法 |
CN111830534A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航系统工程研究所 | 一种应用激光雷达进行最佳着陆点选取方法 |
CN112348313A (zh) * | 2020-09-30 | 2021-02-09 | 北京空间飞行器总体设计部 | 一种地外天体软着陆任务着陆区精确选择及评估方法 |
CN112644738A (zh) * | 2021-01-19 | 2021-04-13 | 哈尔滨工业大学 | 一种行星着陆避障轨迹约束函数设计方法 |
CN112947497A (zh) * | 2019-12-11 | 2021-06-11 | 中国科学院沈阳自动化研究所 | 一种水下机器人驻底位置选择优化方法 |
CN113033462A (zh) * | 2021-04-09 | 2021-06-25 | 山东大学 | 基于火星尘卷风产率的火星着陆点确定方法及系统 |
CN116051821A (zh) * | 2023-03-01 | 2023-05-02 | 吉林大学 | 面向工程的单滑窗全月着陆区选取方法及其系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074880A (zh) * | 2007-07-24 | 2007-11-21 | 北京控制工程研究所 | 月球探测器悬停阶段扫描选取安全着陆区域方法 |
US20080023587A1 (en) * | 2006-07-27 | 2008-01-31 | Raytheon Company | Autonomous Space Flight System and Planetary Lander for Executing a Discrete Landing Sequence to Remove Unknown Navigation Error, Perform Hazard Avoidance and Relocate the Lander and Method |
CN102173313A (zh) * | 2010-12-24 | 2011-09-07 | 北京控制工程研究所 | 一种软着陆接力避障方法 |
CN102944226A (zh) * | 2012-12-03 | 2013-02-27 | 哈尔滨工业大学 | 基于明暗区域配对的陨石坑检测方法 |
CN103093463A (zh) * | 2013-01-15 | 2013-05-08 | 南京航空航天大学 | 一种基于灰度图像的陨石坑检测方法 |
CN103440408A (zh) * | 2013-08-14 | 2013-12-11 | 北京空间飞行器总体设计部 | 一种月球探测器着陆安全概率的快速分析方法 |
CN103625649A (zh) * | 2013-12-06 | 2014-03-12 | 北京工商大学 | 一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN104103070A (zh) * | 2014-05-26 | 2014-10-15 | 北京控制工程研究所 | 一种基于光学图像的着陆点选取方法 |
CN104361576A (zh) * | 2014-10-20 | 2015-02-18 | 南京理工大学 | 基于高程值的遥感器自动筛选安全区域的3d壁障方法与装置 |
CN104913784A (zh) * | 2015-06-19 | 2015-09-16 | 北京理工大学 | 一种行星表面导航特征自主提取方法 |
CN105043395A (zh) * | 2015-07-17 | 2015-11-11 | 浙江工业大学 | 一种飞行器月表软着陆的实时动态选址方法 |
-
2018
- 2018-12-06 CN CN201811488103.1A patent/CN109598243B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080023587A1 (en) * | 2006-07-27 | 2008-01-31 | Raytheon Company | Autonomous Space Flight System and Planetary Lander for Executing a Discrete Landing Sequence to Remove Unknown Navigation Error, Perform Hazard Avoidance and Relocate the Lander and Method |
CN101074880A (zh) * | 2007-07-24 | 2007-11-21 | 北京控制工程研究所 | 月球探测器悬停阶段扫描选取安全着陆区域方法 |
CN102173313A (zh) * | 2010-12-24 | 2011-09-07 | 北京控制工程研究所 | 一种软着陆接力避障方法 |
CN102944226A (zh) * | 2012-12-03 | 2013-02-27 | 哈尔滨工业大学 | 基于明暗区域配对的陨石坑检测方法 |
CN103093463A (zh) * | 2013-01-15 | 2013-05-08 | 南京航空航天大学 | 一种基于灰度图像的陨石坑检测方法 |
CN103440408A (zh) * | 2013-08-14 | 2013-12-11 | 北京空间飞行器总体设计部 | 一种月球探测器着陆安全概率的快速分析方法 |
CN103625649A (zh) * | 2013-12-06 | 2014-03-12 | 北京工商大学 | 一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN104103070A (zh) * | 2014-05-26 | 2014-10-15 | 北京控制工程研究所 | 一种基于光学图像的着陆点选取方法 |
CN104361576A (zh) * | 2014-10-20 | 2015-02-18 | 南京理工大学 | 基于高程值的遥感器自动筛选安全区域的3d壁障方法与装置 |
CN104913784A (zh) * | 2015-06-19 | 2015-09-16 | 北京理工大学 | 一种行星表面导航特征自主提取方法 |
CN105043395A (zh) * | 2015-07-17 | 2015-11-11 | 浙江工业大学 | 一种飞行器月表软着陆的实时动态选址方法 |
Non-Patent Citations (8)
Title |
---|
CLERC, SÉBASTIEN ET AL.: "A crater detection and identification algorithm for autonomous lunar landing", 《IFAC PROCEEDINGS VOLUMES》 * |
M. HUANG ET AL.: "An Improved Image Segmentation Algorithm Based on the Otsu Method", 《2012 13TH ACIS INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING, ARTIFICIAL INTELLIGENCE, NETWORKING AND PARALLEL/DISTRIBUTED COMPUTING》 * |
T. BRADY ET AL.: "The challenge of safe lunar landing", 《2010 IEEE AEROSPACE CONFERENCE》 * |
Z. WANG ET AL.: "The Chang E-3 landing and working area selecting: Based on the lunar digital terrain model", 《2013 21ST INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 * |
徐辛超 等: "一种结合灰度特征的月面撞击坑提取方法", 《遥感信息》 * |
王栋 等: "一种基于图像的星体表面撞击坑自动提取方法", 《宇航学报》 * |
王浩杰 等: "基于阈值分割的探测器软着陆区的选择方法", 《价值工程》 * |
马金驹: "基于月球探测数据的着陆区选择规律及重构方法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779545A (zh) * | 2019-09-23 | 2020-02-11 | 北京控制工程研究所 | 地外天体软着陆探测器低采样频率条件下着陆指标评价方法 |
CN110779545B (zh) * | 2019-09-23 | 2021-08-10 | 北京控制工程研究所 | 地外天体软着陆探测器低采样频率条件下着陆指标评价方法 |
CN110930064A (zh) * | 2019-12-09 | 2020-03-27 | 山东大学 | 一种火星尘暴时空概率提取和着陆安全性评价的方法 |
CN112947497A (zh) * | 2019-12-11 | 2021-06-11 | 中国科学院沈阳自动化研究所 | 一种水下机器人驻底位置选择优化方法 |
CN112947497B (zh) * | 2019-12-11 | 2023-02-28 | 中国科学院沈阳自动化研究所 | 一种水下机器人驻底位置选择优化方法 |
CN111830534A (zh) * | 2020-06-08 | 2020-10-27 | 上海宇航系统工程研究所 | 一种应用激光雷达进行最佳着陆点选取方法 |
CN111830534B (zh) * | 2020-06-08 | 2023-09-29 | 上海宇航系统工程研究所 | 一种应用激光雷达进行最佳着陆点选取方法 |
CN112348313A (zh) * | 2020-09-30 | 2021-02-09 | 北京空间飞行器总体设计部 | 一种地外天体软着陆任务着陆区精确选择及评估方法 |
CN112644738A (zh) * | 2021-01-19 | 2021-04-13 | 哈尔滨工业大学 | 一种行星着陆避障轨迹约束函数设计方法 |
CN113033462A (zh) * | 2021-04-09 | 2021-06-25 | 山东大学 | 基于火星尘卷风产率的火星着陆点确定方法及系统 |
CN116051821A (zh) * | 2023-03-01 | 2023-05-02 | 吉林大学 | 面向工程的单滑窗全月着陆区选取方法及其系统 |
CN116051821B (zh) * | 2023-03-01 | 2023-06-02 | 吉林大学 | 面向工程的单滑窗全月着陆区选取方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109598243B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598243A (zh) | 一种月球表面安全着陆区选择方法及系统 | |
CN109597415A (zh) | 基于月球表面安全着陆区的巡视器路径规划方法及系统 | |
Li et al. | Rainfall and earthquake-induced landslide susceptibility assessment using GIS and Artificial Neural Network | |
van Dijke et al. | Rockfall hazard: a geomorphologic application of neighbourhood analysis with ILWIS | |
Schillaci et al. | 2.4. 2. Terrain analysis and landform recognition | |
Muad et al. | Impact of land cover patch size on the accuracy of patch area representation in HNN-based super resolution mapping | |
CN104103070B (zh) | 一种基于光学图像的着陆点选取方法 | |
Uddin et al. | Assessment of morphological changes and vulnerability of river bank erosion alongside the river Jamuna using remote sensing | |
Szypuła | Digital elevation models in geomorphology | |
Anand et al. | Estimating the change in forest cover density and predicting NDVI for west Singhbhum using linear regression | |
Hardy et al. | Data and techniques for studying the urban heat island effect in Johannesburg | |
Fenton et al. | Inverse maximum gross bedform-normal transport 2: application to a dune field in Ganges Chasma, Mars and comparison with HiRISE repeat imagery and MRAMS | |
She et al. | Analysis Using High‐Precision Airborne LiDAR Data to Survey Potential Collapse Geological Hazards | |
Miliaresis | Quantification of terrain processes | |
De Guio et al. | GeOBIA approaches to remote sensing of fossil landscapes: two case studies from Northern Italy | |
NIKOLOVA et al. | Geodiversity assessment by application of geoinformation approach (on the example of Golo Bardo Mountain, Western Bulgaria) | |
Daniels | Impact melt emplacement on Mercury | |
CN112907567A (zh) | 基于空间推理方法的sar图像有序人造构筑物提取方法 | |
Alburshaid et al. | Spatio-temporal land use analysis and urban growth dynamic prediction in the kingdom of Bahrain | |
Quintus et al. | Evaluating Mask R‐CNN models to extract terracing across oceanic high islands: A case study from Sāmoa | |
Bosco et al. | Visual validation of the e-RUSLE model applied at the pan-European scale | |
Wang et al. | Debris Flow Susceptibility Evaluation Based on Multi-level Feature Extraction CNN Model: A Case Study of Nujiang Prefecture, China | |
Farangitakis et al. | Seismic risk assessment in the Attica Basin | |
Kushwaha et al. | Geographic information system for generating spatial pattern of natural streams: a case study in Nainital, India | |
Hubina et al. | GIS-based decision support tool for optimal spatial planning of landfill in Minsk region, Belarus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |