从地球测绘到地外天体测绘

童小华，刘世杰，谢 欢，许 雄，叶 真，冯永玖，王 超，柳思聪，金雁敏，陈 鹏，洪中华，栾奎峰

1.同济大学测绘与地理信息学院，上海 200092；2.上海市航天测绘遥感与空间探测重点实验室，上海 200092

1957年10月4日，第一颗人造地球卫星成功发射，标志着人类进入航天时代[1]。利用星上搭载的可见光、红外、激光、高光谱和微波等传感器，全天候、全方位收集地表和近地空间的光谱及电磁辐射数据，探测识别地球环境和资源等信息，实现对地遥感观测成为空间科学研究的重要内容[2-3]。随着计算机网络、物联网传感器、人工智能技术的快速发展，特别是高分辨率对地观测系统重大科技专项启动以来，对地遥感观测技术历经了数字化与网格化、智能化与自动化的发展阶段[4]，取得了举世瞩目的成就，并成为获取地理信息和提供地理信息服务的重要手段，广泛应用于自然资源调查、生态环境保护、气象灾害预测、城市精细化管理、交通设施监测以及国家重大工程等诸多领域[5]。

人类空间探测活动的范围并不局限于地球。经过数十年的探索，人类开展的空间探测活动已基本覆盖了月球、行星、小行星和彗星等太阳系各类型天体，以揭示宇宙奥秘的新认知、新发现。深空探测是扩展人类知识广度和深度的前沿方向和必然途径。我国目前已成功实施探月工程一、二、三期[6]，实现了嫦娥月球探测“绕、落、回”三步走目标，以及首次火星探测任务天问一号[7]等重大深空任务，制定了针对近地小行星2016HO3采样返回及主带彗星133P的探测任务(预计2025年前后发射，整个计划超过10年)[8]。

一方面，由于深空环境的复杂性、挑战性及先验信息的未知性，月球与深空探测一般遵循由远及近、先无人后有人的发展路线。首先，借助较远距离的绕轨卫星通过测绘遥感获取大范围地理空间信息；然后，利用着陆巡视器等开展近距离的遥感观测获取；最后，再进行有人探测活动。因此，遥感测绘技术在深空探测中起着极为关键的作用，是月球与深空探测任务的主要手段和重要支撑[1]。例如，天问一号探测器在到达火星后，先在火星环绕轨道运行93 d，对预选着陆区开展详查，为着陆火星提供足够的地形、气候、探测科学性等信息支撑。另一方面，深空环境的特殊性也对遥感测绘技术提出了新的要求和挑战。例如，在深空探测车的行驶探测过程中，没有地球环境下建设的道路及高精度道路地图信息支撑，也没有丰富的卫星定位导航辅助，同时受限于重量和功耗，探测车的计算性能有限，搭载的测绘传感器主要为视觉相机。这些差异使得深空环境下巡视导航测绘遥感具有独特挑战，有赖于发展新型测绘遥感技术和方法。

因此，月球与深空探测已成为了测绘遥感科学与技术的新战场和前沿。在多类型的月球与深空探测任务驱动下，测绘遥感技术也得到了全新的发展，逐步形成了以环绕遥感测图、着陆导航遥感避障、巡视导航视觉测图为主的深空遥感测绘新技术体系。本文回顾了月球与深空遥感测绘的研究历程和取得成果，结合未来深空探测任务需求对其技术和方法的发展进行了探讨。

1 地外天体轨道器遥感测图

遥感测图是深空天体探测中的基础性工作，深空探测任务几乎都搭载了相机等传感器来获取地外天体表面的形貌信息，制作全球多尺度或局部高分辨率的数字高程模型等，以支持地外天体探测任务科学目标制定、地质构造及其演化科学分析、安全着陆区选取等工程任务和科学研究[6,9]。测图精度对其应用效果和工程任务顺利开展具有关键性影响，而深空探测中姿态轨道测量精度低、缺少高精度控制，受复杂地形和光照等环境因素影响严重，使得地外天体遥感测图相对地球遥感测绘具有更大挑战[10]。

1.1 地外天体轨道器遥感测图研究现状

目前，国际上航天强国和空间组织对月球、火星、小行星等太阳系地外天体进行了系列探测，其中月球、火星是探测重点。我国也成功实现了嫦娥系列月球探测和天问一号首次火星探测，并规划了探月工程四期嫦娥六号、七号、八号及小行星探测等任务[11]。

除了早期的月球轨道器，20世纪90年代以后包含测图任务的月球轨道器主要有1994年发射的克莱门汀(Clementine)探测器[12]、2009年美国重返月球计划发射的月球勘测轨道器(LRO)[13]、日本2007年发射的月亮女神(SELENE)探测器[14]、印度2008年发射的月船一号(Chandrayaan-1)环绕器[15]和2019年发射的月船二号(Chandrayaan-2)的轨道器[16]、我国2007年发射的嫦娥一号、2010年发射的嫦娥二号[17]，以及后续将发射的嫦娥七号轨道器[18]等。这些轨道器一般都搭载有光学相机和激光雷达等传感器，用于获取全月或局部高分辨率月表地形。

利用月球轨道器遥感观测数据，国内外研究机构制作了不同分辨率的全月或局部月球地形产品。如日本宇航局(JAXA)利用SELENE立体影像及激光数据制作了全月10 m分辨率DTM[19]；NASA戈达德太空飞行中心等利用SELENE地形相机影像和LRO激光数据融合生成了质量更好的DEM产品SLDEM2015，覆盖南北纬60°间区域[20]；LRO/LOLA团队利用LOLA激光高度计数据制作了118 m分辨率全月地形产品及覆盖不同纬度以上的30、20、10、5 m等不同分辨率DEM，最高5 m分辨率的DEM覆盖两极87.5°以上区域[21]。国家天文台利用嫦娥二号立体相机影像，结合CE-1和LRO激光数据，制作了50、20、7 m不同分辨率的全月地形产品CE2TMap2015[22]。为支持欧空局南极探测选址，德国宇航中心(DLR)利用LROC窄角相机影像通过摄影测量方法制作了南极沙克尔顿局部区域2 m分辨率DTM[23-24]。同济大学、中国科学院空天信息创新研究院、香港理工大学等多家单位利用LROC窄角相机影像对嫦娥四号、五号着陆区进行了高分辨率制图[25-27]。针对我国后续将开展的嫦娥七号、八号等月球南极探测任务，同济大学基于LROC窄角相机影像、LOLA激光测高等国内外多源遥感数据，制作了月球南极1.5 m分辨率三维地形，为我国月球南极探测着陆选址提供高分辨率空间信息支撑[28]。

火星轨道器主要包括：美国1975年发射的海盗一号、二号(Viking 1/2)[29]；1996年发射的火星全球勘探者(MGS)，搭载了火星轨道器相机(MOC)及激光高度计(MOLA)[30]；2005年发射的火星勘测轨道器(MRO)，搭载了高分辨率相机(HiRISE)和背景相机(CTX)[31]；欧空局2003年发射的火星快车(MEX)，搭载了高分辨率立体相机(HRSC)[32]；我国2020年发射的天问一号的环绕器[33]，搭载了高分辨率相机(HiRIC)等[34]。国内外研究机构利用火星轨道器遥感数据进行了火星全球或局部高分辨率制图。如NASA戈达德太空飞行中心制作了分辨率为每度128像素的全火MOLA DEM[35]，在火星后续制图和科学研究中被广泛应用，常用作影像制图的控制基准；美国地质调查局天体地质科学中心通过对HRSC立体影像和MOLA激光数据进行联合处理，生成了200 m分辨率全火DEM[36]；伦敦大学学院的研究人员利用HRSC立体影像和MOLA激光数据构建了火星南极首个分辨率为50 m的数字地形模型和12.5 m分辨率正射影像[37]。在火星局部高分辨率地形构建方面，美国亚利桑那大学的研究人员利用火星勘测轨道器HiRISE高分辨率相机影像构建了凤凰号任务候选着陆区米级分辨率地形产品[38]；欧空局利用HiRISE数据，对ExoMars漫游车着陆目标区域制作了0.25 m分辨率的数字高程模型(DTM)[39]。中国科学院国家天文台利用我国天问一号HiRIC立体影像通过摄影测量处理生成了空间分辨率为0.7 m的DOM和空间分辨率为3.5 m的天问一号主要候选着陆区的DEM[40]。同济大学利用火星CTX和HiRISE影像，构建了天问一号着陆区5 km×5 km范围0.25 m分辨率DEM，为着陆区精细形貌分析提供了高分辨率地形信息[41]。

在小行星探测方面，比较领先的是日本和美国。日本2003年发射了隼鸟一号(Hayabusa)用于探测糸川小行星(Itokawa)，2014年又发射隼鸟二号(Hayabusa2)探测龙宫小行星(Ryugu)。美国2010年发射拂晓号(Dawn)探测器探测谷神星(Ceres)和灶神星(Vesta)，以及2018年发射奥西里斯探测器(OSIRIS)探索贝努小行星(Bennu)。利于小行星探测器搭载的光学相机获取的影像，日本和美国相关研究机构研究建立糸川、龙宫和贝努等小行星的三维模型[42-44]。我国也规划了针对近地小行星2016HO3的绕飞探测和采样返回任务[8]。

1.2 地外天体轨道器遥感测图关键技术

1.2.1 高精度全球控制网构建

月球和火星等地外天体遥感测图首先需要构建全球控制网，为遥感测图提供控制基准。月球和火星全球控制网构建主要通过对轨道器遥感观测数据进行全球整体平差，解算外方位元素改正数及连接点物方坐标，将计算出的连接点精确三维坐标作为全球控制网的控制点[10]。目前国际通用的全月控制网为ULCN2005统一月面控制网[45]，水平位置精度为百米至千米级，高程精度为百米级。美国和苏联月球探测任务在月球安放的5个激光反射器，通过长期地基观测其位置精度达厘米级，可作为月球绝对控制，但数量和分布很有限[46]。美国地质调查局通过对海盗号和水手9号影像进行平差，制作了目前国际通用的火星数字影像控制网(MDIM 2.1)，精度约为280 m[47]。总体来看，月球和火星现有全球控制网精度较低，已不能满足后续新型轨道器高精度遥感数据制图需求，亟须综合利用最新多任务轨道器高分辨率高精度遥感观测数据改进和提高全球控制网精度。

1.2.2 多任务全球海量异构遥感数据联合处理

随着地外天体轨道器数量的增加和遥感数据的不断获取，月球、火星等全球遥感数据量仍在持续增长[48]。由于轨道姿态测量误差、传感器安置和仪器本身误差等影响，不同任务和传感器获取的遥感数据之间存在较大的几何位置不一致性[49]。为了进行全球制图，以及全球控制网的改进，需要对多任务全球海量异构遥感数据进行联合处理，以消除或降低不同探测任务遥感数据之间的几何位置偏差。联合处理的关键技术包括全球多重覆盖影像优选、海量异构遥感数据动态组织、不同分辨率和光照条件下的异源遥感影像高精度稳健匹配、大范围遥感影像连接点提取和自动构网、多源异质遥感观测的自适应定权、全球尺度海量遥感数据联合平差与稳健高效解算等。

1.2.3 轨道器颤振探测和影响补偿

平台颤振对高分辨率遥感影像成像质量和测图精度的影响不容忽视，月球和行星轨道器搭载了多种工作载荷，平台颤振往往更显著。如月球勘测轨道器LRO、火星快车MEX、火星勘测轨道器MRO等均发现存在显著的颤振现象[38,50-52]，使得生成的DEM中存在条纹状起伏的伪地形，影响高精度测图和安全着陆区选取，需要对平台颤振进行精密探测和影响补偿处理。针对此问题，文献[52—58]提出了遥感影像反演的轨道器颤振“探、分、补”系列技术方法，实现了优于0.1像素的轨道器遥感影像高精度颤振探测和影响补偿，消除平台颤振对真实地形构建的影响，保障月球与火星高精度遥感测图。

1.2.4 极区多阴影复杂环境下的高精度测图

月球南极由于其特殊地理位置和蕴含的水冰等丰富资源，是国际月球探测的热点区域。我国探月工程四期重点围绕月球南极，规划了嫦娥六号、七号和八号等南极探测任务，未来将在南极建立月球科研站[9]。月球南极着陆探测具有非常重要的科学价值，同时也面临很大的挑战[59-60]。与中低纬度地区不同，月球南极地形起伏大，阴影范围大且动态变化，光照条件极度不均，撞击坑内存在永久黑暗区，给着陆探测带来了巨大挑战，迫切需要高分辨率三维地形为南极着陆探测提供关键空间信息支撑。目前月球南极分辨率最高的数字地形模型为NASA利用LOLA激光测高数据制作的5 m分辨率DEM[61]，虽然德国宇航中心制作了2 m分辨率的DEM[23-24]，但仅是针对南极局部有光照的小区域。月球南极着陆探测需要更精细的地形空间数据支持，需综合利用主被动光学进行联合测图，关键技术包括多阴影条件下光学影像优选、无/弱立体条件下的影像区域网平差、弱纹理和弱光照条件下高精度影像匹配、影像和稀疏激光测高数据配准等。针对嫦娥七号、八号月球南极探测，文献[28]在构建的月球南极1.5 m分辨率三维地形基础上，建立了月球南极1.5 m高分辨率光照模型。

2 地外天体着陆导航遥感避障

地外天体着陆巡视探测正成为世界各国深空探测的重要手段，目前人类已经实现了对月球、火星、小行星和彗星的着陆/附着探测[62]。由于地球和月球、火星等地外天地距离较远，存在较大的通信时延，地面控制中心遥操作无法处理实时任务，因此，着陆过程中的自主导航与避障是决定着陆任务成败的关键技术之一[63-65]。为了实现平稳着陆地外天体表面，着陆器的位置、速度和姿态信息需着陆导航系统测量计算提供。此外，考虑到表面复杂地形情况，着陆器还需使用搭载的相应传感器来识别着陆区中的危险障碍，确定安全着陆点并导引平稳降落到该着陆点[66]。

2.1 地外天体着陆导航遥感避障研究现状

自主着陆导航必须获得探测器着陆过程中在惯性系下的绝对位置、速度和姿态信息。月球探测任务中，美国的Apollo探测器采用了惯性测量单元(IMU)、雷达高度计和多普勒速度传感器的组合导航方式[67]。苏联的Lunar探测器也采用陀螺、加速度计、多普勒测速仪和测高仪的组合导航方式[68]。我国的嫦娥系列探测器等采用了结合IMU、激光测距仪和微波测距测速传感器的导航方式[69]。火星探测任务中，美国海盗号、凤凰号及好奇号等着陆探测器均搭载有雷达高度计确定高度和多普勒雷达测量着陆器的速度[70]，我国天问一号探测器火星EDL过程的导航模块同样采用IMU和测距测速敏感器[71]。NASA开发了着陆器视觉系统(LVS)[72]，成功应用于Mars 2020着陆探测器的软着陆自主导航。目前成功开展的小行星附着采样任务中都采用了基于光学影像的自主导航方式[73]，例如日本隼鸟2号任务和美国奥西里斯号任务[74-75]。

早期的月球着陆探测任务如Lunar系列月球探测器都不具备避障能力，导致着陆的成功率非常低，只有阿波罗月球探测器由宇航员肉眼观察和人工操纵完成了障碍探测与规避工作。早期的火星着陆探测任务，例如勇气号和机遇号通过气囊的方式着陆、而凤凰号和好奇号通过提前选择高概率安全着陆区来避开大障碍，都不具备自主着陆避障能力[69]。我国嫦娥三号着陆器首次成功实现了利用机器视觉的地外天体软着陆自主避障，采用两级接力的避障模式，包括基于光学影像的粗略障碍识别和基于激光三维成像敏感器的精细障碍识别，最终确定最终安全目标着陆点[63]。同济大学建设了月球与深空探测精密测绘综合实验场，首次建立了多波束激光虚拟焦点严密成像模型[76]，提出了多法向大平面和球面控制的激光成像敏感器系统全参数整体检校技术及顾及障碍物测量误差的双螺旋安全着陆区优选方法[77]，用于嫦娥三号、四号、五号及火星天问一号任务着陆悬停精避障探测的地面验证。

2.2 地外天体着陆导航遥感避障关键问题

2.2.1 高可信的惯导/测距/测速组合导航

惯性导航通过陀螺和加速度计数据根据姿态运动学方程进行航位推算，可以积分得到探测器的位置、速度和姿态信息[78]。单独的惯性导航会受进入段初始参数误差、IMU漂移和随机误差、外部环境扰动等因素影响而随时间发散产生误差累积，结合惯导基础测量和测距测速修正的组合导航方式是深空软着陆导航的常用手段[79]。然而，高动态过程和未知环境等复杂情况下的着陆自主导航仍需要高容错的惯导外推和多源融合导航方案。例如，我国嫦娥五号上升器姿态推算利用了旋转矢量优化四子样补偿算法，以消除微颤振引起的圆锥运动误差，速度推算采用了优化四子样补偿算法，以减弱划桨效应误差[80]。针对火星EDL过程开伞时明显喘振效应的问题，天问一号着陆器导航系统设计了特定的导航基准重构和引力方向修正方法[71]。

2.2.2 基于光学成像传感器的着陆导航

引入地外天体表面成像信息为着陆导航提供了有效可靠的途径，通过对序列成像数据进行处理分析可以得到着陆探测器的导航信息。光学成像传感器自主导航根据所采用传感器的不同分为主动式和被动式两类[81]。主动式采用激光雷达扫描探测器着陆三维环境，具有分辨率高、精度高、不受光照条件约束的优势，可直接获得着陆区域的三维地形进行导航定位。美国NASA为自主着陆和避障技术项目(ALHAT)研制了Flash面阵激光成像雷达及基于激光成像雷达的地形相对导航关键技术，并进行了实测验证[82]。相比激光雷达，被动式的光学相机具有功耗低、质量体积小、技术成熟度高、使用范围不受高度约束的优势。Mars 2020着陆过程采用的地形相对导航通过提取已知区域的陆标特征点，结合IMU的测量信息和滤波算法实现探测器的最优运动估计[72]。文献[83]提出了基于IMU、测距测速数据和陆标图像的多源信息融合自主导航方法，其中包括了影像与影像库特征匹配的视觉绝对导航及序列图像特征匹配与跟踪的视觉相对导航。日本隼鸟2号在探测器最后附着阶段，通过投放人工导航陆标，并对这些陆标进行实时跟踪，进而根据下降序列影像间陆标跟踪结果估算探测器位姿，实现视觉相对导航[75]。美国奥西里斯号在下降附着阶段，利用立体光度法构建的三维地形特征数据库以及飞行器当前位姿信息和当前时刻光照信息等实时渲染生成导航参考图像，通过与真实拍摄影像进行特征提取与匹配，根据匹配结果估计探测器的位姿信息，实现视觉绝对导航[74]。面向我国将开展的小行星采样返回任务中的着陆导航定位问题，文献[84]提出了一种地形匹配高精度定位导航方法，重点突破了高精度局部形状重建、自适应地形特征生成、地形特征匹配导航定位等关键技术。

2.2.3 光学成像着陆自主遥感避障

障碍识别与安全着陆区选取是着陆自避障的关键技术，未来科学驱动的深空探测任务(如月球南极或小行星探测)需要在潜在的高科学价值区域内软着陆，这些着陆区狭窄且地形条件更加复杂，对着陆障碍物检测的性能和着陆点选择的效率提出了更高的要求[85]。针对光学影像粗避障的障碍识别难题，笔者团队提出了一种结合影像纹理特征和几何特征的障碍识别方法，通过撞击坑和石块表现出的特定亮暗分布特征来探测大尺寸障碍。针对激光数据精避障的安全着陆区快速选取难题，提出了激光点云快速规整化和三维地形障碍快速探测方法，构建了任意视场双螺旋安全着陆区选取方法，实现了极短时间内激光三维最优安全着陆区的精确选取。

3 地外天体巡视遥感环境感知与导航定位

3.1 月球与火星就位巡视探测研究现状

天体巡视器就位探测是深空探测的重要手段，能够有效支撑地外天体科学探测等研究。但地外天体表面往往环境复杂且通信受限，需要巡视器自身具有较高的环境精细感知与行进决策的自主能力。当前的巡视探测任务主要集中在月球和火星，自1970年世界首辆地外天体巡视器月球车1号成功发射以来，已经有10台无人巡视器成功登录月球/火星，其中4台在月球、6台在火星(表1)。其中，2019年成功着陆的玉兔二号月球车是人类首次实现的月球背面着陆[85]，搭载于天问一号火星探测器的祝融号是我国首个在火星表面开展巡视探测工作的巡视器。

表1 月球/火星无人巡视器

3.2 地外天体巡视器探测需求与关键技术

地外天体无人探测车的长时间安全运行，需要其能够在未知环境下寻找到风险最小的行进路线，为完成预定科学探测任务提供支撑。巡视器主要是通过自身所配备的相机、惯导、雷达等传感器，并结合轨道器、着陆器、飞行器等其他外部探测器的辅助来实现环境的自主感知与导航定位，为控制系统开展障碍规避、路径选择等提供决策支持，保障无人探测车的自主安全巡视[86]。

3.2.1 巡视器自主环境遥感感知

巡视器的环境感知主要包括地形三维重建与障碍识别。苏联的月球车1号和2号主要是以相机获取的影像为参考，依赖地面控制人员的目视解译及远程控制实现月表运动，之后的无人巡视器开始广泛使用基于视觉的地形三维重建技术实现巡视器的自主避障与导航[87]。地形三维重建是巡视器行走与探测的基础，主要是利用搭载的导航、全景和避障相机等获取的双目立体影像进行三维制图，生成巡视器周围较大范围的地形信息，最终形成如数字高程模型(DEM)、数字正射影像图(DOM)、地表粗糙度图、坡度图等制图产品。结合巡视器位姿信息等，可以支撑路径规划任务以保障巡视器的安全运行[88]。地形三维重建任务的基本原理是利用立体相机获取的图像对，通过立体匹配算法计算出同名像点并得到视差图，然后基于前方交会获取物方点在空间中的三维坐标信息，并进一步生成局部范围的数字高程模型，为判断场景中障碍物、巡视器导航定位提供有力支持[86]。

美国的勇气号、机遇号、好奇号三者在视觉导航硬件、立体匹配算法等方面基本一致，三维重建任务中均采用了以绝对值算法为匹配测度的立体匹配算法[87,89]。中国的玉兔号/玉兔二号生成DEM产品的主要流程则是：将获取的立体影像结合影像的姿态和方位参数生成核线影像;对立体影像进行稀疏匹配并利用光束法平差优化影像的位姿信息；在稀疏特征点的基础上进行密集匹配获得密集匹配点，进而利用影像位姿信息进行前方交会，求取密集匹配点的三维坐标；根据三维点覆盖范围进行矩形分块并使用克里金插值法生成站点区域的DEM[90]。障碍识别则主要是基于立体相机影像及其派生产品，最基本的方法是通过立体影像生成的数字高程模型进行障碍探测，其已在工程任务中广泛使用。

3.2.2 巡视器自主视觉导航定位

巡视器高精度空间定位是其顺利开展各类探测与研究任务的重要前提[91]。现有的巡视器定位方法主要包括无线电定位法[92]、航迹推算定位法[93]、天文定位法[94]、视觉定位法[95]4种方法[86]。随着人工智能、计算机视觉等相关领域的高速发展，现有的巡视器控制系统都广泛集成了基于视觉信息的导航定位模块，依赖巡视器搭载的立体相机实现地外天体巡视器的自主导航定位[96-97]。

视觉里程计是视觉定位法的典型代表，通过获取巡视器连续的立体影像再利用匹配方法寻找前后帧立体影像间的同名点，进而根据同名点分布位置计算序列影像间的巡视器位姿变化信息来实现巡视器的连续定位[98]。此外，视觉里程计还能够进一步与巡视器自带的惯导、轮速计数据进行融合以提升巡视器定位的精度及可靠性，如玉兔号月球车利用视觉与惯导相结合的方式实现了局部导航定位1%的精度[99]。美国的勇气号和机遇号同样结合了两者的优势，以降低在地形较光滑或斜坡等地巡视器车轮打滑所引入的误差并提升定位性能[100]。我国的天问一号火星车也采用了视觉里程计定位技术，提高自主导航定位精度[101]。此外，距离较近的相邻导航站点间获取的立体影像也可用于解算巡视器相对位姿的变化，该方法已应用于我国玉兔号月球车定位[102-104]。近年来，以SLAM(simultaneous localization and mapping)技术为代表的新型视觉导航定位方法得到了快速的发展和广泛的应用，形成了丰富的视觉导航定位解决方案，如Mono-SLAM、ORB-SLAM系列等[105]。其中，闭环检测通常是SLAM系统中的核心关键技术之一，它的成功应用有效消除了视觉里程计引入的相对误差累积。但针对地外天体巡视探测等通常来说为无回访的任务，闭环检测往往难以适用，从而限制了SLAM技术在深空探测中的应用。

此外，在已知卫星DEM或局部地形等外部参考信息的情况下，也可以影像匹配定位的方式将巡视器获取的影像与轨道器、降落器、飞行器等获取的空中影像进行匹配，从而确定巡视器在地图中的位置。JPL于1997年提出了综合利用轨道器、着陆器、巡视器等多源影像数据协同生成DEM以实现地图构建和导航定位的概念[106]。文献[107]利用火星巡视器影像获取的DEM等实现了与轨道器HiRISE影像的高精度匹配，定位精度可优于卫星影像一个像素。在美国Mars 2020任务中，除了常规的地面巡视器外，NASA还将一架名为机智号的无人机送往了火星[108-109]。据此，文献[108]提出了一种空地影像匹配算法对巡视器在无人机生成的局部地图中的位置进行估计。针对利用无人机探测具有大气条件的地外天体这一新途径，笔者团队提出了一种轨道器-无人机-巡视器影像协同的多分辨率影像匹配绝对定位框架，能够有效地实现轨道器全局坐标系下的巡视器绝对定位。在同济大学月球与深空探测精密测绘综合实验场开展了巡视器定位仿真试验，试验结果验证了本文的可行性，能够为后续我国开展类似工程任务提供参考。

4 总结与展望

深空探测是世界各航天强国进行空间探索和科技创新的战略制高点，我国在深空探测领域取得了举世瞩目的成就，其中测绘遥感为深空探测任务的成功提供了关键的空间信息技术支撑，深空探测已成为测绘遥感科学与技术的前沿和新战场。结合目前现状分析和未来深空探测任务需求，地外天体测绘遥感还面临多方面的挑战和发展突破。

在环绕遥感测图方面，结合大数据、云计算、深度学习等新技术，对影像、激光等海量轨道器遥感数据的自动化处理和融合测图是亟须突破的关键技术。月球与火星等地外天体已有全球控制网精度不高，需要利用最新获取的遥感数据进行全球构网平差提高全球控制网精度，这对于未来深空载人探测和科研站建设尤为重要。此外，我国探月工程四期围绕月球南极开展，亟须研究南极多阴影复杂环境下的精细三维测图方法，为我国月球南极探测提供精准空间信息支撑。

在着陆导航避障方面，未来探测任务将着陆探测先验知识缺失或不完备的天体或区域为着陆自主导航避障带来巨大挑战，例如月球南极探测、木星探测、未知环境小行星探测等，此外，采样返回、精确定点着陆等科学探测任务将对自主导航避障技术提出更高的性能要求。因此，提高自主导航避障的智能化和精细化是后续研究的主要目标，多源传感器最优融合的着陆导航与主被动式光学成像综合的遥感避障等技术方面仍需重点深入研究，从而实现深空着陆探测全过程系统级的自主导航遥感避障。

在巡视器环境感知与导航定位方面，早期巡视任务为保障巡视器安全往往选择平坦地形作为探测路线，未来探测任务将进一步考虑地形复杂但科考价值丰富的目标。面向更加复杂环境下的巡视器自主感知与导航定位需求，需要进一步综合利用多源多传感器数据提升环境感知与导航定位的精度，同时充分利用以深度学习、SLAM等为代表的人工智能技术，进一步提升巡视器自主探测能力，保障巡视器在各种极端环境下的安全高效运行。

致谢：感谢国家航天局探月与航天工程中心、中国航天科技集团、中国科学院等单位的合作。参与本文工作的还有同济大学航天测绘遥感与深空探测研究团队的其他成员，在此一并表示感谢。