基于Unity3D的月面復雜地形場景構建及模擬駕駛系統*

陳李煒，曹 濤，易建軍，張雪松，趙逸凡，王慶明

(1.華東理工大學 機械工程系·上海·200237；2.上海航天控制技術研究所·上海·201109；3.上海市空間智能控制技術重點實驗室·上海·201109)

0 引 言

航天飛行器在行星表面的自主軟著陸是探索未知行星不可缺少的關鍵技術。載人或無人飛行器都不可避免地需要經過動力下降進行軟著陸，為了著陸的平穩與安全，一般情況下著陸點都選擇地勢開闊且平坦的地形。1969年的載人登月任務Apollo 11，飛行器在動力下降階段借助發動機反推實現了減速，并通過人工控制進行避障飛行，最后垂直下降并軟著陸于月表。然而，隨著未來行星探索任務的擴展以及復雜化，飛行器面臨不得不在復雜地形區域著陸的情況，對于行星地表的感知、評估選址，以及末端的制導著陸則非常關鍵。本文通過Unity3D物理引擎對這類復雜地形軟著陸的情況開發了一套模擬系統，用作自主選址著陸方法的測試與驗證的平臺。

本文所構建的復雜地形自主軟著陸模擬平臺是一個整合了月表地形感知、月表地形評估、自主選址與著陸規劃的系統，從其技術構成而言包含了場景三維重建技術、地形評估技術以及飛行器動力下降制導技術。

月表地形感知的第一步是獲取盡可能稠密的月表三維信息，本文所實現的月面地形表面重建是場景三維重建技術的應用擴展。該技術通常使用立體視覺傳感器、激光雷達傳感器或多種傳感器的混合，并以多視圖幾何原理或光學成像獲取重建對象的深度數據，隨后進行數據預處理轉化為點云數據，并通過配準算法實現點云信息的配準融合，最終將離散的點云轉化為連續表面，把真實場景轉換成符合計算機邏輯表達的數學模型。在以往的空間任務中常使用視覺傳感器作為主要感知手段，例如小行星表面數字地形建模，行星表面重建工作中存在大量的基于立體視覺和立體光度測量方法。其中，前者基于三角測量方法，得到視野中的像素偏差，隨后基于極線約束像點進行標定[1-3]。該方法模擬了人類視覺的感知原理，但是算法復雜，對參數敏感導致穩定性和誤差都會隨著運行時間而惡化。后者基于立體成像和攝影測量的原理，從各種機載的傳感器得到行星表面的深度數據，由于包含了反照率信息，在處理低入射角的圖像時優勢明顯。但在實際使用中，該方法存在著形狀特征被隨機消除的缺點，會造成像素誤差。另一方面，為了提升重建精度，需要更多的有關場景參數的額外數據量。基于單目序列圖像的三維重建，通過幾何投影的原理構建數字化三維模型，對場景參數的依賴度低，可以根據實際情況選擇擬合方案以降低累積誤差，同時隨著算法復雜度降低，魯棒性和實時性也相應增強了[4-6]。

近10年，隨著激光雷達傳感器的興起，基于激光同步定位與地圖構建(Simultaneous Localization and Mapping，SLAM)方法開展的場景重建表現出了超越以往基于立體視覺重建方法的優秀性能。例如2014年，LOAM算法提出了一種利用2軸激光雷達在6自由度范圍內進行實時里程測量和地圖繪制的方法，通過運動估計進行點云的運動補償，實現了低漂移和低計算復雜度，無需高精度測距或慣性測量。在后續的工作中，大量學者基于該算法進行了改進，開發出了T-LOAM、LeGO-LOAM等性能更好的方法[7-8]；同時對于面陣激光雷達的場景重建也設計了Livox-LOAM算法，針對掃描方式與傳統機械雷達不同的問題，優化了點云特征的提取，適配了固態雷達，并表現出了不錯的性能[9]。

由于激光雷達的能量密度高，抗干擾能力更強，是近距離行星表面重建的新選擇；另一方面，視覺傳感器雖然對參數敏感，易受干擾，但是局部重建結果更為稠密。因此，本文在模擬系統中的月表地形重建采用了視覺-激光融合的月表重建方法，使用了面陣激光雷達的Livox-LOAM方法對月面進行重建模擬，同時也使用了視覺傳感器作為協同重建的手段。

快速的月面地形評估是實現自主軟著陸選址的前提條件，在完成月表三維重建后，即可開展月面復雜地形的評估，計算月表各區域的著陸安全性。近年來，隨著無人車自主行駛、無人機自主降落任務對環境感知能力的需求增加，大量學者對復雜地形的可通過性和著陸安全性的評估技術開展了研究，這項關鍵技術對月表地形評估具有很高的參考價值。B. Ayhan和C. Kwan[10]使用Gabor特征和支持向量機方法以及Seg-Net方法，對地形進行有效評估，為起伏地形上的無人機提供著陸安全性評估。2020年，Yan L.等[11]提出了一種從激光雷達點云中自主選擇安全著陸點的新方法，采用了主成分分析(Principal Component Analysis，PCA)和改進的面積增長算法檢測平坦區域后，基于漸進樣本一致性(Progressive Sample Consensus，PROSAC)算法實現平面擬合，以評估地形復雜度。解決復雜地形的自動駕駛問題也需要先進行地形評估，有學者通過大量的地形樣本數據集訓練，得到了能夠有效評估地形的神經網絡模型。Y.Kobayashi等[12]訓練了一個高斯過程回歸器(Gaussian Process Regression，GPR)，以預測車輛在地形上移動時的振動(作為地形可通過性的度量)，并結合RGB攝像機圖像檢測到的地形紋理特征對地形進行評估。M.Quann等[13]提出了一種基于概率能量成本預測的越野導航策略，同樣通過高斯過程回歸器，實現了從當前機器人姿態、地形坡度(沿機器人運動方向)和灰度圖像到運行功耗的映射。能量消耗的地圖最終被用來預測路徑穿越期間的累計能量消耗，這一類的方法往往需要獲取機器人與地形的接觸狀態，以評判地形的可通過性。

完成地形評估并確定著陸選址后，需要進行相對精確的軟著陸，為此飛行器需要進行在線實時的軟著陸運動規劃。大量研究工作已經開發出針對動力下降制導問題的近似解決方案，其中以凸優化為主的在線軌跡優化算法在實際工程中有十分優秀的表現。在文獻[14]的工作中，研究團隊將飛行器在火星動力軟著陸場景中的軌跡規劃問題描述為一個非凸優化問題，并通過引入松弛變量，將松弛凸約束代替非凸約束進行問題凸化，證明了松弛凸約束對于該問題是無損的，最終得到一個二階錐規劃問題。在NASA的ADAPT項目中驗證了該算法的有效性。隨后，該團隊又對先前的燃料最優軌跡規劃加以改進，優化了著陸誤差[15]。隨著人工智能算法的興起，不少學者借助學習算法實現了實時軟著陸規劃，文獻[16]將迭代線性二次調節器作為控制器產生初始軌跡，并通過多層神經網絡擬合制導策略，利用控制器監督策略學習得到可行的策略。

考慮到機載計算機的處理能力、地形評估算法的復雜度以及著陸運動規劃運行的實時性要求，本文在模擬器中使用了面陣激光雷達與立體相機進行三維重建，并采用了一種復合的地形評估函數對地形著陸代價進行評估，在得到選址結果后，采用了基于凸優化的燃料最優的著陸規劃，實現了飛行器在月面高度1km以下的軟著陸。

1 模擬系統構建

1.1 軟件架構

模擬系統的軟件架構主要分為兩部分：基于Unity3D開發的著陸器飛行場景，以及基于機器人操作系統(Robot Operating System，ROS)開發的傳感器數據獲取與處理系統。

基于Unity3D物理引擎所開發的等比的仿真場景搭建與相關功能(如圖1所示)，其具體內容包含了：

圖1 模擬器系統架構Fig.1 The simulation system architecture

1)仿真月表的構建：在Unity3D中使用地形制作插件繪制長、寬均為6km的月面地形，并模擬了月面常見的地形特征，例如：起伏的地形、多種尺寸的環形山、月坑。另一方面，為地形設置了高分辨率的碰撞模型。

2)月球環境模擬：在Unity3D的場景物理屬性中設置了月球重力，并將地面摩擦和接觸剛性設置為可調參數。

3)飛行器特性模擬：在著陸器3D模型的基礎上，開發了其基本功能的仿真與實時動態參數的仿真，具體表現為設置了飛行器所具有的主發動機，調姿發動機的開關功能、可調節的矢量推力仿真、基于比沖參數的發動機燃料消耗計算、總體質量參數的動態變化仿真、飛行器質心變化仿真和飛行器剛體碰撞仿真。

基于ROS開發的孿生縮比環境負責對視覺以及激光雷達傳感器的數據仿真與處理，其具體內容包含了：

1)孿生縮比場景的構建：將Unity3D中的整體場景進行10倍縮比，從而降低運行時的計算機資源占用率，提升孿生場景運行的實時性。

2)傳感器仿真：使用ROS中的虛擬立體相機仿真以及虛擬激光雷達對飛行器下方的月表進行掃描，通過訂閱ROS中的傳感器數據話題實時回傳仿真的深度圖像與點云數據，作為重建算法的輸入。

3)相關算法的開發：進行月面地形重建、地形評估以及著陸軌跡規劃的算法。

基于Unity3D的仿真場景與基于ROS的孿生縮比場景之間通過UDP通信進行信息交互，Unity3D將飛行器所在的位置、速度發送給ROS，而ROS將自主選址和著陸規劃的結果發送給Unity3D仿真場景，驅使飛行器通過發動機的控制實現最終的軟著陸。

1.2 月面自主選址軟著陸流程

模擬中的著陸流程(如圖2所示)分為4個階段：

圖2 月面自主選址軟著陸流程Fig.2 Soft landing process for autonomous site selection on the Lunar surface

1)動力下降階段：飛行器按照既定程序從繞月軌道減速下降，并調整飛行姿態與速度，逐漸接近預定的著陸區域上空。

2)月表重建與地形評估選址階段：在飛行器下降到指定高度后，啟用面陣雷達和立體相機的仿真功能，對飛行器下方的月面進行成像，并基于重建算法開展實時地形重建，在完成著陸范圍的地形重建后，采用地形評估函數對重建地形的稠密點云進行著陸代價計算，并選擇最佳著陸地點，返回著陸點坐標。

3)軟著陸運動規劃階段：在獲取上一個階段的著陸目標點后，根據飛行器與目標點的相對位置和相對速度，以及當前飛行器性能參數進行著陸規劃，獲取當前狀態下燃料消耗最優的軟著陸運動規劃結果。

4)軟著陸控制階段：控制飛行器遵循上一階段得到的運動規劃結果完成著陸。

第二以及第三階段是整個著陸流程中最關鍵的2個過程，也是本文所構建的仿真系統中各關鍵算法的集中表現，后續2章將分別對月表地形的重建、評估和選址以及針對選址目標的軟著陸運動規劃進行說明。

2 月表的重建與地形評估選址

本文的模擬系統進行地形評估所使用的傳感器為面陣激光雷達與立體相機，通過對地形的掃描與重建，獲取著陸區域局部地形相對稠密的點云。

2.1 月面地形的稠密重建

本文使用ROS中的面陣激光雷達與立體相機作為主要傳感器，對飛行器下方的月表地形進行稠密重建，基礎算法使用了由LOAM算法改進而來的Livox-LOAM算法進行基于面陣激光雷達的地形重建。同時利用立體相機對點云缺失部分進行補償，從而獲取更為稠密的地形重建結果，算法主要流程為：數據預處理、點云配準、后端優化以及點云集成4個部分。由于立體相機的加入，在原始算法的基礎上加入了稠密點云的生成和基于時間戳對齊的配準環節。月面3D重建流程如圖3所示。

圖3 月面3D重建流程Fig.3 The process of Lunar surface 3D reconstruction

在ROS中，對孿生縮比場景進行重建，得到局部月面地形如圖4所示。

圖4 月面3D重建效果Fig.4 Lunar surface 3D reconstruction

2.2 月面復雜地形的著陸風險評估

將重建獲得的點云數據在高度方向進行歸一化并以灰度形式進行描述，從而獲得高程圖(如圖5所示)。對地形的評估采用3個參數進行描述：地形梯度、地形起伏程度、局部地形的最大高度差，并采用加權計算的方式得到綜合著陸風險模型。

圖5 月表地形的高程圖表示(局部)Fig.5 Elevation map representation of lunar surface topography (Local)

后續的月面復雜地形著陸風險評估均建立在高程地圖的柵格化處理基礎上。通過在柵格化的高程地圖上計算柵格法向量實現對地形梯度的計算：對于每個柵格法向量，取4個樣本(當前高程地圖像素的左、右、上、下鄰接像素)，由此獲取x與y方向上的梯度。將一個3D向量投影到x=0，y=0的平面上，與2D法線的斜率相同，并將其歸一化。通過遍歷柵格化高程圖，計算每個柵格法線的斜率。該方法具有較高的計算速度，在模擬過程中能夠實時地對重建地形進行評估。地形起伏程度Lroughness的評估則通過式(1)和式(2)計算，采用區域內高程圖高度值的標準差作為衡量方法。

(1)

(2)

地形局部高度差表明了地形區域內的最大高度和最小高度之間的差，這直接關聯到飛行器在該區域的地表著陸后的最大可能傾斜程度，因此也將其作為綜合風險模型中的一個參數。綜合著陸風險模型對以上多種參數的加權融合，如下所示。

綜合著陸風險模型

r1=

(3)

wslope+wrgs+wmhd=1

(4)

(5)

(6)

(7)

其中，r1表示著陸點的風險值，取值范圍為[0，1]；rslope為坡度風險值；rrgs為地面起伏風險值；rmhd為局部地形的最大高度差風險值；wslope表示地形梯度風險的權重；wrgs表示地面起伏程度風險的權重；wmhd表示局部地形的最大高度差風險的權重；Tslope表示地形梯度風險閾值；Trgs表示地面起伏風險閾值；Tmhd表示地形局部高度差風險閾值；Dslope為地形梯度的計算，由規定范圍的柵格區域內的平均梯度計算所得；maxΔH為局部地形的最大高度差，由規定范圍的柵格區域內的最大高度差計算所得。對于評估得到的風險地圖進行閾值分割，得到可以著陸的區域，最后對可以著陸的區域進行連通域的面積評估，確保其有足夠的著陸面積提供給飛行器進行軟著陸。使用上述的地形評估模型對重建后的地表進行整體的計算，得到了飛行器下方區域可視化的評估結果。本文對兩種地形的各個區域進行了評估，獲得了如下的效果(圖6(a))，其中綠色區域為滿足著陸安全性的區域，紅色區域為存在超過閾值的著陸風險區域。

在最終的選址過程中，考慮到飛行器對著陸區域的大小有一定的要求，通過遍歷柵格化的著陸代價地圖，設置對可安全著陸區域中以各個柵格為中心所繪制的圓形區域中的最大面積區域作為最終著陸選址，如圖6(b)所示。

(a)著陸風險可視化

3 軟著陸運動規劃

本文所設計的模擬器在進行末端制導軟著陸時，采用了燃料消耗最少的最優著陸軌跡規劃方法。模擬器選定著陸點后，求解一個使著陸器在初始條件{P，V}下最終到達目標著陸點的飛行器推力變化曲線，使得燃料消耗最少，其中P為飛行器的初始位置向量，V為飛行器的初始速度向量。

該問題的描述為一個優化問題

(8)

優化約束為

(9)

(10)

(11)

r(t)∈X,?t∈[0,tf]

(12)

m(0)=mwet,m(tf)=mdry

(13)

(14)

(15)

其中，Tc(t)表示隨時間變化的飛行器推力向量；tf為著陸過程所消耗的總時間；g表示月球的重力加速度向量；α為比沖；ρ1、ρ2為推力大小的上下界；X為軌跡規劃的倒錐形約束邊界；r(t)為t時刻飛行器的位置向量；r0表示飛行器的初始位置向量；m(t)表示飛行器隨時間變化的質量；mwet表示開始制導時的燃料與飛行器本身質量總和；mdry為完成著陸后的燃料與飛行器本身質量總和；e1、e2、e3為垂直于下滑道約束向量分量的3個單位向量，描述了軌跡的始末狀態分別處于錐形約束空間的位置，其中q是著陸目標點在著陸平面上的二維向量表示。

在文獻[14-16]中，通過引入松弛變量的方式，將以上非凸優化問題轉化為凸優化問題，進而使用cvxpy工具求解凸優化問題。如圖7所示。

圖7 文獻[14-16]中所描述的制導軌跡在空間中的圓錐約束Fig.7 The conic constraint of guidance trajectory in space in references[14-16]

在模擬器中，預留了燃料量、最大推力、矢量推力限制角度、比沖、飛行器質量作為用戶可調參數，用于模擬不同種類、不同狀態的飛行器。實驗中，飛行器的著陸軌跡和推力變化如圖8所示。

(a)著陸軌跡

可見，在優化燃料的基礎上，規劃器也能夠給出相對平穩光滑的著陸曲線。

4 結 論

本文所描述的基于Unity3D的月球探測器復雜地形軟著陸模擬系統，完成了月面地形重建、著陸風險代價評估，以及指定點著陸的軌跡規劃任務。模擬系統借助ROS構建了外部孿生縮比場景，模擬了實時面陣激光雷達以及立體相機所獲取的數據，基于Livox-LOAM算法以及深度圖像的點云補全實現了月面地形的稠密重建。在此基礎上，本文針對重建所得的月面稠密地形，設計了一種高效的地形評估方法，實現了月表地形的著陸風險評估，開展低風險著陸區域選址，最終基于凸優化方法求解燃料最優的軟著陸運動規劃問題，使飛行器以較高的精度和最少的燃料消耗降落到指定的低風險著陸區域范圍內。

本文所設計的模擬系統為激光雷達和立體相機在月面自主軟著陸中的應用提供了較為完整的功能模擬和數據處理算法的實現，最終將自主選址結果和著陸運動規劃相結合，形成一個凸優化問題進行求解，實現了自主地形探測、自主選址、自主開展著陸運動規劃的月球探測器復雜地形軟著陸功能。

該模擬系統具備一定的動力學仿真能力，并開放了與飛行器自身物理屬性、飛行性能相關的可調節參數，使得模擬器具有針對不同的飛行器、不同地形的著陸流程進行模擬的能力。但是由于本模擬系統采用了Unity3D與ROS的聯合仿真，因此這2個孿生環境之間信息傳輸必然存在著一定的延遲和數據丟失，對仿真的實時性和精度有一定的影響。因此，在未來的開發中需要提升系統的集成度，在Unity3D仿真環境中實現多種傳感器成像仿真以及傳感器數據處理。此外，本系統在仿真細節和功能拓展上還具有優化空間，在未來的研究中需要對系統的動力學和太空環境視覺傳感器的成像效果進行仿真，以及對人在回路的介入功能方面開展進一步的優化。