小行星形貌測(cè)繪與表征技術(shù)

徐青，王棟，邢帥，藍(lán)朝楨（1.信息工程大學(xué)地理空間信息學(xué)院，鄭州450052；2.61618部隊(duì)，北京102102）小行星形貌測(cè)繪與表征技術(shù)徐青1，王棟2，邢帥1，藍(lán)朝楨1（1.信息工程大學(xué)地理空間信息學(xué)院，鄭州450052；2.61618部隊(duì)，北京102102）小行星表面形貌測(cè)繪是深空小行星探測(cè)的首要任務(wù)。提出了一種適應(yīng)探測(cè)器抵近觀測(cè)的立體視覺(jué)在線測(cè)繪小行星形貌的方法，即先由立體相機(jī)獲得所攝重疊區(qū)的三維地形，再用前后立體模型的連接點(diǎn)將各個(gè)獨(dú)立模型連成一個(gè)完整地形信息，經(jīng)整體最小二乘平差，確定小行星的形貌模型及特征；同時(shí)提出了一種基于等值線分析的撞擊坑特征提取方法，即通過(guò)提取、分析地形等值線識(shí)別出地形中撞擊坑特征。實(shí)驗(yàn)結(jié)果顯示，本文所構(gòu)建的原型系統(tǒng)能夠快速重建出探測(cè)區(qū)域的三維地形，并識(shí)別出地形中撞擊坑特征，證明了所提方法具有實(shí)用性。小行星；形貌測(cè)繪；立體視覺(jué)；撞擊坑；表征識(shí)別0引言在小行星探測(cè)過(guò)程中，形貌測(cè)繪與表征技術(shù)作為認(rèn)識(shí)、探測(cè)小行星目標(biāo)的重要內(nèi)容，是保障小行星探測(cè)器自主導(dǎo)航、安全著陸的前提，逐漸成為深空探測(cè)領(lǐng)域的研究熱點(diǎn)[1-2]。小行星探測(cè)器所攜帶的科學(xué)儀器主要有面陣相機(jī)、成像光譜儀、激光測(cè)距儀等，通過(guò)這些儀器可獲取大量的影像數(shù)據(jù)和激光測(cè)距數(shù)據(jù)。激光測(cè)距儀能夠?qū)崟r(shí)測(cè)量探測(cè)器與目標(biāo)小行星之間的距離，結(jié)合探測(cè)器的位姿信息，可以重建出小行星上目標(biāo)點(diǎn)的三維坐標(biāo)，但該方法因獲取點(diǎn)數(shù)十分有限而不被采用。成像傳感器具有范圍大、功耗低、分辨率高等特點(diǎn)，被廣泛應(yīng)用于深空探測(cè)任務(wù)中，利用其影像數(shù)據(jù)重建小行星的三維地形成為首選方式。但是，攝影條件不嚴(yán)格，影像重疊率較為隨意，甚至處于無(wú)序狀態(tài)，加之影像中光照條件變化大，小行星表面色調(diào)相對(duì)單一，這給小行星三維形狀的重建造成很大困難。而利用立體相機(jī)同時(shí)獲取小行星目標(biāo)區(qū)域的光學(xué)影像，可以增加影像間的重疊率，有助于提高目標(biāo)區(qū)域三維地形測(cè)量的實(shí)時(shí)性。本文以立體相機(jī)為數(shù)據(jù)獲取設(shè)備，設(shè)計(jì)了一種基于系列影像的小行星三維模型自動(dòng)重建方法，即利用處于無(wú)序狀態(tài)的系列影像來(lái)構(gòu)建小行星整星的三維形貌模型；提出了一種立體視覺(jué)在線測(cè)繪小行星局部形貌的方法，即在探測(cè)器抵近過(guò)程中實(shí)時(shí)測(cè)量探測(cè)區(qū)域的三維地形。在已知目標(biāo)區(qū)域地形信息的情況下，提出了一種基于等值線分析的撞擊坑特征提取方法，可以從獲取的三維地形中識(shí)別出撞擊坑特征，進(jìn)而提高了探測(cè)器對(duì)小行星表面形貌的感知能力，提高了小行星探測(cè)器的自主導(dǎo)航與安全著陸能力。1多視匹配小行星全球模型重建近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)序列影像的小行星形狀重建技術(shù)開展了卓有成效的研究。例如，Helfenstein利用Galileo探測(cè)器所獲取的光學(xué)影像重建了951Gaspra小行星的三維模型[3]；Kersten、Preusker等對(duì)“黎明號(hào)”（DAWN）探測(cè)器所獲取的近萬(wàn)幅Vesta小行星表面立體影像進(jìn)行攝影測(cè)量處理，獲得了該小行星的全球DTM模型，水平定位精度達(dá)到8m，高程定位精度達(dá)到6m[4-5]。崔平遠(yuǎn)、邵巍等提出了一種繞飛過(guò)程中小行星三維模型重構(gòu)方法，采用PCA-SIFT（principlecomponentanalysis-sacleinvariantfeaturetransform）算法有效提高了三維模型重建的速度[6]。從文獻(xiàn)來(lái)看，傳統(tǒng)小行星全球模型是通過(guò)多視匹配、區(qū)域網(wǎng)平差等攝影測(cè)量處理而重建出來(lái)的，但國(guó)內(nèi)外對(duì)如何從處于無(wú)序狀態(tài)的序列小行星影像構(gòu)建三維模型的流程、策略的整體研究較少。在無(wú)初始位置和姿態(tài)的條件下，需要首先確定每幅小行星表面影像的方位，其一般做法是：1）用SIFT（scaleinvariantfeaturetransform）或者SURF（speededuprobustfeatures）匹配算法獲取重疊影像中的同名像點(diǎn)，并以此作為連接點(diǎn)；2）結(jié)合稀疏光束法平差算法解算出各個(gè)影像的相對(duì)位置與姿態(tài)；3）再綜合利用核線幾何約束、多視最小二乘匹配、半全局匹配等策略進(jìn)行密集匹配，同時(shí)引入影像金字塔分層策略提高匹配效率，最終重建出小行星的三維地形模型，其流程如圖1所示。圖1密集匹配重建小行星全球3D模型Fig.13DshapereconstructionresultsofVestabydensematch為了驗(yàn)證上述方法的有效性，本節(jié)從DAWN探測(cè)器所獲取的Vesta小行星立體影像中隨機(jī)篩選了80張影像（部分影像如圖2所示），來(lái)重建Vesta小行星的全球地形模型。拍攝時(shí)軌道高度約800km，從系列影像中可以看出，拍攝角度、光照變化都比較大，影像基本處于無(wú)序狀態(tài)。圖2Vesta小行星的部分影像Fig.2SeveralimagesofVestaasteroid利用SIFT特征提取與匹配算法以及RANSAC誤匹配點(diǎn)剔除方法，共獲取了53255個(gè)連接點(diǎn)，同時(shí)恢復(fù)了各幅影像的相對(duì)位置和姿態(tài)，相對(duì)位置的平差精度達(dá)到了0.4個(gè)像素。經(jīng)過(guò)密集匹配與平差處理，重建出一組由130多萬(wàn)個(gè)三維點(diǎn)構(gòu)成的Vesta小行星全球模型，如圖3所示。圖3Vesta小行星全球3D模型Fig.3Global3DmodelofVestaasteroid實(shí)驗(yàn)結(jié)果表面，該方法適合批量影像的多視匹配與聯(lián)合平差處理，能夠較好地重建小行星全球模型，但是其重建效率尚不能滿足探測(cè)器在抵近過(guò)程中實(shí)時(shí)觀測(cè)目標(biāo)小行星的要求。2抵近過(guò)程中立體視覺(jué)在線測(cè)量在小行星探測(cè)器抵近著陸的過(guò)程中，常采用光學(xué)相機(jī)和激光雷達(dá)的導(dǎo)航方法來(lái)引導(dǎo)，如近地小行星交會(huì)探測(cè)器（NEAR）結(jié)合光學(xué)影像與激光測(cè)距信息來(lái)估計(jì)探測(cè)器的運(yùn)動(dòng)軌跡；“隼鳥號(hào)”探測(cè)器（Hayabusa）借助光學(xué)CCD導(dǎo)航相機(jī)和激光高度計(jì)對(duì)Itokawa小行星進(jìn)行了全球測(cè)繪，并在光學(xué)系統(tǒng)制導(dǎo)下成功著陸小行星。但是，僅用二維影像來(lái)判別三維形貌特征是不穩(wěn)定的，即便結(jié)合稀疏的激光點(diǎn)云仍難實(shí)現(xiàn)探測(cè)器對(duì)小行星上探測(cè)區(qū)形貌的感知能力。因此，Johnson、Mathies等提出了一種利用機(jī)器視覺(jué)和圖像處理技術(shù)進(jìn)行軟著陸導(dǎo)航運(yùn)動(dòng)參數(shù)估計(jì)的方法[7]；崔平遠(yuǎn)、崔躍軍等提出了一種基于雙目相機(jī)的小行星軟著陸導(dǎo)航方法[8]，為了滿足實(shí)時(shí)處理的要求，僅對(duì)立體影像中的稀疏特征點(diǎn)進(jìn)行了定位與導(dǎo)航分析。實(shí)際上，隨著計(jì)算機(jī)技術(shù)與立體視覺(jué)技術(shù)的快速發(fā)展，完全能夠?qū)崿F(xiàn)立體影像實(shí)時(shí)重建目標(biāo)三維信息，在此基礎(chǔ)上本文提出了一種立體視覺(jué)在線實(shí)時(shí)測(cè)量方法，即邊抵近飛行邊測(cè)量三維地形。該方法是采用立體相機(jī)分別從兩個(gè)視點(diǎn)來(lái)觀察目標(biāo)小行星，以獲取其在不同視角下的影像，經(jīng)過(guò)相機(jī)標(biāo)定、核線糾正、影像匹配以及前方交會(huì)等步驟，可計(jì)算出影像中目標(biāo)點(diǎn)的三維信息。其中，影像匹配采用了半全局匹配算法，對(duì)立體影像進(jìn)行了逐像素匹配以獲取密集的同名點(diǎn)。通過(guò)序列立體影像對(duì)中的前后影像，可將重建出的獨(dú)立模型連接成一個(gè)統(tǒng)一的形貌模型，進(jìn)一步實(shí)現(xiàn)探測(cè)器在抵近過(guò)程中邊獲取立體影像邊重建探測(cè)區(qū)三維地形，并按照順序?qū)⒏髂Ｐ鸵?guī)劃之統(tǒng)一坐標(biāo)系中，其難點(diǎn)在于精確確定相鄰兩組立體影像對(duì)之間的幾何關(guān)系。本文對(duì)相鄰立體影像對(duì)進(jìn)行稀疏匹配，提取出對(duì)應(yīng)同名點(diǎn)的目標(biāo)點(diǎn)坐標(biāo)并以此作為模型連接點(diǎn)，通過(guò)模型間的空間變換關(guān)系將各個(gè)獨(dú)立模型歸化至統(tǒng)一坐標(biāo)系中，其實(shí)現(xiàn)流程如圖4所示。圖4抵近過(guò)程中立體視覺(jué)實(shí)時(shí)測(cè)量處理流程Fig.4Processflowofreal-timestereoVisionmeasurementforapproachingobservationSURF算法具有穩(wěn)定性好、速度快且正確率高的特點(diǎn)，因此本文采用該算法獲取了前后影像的稀疏連接點(diǎn)。利用這些連接點(diǎn)可以計(jì)算出它們之間的空間變換關(guān)系，進(jìn)而將各個(gè)獨(dú)立模型歸化至同一坐標(biāo)系中，而這種關(guān)系的求解采用了空間相似變換公式由式（1）可知，式中含有7個(gè)未知參數(shù)，而一對(duì)連接點(diǎn)的方程個(gè)數(shù)為3個(gè)，因此解算空間相似變換參數(shù)至少需要3個(gè)不在一條直線上的連接點(diǎn)。實(shí)際中，為了保證精度與可靠性，常需要4個(gè)或4個(gè)以上的連接點(diǎn)來(lái)計(jì)算空間相似變換參數(shù)。由式（1）的線性化方程就可計(jì)算出前后立體模型間的變換參數(shù)，而由這些參數(shù)亦可將后一個(gè)模型歸化至前一個(gè)模型中。因此，深空探測(cè)器在抵近小行星的過(guò)程中可將實(shí)時(shí)獲取的獨(dú)立模型逐個(gè)歸化至一個(gè)統(tǒng)一的坐標(biāo)系中，形成整個(gè)探測(cè)區(qū)域完整的三維地形模型。3基于等值線分析的撞擊坑特征快速識(shí)別小行星表面的地形形貌復(fù)雜多樣，國(guó)內(nèi)有學(xué)者參照IAU官方網(wǎng)站給出了小行星形貌特征及其描述信息，并歸納了其表面普遍存在的5種典型形貌特征，指出了撞擊坑是小行星表面最為常見且最為明顯的形貌特征，其自動(dòng)識(shí)別方法逐漸成為深空探測(cè)領(lǐng)域的研究熱點(diǎn)。例如，Kim等將坡度指數(shù)應(yīng)用到撞擊坑識(shí)別中，使得中大型撞擊坑的識(shí)別率達(dá)到75%左右[9-10]；同時(shí)，Bue等也指出僅僅用深度圖或坡度指數(shù)提取撞擊坑還存在應(yīng)用范圍的限制[11]。Salamuniccar等提出了采用融合CCD影像和DEM數(shù)據(jù)進(jìn)行撞擊坑的自動(dòng)提取及識(shí)別的方法[12-13]。但是，上述撞擊坑特征提取方法都需要逐點(diǎn)對(duì)DEM數(shù)據(jù)進(jìn)行分析，耗時(shí)較長(zhǎng)，且受巖石、皺褶等地形影響較大[13-14]。而本節(jié)所提方法以線特征代替點(diǎn)特征，大大提高了形貌特征提取的速度，避免了形貌中雜點(diǎn)的干擾。首先，小行星表面撞擊坑特征的空間結(jié)構(gòu)具有以下共同特點(diǎn)[15]：1）撞擊坑特征的外層等高線常表現(xiàn)為近似圓形或橢圓形；2）撞擊坑特征的外層等高線內(nèi)側(cè)可能存在多條嵌套的相似等高線，而外側(cè)等高線形狀不定、距離較遠(yuǎn)；3）撞擊坑特征的中央剖面線可用下凹的拋物線形態(tài)擬合。依據(jù)撞擊坑特征的空間結(jié)構(gòu)特點(diǎn)，本文利用等值線的形狀與分布規(guī)律來(lái)快速提取小行星表面的撞擊坑特征，其具體流程如圖5所示。圖5基于等值線分析的撞擊坑特征提取流程Fig.5Flowofcraterdetectionbasedoncontourlineanalysis其中，小行星表面局部地形受整個(gè)星體曲面模型影響較大，需要擬合局部地形形貌的基本面，即能夠描述整個(gè)局部區(qū)域的光滑曲面。將局部地形形貌信息投影至基本面上，重新生成特征更加明顯的形貌信息，以減少局部地形坡度變化對(duì)撞擊坑特征提取正確率的影響。針對(duì)擬合生成的DEM數(shù)據(jù)，本文應(yīng)用移動(dòng)曲面擬合法來(lái)逐點(diǎn)內(nèi)插柵格點(diǎn)坐標(biāo)，以獲取等間距的規(guī)范數(shù)據(jù)集。再用矢量法來(lái)內(nèi)插局部地形的等值線，即按逐條等高線的走向邊搜索邊內(nèi)插點(diǎn)。而撞擊坑特征的識(shí)別過(guò)程如下：步驟1：保留符合撞擊坑特征的等值線。先依據(jù)撞擊坑內(nèi)等值線的特點(diǎn)保留所有閉合曲線，再應(yīng)用最小二乘法擬合這些閉合曲線并獲取其圓度。當(dāng)曲線圓度滿足閾值要求時(shí)，認(rèn)為該等值線可能為撞擊坑上的等值線，同時(shí)記錄其中心坐標(biāo)與半徑信息。步驟2：分析等值線之間的關(guān)系，聚合嵌套的同坑等值線。結(jié)合等值線的半徑及其距離關(guān)系，將同一撞擊坑的等值線聚合在一起，而且記錄它們之間的相互關(guān)系。步驟3：判斷等值線區(qū)域是否為撞擊坑。為了避免突出地形或石塊的影響，需要對(duì)該區(qū)域再進(jìn)行凹凸性評(píng)價(jià)判斷，擬采用拋物線方程來(lái)擬合該區(qū)域的切面信息。步驟4：應(yīng)用數(shù)學(xué)形態(tài)學(xué)方法提取撞擊坑邊緣。以判別撞擊坑的外層等值線為依據(jù)，采用數(shù)學(xué)形態(tài)學(xué)方法通過(guò)膨脹運(yùn)算檢測(cè)撞擊坑的實(shí)際邊緣。步驟5：精確計(jì)算撞擊坑特征的位置信息。4仿真實(shí)驗(yàn)情況為了模擬深空探測(cè)器抵近測(cè)量小行星表面地形、識(shí)別其形貌特征，本文通過(guò)軟硬件相結(jié)合的方式設(shè)計(jì)了一套小行星表面抵近探測(cè)仿真原型系統(tǒng)，硬件包括運(yùn)動(dòng)控制模塊、探測(cè)數(shù)據(jù)獲取模塊、數(shù)據(jù)實(shí)時(shí)處理模塊以及小行星局部地形模型等，其結(jié)構(gòu)示意圖如圖6所示。圖6小行星表面抵近探測(cè)仿真原型系統(tǒng)示意圖Fig.6Sketchmapofapproachingobservationemulatorsystemaboardasteroidsurface其中，小行星地形模型是參考了Vesta小行星的局部形貌用細(xì)沙堆積而成的，模型包括山地、平原以及撞擊坑特征等，整個(gè)沙盤的大小為4m×4m，如圖7（a）所示。探測(cè)數(shù)據(jù)獲取模塊主要由光學(xué)立體觀測(cè)相機(jī)構(gòu)成，高度范圍為2～3m，基線長(zhǎng)度小于10cm，如圖7（b）所示。結(jié)合張正友標(biāo)定法，獲取了立體相機(jī)的內(nèi)參數(shù)及其間的相對(duì)位姿關(guān)系，標(biāo)定結(jié)果如表1和表2所示。圖7小行星表面抵近探測(cè)仿真原型系統(tǒng)中部分實(shí)物Fig.7Partpracticalityfromapproachingobservationemulatorsystem表1立體相機(jī)的內(nèi)參數(shù)Table1Interiorparametersofstereocameras表2左右相機(jī)的相對(duì)位置與姿態(tài)Table2Relativepositionandposebetweenstereocameras4.1用序列立體影像重建小行星局部地形利用光學(xué)立體觀測(cè)相機(jī)可連續(xù)獲取小行星地形模型的立體影像，這里列出其中一條航帶共18對(duì)立體影像，如圖8所示。通過(guò)對(duì)立體影像進(jìn)行核線糾正、密集匹配、空間前方交會(huì)處理，可由各獨(dú)立立體影像生成所攝區(qū)域的相對(duì)三維模型；依據(jù)相鄰的立體像對(duì)，先獲取其同名像點(diǎn)及其對(duì)應(yīng)的地形坐標(biāo)，再利用空間相似變換將各個(gè)獨(dú)立模型歸化至統(tǒng)一坐標(biāo)系中，生成整片區(qū)域的地形模型，如圖9所示。圖8所攝航帶的序列立體影像對(duì)Fig.8Sequencestereoimagesfromnavigatestrip圖9小行星局部區(qū)域模型重建后的分層設(shè)色效果Fig.9Bedcoloreffectforrestrictedterrainmodelofpartasteroidarea其中，糾正每幀立體影像耗時(shí)約為18ms；SGM算法中深度范圍設(shè)置為0～64個(gè)像素，密集匹配耗時(shí)為120～150ms；而由同名像點(diǎn)交會(huì)對(duì)應(yīng)的目標(biāo)點(diǎn)坐標(biāo)耗時(shí)僅為30～35ms；相鄰前后影像SURF匹配平均耗時(shí)為211ms。實(shí)驗(yàn)中共獲取立體影像為51對(duì)，包含3條航帶且每個(gè)航帶17對(duì)立體影像，從立體影像對(duì)獲取、獨(dú)立模型生成至模型坐標(biāo)的歸一化共花費(fèi)時(shí)間約61s。為了評(píng)價(jià)地形形貌重建的精度，實(shí)驗(yàn)采用激光掃描儀獲取了該模擬地形的三維數(shù)據(jù)，并隨機(jī)抽取了10個(gè)相對(duì)離散的檢查點(diǎn)。結(jié)果顯示，對(duì)應(yīng)點(diǎn)最大高程誤差為31.91mm，平均誤差為3.38mm。誤差原因可能是立體相機(jī)在運(yùn)動(dòng)過(guò)程中有抖動(dòng)現(xiàn)象，使得匹配誤差有所放大，加之各立體模型在連接過(guò)程中又存在誤差傳遞現(xiàn)象，使得地形重建的誤差越來(lái)越大。4.2由等值線分析法識(shí)別模型中撞擊坑特征以獲取的小行星局部地形為數(shù)據(jù)，經(jīng)過(guò)預(yù)處理后該區(qū)域的柵格大小為600×200，應(yīng)用等值線分析法從地形模型中自動(dòng)識(shí)別其表面撞擊坑特征，識(shí)別結(jié)果如圖10所示。圖10重建模型表面撞擊坑提取結(jié)果Fig.10Resultofcraterdetectionfromtherestrictedterrainmodel由上圖可知，該地形模型共存在6個(gè)撞擊坑特征，應(yīng)用等值線分析法從模型中共提取了5個(gè)，沒(méi)有出現(xiàn)提取錯(cuò)誤的撞擊坑特征，只遺漏了1個(gè)撞擊坑特征，整個(gè)撞擊坑特征提取所耗費(fèi)的時(shí)間約為2.16s。因此，本次撞擊坑特征提取實(shí)驗(yàn)的正確率為83.3%，耗時(shí)遠(yuǎn)小于探測(cè)器著陸時(shí)的懸停時(shí)間。遺漏原因是該撞擊坑特征正好位于山頂位置，在自動(dòng)提取過(guò)程中受山體等值線的影響大而未被識(shí)別。5總結(jié)論文針對(duì)小行星影像的特點(diǎn)，提出了一種基于序列影像的小行星三維重建方法。通過(guò)對(duì)序列影像進(jìn)行特征匹配、稀疏光束法平差、核線幾何約束、半全局匹配、多視最小二乘匹配等處理，并用Vesta小行星影像構(gòu)建了其三維形貌信息。為了滿足深空探測(cè)器對(duì)目標(biāo)小行星表面地形的實(shí)時(shí)測(cè)量與表征需求，本文結(jié)合光學(xué)立體觀測(cè)相機(jī)，提出了一種適應(yīng)探測(cè)器抵近觀測(cè)的立體視覺(jué)在線測(cè)量方法，有效克服了傳統(tǒng)攝影測(cè)量處理方法的滯后性；并提出了一種基于等值線分析的撞擊坑特征提取方法，與其他撞擊坑特征提取方法相比，具有一定的穩(wěn)定性和實(shí)用性。本文所提的立體視覺(jué)測(cè)量方法還存在一定的精度誤差，尤其是在獨(dú)立模型連接過(guò)程中地形測(cè)量誤差會(huì)越來(lái)越大，進(jìn)而影響小行星探測(cè)器的導(dǎo)航與定位。后續(xù)研究中，擬在實(shí)驗(yàn)系統(tǒng)中加入激光測(cè)距儀，可直接測(cè)量目標(biāo)點(diǎn)與探測(cè)器之間的距離，并將獲取的測(cè)距信息與影像信息聯(lián)合平差處理，以求得到更高精度的小行星地形形貌。[1]崔祜濤，崔平遠(yuǎn).軟著陸小行星的自主導(dǎo)航與制導(dǎo)[J].宇航學(xué)報(bào)，2002，23（5）：1-4.CuiHT，CuiPY.Autonomousnavigationandguidanceforsoftlandingasteroid[J].JournalofAstronautics，2002，23（5）：1-4.[2]徐青，耿迅，藍(lán)朝楨，等.火星地形測(cè)繪研究綜述[J].深空探測(cè)學(xué)報(bào)，2014，1（1）：28-35.XuQ，GengX，LanCZ.ResearchsummarizeonMarstopographymapping[J].JournalofDeepSpaceExploration，2014，1（1）：28-35.[3]HelfensteinP，VeverkaJ，ThomasPC，etal.Galileophotometryofasteroid951Gaspra[J].ICARUS，1994：107（1）：37-60.[4]KerstenKD，MatzF，PreuskerF，etal.HighresolutionVestaHAMOatlasderivedfromDAWNFCimages[C]//43rdLunarandPlanetaryScienceConference.TheWoodlands，TX，USA：[s.n.]，2012.[5]PreuskerF，ScholtenF，MatzKD，etal.Globalshapeof（4）VestafromDawnFCstereoimages[C]//VestainthelightofDawn：Firstexplorationofaprotoplanetintheasteroidbelt.[S.l.]：[s.n.]，2014.[6]崔平遠(yuǎn)，邵巍，崔祜濤.繞飛過(guò)程中小天體三維模型重構(gòu)及探測(cè)器運(yùn)動(dòng)估計(jì)研究[J].宇航學(xué)報(bào)，2012，31（5）：1381-1389.CuiPY，ShaoW，CuiGT.3Dsmallbodymodelreconstructionandspacecraftmotionestimationduringfly-around[J].JournalofAstronautics，2012，31（5）：1381-1389.[7]JohnsonEA，MathiesHL.Preciseimage-basedmotionestimationforautonomoussmallbodyexploration[J].RoboticsandAutomationinSpace.1999：627～637.[8]崔躍軍.基于雙目相機(jī)的小行星軟著陸導(dǎo)航方法及其仿真平臺(tái)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.CuiYJ.Algorithmsbasedonbinocularvisionforsoftlandingasteroid[D].Harbin:HarbinInstituteofTechnolog，2009.[9]KimJR，MullerJP，GasseltSV，etal.Automatedcraterdetection：anewtoolforMarscartographyandchronology[J].PhotogrammetricEngineeringandRemoteSensing，2005，71（10）：1205-1217.[10]MichaelGG.Coordinateregistrationbyautomatedcraterrecognition[J].PlanetaryandSpaceScience，2003，51（9）：563-568.[11]BueBD，StepinskiTF.Machinedetectionofmartianimpactcratersfromdigitaltopographydata[J].IEEETransactionsonGeoscienceandRemoteSensing，2007，45（1）：265-274.[12]SalamuniccarG，LoncaricS，GrumpeA，etal.Hybridmethodfordetectionoflunarcratersbasedontopographyreconstructionfromopticalimages[C]//Conference：ImageandSignalProcessingandAnalysis.[S.l.]：ISPA，2011.[13]羅中飛，康志忠，劉心怡.融合嫦娥一號(hào)CCD影像與DEM數(shù)據(jù)的月球撞擊坑自動(dòng)提取和識(shí)別[J].測(cè)繪學(xué)報(bào)，2014，43（9）：178-185.LuoZF，KangZZ，LiuXY.TheautomaticextractionandrecognitionofLunarimpactcratersfusingCCDImagesandDEMdataofChang’e-1[J].ActaGeodaeticaetCartographicaSinica，2014，43（9）：178-185.[14]王棟，邢帥，徐青，等.一種基于三維形貌的深空星體表面撞擊坑自動(dòng)提取方法[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2015，32（6）：619-625.WangD，XingS，XuQ,etal.Methodologyofautomaticcraterdetectionbasedondeepspaceplanetary3Dprofile[J].JournalofGeomaticsScienceandTechnology，2015，32（6）：619-625.[15]王棟，邢帥，徐青，等.一種類球型小行星表面撞擊坑自動(dòng)提取方法[J].宇航學(xué)報(bào)，2016，37（4）：470-479.WangD，XingS，XuQ.Methodofautomatic-detectingimpactcratersfromthesurfaceofsimilar-sphericalasteroid[J].JournalofAstronautics，2016，37（4）：470-479.[16]藍(lán)朝楨，耿迅，徐青，等.基于序列影像的小天體三維形狀重建方法研究[J].深空探測(cè)學(xué)報(bào)，2014，1（2）：140-145.LanCZ，GengX，XuQ，etal.3Dshapereconstructionforsmallcelestialbodybasedonsequenceimages[J].JournalofDeepSpaceExploration，2014，1（2）：140-145.通信地址：河南省鄭州市二七區(qū)隴海中路66號(hào)（450052）電話：（0371）81635247E-mail139.comMappingandCharacterizationTechniquesofAsteroidTopographyXUQing1，WANGDong2，XINGShuai1，LANChaozhen1

（1.InstituteofSurveyingandMapping，InformationEngineeringUniversity，Zhengzhou450052，China；2.Unit61618，Beijing102102，China）Asteroidsurfacetopographysurveyingandmappingisthefirstmissionofdeepspaceexplorationonasteroids.Thispaperputsforwardonemethodofstereovisiononlinesurveyingandmappingtheasteroidsurfacetopographywhendetectorapproa