大尺度未知环境下火星无人机自主导航方法研究

As a new kind of Mars exploration platform, unmanned aerial vehicle (UAV) has the advantages of large detection range and unrestricted travel by terrain, which is going to be one of the important means of Mars exploration. Due to the large communication delay between Mars and Earth, the capability of autonomous control is expected for UAV on Mars, while autonomous location and navigation is a prerequisite for autonomous control. The main difficulty in the design of the autonomous location and navigation system is: the limitation of the capacity of payload, calculation and storage, and the large-scale and complicated Mars environments. Considering these two factors, this project will investigate the autonomous navigation method based on monocular camera for UAV in large-scale unknown Mars environments. The investigation will focus on: the estimation of depth information of a monocular image, the sparse representation and optimization selection of navigation features for the constructed environment map, and autonomous location and navigation based on monocular camera and IMU with low accuracy for UAV in large-scale unknown Mars environments. The project is trying to solve the problem of high accuracy autonomous location and navigation for UAV in large-scale unknown Mars environments with the limitation of the calculation and storage capacity, which will provide the theory and technology foundations for Mars exploration using UAV.

无人机作为新型的火星探测平台具有探测范围大，不受地形限制等优势，是未来进行火星表面探测的重要手段之一。由于火星与地球之间存在较大通信延迟，火星无人机需要具有自主控制能力，而无人机自主定位和导航是实现自主控制的前提。设计火星无人机自主定位和导航系统面临两个方面困难：受火星大气环境约束，无人机负载能力弱，计算和存储能力有限；无人机需要具有适应大尺度复杂火星环境的能力。针对这两个难点，本项目研究大尺度未知环境下基于单目相机的火星无人机自主导航方法。重点研究单目图像的深度估计方法、火星表面图像特征的稀疏表征和优化选取方法以及大尺度复杂环境下基于单目相机和低精度IMU的自主定位和导航方法，力图解决在存储和计算能力有限的约束下实现大尺度复杂火星环境下无人机的高精度自主定位和导航问题，为未来采用无人机进行火星探测奠定理论和技术基础。

美国“机智”号无人机在火星表面的成功飞行验证了采用无人机进行火星表面探测的可行性。火星无人机探测首先需要解决无人机的自主定位和导航问题。课题针对火星无人机在存储和计算能力有限的约束下如何实现大尺度未知环境下的高精度自主定位和导航问题，开展了如下研究工作：设计了大尺度火星环境图像中点、直线和曲线等多特征的提取、表征和鲁棒匹配方法，提出了一种结合单目相机序列图像信息和IMU提供的无人机运动信息的单目图像深度信息与无人机导航信息一体化估计方法，解决了单目图像目标特征的深度信息恢复问题；针对火星表面图像特征的稀疏表征问题，提出了一种改进FREAK算法的图像特征表征方法，减少了匹配过程计算量，降低了对存储空间的需求并提高了图像特征匹配的正确率；针对无人机帧间特征点跟踪时存在特征点冗余导致计算量大的问题，研究了无人机图像基于帧间自适应采样策略的特征选取方法，减少了特征点的冗余性，降低了计算量和对存储空间的需求；针对无人机导航与定位过程中参考地形图中导航陆标的优化选取问题，提出了一种基于导航性能评估的光学导航陆标库优化构建方法，在满足导航性能要求下构建了包含尽可能少陆标的导航陆标库；针对大尺度未知环境下的火星无人机自主定位和导航问题，提出了一种利用未知陆标序列图像测量的火星表面相对导航方法，实现了仅利用单目相机和低精度IMU完成大尺度未知火星环境下无人机的自主定位和导航。项目研究成果可直接应用于我国未来采用无人机进行火星探测任务，也可应用于地球拒止环境下的无人机自主相对导航，具有重要的理论和技术意义。