行者走天下——Land Rover Freelander 2

全新路虎Freelander2近日杀人了全球高档紧凑型SUV市场。这款携带众多先进技术的多功能路虎车．在北美市场被编为LR2．国内的名字就是神行者。“没有任何其他紧凑型4x4能够拥有如此的内部容量．”路虎公司总经理Phil Popham评价新车说．”神行者2重新定义了此类车型的标准．

基于摄站点云的巡视器相对定位方法

针对传统特征点法巡视器相对定位受摄站间距离及影像视角变化影响,导致相对定位失效的情况,结合着陆器降落序列影像及巡视器导航影像提出了一种基于点云配准的巡视器相对定位方法。首先,依托降落序列影像恢复着陆区三维点云作为基准底图,并获取着陆点初始位置;其次,利用附加残差模块的多尺度代价聚合立体匹配方法对巡视器摄站区域进行精密三维重建;最后,结合着陆区三维点云与摄站点云利用SAC-IA+ICP方法进行点云配准,并通过RANSAC获取可靠的巡视器相对定位参数。开展了嫦娥四号巡视器相对定位实验。实验表明,所提出的方法较传统光束法平差定位结果在x方向和y方向平均误差优于0.56 m和0.52 m,最大误差优于0.11 m,表明该方法可为巡视器智能感知与长距离导航定位提供一定的参考。

“玉兔二号”复杂月背环境休眠与唤醒控制方法

针对复杂地形与中继通信等多约束条件下“玉兔二号”巡视器休眠与唤醒控制问题,提出了复杂月背环境休眠与唤醒规划控制方法。通过巡视器单目相机序列成像的天际线感知方法实现了周围地形的遮挡情况分析,基于巡视器姿态预测方法计算了巡视器给定位置的可休眠姿态及控制策略,提出了可休眠性指标与可视化综合分析方法以辅助寻找备选休眠点,并设计了休眠唤醒在轨工作模式。将其应用到“玉兔二号”在轨控制中,实施情况说明了控制方法的正确性和工作模式的有效性。

玉兔二号巡视器影像DEM撞击坑中心点修正研究

针对巡视器重建DEM影像人工识别撞击坑中心点位置繁琐且易出错的问题,提出了一种撞击坑中心点自动提取和修正的算法。算法应用三次样条插值和滑动指针法提取8个坑唇点信息,再利用最优化代价函数进行圆拟合,并通过对中心点进行迭代更新得到较真正的DEM中的撞击坑中心点。通过与人工提取的检校识别结果对比表明,96%的撞击坑中心得到了有效修正。剖面线与深径比抽样结果进一步证明,97.81%的撞击坑剖面线提取检校结果一致。总体而言,该撞击坑数据中心点自动校正方法大大减少了人工识别的工作量,提高了撞击坑中心点提取的准确性,为区域小尺寸撞击坑形态参数自动提取提供了关键基础。

玉兔二号月面大间距变倾角成像的空间分辨率建模及其应用分析

玉兔二号月球车在月面巡视探测通过地面遥操作规划控制完成.为了最大化每次规划的行驶距离,每次行进通常在6~9 m之间,使得相邻导航站点距离较大,所拍摄图像的尺度、旋转、平移上有较大的变化,图像重叠度较低且重叠区分辨率与形态差异很大,为站点间图像的自动匹配带来极大困难,进而影响相邻站点视觉定位的自动化进程.针对此问题,本文在前期关于图像像素空间分辨率建模的基础上,结合任务实际新增月面凹凸倾斜等因素对像素空间分辨率的影响,建立了更为通用的像素空间分辨率模型.在此基础上,推导了不同站点距离、成像距离和月面倾角等因素影响像素空间分辨率的等效关系,确立了两两因素影响分析的最少组合.最后结合玉兔二号第一、二月昼间所有的站点数据,分析了像素空间分辨率比值对图像匹配成功率的影响关系,对不同类型的影响情况进行分类,总结了不同因素对图像匹配成功率影响的一般性规律,给出了实际任务中视觉定位对相邻导航点相对距离和位置选择的约束准则,这对巡视探测任务中导航站点选择规则的制定和视觉自动定位能力的提升具有重要的指导意义.