付麗璋 吳世通 王海濤

(北京空間機電研究所,北京100076)

1 引言

目前,美國主要是通過分析火星軌道探測器發(fā)回的火星表面圖像,綜合考慮工程和科學標準,來預先選定著陸器的著陸點。由于目前的火星探測著陸器無自主機動的能力、著陸精度的要求也不高,所以一般選擇平坦的火星表面作為著陸點。隨著火星探測技術(shù)的發(fā)展,特別是滿足將來在地形復雜區(qū)域進行科學研究和取樣的需求,這就要求著陸器具有對地形進行實時探測和分析的能力。

通過分析與著陸安全有關(guān)的實際工程指標,在著陸過程中所需提取的與著陸安全有關(guān)的地形特性信息主要有:1)粗糙度:在粗糙的火星表面著陸,可能會導致其著陸支架的折斷。2)坡度:坡度大于所要求的角度時,會導致著陸器不能穩(wěn)定著陸甚至著陸器傾覆。3)其他危險物:如石頭、隕石坑等。在石頭密集或隕石坑坡度較大的區(qū)域著陸,也有可能造成任務(wù)的失敗[1]。

為了分析著陸點地形是否適合著陸,必須獲得著陸點的原始地形數(shù)據(jù),現(xiàn)在主要用無源敏感器(CCD/CMOS相機)或有源敏感器(激光雷達和普通雷達)來獲取。無源敏感器是通過可視成像的方法獲得地形粗糙度、石頭和隕石坑等地形特性信息;而有源敏感器是通過其獲取的地形數(shù)據(jù)來擬合本地平面,從而獲得地形表面的坡度和粗糙度信息。針對單敏感器的地形安全分析,已經(jīng)得到了很多研究,并得到了應(yīng)用。但是由于單敏感器地形安全性分析系統(tǒng)存在以下缺點:1)它不能夠全面的獲取地形特性信息;2)單敏感器環(huán)境適應(yīng)性差,例如,相機只能在光照好的條件下使用[1]。因此,美國提出了新的基于多敏感器的地形信息融合分析技術(shù),即證據(jù)推理地形信息融合分析技術(shù)和模糊推理地形信息融合分析技術(shù),來獲取著陸區(qū)域的地形安全性評分,從而實時選擇著陸點。本文詳細介紹了幾種常用地形探測敏感器及其提取地形特性信息的方法,并在多敏感器獲得的地形特性信息基礎(chǔ)上,介紹了兩種基于多敏感器地形信息融合分析技術(shù)的基本原理。

2 著陸地形敏感器

目前,在火星著陸器的著陸方案設(shè)計中,主要用無源敏感器和有源敏感器進行地形探測:

1)無源敏感器,即CCD/CMOS相機通過火星反射太陽光被動成像,然后利用圖像處理和圖像特征提取等技術(shù)從圖像中提取特征信息,實現(xiàn)危險區(qū)的識別[2]。它能探測整個地形表面特征并且精度高,但是對光照的要求高。

2)有源敏感器,即通過比較測量波束發(fā)射和返回的時間,計算著陸區(qū)相對著陸器距離,然后按一定的掃描模式掃描整個目標區(qū)域,生成目標區(qū)域特定分辨率的3D圖像或高程圖,從而來識別危險區(qū)。相對無源敏感器,有源敏感器不受光照的影響,是其最主要的優(yōu)勢之一。另外,不同的有源敏感器也有各自不同的地形探測特點:普通雷達工作高度高,能夠識別大的地形危險(如懸崖等)和地形起伏總體趨勢;激光雷達比普通雷達工作高度要低,但是精度很高,尤其較低高度時,它能夠探測如石頭等較小的危險物[3]。

目前,針對敏感器的工作特性,將其分為以下工作組合[4]:

1)10～8km高度,只有普通雷達工作;

2)8～1km高度,普通雷達和相機共同工作;

3)1～0km高度,所有的敏感器共同工作。

安全著陸是火星探測任務(wù)最重要的因素之一,多敏感器的應(yīng)用,可以增強地形探測的魯棒性,并且不同敏感器其探測特性可以優(yōu)勢互補,能夠更全面的獲取與著陸安全有關(guān)的地形特性信息。

3 地形特性信息提取

敏感器獲得的原始地形數(shù)據(jù),必須經(jīng)過處理后,得到隕石坑、石頭、地形粗糙度等地形特性信息,才能進行后續(xù)的分析和處理。表1是提取的地形特性信息分類[4-5]。

表1 不同高度提取的地形特性信息分類

3.1 地形坡度

1)普通雷達獲取的地形坡度,即通過對普通雷達測量數(shù)據(jù)進行平面擬合來估計地形傾斜度,其擬合平面的坡度近似認為是地形網(wǎng)格單元的坡度。普通雷達坡度特性提取公式為

式中r(x,y)表示普通雷達獲得的某網(wǎng)格單元(x,y)的原始測量數(shù)據(jù)。

2)激光雷達獲取的地形坡度,即擬合平面z=a′x+b′y+c′,通過最小中值平方回歸方法來尋找最佳擬合參數(shù) a′,b′,c′。網(wǎng)格單元的坡度表達式如下

3.2 地形粗糙度

1)相機獲取的地形粗糙度,即用每個像元的灰度變化來表示地形粗糙度[6]

式中W表示相機拍攝范圍內(nèi)的某個子區(qū)域;c(i,j)是子區(qū)域W內(nèi)的像素灰度;｜W｜表示W(wǎng)內(nèi)的像元數(shù)目;表示子區(qū)域內(nèi)的平均灰度。像元的灰度變化能夠在一定程度上反映地形的變化狀況。

2)激光雷達獲取的地形粗糙度,即由最佳擬合平面對應(yīng)的擬合值和激光雷達實測值之間偏差的絕對值表示

式中l(wèi)(x,y)表示激光雷達獲得的某網(wǎng)格單元(x,y)的原始測量數(shù)據(jù)。

3)普通雷達獲取的地形粗糙度,即其實測值r(x,y)和平均測量值之差,表示其粗糙度特性,其公式如下

著陸器著陸支架高度對地形粗糙度有要求,當支架高度低于地形高度時,很可能發(fā)生著陸器傾覆或損壞的情況。

3.3 相機獲取的隕石坑信息

根據(jù)文獻[2]和[3],隕石坑用布爾數(shù)表示。并在算法中,把隕石的邊界擬合為橢圓形邊界。布爾地圖表示的隕石坑由式(6)所示[7]

式中x和y表示坐標內(nèi)的點坐標,a和b分別表示橢圓的長短軸。

3.4 相機獲取的石頭或其他危險物信息

與隕石坑相同,用布爾數(shù)來表示石頭在某地形網(wǎng)格單元的出現(xiàn)

式中R表示圖像中石頭點的一系列像素位置。

4 地形信息融合分析技術(shù)

地形信息融合分析技術(shù)主要是多敏感器獲得的信息融合而不是多敏感器獲得的數(shù)據(jù)融合,是指采集由敏感器獲得的有用的信息,然后將這些信息處理,以一種新的簡單的數(shù)字形式表現(xiàn)出來,以便于決策處理。以本文所述的地形信息融合分析技術(shù)來說,就是把地形粗糙度、坡度等提取的地形特性信息作為地形融合分析推理器的輸入,經(jīng)過融合處理后得到安全評分 s(x,y),其中(x,y)表示地形網(wǎng)格單元坐標,s(x,y)∈[0,1],0表示最危險,1表示最安全。

4.1 證據(jù)推理地形信息融合分析技術(shù)

證據(jù)推理地形信息融合分析技術(shù),就是根據(jù)登普斯-沙夫茨理論[8],結(jié)合各敏感器地形特性信息和其信息的可靠性,分別獲得不同的地形安全性評分,然后再結(jié)合任意兩個地形安全性評分,對它們反復應(yīng)用登普斯融合規(guī)則,得到最終的地形安全性評分值。其中,根據(jù)各敏感器的原始數(shù)據(jù),地形安全分類集合C為{不安全(unsafe)、安全(safe)和未知(unknow)}[5]。其具體過程為:

首先根據(jù)登普斯規(guī)則結(jié)合提取的地形特性信息得到普通雷達、相機和激光雷達的地形在不同地形分類情況下的地形安全性評分。以相機為例,相機提取的隕石坑和石頭等危險物信息 f6、f7,其中屬于unsafe分類的地形安全性評分為Pc(Ck)=max{f6,f7},屬于safe分類的地形安全性評分為Pc(Cn)=1-Pc(Ck)。同理,普通雷達和激光雷達地形安全性評分Pr、Pl也可以根據(jù)實際要求同理獲得。

然后,對每兩個敏感器的安全評分進行融合得到任意兩敏感器的安全評分,如式(8)所示:

式中k、n分別表示不同敏感器的編號,k,n為c,l或r,分別表示相機、普通雷達和激光雷達,Ck和Cn分別表示k敏感器、n敏感器的地形安全性分類,mkn表示任意兩敏感器安全評分融合得到的總的安全評分,并且mkn(unknow)=1-mkn(safe)-mkn(unsafe)。

最后,某網(wǎng)格單元的最終安全評分如式(9)計算得到:

式中mRCL(C=safe)和mRCL(C=unsafe)分別表示某網(wǎng)格單元屬于安全分類的總的評分與屬于不安全分類的總的評分。

4.2 模糊推理地形信息融合分析技術(shù)

模糊推理地形信息融合技術(shù),是將相機提取的粗糙度和危險物信息、激光雷達和普通雷達提取的地形粗糙度和坡度信息分別作為各自的模糊推理器的輸入,經(jīng)模糊化后,轉(zhuǎn)換為模糊語言分類變量,然后再通過模糊規(guī)則推理和解模糊分別獲得各自的地形安全性評分值。最后融合敏感器安全判斷數(shù)據(jù)的確定性和各敏感器的安全評分獲得著陸點最終的安全評分。圖1是模糊著陸地形分析方塊圖。

圖1 模糊著陸地形分析方塊圖

相機地形安全性模糊規(guī)則如表2所示。表2中的“危險”表示隕石坑、石頭等危險物,其模糊語言分類為{PRESENT,ABSENT},當危險物模糊語言分類為PRESENT時,則根據(jù)表2中所示的模糊規(guī)則,自主判斷地形安全性為HUNSAFE。否則結(jié)合地形的粗糙度共同判斷地形安全性情況,其中“粗糙度”的模糊語言分類為{VROUGH,ROUGH,SMOOTH,VSMOOTH}。同理,普通雷達和激光雷達提取的粗糙度和坡度,結(jié)合模糊規(guī)則,共同判斷地形的安全性,其模糊規(guī)則如表3示[9]。其中,表2和表3中的and與or符號是模糊規(guī)則連接詞。另外,模糊語言分類是由科研人員根據(jù)實際的工程要求來確定。

表2 相機地形安全性模糊規(guī)則

表3 普通雷達與激光雷達地形安全性模糊規(guī)則

在得到基于相機、普通雷達和激光雷達原始地形數(shù)據(jù)的地形安全性模糊語言判斷后,通過解模糊分別獲得相機的安全評分sc(x,y)、普通雷達的安全評分sr(x,y)和激光雷達的安全評分sl(x,y)。因為在著陸過程中,不同敏感器的測量數(shù)據(jù)的可靠程度不同,所以最終的安全性融合還需要考慮各自的地形安全性分析評分的確定性。表4和表5分別給出了普通雷達、激光雷達和相機數(shù)據(jù)確定性的模糊規(guī)則[1]。基于這些規(guī)則,經(jīng)過推理和解模糊分別獲得相機數(shù)據(jù)的確定性βc(x,y)、普通雷達數(shù)據(jù)的確定性 βr(x,y)和激光雷達數(shù)據(jù)的確定性β1(x,y)。

表4 普通雷達與激光雷達數(shù)據(jù)確定性模糊規(guī)則

表5 相機數(shù)據(jù)確定性模糊規(guī)則

最后融合各敏感器地形數(shù)據(jù)的確定性和地形安全性評分得到最終的地形安全性評分,如式(10)[2]:

其中 βr(x,y)+βc(x,y)+βl(x,y)=1。

5 結(jié)束語

本文根據(jù)火星著陸實時地形探測的特點,介紹了兩種基于多敏感器的地形安全性信息融合分析技術(shù)。這些技術(shù)都具有信息處理速度快、能夠處理不精確數(shù)據(jù)等優(yōu)點,能夠適用于火星軟著陸段安全著陸區(qū)的識別。

與上述介紹的第一種融合分析技術(shù)相比較而言,模糊地形安全性信息融合技術(shù)不依賴于預先得到的實驗數(shù)據(jù);能夠基于人類專家知識,模擬其推理和判斷過程;此外,它還能夠方便的添加影響著陸點選擇的其它因素,如燃料和科研人員的興趣,作為著陸點選擇的參考因素。所以它將成為未來著陸地形安全性分析技術(shù)的一個發(fā)展趨勢。目前美國的JPL將模糊地形分類器應(yīng)用于商業(yè)用途的“先鋒號”探測車上,并基于類似的地形分析技術(shù),實現(xiàn)了在著陸動力學仿真環(huán)境下的驗證[3]。

[1]Howard A,SerajiH.Multi-sensor terrain classification for safety spacecraft landing[J].IEEETransactions onAerospace and Electronic Systems,2004,40(4):1122-1131.

[2]Bajracharya M.Single image based hazard detectionfor a planetary lander[C].In Proceedings of the WorldAutomation Congress,Orlando,FL,2002.

[3]KlumppA,Collier A J.A lidar-based hazard avoidance for safe landing on Mars[C].AAS/AIAA Space Flight Mechanics Meeting,Santa Barbara,CA,2001.

[4]Serrano N,Seraji H.Landing site selection using fuzzy rule-based reasoning[C].IEEE International Conference on Robotics and Automation,Italy,2007.

[5]Serrano N,Quivers A,Bajracharya M,et al.Evidential terrain safety assessment for an autonomous planetary lander[C].International Symposium on Artificial Intelligent,Robotics and Automation in Space,LA,CA,2008.

[6]Cheng Y,JohnsonA.A Passive imaging based hazard avoidance for spacecraft safe landing[C].i-SAIRAS,Montreal,Canada,2001.

[7]Huertas A,Cheng Y,Madison R.Passive imaging based multi-cue hazard detection for spacecraft safe landing[C].IEEE Aerospace Conference,Big Sky,MT,2006.

[8]Shafer G.A mathematical theory of evidence[M].Princeton University Press,1976.

[9]Seraji H.Safety measures for terrain classification and safest site selection[J].Autonomous Robot,2006,21(3):211-225.