Алгоритмы визуальной навигации для задачи автоматической посадки на Луну тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Сюй Ян

• Сюй Ян
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Сюй Ян

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР БЕЗОПАСНОЙ ВЫСОКОТОЧНОЙ МЯГКОЙ ПОСАДКИ

1.1 Лунная программа Китая

1.2 Общая схема реализации высокоточной безопасной мягкой посадки

1.3 Задачи системы визуальной навигации

1.4 Обзор существующих лунных баз данных кратеров

1.5 Описание пересчета систем координат

1.6 Обнаружение опасных типов поверхности

Выводы по главе

ГЛАВА 2. ОБЗОР СУЩЕСТВУЮЩИХ ПОДХОДОВ И МЕТОДОВ ВИЗУАЛЬНОЙ НАВИГАЦИИ

2.1 Обзор навигационных систем

2.2 Обзор методов визуальной навигации

2.3 Обзор методов детектирования кратеров

2.4 Обзор методов выбора безопасного места посадки

Выводы по главе

ГЛАВА 3. ОПИСАНИЕ ПРЕДЛАГАЕМЫХ ПОДХОДОВ ДЛЯ ПОИСКА ПОЛОЖЕНИЯ ПО ИЗОБРАЖЕНИЮ

3.1 Подход на основе преобразования Хафа

3.2 Метод сигнатур

Выводы по главе

ГЛАВА 4. РАЗРАБОТКА МЕТОДА ВЫБОРА НАИЛУЧШЕГО МЕСТА ПОСАДКИ

Стр.

4.1 Описание предлагаемого подхода

4.2 Оптимальный выбор места посадки

4.3 Отбор областей с относительно ровной поверхностью

4.4 Отбор крупных областей

4.5 Результаты моделирования

Выводы по главе

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

СПИСОК СОКРАЩЕНИЙ

БИНС Бесплатформенная Инерциальная Навигационная Система

БЦВМ Бортовая Цифровая Вычислительная Машина

ДИП Датчик Информационных Полей

ДИСС Доплеровский Измеритель Скорости и Угла Сноса

ИНС Инерциальная Навигационная Система

КА Космический Аппарат

КЭНС Корреляционно-Экстремальная Навигационная Система

НК Навигационный Комплекс

НС Навигационная Система

ПП Пространство Параметров Поиска

РЛС Радиолокационная Система

РН Ракет-Носитель

СА Спускаемый Аппарат

ЦУП Центр Управления Полетами

ЭВМ Электронная Вычислительная Машина

BSD Berkeley Software Distribution

CCD Charge-Coupled Device

CD Crater Detection

CI Crater Identification

CL Crater Localization

CLEP Chinese Lunar Exploration Program

CNN Convolutional Neural Network

CNSA China National Space Administration

CRO Candidate for Regional Object

DEM Digital Elevation Model

DNN Deep Neural Networks

DOM Digital Orthophoto Map

DSMAC Digital Scene Matching Area Correlation

DSP Digital Signal Processor

FPGA Field-Programmable Gate Array

GHT Generalized Hough Transform

IMU Inertial Measurement Unit

JPL NASA's Jet Propulsion Laboratory

LIDAR Light Detection and Ranging

LOLA Lunar Orbiter Laser Altimeter

LRO Lunar Reconnaissance Orbiter

LROC Lunar Reconnaissance Orbiter Camera

MESR Maximally Stable Extremal Regions

NAC Narrow Angle Camera

OBIRON Onboard Image Reconstruction for Optical Navigation

PyCDA Python Crater Detection Algorithm

SIFT Scale-Invariant Feature Transform

TC Terrain Camera

TDR Time-Domain Reflectometer

TERCOM Terrain Contour Matching

TRN Terrain Relative Navigation

WAC Wide Angle Camera

Введение диссертации (часть автореферата) на тему «Алгоритмы визуальной навигации для задачи автоматической посадки на Луну»

ВВЕДЕНИЕ

Данная работа посвящена разработке и исследованию алгоритмов и методов визуальной навигации, позволяющих обеспечить выполнение мягкой безопасной высокоточной автоматической посадки спускаемого аппарата на поверхность Луны.

Актуальность исследования. Освоение космического пространства - одно из ключевых направлений развития человечества. С покорением космоса связаны не только давние заветные мечты. Это - мощный локомотив, способный тянуть за собой развитие науки, техники, экономики и других отраслей, способный побуждать самого человека к развитию и восхождению.

Современный этап освоения космоса связан с созданием и развертыванием долговременных автоматических или обитаемых баз на поверхности ближайших небесных тел, и прежде всего - на Луне. Эти базы служат не только как научные лаборатории и центры изучения технологий, но и выступают в качестве форпостов для дальнейшего покорения космического пространства.

Задача мягкой посадке на Луну была успешно решена ещё в прошлом веке, в программах «Аполлон» [1] и «Луна». Однако в этих миссиях вопрос точности посадки не стоял настолько остро, поскольку посадку предполагалось выполнять в экваториальных районах, с протяжённым плоским рельефом, и допустимая точность составляла десятки километров.

Современные задачи освоения Луны связаны с посадкой в выбранную область полярных регионов со сложным рельефом, а также с развертыванием и последующей поддержкой лунных баз. Они требуют на порядки более высокой точности посадки - десятки метров по положению и единиц градусов по наклону посадочной площадки. Данная задача не может быть решена с использованием какого-либо одного измерительного средства, а требует комплексирования показаний различных навигационных средств, и, соответственно, разработки методов интеллектуального синтеза законов управления.

Повысить точность определения собственного положения можно с использованием искусственных маркеров, положение которых легко обнаружить, либо - по естественным признакам и ориентирам в месте посадки. В качестве искусственных маркеров могут выступать системы радиомаяков, спутников глобального позиционирования на орбите Луны или псевдоспутников на ее поверхности. Однако их развертывание, обслуживание и топологическая привязка представляет собой отдельную сложную техническую задачу, которая на данный момент не решена. Поэтому необходимо рассматривать альтернативу - систему автоматической визуальной ориентации, использующей для определения положения наблюдаемые ориентиры (кратеры, горы, разломы) и сравнивающие их положение с бортовой картой местности.

Системы технического зрения в автоматических космических миссиях используются относительно редко. Это связано как с отсутствием достаточно производительных и надежных алгоритмов распознавания изображений, так и с относительно низкой производительностью бортовых вычислителей, недостаточной для реализации имеющихся методов в реальном времени. Однако в настоящее время наметился существенный прорыв в алгоритмах и методах технического зрения. Вместе с тем появляются высокопроизводительные радиационно-стойкие бортовые вычислители, пригодный для реализации современных методов. В этом случае основной проблемой на пути широкого применения систем технического зрения остается сложность решаемой задачи. Именно эта сложность и должна быть преодолена: автоматические станции не должны садиться вслепую. Аппарат должен соотносить наблюдаемую поверхность с результатами других измерений - дальнометрических, инерциальных, радионавигационных, делать на их основе разумные и обоснованные выводы, планировать и реализовывать управление для точной и мягкой посадки в заданную область.

Система технического зрения способна решать целый комплекс задач на разных этапах посадки. Эти задачи могут включать:

- Первоначальная ориентация (определение наличия на изображении поверхности или краев Луны, Земли, звезд) - в качестве резервной системы ориентации на случай отказов или сбоев соответствующих датчиков;

- Определение положения аппарата - в качестве датчика точного положения для коррекции ошибок интегрирования инерциальных датчиков;

- Альтернативный датчик скорости сближения и расстояния до поверхности;

- Окончательный выбор наилучшего места посадки;

- Обнаружение и отслеживание положения разметки посадочной площадки для задач обслуживания и снабжения развернутых баз;

- Оценка адекватности оценки вектора состояния наблюдаемому набору измерений, выявление и исключение неисправных датчиков.

Именно вокруг системы распознавания может формироваться интеллектуальная система, содержащая все блоки, начиная от оценки вектора состояния и до принятия решения и синтеза управления. Такая система может играть роль относительно медленного «самосознания» аппарата, контролирующего и корректирующего более быстротекущие и менее интеллектуальные процессы в контурах управления.

Целью данной работы является разработка алгоритмов системы визуальной навигации для обеспечения мягкой безопасной высокоточной посадки на поверхность Луны.

В процессе работы необходимо решить следующие задачи:

- Изучить существующие подходы к решению задачи визуальной навигации лунного посадочного модуля;

- Разработать и исследовать алгоритм определения собственного положения по видеоизображению с использованием векторной карты Луны;

- Разработать и исследовать алгоритм выбора безопасного места посадки.

Научная новизна. Научная новизна данной работы состоит в следующем:

- Разработка и исследование новых алгоритмов визуальной навигации на основе обобщенного преобразования Хафа, отличающийся от известных аналогов тем, что способен работать с векторной картой Луны, не требует предварительного

детектирования кратеров, и способен работать в реальном времени с высокой точностью и надежностью; метод преобразования Хафа расширяется на поиск объектов, описанных семейством окружностей;

- Разработка и исследование новых алгоритмов визуальной навигации на основе метода сигнатур, отличающийся от известных аналогов тем, что способен работать в режиме реального времени и при этом быть нечувствительным к изменениям ракурса съемки, пропускам и ложным детектированием отдельных кратеров; метод способен быстро находить кратер на карте с использованием идентификатора-сигнатуры;

- Разработка и исследование нового алгоритма определения безопасного места посадки лунного спускаемого аппарата, отличающегося тем, что способен работать только с использованием видеоизображения без привлечения дополнительных технических средств.

Достоверность и обоснованность полученных результатов проведённых исследований подтверждается результатами экспериментов с применением имитационного математического моделирования предложенных алгоритмов, в том числе и с учетов воздействия шума, помех, изменения освещенности и ракурса съемки.

Практическая значимость диссертации. Предложенные подходы и методы могут использоваться для решения актуальной задачи мягкой высокоточной посадки в предстоящих миссиях исследования Луны. Разработанные алгоритмы и методы используются в лекциях и семинарах кафедры Системы автоматического управления по курсам «Теория автоматического управления» и «Системы распознавания образов», и научно-исследовательских проектов в компании Sichuan Huaxin Zhichuang Technology Co. Ltd.

Основные положения диссертационной работы, выносимые на защиту:

- Алгоритм определения собственного положения по видеоизображению с использованием векторной карты Луны;

- Алгоритм определения собственного положения с использованием метода сигнатур кратеров;

- Алгоритм выбора безопасного места посадки.

Личный вклад автора состоит в том, что автором разработан алгоритм определения собственного положения по видеоизображению с использованием векторной карты Луны, алгоритм определения собственного положения с использованием метода сигнатур кратеров и алгоритм выбора безопасного места посадки.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на ряде конференций:

1. 13th International Symposium "Intelligent Systems-2018" (INTELS'18) (Санкт-Петербург, 2018)

2. Конференция XLIII Академические чтения по космонавтике, посвященные памяти академика С. П. Королева и других выдающихся отечественных ученых - пионеров освоения космического пространства («Королевские чтения-2019») (Москва, 2019)

3. 19-я Всероссийская конференция с международным участием «Математические методы распознавания образов» (ММРО-2019) (Москва, 2019)

4. Конференция XLIV Академические чтения по космонавтике, посвященные памяти академика С. П. Королева и других выдающихся отечественных ученых - пионеров освоения космического пространства («Королевские чтения-2020») (Москва, 2020)

5. 14th International Symposium "Intelligent Systems-2020" (INTELS'20) (Москва, 2020)

6. Конференция XLV Академические чтения по космонавтике, посвященные памяти академика С. П. Королева и других выдающихся отечественных ученых - пионеров освоения космического пространства («Королевские чтения-2021») (Москва, 2021)

7. Конференция XLVI Академические чтения по космонавтике, посвященные памяти академика С. П. Королева и других выдающихся отечественных ученых - пионеров освоения космического пространства («Королевские чтения-2022») (Москва, 2022)

Публикации. По теме диссертационной работы опубликовано 7 научных работ, в том числе 2 работы в изданиях, индексируемых в Scopus и Web of Science, общим объемом 17.26 п.л./2.08 п.л.

1. Yang X.. Bobkov A.V. Development of a vision system for safe and high-precision soft landing on the Moon. //Procedia Computer Science, Vol. 186, 2021, P. 503511 (7.94 п.л./1.04 п.л.)

2. Bobkov A.V, Yang X.. Methods of Visual Navigation in the Task of Moon Landing. //Procedia Computer Science, Vol. 150, 2019, P. 201-207 (7.81 п.л./0.81 п.л.)

3. Бобков А.В., Сюй Ян Исследование алгоритма управления с постоянным расходом топлива в задаче мягкой посадки на Луну. // XLVI Академические чтения по космонавтике. М.: Изд-во МГТУ им. Баумана, 2022. С.421-424. (0.23 п.л./0.46 п.л.)

4. Ян Сюй. Бобков А.В. Разработка закона управления с постоянным расходом топлива в задаче мягкой посадки на Луну. //XLV Академические чтения по космонавтике. М.: Изд-во МГТУ им. Баумана, 2021. С.372-374. (0.16 п.л./0.35 п.л.)

5. Бобков А.В., Сюй Ян. Выбор места посадки на Луну по видеоизображению. // XLIV Академические чтения по космонавтике. М.: Изд-во МГТУ им. Баумана, 2020. С.242-245. (0.17 п.л./0.46 п.л.)

6. Бобков А.В., Сюй Ян. Разработка и исследование методов визуальной навигации в задаче автоматической посадки на Луну. // XLIII Академические чтения по космонавтике. М.: Изд-во МГТУ им. Баумана, 2019. С.121-123. (0.17 п.л./0.35 п.л.)

7. Bobkov A. V, Xu Y.. Research of the method of visual navigation by a vector map in the task of automatic landing on the Moon. // 19-й Всероссийской конференции с международным участием «Математические методы распознавания образов». М.: Российская академия наук, 2019. С. 230-231 (1.51 п.л./ 0.23 п.л.)

Структура и объём работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка используемых источников. Текст диссертации

изложен на 139 машинописных страницах, содержит 59 рисунок, 1 таблицу. Список литературы содержит 84 источника.

Во введении обосновывается актуальность исследования, цель и задачи исследования, проводимых в диссертационной работе, научная новизна, практическая значимость темы, а также приведено краткое содержание диссертационной работы.

В главе 1 рассмотрен обзор безопасной высокоточной мягкой посадки.

В главе 2 приведены существующие подходы и методы визуальной навигации.

В главе 3 исследованы вариант обобщенного преобразования Хафа и метод сравнения кадра и карты с использованием сигнатур, позволяющее находить объекты - кратера на векторной карте, заданной списком окружностей. Рассмотрим принцип работы алгоритма, его достоинства и недостатки, и способы повышения характеристик.

В главе 4 содержит метод выбора наилучшего места посадки и результаты экспериментальных исследований.

В заключении сформулированы основные полученные результаты.

ГЛАВА 1. ОБЗОР БЕЗОПАСНОЙ ВЫСОКОТОЧНОЙ МЯГКОЙ ПОСАДКИ

Так называемая «мягкая посадка» выполняется лунным посадочным модулем, использующем тормозной двигатель для замедления во время процесса посадки на поверхность Луны для достижения околонулевой скорости (обычно несколько метров в секунду) при приближении к поверхности Луны. Только после освоения технологии мягкой посадки появляется возможность транспортировки различных точных инструментов научных исследований на поверхность Луны в хорошем состоянии, а также появляется возможность проведения различных научных исследований на поверхности Луны. Таким образом, в текущем и историческом исследовании планет и их спутников мягкая посадка занимает важное место как с точки зрения глубины научных исследований, так и с точки зрения технологической связи.

Высокоточная посадка представляет собой посадку в выбранную область Луны с точностью до десятков метров. Она необходима для поддержки и доставки необходимых грузов для долговременных миссий на Луне, как с участием человека, так и полностью автоматических. Посадка модуля далеко от лунной базы затруднит или сделает вовсе невозможным использование доставленных им грузов. В краткосрочных миссиях высокоточная посадка необходима для доставки научного оборудования непосредственно в область исследования к месту интереса.

Безопасная посадка предусматривает выполнение посадки на относительно ровную плоскую площадку, лишенную опасных объектов, такие как склоны, кратеры, расщелины или просто крупные камни, которые могут вызвать переворот аппарата и его застревание в нерабочем положении.

1.1 Лунная программа Китая

Лунная программа Китая (Chinese Lunar Exploration Program, CLEP), также известная как «Проект Чанъэ» (в честь китайской богини луны Чанъэ), представляет собой непрерывную серию лунных миссий под руководством

Китайского национального космического управления (China National Space Administration, CNSA). Программа включает разработку лунного орбитального и посадочного аппарата, робота-лунохода и возвращаемого аппарата для доставки образцов грунта. Для запуска используется ракета-носитель Чанчжэн.

Первый китайский лунный модуль «Чанъэ-1» был запущен 24 октября 2007 года ракетой-носителем «Чанчжэн-3А» с космодрома Сичан. Миссия модуля предусматривала сбор данных для построения трёхмерной топографической карты Луны, которая могла бы служить основой для будущих мягких посадок космических аппаратов. К 12 ноября 2008 года была сформирована полная трёхмерная карта всей лунной поверхности на основе данных, собранных «Чанъэ-1» в период с ноября 2007 по июль 2008 года. Миссия «Чанъэ-1» была завершена 1 марта 2009 года, после чего модуль был уничтожен путём жёсткой посадки на поверхность Луны.

Модуль «Чанъэ-2» был запущен 1 октября 2010 года, также с космодрома Сичан, ракетой-носителем «Чанчжэн-3С». Миссия «Чанъэ-2» заключалась в изучении условий и выборе подходящего места для мягкой посадки модуля «Чанъэ-3».

Модуль «Чанъэ-3» был запущен 2 декабря 2013 года с космодрома Сичан ракетой-носителем «Чанчжэн-3С» и произвёл мягкую посадку на Луну 14 декабря [2]. Это была первая мягкая посадка на Луну с 1976 года, после советской АМС Луна-24. КНР, таким образом, стала третьей державой после СССР и США, осуществившей мягкую посадку на Луну.

В состав аппарата, доставленного на Луну, входили стационарная лунная станция и планетоход «Юйту», задачей которого были исследования состава и структуры лунного грунта на глубину до 100 метров.

Миссия «Чанъэ-4» является продолжением и дублёром «Чанъэ-3», также предусматривала доставку на обратную сторону Луны, стационарного модуля и лунохода. Модуль «Чанъэ-4» был запущен 7 декабря 2018 года. 3 января 2019 года она прилунилась (первая в мире успешная мягкая посадка на обратной стороне Луны) в кратере Фон Карман и сделала первый в мире снимок поверхности

обратной стороны Луны с близкого расстояния. В тот же день успешно начал работу первый в мире луноход на обратной стороне Луны «Юйту-2»; благодаря ретрансляционному спутнику «Цюэцяо» («сорочий мост»). Спутник Цюэцяо запущен в 21 мая 2018 года, работает на гало-орбите вокруг особой гравитационной стабильной точки Лагранжа Земля-Луна L2, из которой он может поддерживать прямую видимость с Землей и лунной обратной стороной в любое время для обмена данными между ЦУП (центр управления полетами) и модулями проекта «Чанъэ-4». К 8 августа 2019 года «Юйту-2» проехал 271 метр по обратной стороне Луны, проводя различные научные исследования и передавая данные на Землю.

Следующий этап лунной программы предусматривал доставку на Землю образцов лунного грунта. Он включает в себя миссии «Чанъэ-5Т1» и «Чанъэ-5».

Миссия модуля «Чанъэ-5Т1» предназначалась для подготовки полёта станции «Чанъэ-5», включая облёт Луны и возвращение на Землю. Аппарат состоял из служебного модуля на платформе «DFH-3A» и спускаемого аппарата. 28 октября «Чанъэ-5Т1» завершил облет Луны, а 31 октября 2014 года совершил мягкую посадку в хошуне Сыцзыван автономного района Внутренняя Монголия.

Миссия «Чанъэ-5» стартовала 23 ноября 2020 года. Её цель - доставка образцов лунного грунта на Землю. Миссия увенчалась успехом, грунт был доставлен 16 декабря 2020 года.

Последующие этапы планируемых исследований Луны связаны с развёртыванием роботизированной научной станции на Южном полюсе Луны.

Первый аппарат этого этапа, Чанъэ-6, планируется посадить в районе Южного полюса в 2023—2024 году; второй, Чанъэ-7 - в 2024. Далее предполагается, что в 2026—2030-е годы аппарат Чанъэ-8 должен, совместно с аппаратом Луна-28, начать строительство Международной лунной станции.

1.2 Общая схема реализации высокоточной безопасной мягкой посадки

Типовая схема мягкой посадки выглядит следующим образом [1]. Изначально спускаемый аппарат (СА) выводится на круговую орбиту Луны, определяется его положение и параметры движения. В расчетной точке данной

орбиты вырабатывается импульс, переводящий СА на переходную орбиту, пересекающую лунную поверхность в окрестности точки посадки. Для переходной орбиты рассчитывается точка начала основного торможения таким образом, чтобы минимизировать затраты топлива на торможение (Рис. 1.1). Далее выполняется основное торможение СА, цель которого - одновременно погасить орбитальную скорость и при этом вывести аппарат в окрестность желаемой области посадки. Следующий этап - активное маневрирование. Его цель - высокоточный перевод СА в область посадки. По достижении заданной области начинается заключительный этап - вертикальной мягкой посадки. Здесь задачей является вертикальный спуск на поверхность Луны с одновременным гашением скорости практически до нуля (до небольших допустимых значений) (Рис. 1.2).

Рассмотрим эти этапы более подробно.

Круговая орбита Луны

Переходная орбита

Рис. 1.1. Общая схема реализации высокоточной безопасной мягкой посадки

^ , /OFT-LANDED ON THE MOON

15km away from the surface of the Moon СП Основное торможение у*

jfc'......

\FK4

Зкгп away from the surface of the Moon

Активное маневрирование.

2. 4km away from the surface of the Moon

W

гл / V\

3 Приближение к зоне посадки

100m away from the surface of the Moon ^ 4 l| Внсение

(5Д Избегание препятствий )

30m away from the surface of the Moon

6 Вертикальная мягкая посадка

Рис. 1.2. Этапы высокоточной безопасной мягкой посадки

1.2.1 Этап основного торможения

Управление двигательной установкой на этапе основного торможения происходит на основе данных инерциальной навигационной системы (ИНС), поскольку только она может обеспечить требуемую точность и быстродействие. Однако данный этап длится несколько минут, и за это время ИНС накапливает довольно значительную ошибку интегрирования, не позволяющую выполнить высокоточную посадку. Для компенсации этой ошибки показания ИНС необходимо скорректировать с использованием других, более медленных, но более точных источников данных. В данной работе таким источником выступает система обзорно-сравнительной навигации.

Определение положения и коррекция данных ИНС может выполняться как однократно, по завершении этапа основного торможения, так и многократно, непосредственно в его процессе. Во втором случае необходим датчик, способный получать неискаженные данные при движении аппарата с высокими скоростями. Таким датчиком может выступать камера технического зрения.

1.2.2 Этап активного маневрирования

По окончании этапа основного торможения и после коррекции показаний ИНС по данным видеосистемы, начинается этап активного маневрирования. Цель данного этапа - перевести спускаемый аппарат в желаемую область посадки. При недостижимости данной области может также выполняться маневрирование в запасные области посадки.

На данном этапе также происходит выбор безопасного места посадки. Данных спутниковых фотографий и точности их привязки к поверхности, как правило, недостаточно для определения места посадки, и выбор подходящей области приходится делать с использованием бортовой камеры технического зрения. На данном этапе необходимо выбрать область, лишенную опасных объектов (кратеров, камней, трещин, крутых склонов), с углом наклона, не превышающим заданный, и обладающую наибольшим размером. Решить эту задачу можно с использованием методов технического зрения.

Этап активного маневрирования завершается по достижении требуемой области и достижении требуемой высоты, обычно - несколько десятков метров.

1.2.3 Этап вертикальной посадки

Задача данного этапа - обеспечить вертикальную посадку аппарата, одновременно снизив высоту до нуля и максимально погасив остаточную скорость. На систему технического зрения в этом случае может быть возложена задача контроля вертикальной ориентации аппарата и определение посадочной скорости,

для дополнения и коррекции показаний инерциальной и дальнометрической системы.

1.3 Задачи системы визуальной навигации

Существует два основных применения машинного зрения в системах посадки зондов: обнаружение препятствий и поиск безопасной зоны посадки, а также оценка параметров движения и определение положения (Рис. 1.3).

1. Автономное обнаружение препятствий и поиск безопасной зоны посадки: Во время посадки, получается изображение предполагаемой зоны посадки в режиме реального времени с использованием подвесной камеры, установленной в нижней части зонда, и в сочетании с информацией о высоте зонда, предоставленной высотомером, алгоритм обнаружения препятствий завершит определения положения и размера препятствий, и после каждого обнаружения препятствий точка посадки и зона посадки должны быть обновлены в соответствии с результатами обнаружения препятствий.

2. Оценка параметров движения и определение ориентации: обнаружить и отследить характерных точек на двух последовательных кадрах с помощью методов обработки изображений, и получить изменений собственного положения и траектории зонда, а также положения зонда относительно места посадки с использованием алгоритмы технического зрения и в сочетании с данными, предоставляемыми высотомером [5, 6, 7].

Для выполнения безопасной высокоточной мягкой посадки (Рис. 1.3), необходимо решить следующие задачи:

1. Определить точное положение посадочного модуля относительно желаемой области посадки по наблюдаемому изображению;

2. Определить безопасную подобласть внутри желаемой области посадки;

3. Обеспечить данные для выполнения мягкой посадки.

Функции обнаружения и распознавания местности уход с орбиты

торможение

конечный спуск

Ш'Ч

1(< к Л

опаске

■■¿^ IV изображение

радар

лидар ~

Рис. 1.3. Функции обнаружения и распознавания местности для безопасной и

точной посадки на Луну

Для решения поставленной задачи необходимо:

- Разработать метод поиска положения кадра на векторной карте;

- Обеспечить устойчивость работы к изменениям ракурса, освещенности, воздействию шума;

- Учесть ограничения на объем памяти и производительности бортового вычислителя;

- Определить схему взаимодействия системы визуальной навигации с другими навигационными и управляющими системами.

Требуется разработать метод, позволяющий находить положение наблюдаемого кадра на векторной карте Луны (Рис. 1.4). Кадр представляет собой полутоновое изображение, полученное в видимом диапазоне. Карта представлена в виде списка координат и радиусов ударных кратеров.

Разрабатываемый метод должен быть устойчив:

- К изменениям условий освещенности, вызванным дрейфом параметров камеры и изменением положения Солнца;

- К небольшим изменениям ракурса съемки из-за собственного движения посадочного аппарата и ошибок определения ориентации и высоты;

- К наличию шума и помех;

- Метод должен обеспечивать возможность работы в режиме реального времени на современных бортовых вычислителях.

Рис. 1.4. Сценарии обнаружения кратеров, обнаружения опасностей для безопасной зоны приземления и навигации по местности

Система работает следующим образом:

На вход поступает кадр и данные ИНС на момент получения кадра Система распознавания определяет точное положение аппарата и находит рассогласование между этим положением и данными ИНС. Это рассогласование далее учитывается при использовании данных ИНС.

Если система не может найти правильное положение, то величина рассогласования принимается равной нулю, и аппарат движется с использованием данных ИНС до получения следующего кадра.

Список литературы диссертационного исследования кандидат наук Сюй Ян, 2023 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Klumpp A. R. Apollo Lunar Descent guidance. 1971. URL: https://www.hq.nasa.gov/alsj/ApolloDescentGuidnce.pdf. [дата обращения: 9.03.2023]

2. LI S., JIANG X., TAO T. Guidance Summary and Assessment of the Chang'e-3 Powered Descent and Landing // Journal of Spacecraft and Rockets. 2016. Vol. 53. No.

2. P. 258-277.

3. The Lunar Environment / David Vaniman [et al.] // The Lunar Sourcebook. 1991. P. 27-60.

4. J. D. O'Keefe, T. J. Ahrens. Complex Craters: Relationship of Stratigraphy and Rings to Impact Conditions // Journal of Geophysical Research Planets. 1999. Vol. 104. P. 27091-27104.

5. J. Aggarwal, B. Sabata. Estimation of Motion from a Pair of Range Images: A Review // Computer Vision, Graphics, and Image Processing. 1991. Vol. 54(3), P. 309324.

6. Design Through Operation of an Image-Based Velocity Estimation System for Mars Landing / A. Johnson [et al.] // International Journal of Computer Vision. 2007. Vol. 74(3), P. 319-341.

7. J. de LaFontaine, D. Neveu, J-F. Hamel. Psuedo Doppler Velocity Navigation for Lidar-based Planetary Exploration // AIAA/AAS Astrodynamics Specialists Conference and Exhibit. 2006. Paper # AIAA 2006-6664.

8. J.Y. Bouguet, P. Perona. Visual Navigation Using a Single Camera // Proceedings of IEEE International Conference on Computer Vision (ICCV). 1995. P.645-652.

9. A. E. Johnson, M. S. Martin. Motion Estimation from Laser Ranging for Autonomous Comet Landing // Proceedings of the 2000 IEEE International Conference on Robotics and Automation (ICRA). 2000. P. 132-138.

10. Lidar-based Hazard Avoidance for Safe Landing on Mars / A. Johnson [et al.] // AIAA Journal of Guidance, Control and Dynamics. 2002. Vol. 25. No. 6. P. 1091-1099.

11. PDS Planetary Data System. // National Aeronautics and Space Administration (NASA). URL: http://pds.jpl.nasa.gov/ [дата обращения 09.03.2023]

12. A Global Catalog of Large Lunar Craters (> 20 km) from the Lunar Orbiter Laser Altimeter / Kadish S. [et al.] // 42nd Lunar and Planetary Science Conference. 2011. Abstract #1006.

13. Robbins S. A New Global Database of Lunar Impact Craters >1-2 km: 1. Crater Locations and Sizes, Comparisons with Published Databases, and Global Analysis // Journal of Geophysical Research: Planets. 2018. Vol. 124(4), P. 871-892.

14. Locations of Anthropogenic Sites on the Moon / Wagner R. [et al.] // 45th Lunar & Planetary Science Conference. 2014. Abstract #2259.

15. Xue L., Shen Y. Development and Review of Foreign Navigation Technology in 2019 (in Chinese) // Navigation and Control. 2020. Vol. 19. No. 2. DOI: 10.3969/j.issn.1674-5558.2020.02.001.

16. Clementine. / NASA's Solar System Exploration Website. URL: https://solarsystem.nasa.gov/missions/clementine/in-depth/ [дата обращения 09.03.2023]

17. Lunar Reconnaissance Orbiter Overview: The Instrument Suite and Mission / G. Chin [et al.] // Space Science Reviews. 2007. Vol. 129(4), P. 391-419.

18. SELENE (Selenological and Engineering Explorer) / eoPortal. URL: https://www.eoportal.org/satellite-missions/selene [дата обращения 09.03.2023]

19. Chandrayaan-1: Moon Impact Probe. / NASA's Solar System Exploration Website. URL: https://solarsystem.nasa.gov/missions/chandrayaan-1/in-depth/ [дата обращения 09.03.2023]

20. Chandrayaan-2. / Wikipedia. URL: https://en.wikipedia.org/wiki/Chandrayaan-2 [дата обращения 09.03.2023]

21. Chang'e 1. / Wikipedia. URL: https://en.wikipedia.org/wiki/Chang%27e_1 [дата обращения 09.03.2023]

22. Lunar Global High-Precision Terrain Reconstruction Based on Chang'E-2 Stereo Images (in Chinese) / Li C L [et al.] // Geomatics and Information Science of Wuhan University. 2018. Vol. 43. P. 485-495.

23. Brown L.G. A Survey of Image Registration Techniques // ACM Computing Surveys, 1992. Vol. 24. No. 4. P. 325-376.

24. Выбор мест посадки космического аппарата Луна-25 в окрестности южного полюса Луны / Дьячкова М. В. [и др.] // Астрономический Вестник. Исследования Солнечной Системы. 2017. Т. 51. №. 3. С. 204-215.

25. ZHANG L., QU H. A Survey of Intelligence Science and Technology Integrated Navigation Technology (in Chinese) // Navigation Positioning &Timing. 2020. Vol. 7 No.4. Doi: 10.19306/j.cnki.2095-8110.2020.04.007.

26. Пупков К. А., Неусыпин К. А. Вопросы Теории и Реализации Систем Управления и Навигации: монография. М.: Биоинформ, 1997. 363 с.: ил. - Библиогр.: С. 358-362.

27. The JPL Autonomous Helicopter Testbed: A Platform for Planetary Exploration Technology Research and Development / J. Montgomery [et al.] // Journal of Field Robotics. 2006. Vol. 23(3). P. 245-267.

28. J. P. Golden. Terrain Contour Matching (TERCOM): a Cruise Missile Guidance Aid // Image Processing for Missile Guidance. 1980. Vol. 0238. P. 10-18.

29. GUAN X. J., WANG X. L. Review of Vision-Based Navigation Technique (in Chinese) // Aero Weaponry. 2014. No.5. DOI: 10.19297/j.cnki.41-1228/tj.2014.05.001.

30. Фомичев А. В., Ли Е. К. Использование телевизионной навигационной системы для повышения точности управления посадкой спускаемого аппарата на поверхность Луны // Управление в Морских и Аэрокосмических Системах (УМАС-2014). 2014. С. 325-334.

31. Geodetic Alignment of Aerial Video Frames / Y. Sheikh [et al.]. Kluwer Academic Publishers. 2003. P. 144-179.

32. Salamuniccara G., Loncaric. Open Framework for Objective Evaluation of Crater Detection Algorithms with First Test-Field Subsystem Based on MOLA Data // Advances in Space Research. 2008.Vol. 42. P. 6-19.

33. J.R. Carr, J. S. Sobek. Digital Scene Matching Area Correlator (DSMAC) // Image Processing for Missile Guidance. 1980. Vol. 0238, P. 36-41,

34. Hu T., He L. Review of Planetary Crater Detection Algorithms (in Chinese) // Manned Spaceflight. 2020. Vol. 26. No.5. DOI: 10.16329/j.cnki.zrht.2020.05.018.

35. Feng J. H., Cui H. T. Autonomous Crater Detection and Matching on Planetary Surface (in Chinese) // Acta Aeronautica Et Astronautica Sinica. 2010. Vol. 31. No. 9. pp. 1858-1863.

36. A Survey of Autonomous Navigation for Deep Space Exploration (in Chinese) / Li J F [et al.] // Mechanics in Engineering. 2012. Vol. 34(2). P. 1-9.

37. A General Approach to Terrain Relative Navigation for Planetary Landing / A. Johnson [et al.] // 2007 AIAA Infotech at Aerospace Conference and Exhibit. 2007. Paper # AIAA 2007-2854.

38. Comparison of Crater-Detection Algorithms for Terrain-Relative Navigation / Woicke S. [et al.] // AIAA Guidance, Navigation, and Control Conference. 2018. # AIAA 2018-1601. D0I:10.2514/6.2018-1601

39. A. Ansar. Small Body GN&C Research Report: Feature Recognition Algorithms // Small Body Guidance Navigation and Control FY 2004 RTD Annual Report (JPL Internal Document D-30282 / D-30714). 2004. P. 151-171.

40. Singh L., Lim S. On Lunar on-Orbit Vision-Based Navigation: Terrain Mapping, Feature Tracking Driven EKF // AIAA Guidance, Navigation and Control Conference and Exhibit. 2008. P. 6834. DOI:10.2514/6.2008-6834.

41. Сырямкин В.И., Шидловский В.С. Корреляционно-экстремальные радионавигационные системы / Томск: Издательство Томского университета. 2010. 316 с.

42. D. G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision. 2004. Vol. 60(2). P. 91-110.

43. Maass B., Krüger H., Theil S. An Edge-Free, Scale-, Pose- and IlluminationInvariant Approach to Crater Detection for Spacecraft Navigation // IEEE 7th International Symposium on Image and Signal Processing and Analysis (ISPA). Dubrovnik, Croatia, 2011. P. 603-608.

44. Recognizing Objects in Range Data Using Regional Point Descriptors / A. Frome [et al.] // European Conference on Computer Vision (ECCV). 2004. Vol. 3. P. 224-237. DOI: 10.1007/978-3-540-24672-5 18

45. A. Johnson, M. Hebert. Using Spin Images for Efficient Multiple Model Recognition in Cluttered 3-D Scenes // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1999. Vol. 21(5). P. 433-449

46. Johnson A. E., Montgomery J. F. Overview of Terrain Relative Navigation Approaches for Precise Lunar Landing // IEEE Aerospace Conference Proceedings. 2008. P. 1-10. DOI: 10.1109/AERO.2008.4526302

47. Cheng Y., Ansar A. Landmark Based Position Estimation for Pinpoint Landing on Mars // IEEE International Conference on Robotics and Automation (ICRA). 2005. P. 4470-4475. DOI: 10.1109/ROBOT.2005.1570808

48. Optical landmark detection for spacecraft navigation / Y. Cheng [et al.] // 13th Annual AAS/AIAA Space Flight Mechanics Meeting. American Astronautical Society, 2003. P. 1785-1803.

49. Малинников В. А., Учаев Д. В., Оберст Ю. Методика автоматизированного обнаружения кратеров на поверхности небесных тел по их оптическим изображениям // Известия высших учебных заведений. Геодезия и Аэрофотосъемка. 2012. №. 6. С. 12-18.

50. R. Gaskell. Automated Landmark Identification for Spacecraft Navigation // Proc. AAS/AIAA Astrodynamics Specialists Conference. American Astronautical Society,

2001. Paper # 01-422.

51. R. Gaskell. Determination of Landmark Topography from Imaging Data // Proc. AAS/AIAA Astrodynamics Specialists Conference. American Astronautical Society,

2002. Paper # AAS 02-021.

52. Wetzler, P. G. et al. Learning to Detect Small Impact Craters // 7th IEEE Workshops on Applications of Computer Vision (WACV/MOTION'05). 2005. Vol. 1. P. 178-184. DOI: 10.1109/ACVMOT.2005.68

53. An Overview of Crater Analyses, Tests and Various Methods of Crater Detection Algorithm / Kamarudin N. [et al.] // Frontiers in Environmental Engineering. 2012. Vol. 1. No. 1. P. 1-7.

54. Wang D., Xing S. A Planetary Image Based Automatic Impact Crater Extraction Method (in Chinese) // Journal of Astronautics. 2015. Vol.36. No.10. DOI: 10.3873/j.issn.1000-1328.2015.10.010.

55. Rad A.A., Faez K., Qaragozlou N. Fast Circle Detection Using Gradient Pair Vectors // VIIth Digital Image Computing: Techniques and Applications. 2003. P. 879887.

56. Rad A.A., Faez K., Qaragozlou N. Improvement of Fast Circle Detection Algorithm Using Certainty Factors // VIIIth Australian and New Zealand Intelligent Information Systems Conference. 2003. P. 101-108.

57. Tang Y. L. Detects multiple disks (coins) in an image using Hough Transform / The MathWorks: Matla Central: File Exchange. URL: http://www.mathworks.com/matlabcentral/fileexchange/22543-detects-multiple-disks--coins--in-an-image-using-hough-transform [дата обращения 09.03.2023].

58. Improved Automatic Impact Crater Detection on Mars Based on Morphological Image Processing and Template Matching / Pedrosa M. M. [et al.] // Geomatics, Natural Hazards and Risk. 2017. Vol. 8(2). P. 1306-1319.

59. Ding M., Cao Y. F., Wu Q. X. Autonomous Craters Detection from Planetary Image // IEEE 3rd International Conference on Innovative Computing Information and Control. 2008. P. 443-443.

60. Ding M., Cao Y. A Method of Craters Detection from the Surface Imagery of Moon (in Chinese) // Journal of Astronautics. 2009. Vol.30 No.3. DOI:10.3873j.issn.1000-1328.2009.00.067.

61. Kaewapichai W., Kaewtrakulpong P. Robust Ellipse Detection by Fitting Randomly Selected Edge Patches // World Academy of Science, Engineering, and Technology. 2008. Vol. 48. P. 30-33.

62. Fei H., Yanling G., Lili W. A New Ellipse Detector Based on Hough Transform // IEEE Second International Conference on Information and Computing Science. 2009. Vol. 2. P. 301-305.

63. Downes L., Steiner T. J., How J. P. Deep Learning Crater Detection for Lunar Terrain Relative Navigation // AIAA SciTech 2020 Forum. 2020. # AIAA 2020-1838.

64. Bochkovskiy A., Wang C. Y., Liao H. Y. M. Yolov4: Optimal Speed and Accuracy of Object Detection // arXiv preprint arXiv:2004.10934. 2020.

65. Image-Based Lunar Terrain Relative Navigation without a Map: Measurements / Christian J. A. [et al.] // Journal of Spacecraft and Rockets. 2021. Vol. 58. No. 1. P. 164181.

66. Lena Downes, Ted J. Steiner, Jonathan P. Deep Learning Crater Detection for Lunar Terrain Relative Navigation // AIAA Scitech 2020 Forum. 2020. # AIAA 20201838.

67. Hao Wang, Jie Jiang, Guangjun Zhang. CraterlDNet: An End-to-End Fully Convolutional Neural Network for Crater Detection and Identification in Remotely Sensed Planetary Images // Remote Sensing. 2018. Vol. 10(7):1067. DOI: 10.3390/rs10071067.

68. Automatic Crater Detection Using Convex Grouping and Convolutional Neural Networks / Ebrahim Emami [et al.] // International Symposium on Visual Computing. 2015. P. 213-224. DOI: 10.1007/978-3-319-27863-6_20.

69. Crater Detection via Convolutional Neural Networks / Joseph Paul Cohen [et al.] // arXiv preprint arXiv:1601.00978v1. 2016.

70. Automated Detection of Geological Landforms on Mars Using Convolutional Neural Networks / Leon F Palafox [et al.] // Computers & Geosciences. 2017. Vol. 101. P. 48-56.

71. Michael R Klear. PyCDA: An Open-Source Library for Automated Crater Detection // Proceedings of the 9th Planetary Crater Consortium. 2018.

72. Lunar Crater Identification via Deep Learning / Ari Silburt [et al.] // Icarus. 2019. Vol. 317. P. 27-38.

73. Olaf Ronneberger, Philipp Fischer, Thomas Brox. U-Net: Convolutional Networks for Biomedical Image Segmentation // arXiv preprint arXiv:1505.04597v1.

74. Dropout: A Simple Way to Prevent Neural Networks from Overfitting / Nitish Srivastava [et al.] // Journal of Machine Learning Research. 2014. Vol. 15(1). P. 19291958.

75. Crater Density Differences: Exploring Regional Resurfacing, Secondary Crater Populations, and Crater Saturation Equilibrium on the Moon / R.Z. Povilaitis [et al.] // Planetary and Space Science. 2018. Vol.162. P. 41-51.

76. Global Distribution of Large Lunar Craters: Implications for Resurfacing and Impactor Populations / James W Head [et al.] // Science. 2010. Vol. 329(5998). P. 15041507.

77. Deep Neural Network-Based Landmark Selection Method for Optical Navigation on Lunar Highlands / Hoonhee Lee [et al.] // IEEE Access. 2020. Vol. 8. P. 99010-99023.

78. CUI P. Y., GE D. T. Research Progress of Autonomous Planetary Landing Site Assessment and Selection (in Chinese) // Scientia Sinica Technologica. 2021. Vol.51 No.11. DOI: 10.1360/SST-2020-0228.

79. Meyer F. From Connected Operators to Levelings // 4th International Symposium on Mathematical Morphology and its Applications to Image and Signal Processing. 1998. Vol. 12. P. 191-198.

80. Stuart J. Robbins, Brian M. Hynek. A New Global Database of Mars Impact Craters _1 km: 2. Global Crater Properties and Regional Variations of the Simple-to-Complex Transition Diameter // Journal of Geophysical Research: Planets. 2012. Vol. 117(E06001). DOI: 10.1029/2011je003967.

81. Раушенбах Б. В., Токарь Е. Н. Управление ориентацией космических аппаратов. М.: Наука, 1974. 600с.

82. Бранец В. Н., Шмыглевский И. П. Введение в теорию бесплатформенных инерциальных навигационных систем. М.: Наука, 1992. 280с.

83. Moon Crater Database v1 Salamuniccar. / Annex NASA PDS and Derived Products. URL: https://astrogeology.usgs.gov/search/map/Moon/Research/Craters/GoranSalamuniccar_ MoonCraters [дата обращения 09.03.2023]

84. Moon Crater Database v1 Robbins. / Annex NASA PDS and Derived Products. URL:

https://astrogeology.usgs.gov/search/map/Moon/Research/Craters/lunar_crater_database _robbins_2018 [дата обращения 09.03.2023]