本研究由Pingyuan Cui、Xizhen Gao、Shengying Zhu和Wei Shao等学者联合完成，研究成果隶属于北京理工大学与青岛科技大学，通讯作者为Shengying Zhu副教授。该研究以“Visual Navigation Based on Curve Matching for Planetary Landing in Unknown Environments”为题，提交至国际期刊Acta Astronautica。本研究的主要目标是提出针对未知环境下行星着陆的基于曲线匹配的视觉导航方法，并通过理论建模与仿真验证其有效性，为深空探测任务中的高精度自主导航设计提供新思路。
在空间探测领域，安全且精准的行星着陆任务需要着陆器具备高精度的相对位置信息。然而，由于缺乏在轨地图，传统导航方法面临技术挑战。此外，传统基于特征点观察的导航算法在面对低纹理地形等复杂环境时性能不足。因此开发新型视觉导航方法显得尤为重要。本研究旨在利用着陆过程中的下降图像，通过分析未知曲线匹配的数据建立全新的观测模型，并融合惯性测量单元（IMU）的信息，为实现可靠而高精度的导航算法设计提供新的理论模型。
研究构建了用于描述着陆系统动态行为的动力学模型，包括位置、速度、四元数等状态变量。其中，IMU输出模型整合了行星自转的影响，弥补了IMU独立导航误差随时间积累的缺陷。此外，该研究定义了坐标系转换，并通过多视图关系映射明确传感数据与着陆平台具体状态之间的关联关系。
研究重点在于建立基于曲线特征匹配的观测模型。论文假定目标曲线在着陆平面中，并首次利用两张连续下降图像中的曲线信息形成新的观测方程；这些曲线信息无先验绝对位置。研究通过数学矩阵提取曲线特征参数，包括中心、半长轴、半短轴以及倾角等信息，这些参数用于描述降落环境中地形的几何特征。
论文设计了基于无迹卡尔曼滤波器（Unscented Kalman Filter, UKF）的状态估计方法。首先通过IMU测量实现系统状态预测；随后结合连续图像中的曲线观测结果修正预测值。UKF作为重要的非线性估计技术，能够可靠地融合多源数据，将惯性数据和视觉特征的互补性最大化，从而精确估计着陆器的姿态、位置及速度。
研究通过Fisher矩阵法和数学推导分析了导航系统的可观性。结果表明，除水平位置和偏航角外，其他状态量均可观测。因此，该系统能为纵向着陆提供可靠的状态估计，适应复杂的行星表面环境。
仿真研究基于“好奇号”火星探测器下降过程，选取自5公里至100米高度段的数据进行验证。具体结果展示如下： - 使用单一曲线时，导航位置、速度和姿态角误差随着时间迅速减小并趋于稳定，误差范围内的3σ不确定性逐步收敛。 - 在仿真中同时测试单曲线匹配及多曲线匹配效果，发现随着匹配曲线数量增加，算法收敛速率几无显著变化，但计算效率有所下降，验证了选取单一曲线进行匹配的高效性。 - 与基于特征点的视觉导航方法（Point-Based Visual Navigation, PBVN）相比，本文方法在着陆精度方面表现出显著优越性，尤其是在高度、速度、以及俯仰与翻滚角等估计的精度表现上。
通过蒙特卡洛仿真分析，研究表明，该算法在最终时刻高度估计误差低于1米，速度估计误差小于0.45米/秒，俯仰与翻滚角误差低于0.15度。相比PBVN，用于运行曲线匹配的CBVN在一台普通PC上的运行效率和精度表现更为优异。论文也提出通过Fisher信息矩阵进一步证明，该方法在理论上较特征点估计方法下限更低。
本研究在理论模型与算法设计上取得了以下主要成果： 1. 首次提出利用未知特征曲线匹配获取测量值的观测模型，该模型具有普适性，可适用于不同环境下的行星着陆导航任务。 2. 成功将IMU的动态状态信息与曲线特征观察相结合，通过无迹卡尔曼滤波器实现了导航系统的状态估计。 3. 可观性分析表明，系统设计克服了先验数据缺失的限制，大幅提高了导航算法的鲁棒性与精度。
该研究拓展了现有视觉导航技术的应用范围，特别适用于未知纹理或低纹理地形的复杂环境，为深空探测任务的软着陆导航设计提供了新思路。同时，该方法具有低计算资源消耗与高精度性能的综合优势，在未来火星探测、月球探测及小行星任务中具有广泛的潜在应用价值。
通过优化特征提取与融合策略，本研究解决了传统方法在未知环境中的导航挑战，提出的创新方法对行星探测任务的技术突破提供了强有力的支撑。这项研究将为航天导航技术发展做出重要贡献，具有里程碑意义。