火星降落傘開傘過程形態參數辨識與應用

鄒昕，李明磊，朱岱寅，饒煒，韓承志，李瑩

1．北京空間飛行器總體設計部，北京 100094

2．南京航空航天大學 電子信息工程學院，南京 210016

載人航天與深空探測任務的減速著陸過程中，降落傘是一種非常重要的氣動減速裝置。例如俄羅斯的“聯盟”“東方”等系列飛船，美國“雙子 星”“水 星”“阿 波 羅”“海 盜”“火 星 探 路 者”“火星漫游者”“鳳凰”“火星科學實驗室”“洞察”“毅力”等系列飛船和探測器以及中國的“神舟”“嫦娥”“天問”等系列飛船和探測器都是采用降落傘進行減速著陸[1-10］。由柔性織物做成的降落傘包裝后占用空間小，傘衣充滿以后能夠獲得比原折疊狀態大幾十倍甚至幾百倍的阻力面積，從而可以實現載荷的有效減速[11］。

火星降落傘在超聲速、低密度、低動壓的環境下開傘，整個工作過程是高速動態環節，也是火星著陸巡視器進入-下降-著陸（Entry，Descent and Landing，EDL）過程的關鍵環節之一[12］。降落傘開傘過程主要包括拉直階段、充氣階段、減速階段及穩降等4 個階段。其中降落傘的充氣階段是降落傘整個工作過程中最復雜的一個階段，直接影響降落傘的工作性能[13］。降落傘充氣性能的精確獲得和有效評估，是降落傘系統設計的關鍵，特別是精確計算降落傘設計參數和使用參數對減速性能的影響一直是困擾降落傘研制的難題。

在對降落傘開傘過程進行分析時，傳統上主要依靠試驗研究，但由于充氣時間一般很短，有時不到0.5 s 就完成了充氣過程，導致在這樣的一個動態充氣過程中試驗狀態的模擬和各項參數的記錄非常困難。因此降落傘的風洞試驗研究一般偏重在開傘載荷與氣動力系數上[14-20］。而事實上，由于降落傘是個柔性織物透氣體，其在開傘過程中經歷了急劇的結構大變形，因而傘衣內外的流場十分復雜，只有準確地了解降落傘開傘過程的形態參數，才能深刻理解降落傘工作時的工作狀態，也才能更好地從機理上解決關心的問題，從而提高降落傘的理論分析和研制水平。

目前現有技術中，降落傘的形態參數主要是依靠在大型地面風洞試驗內，通過試驗場固定安裝的高速攝像機對開傘過程進行拍攝視頻，使用單個或多個攝像機的視頻數據，通過回放的方式進行測量[21-23］。在每一次開傘試驗時，采用二維的圖像像素長度對比方法，對該次拍攝的視頻數據中的單幀圖像與已知的完全充氣完成的圖像進行對比，進而分析降落傘的形態變化情況。

上述采用傳統的攝像機拍攝視頻，并在二維圖像上進行對比分析的試驗，只能使用簡單的方法判定降落傘傘衣是否完全充氣展開，分析結果的誤差較大。一是因為高速攝像機的工作狀態要求固定位置，無法獲得真實開傘環境的檢測數據；二是由于需要風洞內試驗，無法獲得真實的展開過程的運動參數；三是僅能夠提供二維測量數據，無法辨識三維測量參數及其他運動參數，且定量分析能力不足，難以真實反映降落傘的充氣性能。

由于降落傘為柔性體，火星降落傘開傘過程具有形態變化大、光照強度變化大、運動規律性差、目標遮擋等問題，存在難以獲得測量信息的特點。在傘衣上作的標記相對于降落傘的軸有不確定性，不便于傘形態參數的測量，而且降落傘在吹風過程中大多會旋轉，標記可能被遮擋，給傘形態參數測量帶來一定困難。本文使用多算法融合的雙目測量技術，在非接觸式獲得降落傘衣上的點的數字化三維坐標。根據三維坐標的計算值，最終辨識獲得降落傘運動過程的形態參數是一種信息豐富的三維時空數據。這些參數為分析降落傘的充氣性能和降落傘的運行形態變化提供了定量數據支撐。

1 雙目視覺測量原理

雙目視覺測量是通過雙目相機采集目標圖像對，獲取目標點三維坐標的測量方法[24-26］。模仿人眼雙目結構，根據采集目標圖像對計算目標點在左、右圖像上的視差（Dis-Parity）計算空間目標點的三維信息。圖1 為雙目立體視覺測量原理，其中Ol-XlYlZl為左相機坐標系，Or-XrYrZr為右相機坐標系，Ol-XlYl為左成像平面坐標系，Or-XrYr為右成像平面坐標系。空間任意一點P點，在左相機成像平面的投影點為Pl，在右相機成像平面的投影點為Pr（Pl與Pr互為對應點），f1與fr分別為左、右相機的焦距。

圖1 雙目視覺測量原理Fig.1 Principle of binocular vision measurement

通過匹配Pl和Pr的對應關系，根據雙目視覺測量系統的定位原理可得到空間點P在左相機坐標系的空間三維坐標為

式中：B為左、右相機坐標系在水平方向距離，即雙目視覺測量系統的基線距；f為左右相機的鏡頭焦距參數；cx、cx′分別是左右相機圖像主點在光心水平方向上的偏移；cy為左相機的成像平面主點在掃描線垂直方向上的偏移量；X、Y、Z分別是P點在左相機坐標系下的三維坐標；x、y分別是P點在左圖像平面的坐標；d為P點的視差值。其中，基線距B、鏡頭焦距f、cx、cx'以及cy等參數可通過相機內、外標定獲取。

2 測量與辨識方法

2.1 降落傘靶標圖案設計

火星降落傘傘型為盤縫帶傘，傘衣的主體以白色為底色，有色靶標圖案的顏色為紅色。通過靶標圖案設計柔性的三維坐標系，坐標軸在空間中允許一定角度的擾動，由此引起的測量值變化范圍能夠淹沒在系統的測量噪聲里。

圖2 為降落傘靶標圖案。靶標圖案設計由3 類錐形經帶條組合構成。第1 類經線條帶由中心長條和兩側間隔短條組成；第2 類經線條帶由3 條等長度的間隔長條組成，長度占1 個經帶的2/3；第3 類經線條帶只包含1 個長條，長條占滿1 個經帶長度，對稱分布在兩側。條帶中的第2 長的錐形條與最長條的比值等于最小錐形條與第2長條的比值，滿足黃金分割比例，是藝術設計最理想的比例。通過3 類經線條帶的組合布局，為降落傘的局部坐標系提供參考基準，建立形成唯一確定的降落傘笛卡爾三維坐標系統。經帶條的邊緣點與傘衣的背景白色形成鮮明的對比，為視覺測量提供了豐富的具有可區分度的標記點，能夠準確地對定位點進行跟蹤和測量。

圖2 降落傘靶標圖案Fig.2 Parachute target pattern

2.2 雙目相機內/外參標定

圖3 為雙目相機與降落傘的位置關系。火星著陸巡視器背罩傘艙法蘭上安裝有2 臺開傘過程監視相機，其組成了雙目立體視覺測量系統。開傘過程監視相機具有靜態成像和動態攝像2 種功能，且動態攝像又具有30 fps 和20 fps 等2 種幀頻模式。

圖3 雙目相機與降落傘的位置關系Fig.3 Position of binocular camera and parachute

雙目相機外參數相對位置關系的標定需要搭建空間三維標定架，搭建與測量如圖4 所示。通過2 臺經緯儀，以基準尺為參照物建立空間三維坐標系，對靶標點進行觀測，得到靶標的三維空間坐標。同時，利用雙目相機對標定架進行成像，獲得靶標點的二維影像坐標。根據共線方程和光束法平差算法，獲得雙目相機的相對位置關系。

圖4 雙目相機標定示意圖Fig.4 Calibration diagram of binocular camera on probe

光束法平差的目標函數g(P，X)是最小化同名點的重投影誤差和[27］，即

式中：P為投影矩陣；X為點的坐標；f(Pj，Xi)表示觀測量第i個觀測點Xi在第j幅圖像上的預測投影過程，其是一個非線性表達式；數學模型中的m和n分別表示影像和觀測點個數；Xij為圖像中觀測到的點。使用列文伯格-馬夸爾特（Levenberg-Marquardt）方法對目標函數進行優化求解。基本求解過程首先需要將目標函數線性化，然后根據初始值進行迭代優化計算，直到待求參數收斂。

在探測器上完成2 臺相機的內參數和外參數的標定。相機標定得到的內參數包括主距長度、主點坐標、徑向畸變和切向畸變參數；標定得到的外參數包括2 臺相機相互之間的基線長度和旋轉矩陣參數。根據標定參數，進行三角測量，得到特征點在相機的像空間坐標系下的坐標值。根據標定參數建立2 臺相機的像空間輔助坐標系的轉換矩陣，可以實現測量點在不同坐標系下的坐標值轉換。根據基線長度和相機的內參數等標定數據，實現立體影像的極線幾何校正。圖5為雙目相機的極線幾何關系。空間點M在2 臺相機圖像平面的投影點為m0、m1，2 個光心C0、C1的連線是基線，校正前的基線與2 幅像平面通常難以保證平行。基線與像平面的交點就是極點e0和e1，像點與外極點所建立的直線就是該像點的極線，左右極線與基線構成的平面就是空間點對應的極平面。線段l0、l1為極線，平面C0C1M稱為極平面。極平面的映射關系包括旋轉矩陣R和平移向量t。將2 幅影像進行極線校正，使對應水平掃描線平行，然后同名像素的匹配計算限定到沿極線方向的一維搜索范圍。

圖5 極線幾何關系Fig.5 Geometric relation of polar lines

2.3 基于暗通道的圖像增強

在相機仰視天空對降落傘進行拍照時，上方照射的陽光和大氣漫散射光對影像的質量產生很大的退化干擾。傳統改善畫質算法的主要方法是利用某些對比度拉伸算法來處理，降落傘影像的觀測對象比較單一，顏色豐富度低，彩色圖像拉伸后顏色失真比較嚴重。

考慮到降落傘影像中的成像目標主要是天空和傘衣，場景對象相對簡單，采用基于暗通道的降落傘影像增強技術。考慮非天空的降落傘區域里，某一些像素總會有至少1 個顏色通道具有很低的值，由此預估透射率圖，利用導向濾波對預估透射率圖進行濾波處理，優化透射率圖。根據透射率圖，重新校正影像，對圖像質量進行改善，有效地減輕各種噪聲和過曝光等環境因素的影響。

利用直方圖均衡化技術，增加圖像的顏色閾的拉伸范圍，提高質量；通過提取梯度影像，獲得梯度增強的改進圖像；通過圖像特征提取算法，實現圖像中突出目標的特征像素信息，便于特征提取和目標分割。在實際的圖像中，需要在計算像素灰度梯度時進行離散化求解。圖像梯度算法考慮圖像的每個像素的某個鄰域內的灰度變化，利用邊緣臨近的一階或二階導數變化規律，對原始圖像中像素的某個鄰域設置梯度算子，采用小區域模板Sobel 算子進行卷積來計算。

2.4 稀疏編碼的超分辨率重建

在傘繩拉直之后，降落傘的傘衣距離相機約30 m，影像上的特征點結構變得模糊。為了提高三維坐標的測量精度，必須在左右影像上，提取出精確的特征匹配點。

由信號的稀疏表示理論可知，低分辨率圖像塊y也可以使用過完備字典稀疏表示，其在低分辨率字典Dl中的稀疏表示α模型為

式中：F是用來提取圖像的特征的運算符；ε為設定的可調圖像亮度閾值。由于人眼對圖像中的高頻分量更為敏感，因此常用F提取圖像中的高頻成分，這樣做可以更有效地恢復重建圖像中的高頻信息。

顯然，式（3）是一個非確定性多項式問題（Non-deterministic Polynomial，NP）。但是根據Donoho[28］的研究結果表明，只要系數向量α足夠稀疏，上述問題就可以通過式（4）的?1范數最優解有效解決：

式中：λ是懲罰參數，用于平衡α的稀疏性和y的近似解的精度。本文中同樣使用4 個一階和二階梯度特征提取圖像的高頻信息：

Yang 等[29-32］通過在低分辨率圖像塊的稀疏表示模型中增加重疊區域一致性正則表達式來加強相鄰圖像塊的兼容性，優化后的公式為

式中：Pc為提取當前正在重建的圖像塊和上一個重建過的相鄰圖像塊之間的重疊區域；w為上一個重建的高分辨率圖像塊在重疊區域的值；Dl為低分辨率字典；Dh為高分辨率字典；ε1、ε2為2 個可調圖像亮度閾值。

式（7）可以轉化為

式中：β是一個平衡參數，用來平衡稀疏解的精度和相鄰塊的兼容性。

式（8）可以進一步轉化為

采用基于稀疏字典編碼的超分辨率重建算法，產生超分辨率重建影像，對圖像進行亞像素級別的特征點定位。超分辨率增強處理的影像解決了降落傘前景和背景的邊界模糊問題，突出紋理細節和邊緣特征信息。將特征點的定位精度從像素級提到0.2 個像素，提高了特征匹配的精度，進而對三維坐標解算的精度提供了保障。

2.5 特征跟蹤擴展卡爾曼濾波

一般情況下的濾波算法在檢測目標以及提升目標跟蹤的功能方面都做出了很大貢獻，而擴展卡爾曼濾波在此基礎上增加了1 項貢獻，即其能夠通過線性轉換解決非線性化的濾波問題[33-37］，同時處理信號時滿足最小均方誤差準則估計的情況下建立觀測方程以及狀態方程，估計結果往往比測量值更加接近真實值，在跟蹤過程中也就能準確地預測目標的坐標和方位，以實現目標的準確跟蹤。考慮目標觀測要求估計其狀態的動態非線性系統模型。

動態方程為

式中：動態噪聲ωk-1和觀測噪聲vk是獨立、零均值的高斯白噪聲，其協方差陣為Q(k)、R(k)；f(xk-1)和h(xk)是已知的非線性函數。如果非線性函數足夠光滑，那么可以沿條件均值?k|k和|k-1將其展開成泰勒級數：

式中：I為單位斜對角矩陣。

卡爾曼增益矩陣為

式中：E表示取均值運算。

圖6 為特征跟蹤擴展卡爾曼濾波的算法流程。首先，在圖像上提取特征像素點并在時間序列圖像上跟蹤特征點；然后，利用對極幾何關系從立體圖像中計算特征點的三維坐標，利用三維坐標預測并修正特征點的位置；最后，將三維點坐標和圖像特征點進行光束法平差，獲得優化的點測量結果。

圖6 擴展卡爾曼濾波算法流程Fig.6 Flow of extended Kalman filter algorithm

2.6 降落傘形態參數辨識

降落傘的柔性結構在充氣過程中，形態輪廓變化復雜，與理想的圓形張滿形態差異大，給形態參數自動測量和辨識帶來挑戰。考慮降落傘的傘衣影像基本位于圖像的中部，而圖像的邊緣是背景天空像素。以圖割（Graph Cut）理論為基礎建立了影像的圖模型，將圖的基本結構與像素的規則鄰域關系耦合，以像素為節點，相鄰像素之間建立起邊，構建了基于高斯混合模型的二值化分類數學模型，分別從圖像的中心和邊緣對降落傘的前景傘衣和背景天空進行高斯分布建模，使用最大流最小割的方法實現傘衣的分割提取。對輸入的每幀圖像，快速、自動地分割出降落傘的成像像素。結合傘衣邊緣點的三維測量坐標值，估計觀測距離，獲得像素的空間分辨率，最后得到降落傘的最大直徑和投影面積，知悉降落傘的展開程度。

利用傘衣底邊的點的三維重建坐標在時間維度上的變化，差分運算計算降落傘體的擺動速度及方向。降落傘從彈射到展開，可能有若干幀圖像可以被拍攝，根據二維圖像序列和三維測量結果數據，并結合降落傘的設計數據，得到降落傘的拉直速度。

用地面標定試驗獲得的相機標定數據和距離標定數據，可以計算出任意像素點在某一成像時刻，其相對于相機主光軸的偏角θ。某一時刻，通過選中降落傘中心點在影像上的投影像素的像空間坐標位置(x，y)，計算得出該時刻的擺動角度值為

式中：f'代表相機標定得到的像素單位的焦距長度值。擺動角度如圖7 所示。

圖7 降落傘擺動角度示意圖Fig.7 Schematic diagram of parachute swing angle

拉直速度的計算依賴相機在降落傘拉直階段獲得的影像數據的數量和質量。在連續幀影像之間，通過軟件交互選出同名點，根據三維結構計算與顯示的同名點在不同時刻距離監視相機的距離值，結合影像序列的時間信息，計算得到降落傘的拉直速度值。

圖8 為降落傘拉直速度計算示意圖。如圖8所示，P1和P2是2 個時刻的降落傘標記點在相機空間輔助坐標系下的三維位置。D1和D2分別是2 點投影到主光軸延長線上的位置距離成像中心點的距離。根據2 個成像時刻的t1和t2，可以計算得到該時間間隔內的拉直速度為

圖8 降落傘拉直速度計算示意圖Fig.8 Calculation schematic of parachute deployment speed

針對相機采集的視頻圖像數據，結合標定試驗獲得的標定數據，對整個開傘過程中的降落傘的位置（三維軌跡和拖曳距離）、形態（投影面積）、尺寸（最大直徑）等進行幾何形態參數測量和辨識，以及拉直速度、擺動速度和運動軌跡等運動狀態參數的測量和辨識。

3 高空開傘試驗驗證

火星全尺寸降落傘高空開傘試驗，采用TY-6 火箭作為運載平臺，將參試設備送至地球高空，模擬火星超聲速、低密度、低動壓的開傘條件。其中，2 臺開傘過程監視相機在試驗前完成了相機標定，試驗中開機工作拍攝了整個開傘過程。

基于辨識方法開發的降落傘視覺測量與辨識軟件，如圖9 所示，對2 臺開傘過程監視相機采集的視頻圖像數據，結合標定試驗得到的標定數據，進行降落傘形態參數辨識算法驗證及分析。

圖9 降落傘視覺測量與辨識軟件界面Fig.9 Software interface of parachute visual measurement

圖10 為傘連接帶集束部分的測量值。艙體到傘連接帶集束部分的端點距離設計值為5 500 mm。相機第62 幀圖像，清晰測量了傘連接帶集束部分的端點，端點到艙體的距離測量值為5 548.3 mm。與設計參數高度吻合，測量值與設計值的相對誤差為0.88%。

圖10 傘連接帶集束部分的測量值Fig.10 Measurement value of connecting belt cluster part

相機第9 422 幀圖像，在穩降過程中，滿足成像清晰條件。在傘面底邊上選點，三角測量的距離測量值在30～31 m 范圍，與降落傘展開后傘衣底邊與艙體的距離（拖曳距離）設計值31.2 m 能夠良好吻合。

圖11 為傘投影面積的測量值。降落傘最大直徑為11.2 m，按照設計參數計算，降落傘完全撐開的最大投影面積為98.5 m2。在傘面完全展開時，測量辨識得到傘投影面積值變化在89.0～98.2 m2，如圖11 所示的1 幀良好觀測時刻的面積測量值為95.26 m2。穩定后的測量辨識得到降落傘運動參數：傘衣底邊的線速度＜10 m/s，角速度＜10（°）/s。

圖11 傘投影面積的測量值Fig.11 Measurement value of parachute projection area

通過火星全尺寸地面高空開傘試驗，開展了降落傘開傘過程形態參數辨識，辨識結果理想，實現了預期目標，驗證了該辨識方法能夠達到較高的辨識精度，具有較好的準確性和魯棒性。將降落傘設計參數作為真實值，與其設計參數比較，得到降落傘展開后的投影面積測量精度為1.8%，深度方向伸展距離精度為0.88%。將圖像人工逐幀選點測量作為真實值，本文算法通過自動跟蹤點并自動計算，與人工測量方法比較，得到降落傘的擺動角度誤差為0.2°，降落傘展開后的擺動速度誤差為0.4%。

4 在軌應用

中國首次火星探測任務“天問一號”探測器在2020 年7 月23 日 發 射 升 空，于2021 年5 月15 日成功著陸火星。2 臺開傘過程監視相機在降落傘開傘前已開始開機工作，記錄并見證了降落傘完美綻放的時刻，并實時監測著陸火星的開傘狀況，在軌實拍圖像如圖12 所示。

圖12 開傘過程監視相機在軌實拍圖像Fig.12 Images of parachute opening process by surveillance cameras on-orbit

利用開傘監視相機A、B 采集的視頻圖像數據，結合標定試驗獲得的標定數據，對整個開傘過程中的降落傘的位置、形態、尺寸等進行幾何形態參數測量和辨識，以及拉直速度、擺動速度和運動軌跡等運動狀態參數的測量和辨識。

在傘繩拉直階段，傘繩拉出后，傘衣沒有展開前，傘衣不可見，傘繩一端處的傘包內襯（橘色）逐漸顯露，選擇傘繩一端處的傘包內襯點，跟蹤測量三維點坐標。傘繩拉直后，傘衣開始拉出、充氣展開，傘衣可見，選擇傘衣底邊點，跟蹤測量三維點坐標。圖13 為傘拉直和充氣階段的傘繩和傘衣的測量選點示意圖，其中圖13（a）、圖13（b）為傘繩拉直跟蹤測量選點的示例；圖13（c）、圖13（d）為充氣階段傘衣底邊跟蹤測量點的位置。

圖13 傘拉直和充氣階段測量選點示意圖Fig.13 Measuring points in parachute straightening and inflating phases

將圖13 傘拉直和充氣階段跟蹤測量的三維點坐標一起繪制在三維坐標軸下，得到圖14。通過數據分析可知，傘繩拉直階段，傘繩端點部分拉出的軌跡基本沿直線運動。當傘繩拉直后，傘衣充氣至完全展開前，有一段傘衣的呼吸狀態，此時會有小幅度的收緊再舒張狀態。本文選擇跟蹤的傘衣底邊測量點的三維軌跡，如圖14 所示，放大窗口顯示內容，在XY平面方向上有1.5 m左右的擺動變化，在Z方向上也存在約1.5 m 的伸縮距離變化。

圖14 傘拉直和充氣階段的三維軌跡Fig.14 Three-dimensional trajectory of parachute straightening and inflating phases

降落傘整個開傘過程，隨著時間的增加，傘拖曳距離呈現先增加后逐漸穩定的變化趨勢。在降落傘拉直階段，拖曳距離加速上升；在充氣和減速階段中，拖曳距離變化范圍為28～31 m。在拋大底時刻附近，拖曳距離值存在2～5 m 范圍的波動，之后逐漸趨于穩定；在穩降階段，歷時13.9 s，選取成像清晰時刻，進行距離測量，測量結果在30 m 上下波動，如圖15 所示。圖15 中橫坐標的起點時刻為傘包從彈傘筒彈出的起始時刻。

圖15 傘拖曳距離隨時間變化曲線Fig.15 Curve of parachute trail distance with time

在傘充氣階段，從相機圖像第40 幀開始，進行傘直徑參數采樣測量，如圖16 所示。傘衣充氣階段，降落傘最大直徑隨著傘衣打開逐漸增大，直至1.6 s（相機圖像第49 幀）傘衣第1 次完全展開達到頂峰（傘投影面積為93.33 m2），之后存在一小段明顯的喘振現象。在進入減速階段后，傘的直徑在較小范圍內波動。

圖16 傘充氣和減速階段最大直徑隨時間變化曲線Fig.16 Curve of maximum diameter with time in parachute inflating and moderating phases

圖17 為傘減速階段線速度/角速度隨時間變化曲線。在傘減速階段，降落傘的角速度和線速度同樣不斷波動，且數值較大。選擇傘衣底邊點，測量降落傘自轉的角速度變化為1.38～12.48（°）/s；降落傘自轉的線速度變化為1.48～13.45 m/s。角速度和線速度的波動趨勢保持一致，如圖17 所示。隨著時間的增加，降落傘旋轉的角速度和線速度波動范圍越來越小。在傘穩降過程中，降落傘自轉的角速度為0.97～4.02（°）/s，降落傘自轉的線速度為1.05 ～4.33 m/s，變化幅度均較小。

圖17 傘減速階段線速度/角速度隨時間變化曲線Fig.17 Curves of linear velocity， angular velocity with time in parachute jitter phase

圖18 為降落傘擺動角度隨時間變化曲線。由圖18 可知，選擇傘衣底邊點，降落傘擺動角度的幅度，隨著時間的增加越來越小，整體擺動角度范圍不超過2.5°。

圖18 降落傘擺動角度隨時間變化曲線Fig.18 Curve of parachute swing angle with time

5 結 論

通過地面試驗和在軌飛行驗證可得結論如下：

1）該方法為在時間、三維空間尺度上定量地測量與辨識降落傘開傘過程的形態參數提供了一種高效、精確的技術方法，解決了降落傘開傘過程的形態變化大、光照強度變化大、運動過程規律性差、存在遮擋等情況下的柔性目標特征點提取、匹配及跟蹤的難題。

2）該方法辨識的降落傘開傘過程形態參數為分析降落傘的減速性能和設計新型的降落傘提供了數據支撐。

3）該方法可用于柔性目標運動過程的形態參數測量與辨識，且在準確性、穩定性和魯棒性方面具有優異的整體性能。