Modelagem do erro de estimativa de pose na navegação visual por crateras

  • role: First author第一作者
  • Affiliation:

    School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China

  • Email:jianbinhuang@buaa.edu.cn
  • Introduction:黄建斌作者简介:(1995-),男,江西上饶人,博士研究生,2017年于江苏大学获得学士学位,2021年于北京航空航天大学获得硕士学位,主要从事激光雷达与月球视觉导航技术等方面的研究。E-mail: jianbinhuang@buaa.edu.cn
HUANG Jianbin1,  
  • role: Corresponding author通信作者
  • Affiliation:

    School of Electronic and Information Engineering, Beihang University, Beijing 100191, China

  • Email:yuntaohe@buaa.edu.cn
  • Introduction:何云涛(1982-),男,湖北安陆人,副教授,2004年、2010年于北京航空航天大学分别获得学士和博士学位,主要从事光电探测与成像及光电信息处理技术的研究。E-mail: yuntaohe@buaa.edu.cn
HE Yuntao2*,  
  • Affiliation:

    Beijing Institute of Control Engineering, Beijing 100190, China

WANG Anran3,  
  • Affiliation:

    School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China

LI Xiaolu1,  
  • Affiliation:

    School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China

XU Lijun1

Resumo

Na missão de pouso e exploração nas regiões polares da Lua, a estimativa da pose do módulo de pouso baseada na navegação visual por crateras pode alcançar uma localização de pouso de alta precisão. Para resolver problemas-chave relacionados ao mecanismo pouco claro de transmissão de erros na estimativa de pose na navegação visual por crateras e à falta de parâmetros práticos de engenharia, foi conduzido um estudo sobre a modelagem do erro de estimativa de pose na navegação visual por crateras. Foi proposto um modelo de erro de pose baseado no método dos mínimos quadrados ponderados para estimar o erro de pose sob a influência de múltiplos fatores. Primeiramente, combinando o princípio da estimativa de pose na navegação visual por crateras, foi realizada a análise da origem do erro e a modelagem básica. Em seguida, com o objetivo de minimizar o erro de reprojeção, foi construído o modelo de erro de pose. Por fim, utilizando o método dos mínimos quadrados ponderados, a estimativa quantitativa do erro de pose foi concluída. Com base no Modelo Digital de Elevação (DEM) e no Mapa Ortofotográfico Digital (DOM) das regiões polares da Lua, foi simulada a navegação visual por crateras do módulo de pouso lunar, e conduzidos experimentos de estimativa do erro de pose baseados na simulação de Monte Carlo para estudar o impacto das diversas fontes de erro e parâmetros característicos no erro de pose. Os resultados experimentais mostram que, quando o erro de detecção de pixels é de 5 pixels e o número de crateras é 15, o valor estimado do erro de translação é inferior a 95 m. O modelo de erro proposto pode realizar uma estimativa quantitativa do erro de pose sob a influência de múltiplos fatores, e o esquema de parâmetros de engenharia proposto atende aos requisitos de precisão de navegação de nível centimétrico para pouso nas regiões polares da Lua, fornecendo uma base teórica para o projeto do esquema de navegação por crateras.

Palavras-chave

navegação visual; pouso nas regiões polares da Lua; estimativa de pose; modelo de erro

References

  1. 1.
    WANG C, JIA Y Z, XUE C B, et al. Scientific objectives and payload configuration of the Chang’E-7 mission[J]. National Science Review, 2023, 11(2): nwad329. doi:
  2. 2.
    HUA B CH, LI Q, XU CH D, et al. Visual navigation and positioning technology for Chang’e-6 descent[J]. Aerospace Control and Application, 2024, 50(6): 57-63. (in Chinese)
  3. 3.
    LI S Y, HE Y T, HUANG J B, et al. Lunar visual localization method based on crater geohash encoding and consistency matching[J]. Remote Sensing, 2025, 17(9): 1493. doi:
  4. 4.
    XU L H, JIANG J, MA Y. Review of visual navigation technology based on craters[J]. Laser & Optoelectronics Progress, 2023, 60(11): 173-193. (in Chinese). doi:
  5. 5.
    ZHOU R, LIU Y F, QI N M, et al. Overview of visual pose estimation methods for space missions[J]. Opt. Precision Eng., 2022, 30(20): 2538-2553. (in Chinese). doi:
  6. 6.
    HUO J, ZHANG G Y, CUI J SH, et al. A objective function with measuring error uncertainty weighted for pose estimation in stereo vision[J]. Opt. Precision Eng., 2018, 26(4): 834-842. (in Chinese). doi:
  7. 7.
    ZHU S Y, XIU Y, ZHANG N, et al. Crater-based attitude and position estimation for planetary exploration with weighted measurement uncertainty[J]. Acta Astronautica, 2020, 176: 216-232. doi:
  8. 8.
    XIU Y, ZHU S Y, XU R, et al. Optimal crater landmark selection based on optical navigation performance factors for planetary landing[J]. Chinese Journal of Aeronautics, 2023, 36(3): 254-270. doi:
  9. 9.
    KIM K. An improved crater-based navigation approach using projective invariants[J]. Advances in Space Research, 2024, 74(5): 2357-2375. doi:
  10. 10.
    PARK W, JUNG Y, BANG H, et al. Robust crater triangle matching algorithm for planetary landing navigation[J]. Journal of Guidance, Control, and Dynamics, 2019, 42(2): 402-410. doi:
  11. 11.
    MU R J, WU P, DENG Y P, et al. Optical navigation method and error analysis for the descending landing phase in planetary exploration[J]. Aerospace, 2022, 9(9): 496. doi:
  12. 12.
    OSTROGOVICH L, DEL PRETE R, TOMASICCHIO G, et al. A dual-mode approach for vision-based navigation in a lunar landing scenario[C].2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW).17-18,2024, Seattle, WA, USA. IEEE, 2024: 6799-6808. doi:
  13. 13.
    DUAN ZH W, XIA X H, HE P CH, et al. Image correction for perspective distortion of cylindrical surfaces at arbitrary poses[J]. Opt. Precision Eng., 2024, 32(16): 2577-2589. (in Chinese). doi:
  14. 14.
    ZHANG L Z. Research on Visual-inertial Slam and Its Error Analysis[D]. Harbin: Harbin Institute of Technology, 2022. (in Chinese)
  15. 15.
    ZHAO T Q. 3D Reconstruction and Pose Estimation for Lunar Images[D]. Hangzhou: Zhejiang University, 2023. (in Chinese)
  16. 16.
    CHEN T Z, GE B ZH, LUO Q J. Pose estimation for free binocular cameras based on reprojection error optimization[J]. Chinese Journal of Optics, 2021, 14(6): 1400-1409. (in Chinese). doi:
  17. 17.
    WAGNER R V, SPEYERER E J, ROBINSON M S, et al. New mosaicked data products from the lroc team[C]. The 46th Lunar and Planetary Science Conference, Woodlands, USA. 2015, 46: 1473.
  18. 18.
    CHENG SH, JIA D, YANG L, et al. Estimation method of category-level multi-object rigid body 6D pose[J]. Chinese Journal of Liquid Crystals and Displays, 2025, 40(3): 457-471. (in Chinese). doi:

Leia o texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website