面向安全月球着陆的地形图随机方法

安全着陆月球表面是一项具有挑战性的任务，特别是在阴影严重的南极区域，传统的基于视觉的危险检测方法并不可靠。月球南极可能存在宝贵资源，这使得在该区域着陆成为许多航天机构和商业公司的高度优先事项。然而，在下降过程中依赖 LiDAR 进行危险检测是有风险的，因为这项技术在月球环境中很大程度上未经测试。月球勘测轨道飞行器 (LRO) 提供了丰富的月球表面数据日志，可用于在下降前创建信息性的先验表面地图。在本工作中，我们提出了一种使用高斯过程 从 LRO 数据生成随机高程图的方法，高斯过程是一种强大的用于非参数建模的贝叶斯框架，可产生伴随的不确定性估计。在自主太空飞行等高风险环境中，地形不确定性的可解释估计至关重要。然而，尽管该数据包含不同区域 DEM 质量的关键信息，以往没有随机高程映射方法将 LRO 数字高程模型 (DEM) 置信度图纳入考虑。为了弥补这一空白，我们引入了一个两阶段 GP 模型，其中辅助 GP 从 DEM 置信度数据中学习空间变化的噪声特性。然后，该异方差信息被用于为建模月球地形的主 GP 提供信息以确定其噪声参数。此外，我们使用随机变分 GP 来实现可扩展的训练。通过利用 GP，我们能够更准确地建模异方差传感器噪声对生成的高程图的影响。因此，我们的方法产生了更具信息量的地形不确定性，可用于危险检测和安全着陆点选择等下游任务。