AI 驱动的基于陨石的月球导航

基于陨石的导航（Crater-Based Navigation, CBN）利用月球上观察到的普遍性冲击陨石作为自然地标，通过图像确定航天器的六自由度姿态。目前，CBN 主要在Powered Descent and Landing（着陆降落）场景中进行研究。这些任务通常时间较短，采用法向视角对光照良好的地形进行高频率图像采集。相比之下，月球制图任务涉及稀疏、倾斜的图像，在不同照明条件下进行潜在数月的任务，给姿态估计带来了显著更大的挑战。我们通过构建首个面向长期月球制图的端到端CBN流水线——STELLA 来弥合这一差距。STELLA 结合基于 Mask R-CNN 的陨石检测器、无描述符的陨石识别模块、稳健的基于陨石的姿态求解器，以及批处理轨道确定后端。为严格测试 STELLA，我们引入 CRESENT-365——首个模拟一年期月球制图任务的公开数据集。其 15,283 张图像由高分辨率数字高程模型生成，采用 SPICE 提供的日照角度和月球运动，实现真实的全球覆盖、照明循环和观测几何。在 CRESENT+ 和 CRESENT-365 上的实验表明，STELLA 在宽广的观测角度、照明条件和月球纬度范围内，平均保持米级位置精度和亚级姿态精度。这些结果构成了首次对 CBN 在真实月球制图场景下的全面评估，为未来任务提供了应考虑的作业条件。