CN111830534B - 一种应用激光雷达进行最佳着陆点选取方法 - Google Patents

一种应用激光雷达进行最佳着陆点选取方法 Download PDF

Info

Publication number
CN111830534B
CN111830534B CN202010513715.2A CN202010513715A CN111830534B CN 111830534 B CN111830534 B CN 111830534B CN 202010513715 A CN202010513715 A CN 202010513715A CN 111830534 B CN111830534 B CN 111830534B
Authority
CN
China
Prior art keywords
point
point cloud
landing
sub
radius
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.)
Active
Application number
CN202010513715.2A
Other languages
English (en)
Other versions
CN111830534A (zh
Inventor
黄兴
颜晓明
谢立
张元明
荣为君
朱亚明
闫峰
张青青
王良军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Aerospace System Engineering Institute
Original Assignee
Shanghai Aerospace System Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Aerospace System Engineering Institute filed Critical Shanghai Aerospace System Engineering Institute
Priority to CN202010513715.2A priority Critical patent/CN111830534B/zh
Publication of CN111830534A publication Critical patent/CN111830534A/zh
Application granted granted Critical
Publication of CN111830534B publication Critical patent/CN111830534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明一种应用激光雷达进行最佳着陆点选取方法，(1)着陆器上的激光雷达对着陆区域环境进行扫描，生成着陆区域环境三维点云，提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云。(2)从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，确定每个物体的障碍属性；(3)将着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径，进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径，实现最佳着陆点选取。

Description

一种应用激光雷达进行最佳着陆点选取方法
技术领域
本发明涉及一种应用激光雷达进行最佳着陆点选取方法，属于飞行器着陆末段自主导航技术领域。
背景技术
近年来，地外天体巡视探测、无人机领域发展迅速，探测器及无人机着陆末段，最佳着陆点选取与跟踪作为其中的一项关键技术，是提高着陆安全性和对着陆环境适应性的有效手段，也是建立导航解算坐标系、为探测器和无人机导航系统提供目标点的基础和先决条件。传统方法主要有两类：1.基于星表遥感观测先验知识，人为预定着陆点/着陆区；2.采用图像处理技术，实时、自主识别着陆区与着陆点，再通过投射信标或特征点识别等方法跟踪着陆点。这两种方法都各自有一定的缺陷，第一种方法自主性差，对环境的实时适应性能力不足，依赖先验的遥感探测信息，如果探测信息有误或者信息精确度不够则会造成着陆点预定策略的失败。第二种方法主要存在易受光照影响，实际实施中要求一定的光照条件，算法复杂度也较高。
发明内容
本发明解决的技术问题为：克服上述现有技术的不足，提供一种应用激光雷达进行最佳着陆点选取方法，仅依靠激光雷达生成的三维点云实现对目标区域内的最佳着陆点选取，该方法可以有效地解决单纯依靠人为预定着陆点方法存在的着陆过程中无法进行实时、自主导航的缺陷，同时可以避免光照的不利影响。
本发明解决的技术方案为：一种应用激光雷达进行最佳着陆点选取方法，步骤如下：
(1)着陆器上的激光雷达对着陆区域环境进行扫描，生成着陆区域环境三维点云，从着陆区域环境三维点云成功提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云。
(2)从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；
(3)根据第(2)确定的每个物体的障碍属性，将步骤(1)的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对步骤(1)的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。
优选的，着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
将据步骤(1)～(3)得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出的最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。
优选的，着陆器，具体为：执行软着陆任务的无人飞行器。
优选的，激光雷达，具体为一种测距仪器，能够对空间环境进行连续扫描，获取环境表面的三维点云。
优选的，着陆末段，是指：着陆器着陆过程中，经过主减速段、接近段后，此时着陆器水平速度基本降为零，距离着陆区表面在百米量级左右，缓慢降落的阶段。
优选的，每个物体的障碍属性，包括：突起物和凹坑。
一种应用激光雷达进行最佳着陆点选取系统，包括三维点云处理模块、障碍属性确定模块、最佳着陆点确定模块；
三维点云处理模块，对着陆器上的激光雷达对着陆区域环境进行扫描生成的着陆区域环境三维点云，提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云；
障碍属性确定模块，从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；
最佳着陆点确定模块，根据障碍属性确定模块确定的每个物体的障碍属性，将三维点云处理模块中的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对三维点云处理模块中的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。
优选的，还包括最佳着陆点跟踪模块，最佳着陆点跟踪模块功能如下：
着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
将据三维点云处理模块、障碍属性确定模块和最佳着陆点确定模块共同得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。
优选的，着陆器，具体为：执行软着陆任务的无人飞行器。
优选的，激光雷达，具体为一种测距仪器，能够对空间环境进行连续扫描，获取环境表面的三维点云。
本发明与现有技术相比的优点在于：
(1)本发明在单独使用激光雷达点云数据的前提下，可以实现对环境中障碍物的识别与安全着陆点的选取与跟踪。
(2)本发明提供的方法可以在光照不利的情况有效发挥作用，避免光照对着陆精度的影响。
(3)本发明是一种实时、自主的导航避障方法，可以在着陆的最后阶段根据实时地形环境，选择安全、合适的着陆点。
(4)本发明在某一帧得到最佳着陆点后，不用每次均重复计算最佳着陆点，根据刚体变换矩阵，能够进一步得到某一帧后一帧的最佳着陆点，以此类推，实现对最佳着陆点的跟踪。
附图说明
图1为本发明的流程图；
图2(a)为着陆区域环境三维点云示意图；
图2(b)地形平面子点云示意图；
图2(c)非地形平面子点云示意图；
图3为基于r半径邻域搜索的最佳着陆点选取示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细描述。
本发明一种应用激光雷达进行最佳着陆点选取方法，(1)着陆器上的激光雷达对着陆区域环境进行扫描，生成着陆区域环境三维点云，从着陆区域环境三维点云成功提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云。(2)从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；(3)根据步骤(2)确定的每个物体的障碍属性，将步骤(1)的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对步骤(1)的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。
针对行星探测软着陆任务中，在着陆区光照条件不利的情况下，光学图像将难以发挥作用，而本方法能够解决探测器在着陆末段自主选择安全着陆点的关键问题，并为后续的自主导航提供支持。
本发明一种应用激光雷达进行最佳着陆点选取方法，优选方案步骤如下：
(1)着陆器上的激光雷达对着陆区域环境进行扫描，生成着陆区域环境三维点云，从着陆区域环境三维点云成功提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云。
本发明所述的着陆器优选为执行软着陆任务的无人飞行器。激光雷达为一种测距仪器，其内部由若干激光收发器及相应的处理电路组成；激光收发器发射激光至环境表面一点，并接收反射光，通过发收的时间差来计算激光照射点至激光收发器的距离，且这些激光收发器规则排列在激光雷达的旋转轴方向上，可以绕旋转轴进行旋转，从而实现对一定区域内环境表面的距离测量，由于激光收发器排列角度和处理时间，因此激光雷达具有一定的水平、垂直角分辨率。激光雷达安装在着陆器底部，用于对着陆器下方的着陆区域环境进行扫描，形成着陆区域环境三维点云。
由激光雷达视角范围所确定的着陆器下方一定范围的空间环境为着陆区域。着陆末段，着陆器以垂直于着陆区域地形平面的姿态缓慢下降，其底部安装的激光雷达持续对着陆区域进行扫描测量，每次扫描测量均会形成着陆区域表面的测量点集，通过计算得到的激光雷达三维直角坐标系下的坐标点集，称为三维点云，如图2(a)所示。
从着陆区域环境三维点云成功提取地形水平面，优选方案步骤如下：
1.将每次扫描形成的三维点云定位为Xi；
2.提取Xi中的地形平面子点云Xpi，步骤如下：
a)随机选取Xi中任意不共线的3点，确定一个平面；
b)计算Xi中的每一个点与该平面的距离，小于阈值Thp的点为内点，否则为外点，形成内点集合XLi与外点集合XOi，统计内点的个数Ci；
c)重复a)与b),直到达到最大迭代次数k，选择Ci～Ck中的最大值Ct对应的XLt，即为所求的地形平面子点云Xpi，如图2(b)所示。
3.Xpi的补集即为非地形平面子点云Xmi，如图2(c)所示，Xpi与Xmi的关系如下式：
Xi＝Xpi∪Xmi；
(2)从非地形平面子点云中，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；优选方案具体如下：
1.从非地形平面子点云中分割出位置独立的物体，步骤如下：
1.1对第(1)确定非地形平面子点云Xmi，构建三维k-d树Tr；
1.2对Xmi中的任一点pj，在Tr中搜索与其欧式距离小于阈值r0的点，形成邻域点集N；
1.3对点集N中的任一点，在Tr中搜索与其欧式距离小于阈值r0的点，并增加至点集N，直至N中再无新点加入，此时N记为一个独立子点云；
1.4计算N在Xmi中的补集M，对M中的每个点重复步骤2、3，形成若干个独立的子点云，直至M为空，定义形成了c个独立子点云N1～Nc。
2.对N1～Nc独立子点云分别求轮廓，分析轮廓点在X、Y、Z轴上的分布跨度为a,b,h，即为包围子点云的最小长方体的尺寸；
3.对每个独立子点云Ni(Ni∈[N1,…Nc])，计算其包含的所有点的三个坐标向量的均值，得到其重心坐标，以重心为中心，a,b,h为长方体的三个边长，可以得到包围该独立子点云的最小长方体；
4.根据每个独立子点云重心坐标与地形水平面的关系，在地形水平面上方的则为突起物，在地形水平面下方的则为凹坑；
5.根据包围每个独立子点云最小长方体的体积，大于障碍物阈值OD则判定为障碍物，否则为非障碍物。
(3)根据第(2)确定的每个物体的障碍属性，将步骤(1)的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对步骤(1)的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上时，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。优选方案具体如下：
1.第(2)步确定的独立子点云N1～Nc中，确定为障碍物的合并为障碍物子点云Xoi；
2.障碍物子点云Xoi在Xi中的补集为安全区域子点云Xsi；
3.对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上时，则从中选择距离着陆器最近的点，作为最佳着陆点，具体步骤为：
3.1提取Xsi的边缘，遍历Xsi中的每个点pj；
3.2采用r半径邻域搜索，r＝Gr×n，Gr为点云的栅格尺寸，用于明确点云处理时的空间分辨率，以提高处理效率，n为自递增整数，用于增加搜索半径r的值，利用k-d树提取pj点的r半径邻域点索引与障碍物点云索引Xoi进行求交集运算，交集结果为Xcj；
3.3如Xcj为空，则将n的值加1后赋给n，继续3.2步；
3.4否则退出，记录当前点的安全半径为r；
4.得到Xsi所有点的安全半径序列，挑选其中安全半径最大的点作为最佳着陆点，若最大安全半径有重复的情况，那么则选取离激光雷达直角坐标系原点最近的点作为最佳着陆点xpi，如图3所示，浅色圆形区域为选取的安全着陆区，圆心为最佳着陆点，半径为最大安全半径。
进一步方案为：还包括步骤(4)：(4)着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
将据步骤(1)～(3)得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出的最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。优选方案具体如下：
1.定义前后两帧三维点云分别为Xi-1、Xi，对Xi-1采取步骤(1)～(3)得到的最佳着陆点xpi-1；
2.对Xi-1、Xi分别进行下采样降低点云密度，下采样后的点云分别记为Xi-1^、Xi^；
3.由于前后点云帧的强关联性，采用最近点迭代算法(I CP)计算前后点云帧的刚体变换矩阵，具体如下：
3.1任意选取Xi-1^中m个点{p1:p1 1,...,p1 m}，对p1中的每个点在Xi^中选取与其距离最近的点形成点集{p2:p2 1,...,p2 m}；
3.2定义矩阵A＝|p1 1,...,p1 m|，矩阵B＝|p2 1,...,p2 m|，矩阵H
H4×4＝A×BT
其中BT为矩阵B的转置矩阵；
3.3对H进行奇异值分解
H＝UΣV
其中∑为对角阵；U表示方阵，V表示方阵；
3.4则变换矩阵T可以通过下式求解：
T＝V×UT
4.则当前帧中最佳着陆点xpi可通过下式求解：
xpi＝T×xpi-1
式中，xpi-1为当前帧的前一帧中最佳着陆点。
通过上述方案可实现最佳着陆点在连续点云帧序列中的跟踪，实现最佳着陆点在着陆器机动过程中的连续跟踪，这对后续建立着陆器与最佳着陆点之间的相对导航至关重要。
本发明使用激光雷达作为导航敏感器，在着陆末段对着陆区域进行连续扫描，形成着陆区域环境三维点云，对着陆区域环境三维点云进行实时处理，精确识别着陆环境中的各类障碍物，并据此进行最佳着陆点的选取与跟踪。本发明具有不依赖着陆区域光照条件，且激光测距精度高，对不明光照条件下着陆器安全自主着陆具有较好的适应性。
本发明一种应用激光雷达进行最佳着陆点选取系统，包括三维点云处理模块、障碍属性确定模块、最佳着陆点确定模块；
三维点云处理模块，对着陆器上的激光雷达对着陆区域环境进行扫描生成的着陆区域环境三维点云，提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云；
障碍属性确定模块，从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；
最佳着陆点确定模块，根据障碍属性确定模块确定的每个物体的障碍属性，将三维点云处理模块中的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对三维点云处理模块中的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。
优选的，还包括最佳着陆点跟踪模块，最佳着陆点跟踪模块功能如下：在着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
将据三维点云处理模块、障碍属性确定模块和最佳着陆点确定模块共同得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。
着陆器，具体为：执行软着陆任务的无人飞行器。
激光雷达，具体为一种测距仪器，能够对空间环境进行连续扫描，获取环境表面的三维点云。
所述的着陆器为执行软着陆任务的无人飞行器。激光雷达优选为一种测距仪器，其内部由若干激光收发器及相应的处理电路组成；激光收发器发射激光至环境表面一点，并接收反射光，通过发收的时间差来计算激光照射点至激光收发器的距离，且这些激光收发器规则排列在激光雷达的旋转轴方向上，可以绕旋转轴进行旋转，从而实现对一定区域内环境表面的距离测量，由于激光收发器排列角度和处理时间，因此激光雷达具有一定的水平、垂直角分辨率。激光雷达安装在着陆器底部，用于对着陆器下方的着陆区域环境进行扫描，形成着陆区域环境三维点云。
由激光雷达视角范围所确定的着陆器下方一定范围的空间环境为着陆区域。着陆末段，着陆器以垂直于着陆区域地形平面的姿态缓慢下降，其底部安装的激光雷达持续对着陆区域进行扫描测量，每次扫描测量均会形成着陆区域表面的测量点集，通过计算得到的激光雷达三维直角坐标系下的坐标点集，称为三维点云，如图2(a)所示。
三维点云处理模块，从着陆区域环境三维点云成功提取地形水平面，优选方案步骤如下：
1.将每次扫描形成的三维点云定位为Xi；
2.提取Xi中的地形平面子点云Xpi，步骤如下：
a)随机选取Xi中任意不共线的3点，确定一个平面；
b)计算Xi中的每一个点与该平面的距离，小于阈值Thp的点为内点，否则为外点，形成内点集合XLi与外点集合XOi，统计内点的个数Ci；
c)重复a)与b),直到达到最大迭代次数k，选择Ci～Ck中的最大值Ct对应的XLt，即为所求的地形平面子点云Xpi，如图2(b)所示。
3.Xpi的补集即为非地形平面子点云Xmi，如图2(c)所示，Xpi与Xmi的关系如下式：
Xi＝Xpi∪Xmi；
障碍属性确定模块，从非地形平面子点云中，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；
优选方案具体如下：
1.从非地形平面子点云中分割出位置独立的物体，步骤如下：
1.1对非地形平面子点云Xmi，构建三维k-d树Tr；
1.2对Xmi中的任一点pj，在Tr中搜索与其欧式距离小于阈值r0的点，形成邻域点集N；
1.3对点集N中的任一点，在Tr中搜索与其欧式距离小于阈值r0的点，并增加至点集N，直至N中再无新点加入，此时N记为一个独立子点云；
1.4计算N在Xmi中的补集M，对M中的每个点重复步骤1.2、1.3(即遍历M中的所有点)，形成若干个独立的子点云，直至M为空，定义形成了c个独立子点云N1～Nc。
2.对N1～Nc独立子点云分别求轮廓，分析轮廓点在X、Y、Z轴上的分布跨度为a,b,h，即为包围子点云的最小长方体的尺寸；
3.对每个独立子点云Ni(Ni∈[N1,…Nc])，计算其包含的所有点的三个坐标向量的均值，得到其重心坐标，以重心为中心，a,b,h为长方体的三个边长，可以得到包围该独立子点云的最小长方体；
4.根据每个独立子点云重心坐标与地形水平面的关系，在地形水平面上方的则为突起物，在地形水平面下方的则为凹坑；
5.根据包围每个独立子点云最小长方体的体积，大于障碍物阈值OD则判定为障碍物，否则为非障碍物。
最佳着陆点确定模块，根据确定的每个物体的障碍属性，将三维点云处理模块中的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对步骤(1)的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上时，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径。优选方案具体如下：
1.障碍属性确定模块确定的独立子点云N1～Nc中，确定为障碍物的合并为障碍物子点云Xoi；
2.障碍物子点云Xoi在Xi中的补集为安全区域子点云Xsi；
3.对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上时，则从中选择距离着陆器最近的点，作为最佳着陆点，具体步骤为：
3.1提取Xsi的边缘，遍历Xsi中的每个点pj；
3.2采用r半径邻域搜索，r＝Gr×n，Gr为点云的栅格尺寸，用于明确点云处理时的空间分辨率，以提高处理效率，n为自递增整数，用于增加搜索半径r的值，利用k-d树提取pj点的r半径邻域点索引Xpj r，Xpj r与障碍物点云索引Xoi进行求交集运算，交集结果为Xcj；
Xcj＝Xpj r∩Xoi
3.3如Xcj为空，则将n的值加1后赋给n，继续3.2步；
3.4否则退出，记录当前点的安全半径为r；
4.得到Xsi所有点的安全半径序列，挑选其中安全半径最大的点作为最佳着陆点，若最大安全半径有重复的情况，那么则选取离激光雷达直角坐标系原点最近的点作为最佳着陆点xpi，如图3所示，浅色圆形区域为选取的安全着陆区，圆心为最佳着陆点，半径为最大安全半径。
进一步方案为：还包括最佳着陆点跟踪模块，最佳着陆点跟踪模块功能如下：
着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
将据三维点云处理模块、障碍属性确定模块、最佳着陆点确定模块共同得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出的最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。优选方案具体如下：
1.定义前后两帧三维点云分别为Xi-1、Xi，对Xi-1采取三维点云处理模块、障碍属性确定模块、最佳着陆点确定模块共同得到的最佳着陆点xpi-1；
2.对Xi-1、Xi分别进行下采样降低点云密度，下采样后的点云分别记为Xi-1^、Xi^；
3.由于前后点云帧的强关联性，采用最近点迭代算法(ICP)计算前后点云帧的刚体变换矩阵，具体如下：
3.1任意选取Xi-1^中m个点{p1:p11,...,p1 m}，对p1中的每个点在Xi^中选取与其距离最近的点形成点集{p2:p2 1,...,p2 m}；
3.2定义矩阵A＝|p1 1,...,p1 m|，矩阵B＝|p2 1,...,p2 m|，矩阵H
H4×4＝A×BT
其中BT为矩阵B的转置矩阵；
3.3对H进行奇异值分解，形成方阵乘以对角阵的形式，优选公式如下
H＝UΣV
其中，U表示方阵，∑为对角阵，V表示方阵；
3.4则变换矩阵T可以通过下式求解：
T＝V×UT
4.则当前帧中最佳着陆点xpi可优选通过下式求解：
xpi＝T×xpi-1
式中，xpi-1为当前帧的前一帧中最佳着陆点。
通过上述方案可实现最佳着陆点在连续点云帧序列中的跟踪，实现最佳着陆点在着陆器机动过程中的连续跟踪，这对后续建立着陆器与最佳着陆点之间的相对导航至关重要。
以上方案使本发明进一步提高了着陆点选取效率，提高了运算效率。
本发明进一步的优选方案为：增加前后点云帧局部特征提取，使用特征点进行最近点迭代，提高关联点对的正确率，同时减少关联点对的数量，减少算法的运算量，更进一步提高跟踪效果。
本发明在单独使用激光雷达点云数据的前提下，可以实现对环境中障碍物的识别与安全着陆点的选取与跟踪，且本发明可以在光照不利的情况有效发挥作用，避免光照对着陆精度的影响；
本发明是一种实时、自主的导航避障方法，可以在着陆的最后阶段根据实时地形环境，选择安全、合适的着陆点，且本发明在某一帧得到最佳着陆点后，不用每次均重复计算最佳着陆点，根据刚体变换矩阵，能够进一步得到某一帧后一帧的最佳着陆点，以此类推，实现对最佳着陆点的跟踪。

Claims (9)

1.一种应用激光雷达进行最佳着陆点选取方法，其特征在于步骤如下：
(1)着陆器上的激光雷达对着陆区域环境进行扫描，生成着陆区域环境三维点云，从着陆区域环境三维点云成功提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云；
(2)从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体重心与地形水平面的关系，从而确定每个物体的障碍属性；
从非地形平面子点云，分割出空间位置独立的物体的方法包括：
1.1对第(1)确定非地形平面子点云Xmi，构建三维k-d树Tr；
1.2对Xmi中的任一点pj，在Tr中搜索与其欧式距离小于阈值r0的点，形成邻域点集N；
1.3对点集N中的任一点，在Tr中搜索与其欧式距离小于阈值r0的点，并增加至点集N，直至N中再无新点加入，此时N记为一个独立子点云；
计算N在Xmi中的补集M，对M中的每个点重复步骤1.2、1.3，形成若干个独立的子点云，直至M为空，定义形成了c个独立子点云N1～Nc；
(3)根据第(2)确定的每个物体的障碍属性，将步骤(1)的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对步骤(1)的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径；
获取每个点的最大安全半径的方法包括：采用r半径邻域搜索，获得安全区域子点云中任一点的r半径邻域点索引，r半径邻域点索引与与障碍物点云索引进行求交集运算，根据交集是否为空，判断r半径邻域是否安全，对r不断进行迭代增加，获得每个点的最大安全半径；
(4)着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
对连续序列点云采用最近点迭代算法获取两帧之间的刚体变换矩阵，且最近点迭代算法中，对连续序列点云帧的互相关矩阵H进行奇异值分解，从而获得刚体变换矩阵T；
将据步骤(1)～(3)得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出的最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。
2.根据权利要求1所述的一种应用激光雷达进行最佳着陆点选取方法，其特征在于：着陆器，具体为：执行软着陆任务的无人飞行器。
3.根据权利要求1所述的一种应用激光雷达进行最佳着陆点选取方法，其特征在于：激光雷达，具体为一种测距仪器，能够对空间环境进行连续扫描，获取环境表面的三维点云。
4.根据权利要求1所述的一种应用激光雷达进行最佳着陆点选取方法，其特征在于：着陆末段，是指：着陆器着陆过程中，经过主减速段、接近段后，此时着陆器水平速度基本降为零，距离着陆区表面在百米量级左右，缓慢降落的阶段。
5.根据权利要求1所述的一种应用激光雷达进行最佳着陆点选取方法，其特征在于：每个物体的障碍属性，包括：突起物和凹坑。
6.一种应用激光雷达进行最佳着陆点选取系统，其特征在于：包括三维点云处理模块、障碍属性确定模块、最佳着陆点确定模块；
三维点云处理模块，对着陆器上的激光雷达对着陆区域环境进行扫描生成的着陆区域环境三维点云，提取地形水平面；成功提取地形水平面后，将着陆区域环境三维点云分割为地形平面子点云与非地形平面子点云；
障碍属性确定模块，从非地形平面子点云，分割出空间位置独立的物体，每个物体形成单独的子点云，提取每个物体形成的单独的子点云的轮廓，生成包围物体的最小长方体，进而确定物体的外形尺寸以及其最小长方体中心距离地形水平面的距离，从而确定每个物体的障碍属性；
从非地形平面子点云，分割出空间位置独立的物体的方法包括：
1.1对第(1)确定非地形平面子点云Xmi，构建三维k-d树Tr；
1.2对Xmi中的任一点pj，在Tr中搜索与其欧式距离小于阈值r0的点，形成邻域点集N；
1.3对点集N中的任一点，在Tr中搜索与其欧式距离小于阈值r0的点，并增加至点集N，直至N中再无新点加入，此时N记为一个独立子点云；
计算N在Xmi中的补集M，对M中的每个点重复步骤1.2、1.3，形成若干个独立的子点云，直至M为空，定义形成了c个独立子点云N1～Nc
最佳着陆点确定模块，根据障碍属性确定模块确定的每个物体的障碍属性，将三维点云处理模块中的着陆区域环境三维点云划分为安全区域子点云以及障碍物子点云，对三维点云处理模块中的安全区域子点云中的每个点进行邻域搜索，获取每个点的最大安全半径；对安全区域子点云中所有点的最大安全半径进行排序，取最大安全半径的最大值，最大安全半径的最大值有一个以上，则从中选择距离着陆器最近的点，作为最佳着陆点，该点对应的最大安全半径为最佳落区半径；
获取每个点的最大安全半径的方法包括：采用r半径邻域搜索，获得安全区域子点云中任一点的r半径邻域点索引，r半径邻域点索引与与障碍物点云索引进行求交集运算，根据交集是否为空，判断r半径邻域是否安全，对r不断进行迭代增加，获得每个点的最大安全半径。
7.根据权利要求6所述的一种应用激光雷达进行最佳着陆点选取系统，其特征在于：还包括最佳着陆点跟踪模块，最佳着陆点跟踪模块功能如下：
着陆末段，飞行器与待着陆区之间相对缓慢运动，着陆器对着陆区域环境进行扫描，形成连续多帧的着陆区域环境三维点云，前后两帧点云之间是空间位置上的刚体变换关系，使用刚体变换矩阵来表征；
对连续序列点云采用最近点迭代算法获取两帧之间的刚体变换矩阵，且最近点迭代算法中，对连续序列点云帧的互相关矩阵H进行奇异值分解，从而获得刚体变换矩阵T；
将据三维点云处理模块、障碍属性确定模块和最佳着陆点确定模块共同得到的最佳着陆点，作为前一帧得到的最佳着落点，根据该前一帧得到的最佳着落点以及刚体变换矩阵，能够确定前一帧识别出最佳着落点在当前帧中的位置，实现对最佳着陆点的跟踪。
8.根据权利要求6所述的一种应用激光雷达进行最佳着陆点选取系统，其特征在于：着陆器，具体为：执行软着陆任务的无人飞行器。
9.根据权利要求6所述的一种应用激光雷达进行最佳着陆点选取系统，其特征在于：激光雷达，具体为一种测距仪器，能够对空间环境进行连续扫描，获取环境表面的三维点云。
CN202010513715.2A 2020-06-08 2020-06-08 一种应用激光雷达进行最佳着陆点选取方法 Active CN111830534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010513715.2A CN111830534B (zh) 2020-06-08 2020-06-08 一种应用激光雷达进行最佳着陆点选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010513715.2A CN111830534B (zh) 2020-06-08 2020-06-08 一种应用激光雷达进行最佳着陆点选取方法

Publications (2)

Publication Number Publication Date
CN111830534A CN111830534A (zh) 2020-10-27
CN111830534B true CN111830534B (zh) 2023-09-29

Family

ID=72898572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010513715.2A Active CN111830534B (zh) 2020-06-08 2020-06-08 一种应用激光雷达进行最佳着陆点选取方法

Country Status (1)

Country Link
CN (1) CN111830534B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740864B (zh) * 2021-08-24 2023-06-09 上海宇航系统工程研究所 基于激光三维点云的探测器软着陆末段自主位姿估计方法
CN116482711A (zh) * 2023-06-21 2023-07-25 之江实验室 一种用于着陆区自主选择的局部静态环境感知方法及装置
CN116721118B (zh) * 2023-08-11 2024-01-09 之江实验室 一种基于点云的飞行器安全降落点的选择方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106228131A (zh) * 2016-07-20 2016-12-14 哈尔滨工业大学 行星着陆器自适应障碍检测方法
CN109598243A (zh) * 2018-12-06 2019-04-09 山东大学 一种月球表面安全着陆区选择方法及系统
CN110221603A (zh) * 2019-05-13 2019-09-10 浙江大学 一种基于激光雷达多帧点云融合的远距离障碍物检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106228131A (zh) * 2016-07-20 2016-12-14 哈尔滨工业大学 行星着陆器自适应障碍检测方法
CN109598243A (zh) * 2018-12-06 2019-04-09 山东大学 一种月球表面安全着陆区选择方法及系统
CN110221603A (zh) * 2019-05-13 2019-09-10 浙江大学 一种基于激光雷达多帧点云融合的远距离障碍物检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
序列图像质量对目标跟踪精度的影响分析;王征;《中国优秀硕士学位论文全文数据库 信息科技辑》;第33页 *
应用激光雷达与相机信息融合的障碍物识别;黄兴 等;《计算机测量与控制》;20200125;第28卷(第1期);第184-188页 *
黄兴 等.应用激光雷达与相机信息融合的障碍物识别.《计算机测量与控制》.2020,第28卷(第1期), *

Also Published As

Publication number Publication date
CN111830534A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111830534B (zh) 一种应用激光雷达进行最佳着陆点选取方法
Olson et al. Wide-baseline stereo vision for terrain mapping
Moravec Sensor fusion in certainty grids for mobile robots
Yagi et al. Map-based navigation for a mobile robot with omnidirectional image sensor COPIS
US7446766B2 (en) Multidimensional evidence grids and system and methods for applying same
CN111046776A (zh) 基于深度相机的移动机器人行进路径障碍物检测的方法
Leedekerken et al. Mapping complex marine environments with autonomous surface craft
CN112346463B (zh) 一种基于速度采样的无人车路径规划方法
CN111999744A (zh) 一种无人机多方位探测、多角度智能避障方法
Schlichting et al. Vehicle localization by lidar point correlation improved by change detection
Katsura et al. Spatial change detection using voxel classification by normal distributions transform
Gálai et al. Crossmodal point cloud registration in the Hough space for mobile laser scanning data
CN114266821A (zh) 在线定位方法、装置、终端设备及存储介质
Ebadi et al. Semantic mapping in unstructured environments: Toward autonomous localization of planetary robotic explorers
US20210304518A1 (en) Method and system for generating an environment model for positioning
CN113835101A (zh) 一种基于雷达点云的车辆定位方法、装置及存储介质
Jiang et al. Underwater loop-closure detection for mechanical scanning imaging sonar by filtering the similarity matrix with probability hypothesis density filter
Greuter et al. Obstacle and game element detection with the 3d-sensor kinect
Zhao et al. Indoor lidar relocalization based on deep learning using a 3d model
Li et al. 2d lidar and camera fusion using motion cues for indoor layout estimation
Schwertfeger Robotic mapping in the real world: Performance evaluation and system integration
Ali et al. SURF and LA with RGB vector space based detection and monitoring of manholes with an application to tri-rotor UAS images
Leedekerken et al. Mapping complex marine environments with autonomous surface craft
Siew et al. Simultaneous localization and mapping with moving object tracking in 3d range data using probability hypothesis density (phd) filter
Huang et al. Ground filtering algorithm for mobile LIDAR using order and neighborhood point information

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