EN中文

Journal of Geo-information Science >

2025 , Vol. 27 >Issue 4: 864 - 875

DOI: https://doi.org/10.12082/dqxxkx.2025.240401

A Three-Dimensional Lunar Rover Simulation Method for Safety Assessment of Lunar Surface Routes

  • LI Pengshuo , 1, 2 ,
  • FENG Yongjiu , 1, 2, * ,
  • TONG Xiaohua 1, 2 ,
  • XI Mengrong 1, 2 ,
  • XU Xiong 1, 2 ,
  • LIU Shijie 1, 2 ,
  • HUANG Qian 1, 2
Expand
  • 1. College of Surveying and Geo-informatics, Tongji University, Shanghai 200092, China
  • 2. Shanghai Key Laboratory for Planetary Mapping and Remote Sensing for Deep Space Exploration, Shanghai 200092, China
* FENG Yongjiu, E-mail:

Received date: 2024-07-14

  Revised date: 2024-08-19

  Online published: 2025-03-25

Supported by

National Natural Science Foundation of China(42371422)

National Natural Science Foundation of China(42221002)

Fold

Abstract

[Objectives] Rovers play an essential role in lunar exploration, serving as vital tools for scientists aiming to unravel the Moon's geological history and exploit its potential water-ice reserves. However, navigating the lunar surface with rovers presents significant safety risks due to the complex and often hazardous terrain, compounded by the lack of a consistent and reliable light source. The absence of pre-existing, high-resolution data—such as LiDAR—prior to exploration missions poses a considerable challenge in evaluating the safety of potential rover paths. Given these constraints, developing a reliable pre-assessment method is crucial for enhancing the success rate of lunar rover missions. [Methods] This paper introduces a 3D simulation method for lunar rover exploration, leveraging the Visualization Toolkit (VTK) to address these challenges. Our method integrates three critical aspects. Firstly, it offers high-resolution visualization of the lunar surface terrain, capturing intricate details down to the meter scale. Secondly, it simulates the dynamic illumination environment on the lunar surface, accounting for the varying illumination conditions due to the Moon 's rotation and orbital position. Thirdly, it models the rover's position and attitude transformations as it navigates the terrain. [Results] The effectiveness of this simulation approach is demonstrated through a case study focusing on the Shackleton Connecting Ridge region at the lunar South Pole, an area of significant interest due to its challenging topography and potential for water-ice deposits. The 3D simulation accurately depicts the undulating terrain of impact craters and allows for a thorough assessment of the rover's route safety by visualizing the potential hazards along the path. Moreover, the simulation offers an intuitive representation of the rover's movement, including real-time adjustments in position and attitude, which are critical for ensuring the rover’s stability and operational safety over long distances. Additionally, our method includes a real-time update feature for the dynamic illumination scene, enabling direct observation of how changing light conditions affect the rover's path during the mission. This capability is particularly important for assessing the feasibility of navigating through areas that may experience prolonged periods of darkness or extreme shadowing, which could impede the rover's progress or jeopardize its safety. The goal of this research is to improve the reliability and safety of future lunar rover missions by providing a robust pre-assessment tool that can verify the feasibility of proposed exploration routes. [Conclusions] This method thus offers crucial a priori information, serving as an essential guarantee for the successful execution of future lunar exploration endeavors.

Key words： roving exploration; lunar terrain; dynamic illumination; terrain visualization; illumination visualization; lunar rover; roving simulation; lunar south pole

Cite this article

LI Pengshuo , FENG Yongjiu , TONG Xiaohua , XI Mengrong , XU Xiong , LIU Shijie , HUANG Qian . A Three-Dimensional Lunar Rover Simulation Method for Safety Assessment of Lunar Surface Routes[J]. Journal of Geo-information Science, 2025 , 27(4) : 864 -875 . DOI: 10.12082/dqxxkx.2025.240401

1 引言

月球探测是认识地月系统历史、研究宇宙和太阳系形成和演化的重要窗口[1⇓⇓⇓⇓-6]。在月面工作阶段，巡视器将与着陆器分离，搭载多类型载荷探测月球表层和浅表层，完成月面形貌测绘、月球土壤采样和浅层结构探测等任务[7⇓⇓⇓⇓-12]。由于月球表面存在极端复杂的地形与光照环境，巡视器面临驶入危险地形和短缺太阳能的风险。而在实施探测任务前，缺乏激光雷达和立体相机等各类传感器的高分辨率数据，因此研究遥感数据支持下的月球巡视器探测三维仿真方法，可预先模拟巡视器在规划路线上的探测状态，为有效评估巡视路线安全性提供关键验证。
月球巡视器探测三维仿真是预判月表巡视过程潜在风险的关键环节，需要实现月表米级分辨率真实地形环境可视化、月表光照环境更新和巡视器位置与姿态准确变换3个关键环节。在月表地形环境可视化方面，已有仿真系统采用数字高程模型（Digital Elevation Model, DEM）可视化月表地形，并附加粗糙度和地貌影像等纹理信息[13]，但受限于DEM（5 m与20 m）与巡视器尺寸（1.5 m）的差异。美国航空航天局开发的行星巡视仿真平台使用 20 m分辨率DEM构建了月表三维地形环境[14]，采用蒙特卡洛方法模拟直径小于5 m的撞击坑[15]。然而基于概率统计的撞击坑分布与真实环境存在差异，给评估路径安全带来不确定性。欧洲空间局基于SIMSAT框架和仿真建模可移植性2.0标准（SMP 2.0）研发了行星巡视器系统仿真环境3DROV，同样采用20 m分辨率DEM构建三维地形[16]。受限于地形数据分辨率，月表虚拟环境的真实度和精准度有待提升。基于成熟三维仿真软件的地外天体巡视仿真平台可以调用巡视器激光雷达和立体相机等组件生成虚拟三维地形，地形精细程度高，在月表形貌分类等就位算法验证场景上得到有效应用[17]。此外，基于Python绘图库Matplotlib的地形数据可视化方法适用于特定区域的地形三维可视化[18]，需要设计多尺度地形环境可视化策略，以平衡场景更新效率与场景真实性。
月表光照环境仿真是判断巡视器能否接收充足太阳能的有效手段。通过选取恰当太阳高度角和方位角，对月表DEM进行晕渲可以模拟月表不同纬度的光照环境，具有场景渲染效率高的优势[19-20]。基于DEM的月表晕渲可视化地图可以生成符合人类视觉认知的月表场景纹理图，特别在太阳高度角低的月球极区[21]。基于预存数据库的光照建模方法（地平线法）可以根据太阳与月表相对位置快速计算光照环境[22]。但受到月球南极低分辨率地形数据的限制，已有仿真平台在中低纬度地区得到了充分应用[23-24]，需要面向复杂的月球南极光照环境构建多尺度光照环境更新策略，处理小时级别高分辨率月球南极光照数据集，提升月表虚拟光照环境的可视化效果和精细程度。
巡视器位置与姿态准确变换需要准确计算巡视器在预规划路线上的位置与姿态变化。已有研究基于Gazebo平台的成熟组件，在巡视器模型上添加加速度计、陀螺仪和轮速里程计以估计车体位姿变化[14]。有研究基于车体运动学模型描述车体与车轮的运动学关系，利用车体摇臂旋转角度、车体位置和速度推算车轮位置与速度[25]。为了在实施探测任务前可视化评估巡视路线的安全性，月球巡视仿真平台需要在缺乏激光雷达和立体相机支持下实现月表地形仿真，开发计算车体位姿变化的独立模块，实现车体姿态实时对应月表复杂地形，并更新巡视过程中车体坐标与姿态变化。
综上，面向行驶路线安全性评估的月球巡视器探测三维仿真存在3个关键问题： ① 受限于月球南极极端复杂的低分辨率地形数据，场景可视化的精细程度与渲染效率待提升； ② 月表动态光照场景更新受到地形分辨率和渲染速度限制； ③ 需要在遥感数据支持下准确实现与月表复杂地形实时对应的巡视器位姿更新。为了解决以上问题，本文基于三维计算机图像仿真软件系统（Visualization Toolkit，VTK) [26-27]，提出了一种月球巡视器探测第一人称三维仿真方法，实现月表复杂地形与动态光照场景渲染与更新，支持清晰地显示月球表面三维空间环境；实现巡视器探测过程第一人称仿真，以直观评估巡视器行驶路线的安全性，为自主规划的巡视探测路径提供三维仿真验证保障。

2 研究方法

行驶路线的安全性评估重点关注沿途地形起伏、阴影区域变化和巡视器姿态突变的情况，因此月表米级分辨率地形环境可视化、月表动态光照环境可视化和巡视器探测第一人称仿真是实现巡视探测仿真的3个环节（图1）。基于VTK流程化渲染管线机制构建的探测仿真模型包含了3个环节的核心组件和操作对象，是实现探测过程虚拟仿真的模型基础。在月表米级分辨率地形环境可视化方面，表征地形起伏的DEM被转换为三维点实体，基于三维点构建的Delaunay三角网可以仿真月表地形起伏。LOOP细分技术被用于优化地形显示的流畅性效果，而地形晕渲图作为月表纹理基础增强场景真实性。此外，多尺度地形环境可视化策略被应用于提高场景渲染速度。在月表动态光照环境可视化方面，通过读取高分辨率光照数据，可识别不同时刻的阴影区域。通过更新三维网格点纹理值的光照属性，可重新可视化阴影场景实现光照环境动态更新。在巡视器探测三维仿真方面，巡视器模型包括主车体、连接臂、舵机架、太阳能板和刚性车轮模块。在巡视器模型初始化阶段，路线起始点的月表平面法向量被计算以设置巡视器起始姿态。在巡视器移动阶段，巡视器模型姿态与月表平面的坡度与坡向实时对应，巡视器的位姿在场景更新环节中同步调整。
图1 月球巡视器探测三维仿真的技术框架

Fig. 1 The technical framework for 3D simulation of lunar rover exploration

2.1 基于VTK的月球巡视器探测仿真模型

基于计算机图形学和图像处理技术，VTK是使用C++开发，封装OpenGL同时包括2000多类仿真函数的通用程序库。图2表达了基于VTK流程化渲染管线机制构建的月球巡视器探测仿真模型，由数据源（Source）、过滤器（Filter）、映射器（Mapper）组成，并由渲染窗口（Render Window）、渲染器（Renderer）和建模对象（Actor）组成虚拟场景渲染引擎。
图2 基于VTK的月球巡视探测仿真模型

Fig. 2 VTK-based simulation model for lunar roving exploration

数据源是虚拟场景内月表地形、光照纹理、巡视器模型和探测路径等建模对象的本地文件，其存储的绝对坐标信息用于恢复虚拟场景中建模对象的绝对位置与尺度。过滤器是处理输入数据源的算法统称，可实现输入数据源的坐标转换、尺度放缩和数据平滑等，是实现场景仿真的关键组件。映射器将过滤器处理后的几何数据转换为几何图形，并将几何元素映射到图形系统，最终输入到渲染器。渲染窗口是呈现仿真场景的窗口，包括多个渲染器和表达器。其中，渲染器定义了几何图形在窗口中的显示效果，设置内容包括灯光位置、场景材质和摄影机。建模对象是待仿真的空间实体（巡视器、月球表面和巡视路径）在虚拟场景中对应的仿真对象。输入数据源通过过滤器和映射器生成建模对象，所有建模对象经过渲染器生成渲染对象，最终在渲染窗口组合显示出月球巡视探测过程。

2.2 月表米级分辨率地形环境可视化

2.2.1 栅格地形转化为三维点

由于数据源中的月表地形数据处理量庞大，为了提升月表地形数据的渲染效率，本文将存储高程的栅格像元转化为三维坐标点。作为数据源中存储点类型的数据对象，vtkPoints点数据模型是可通过点ID访问的XYZ坐标三元数组，用于存储坐标点的平面坐标和高程值属性。作为数据源信息，vtkPoints在vtk中生成表示月表三维点的数据对象，由几何结构、拓扑结构和属性值组成。其中，几何结构数据存储三维点集，拓扑结构存储三维点的相对关系，属性值存储点的纹理信息，点的相对空间关系将由三角剖分确定。

2.2.2 Delaunay三角剖分

三角剖分（triangulation）可以根据月表三维点的二维平面关系生成三角形网格[28]，还原月表地形三维点之间的空间拓扑关系。基于数据源中的月表三维点坐标数据，采用三角剖分过滤器为月表三维点构建了最优的三角形网格，输出包含月表高程点拓扑关系的月表三角形网格数据集。但由于三角形网格的顶点与周围8个顶点相连，连接2个三角形面的边是直线，边界的棱角会导致仿真结果粗糙。为了提升月表曲面的平滑性，在过滤器中引入LOOP细分规则提升三角形网格细化效果。LOOP细分可以把1个旧三角网格分成4个新三角网格，每次细分将在每条边上插入一个新顶点。新顶点的位置由其所在边连接的2个三角形的4个顶点的位置加权和确定[29]。首先对网格中所有点进行遍历，对每一条网格边计算得到新的边点：
e p = 1 8 v 0 + v 1 + 3 8 v 2 + v 3
式中： ep是每个三角形网格边上新产生的边点； v0、v1、v2、v3是ep点周围相邻的4个三角形网格点。
基于新生成的边点ep，随后更新与边点ep相邻的原始点的坐标信息，假设原有的顶点为v0，与其相邻的顶点为v1, v2, v3, v4，…，vn-1，移动后的v0的坐标v0'，可以表达为：
v 0 ' = 1 - α · v 0 + α · Q α = 5 8 - 3 8 + 1 4 c o s 2 π n 2 Q = 1 n ∑ i = 0 n - 1 v i
LOOP细分的本质是过滤器中的一种滤波处理方法，所有Delaunay三角网格经过LOOP细分后生成更光滑的月表三角网格多边形。月表三角网格多边形由映射器映射到图形基元，并生成表示渲染场景中的建模对象。渲染器调整了渲染窗口的摄像机条件和场景参数。最后在渲染窗口中加载月表场景可渲染对象，实现月表静态地形的三维可视化。

2.2.3 多尺度地形可视化策略

高分辨率米级地形数据为月表虚拟环境增加了撞击坑和月山等地形细节，但同样增加了地形场景逐帧更新的计算压力。考虑到仿真过程将时刻保持第一人称观察视角，仅观察到以车体为中心大小为10 m左右的局部区域。低分辨率的全局环境并不影响模拟的真实性，因此设计了多尺度的地形可视化策略（图3）。将1.5 m高分辨率的DEM重采样至10 m分辨率，采用降采样后的地形和纹理数据进行全局地形环境仿真；局部环境是以巡视器为中心大小为10 m的正方形区域，采用1.5 m高分辨率的地形与纹理数据进行地形可视化。当巡视器进入下一个全局像元后，将当前时刻所在全局像元更改为由1.5 m像元组成，而上一时刻所在全局像元分辨率恢复为10 m。全局和局部环境结合的可视化策略减少了全局三角格网的数量，降低了场景更新的数据量，提升场景更新速度。像元降采样的分辨率可以根据计算机资源动态调整，分辨率越低渲染速度越快。在基于vtk的巡视探测仿真模型中，存储地形信息的数据源包括全局环境vtkPoints和局部环境vtkPoints， 2种数据源的数据结构和可视化流程完全一致，通过数据调度策略快速实现探测过程的地形环境更新。
图3 多尺度地形可视化策略

Fig. 3 The multi-scale terrain visualization strategy

2.3 月表动态光照环境可视化

在巡视器探测月球的过程中，是否经过阴影区域直接关系到太阳能源的产出效率。为了实现巡视过程中光照环境的实时更新，在仿真系统中加入了光照环境动态更新模块。实现光照场景变化的底层策略是改变每个三维点的纹理属性亮度，考虑到地形晕渲的阴影图片可以有效表达月表光影场景，特别是产生符合人类视觉认知的月表纹理图片。因此，本文选取更高太阳高度角下的月球地形晕渲图作为月表纹理图的基础，避免生成的阴影产生过度的纹理差异。在巡视器沿路线探测过程中，调动预先计算的动态光照数据，即不同时刻下每个三维点的太阳圆盘可见面积比率，取值范围是0~1，0代表无光照，1代表完全光照。将太阳圆盘可见面积比率作为三维点的亮度，即地形晕渲图的灰度值与亮度的乘积作为场景的纹理特征，通过改变场景纹理特征实现随时刻变化的光照环境，而更新场景纹理特征通过改变vtkPoints数据源的纹理属性值来实现。
光照环境更新的主要流程包括： ① 读取当前时刻的1.5 m高分辨率光照数据； ② 读取当前时刻的巡视器位置，将巡视器周围10 m区域外的像元重采样至10 m分辨率； ③ 更新全局和局部三维点的纹理属性值，属性值由晕渲图的灰度值与太阳圆盘可见面积比的乘积确定； ④ 重新可视化全局环境vtkPoints和局部环境vtkPoints的纹理特征。基于全局和局部环境地形渲染策略，优化数据调度的策略可以加速地形与光照环境的可视化过程。

2.4 巡视器探测第一人称仿真

在虚拟月表环境中可视化巡视器模型包括模型初始化和探测过程位姿自动更新两部分。本文构建的巡视器三维模型包括主车体、连接臂、舵机架、太阳能板和刚性车轮，模型设计尺寸为长（1.5 m）、宽（0.8 m）、高（1 m），由42个模型文件组成。基于数据源中的vtkAssembly对象，巡视器模型的零件被组合成为巡视器可视化实体，对其进行的尺度缩放、旋转和平移操作会同步转换模型的所有部件。
在初始化巡视器模型方面，首先设置车体坐标系的原点为巡视器重心，为了将巡视器方向指向目标点，首先绕巡视器坐标系的X轴旋转90°︒，将巡视器横滚角调为0°，然后绕Y轴旋转巡视器朝向路径终点，最后设置巡视器坐标系的原点在初始航路点，使巡视器停靠在在规划路径的起点。
在自动更新巡视器姿态方面，图4为根据月表坡度和坡向更改巡视器姿态的的主要流程： ① 将巡视器原点的三维空间坐标转换到XOY平面坐标，定位巡视器所在的栅格像元； ② 根据巡视器原点坐标与栅格像元左下角点的相对坐标关系，确定巡视器所在的三角形网格； ③ 根据三角形网格内的两个交叉向量计算巡视器所在位置的月表法向量； ④ 计算月表法向量与上一时刻巡视器坐标系三轴的夹角； ⑤ 按照Z-Y-X的顺序旋转巡视器坐标系，先调整俯仰角和横滚角，使巡视器Z轴与所在三角网格法向量平行（图4（a））；随后调整航向角，使巡视器X轴与指向目标点方向（图4（b））； ⑥ 设置摄影机坐标高于车体坐标0.2 m，摄影机指向与巡视器坐标系X轴指向平行，实现第一人称下巡视探测仿真效果。
图4 基于月表法向量的巡视器姿态更新流程

Fig. 4 The workflow of rover attitude update based on the normal vector of the lunar surface

基于上述的巡视器位姿调整方法可实现巡视器姿态与月表坡度和坡向实时对应的巡视过程仿真效果。本文应用1.5 m高分辨率三维地形数据以可视化月表空间环境，像元空间分辨率与巡视器尺寸相近（1.5 m），实现了巡视器尺度级别障碍物（撞击坑、陡坡）的可视化。然而，三维地形数据的坡度和坡向仅在像元交界处发生改变，导致巡视器在1.5 m分辨率的像元上移动时，其姿态会在像元交界处发生突变。考虑到巡视器在真实月表环境中探测时，其姿态变化并非在像元交界处突变，而是在像元内部不断微小变化的累积。因此，本文提出将巡视器在像元交界处的姿态变化量平均分配至像元内部。在每次场景更新时刻，巡视器俯仰角、横滚角和航向角变化的角度为：
∆ p i t c h = p i t c h a b / u p d ( a ,   b ) ∆ r o l l = r o l l a b / u p d ( a ,   b ) ∆ y a w = y a w a b / u p d ( a ,   b ) u p d a ,   b = T ( a ,   b ) / d t
式中： ∆ p i t c h、 ∆ r o l l和 ∆ y a w分别表示巡视器的俯仰角、横滚角和航向角在每次月表虚拟场景更新时的变化量； p i t c h a b、 r o l l a b和 y a w a b分别表示巡视器俯仰角、横滚角和航向角在像元a和像元b交界处的变化量； u p d ( a ,   b )表示虚拟场景在巡视器从像元a移动到像元b的更新次数； T ( a ,   b )表示巡视器从像元a移动到像元b所用时间；dt表示场景更新的时间步长。该方法可以在更新虚拟场景时刻，计算巡视器的姿态变化角度，同步更新巡视器坐标系的三轴指向，实现巡视器移动过程姿态变化的高真实性仿真。该方法将巡视器姿态变化量平均分配至像元内部，将有效提高巡视器探测过程的模拟真实性。

3 沙克尔顿连接脊巡视路线三维仿真验证

3.1 研究区域与数据

沙克尔顿撞击坑是未来月球探测重要的战略资源点，内外高程差异达数公里，其内部可能含有水冰等挥发性组分（图5（a））。由于靠近月球地理南极，许多国家将其作为未来月球探测的目标区域[30-31]。沙克尔顿连接脊区域地形起伏较小，存在东北-西南走向的隆起与凹陷带，这也导致该区域整体坡度较高，在东部隆起处有坡度较小的区域（图5（b））。此外，由于沙克尔顿撞击坑的太阳仰角低，其边缘区域的光照条件持续且时间较长，光照条件最好的区域位于沙克尔顿-德拉杰西连接脊区域，这里12.9%的地形平均光照度超过40%。高分辨率地形数据显示，连接脊区域持续获得良好的光照，可为巡视器穿越山脊提供充足的太阳能源（图5（c））。
图5 月球南极与沙克尔顿连接脊的地貌与光照情况

Fig. 5 Geomorphology and illumination at the lunar south pole and the Shackleton Connection Ridge

为了仿真巡视器第一人称巡视探测状态，本文使用的月球空间数据集包括1.5 m高分辨率月表三维地形、1.5 m分辨率每小时月球动态光照图、1.5 m月表地形晕渲图和1.5 m月表地形坡度图（表1）。同济大学基于LROC窄角相机影像和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[32]（图6（a））。1.5 m分辨率每小时月球动态光照数据集是同济大学采用基于地平线的高精度光照建模方法[33]制作的，该方法模拟了月球表面动态太阳圆盘可视百分比，为未来的月球科学探测和部署工作提供了更详细的光照信息（图6（b））。本文将1.5 m三维地形在太阳方位角225°，高度角45°时计算的晕渲图作为仿真纹理图的基础（图6（c）），高分辨率的地形坡度用于分析巡视器探测路线的安全性（图6（d））。
表1 本研究使用的栅格数据集

Tab. 1 The raster datasets used in this study

名称 数据来源 分辨率/m 目的
月表三维地形 1.5 m高分辨率月表三维地形[32] 1.5 可视化月表地形表面
月表每小时动态光照图 1.5 m高分辨率动态照明数据集[33] 1.5 可视化巡视器行进过程中动态光照环境
月表晕渲图 基于1.5 m三维地形数据的晕渲图 1.5 渲染月表纹理
月表坡度图 基于1.5 m三维地形数据的坡度图 1.5 评估巡视路线的安全性
图6 本研究使用的月表高分辨率三维空间数据

Fig. 6 The high-resolution 3D spatial data of the lunar surface used in this study

3.2 巡视路线沿途动态环境仿真

基于1.5 m分辨率月球三维地形、光照和纹理数据，本文采用基于VTK的月表地形环境可视化方法，实现了月球南极沙克尔顿撞击坑连接脊区域的高分地形环境仿真。仿真时刻从2021年2月16日00:00点开始，自动将真实的太阳圆盘可见面积比例与纹理效果叠加，可视化了太阳照射月表后产生的山体遮挡明暗效果（图7（a））。采用Delaunay三角网可视化DEM高程数据，还原沙克尔顿连接脊区域表面地形起伏情况。在图7（a）中可以直观发现撞击坑区域的地形显示出明显下降，特别是画面左侧沙克尔顿撞击坑的高程显著下降。从画面右侧的假设着陆点到左侧沙克尔顿撞击坑，可视化的月表高程连续降低，形成均匀的下降曲面。图7（a）中布设在月表场景的红线代表巡视器探测路线，可直观显示巡视路线是否通过危险的坡度和阴影区域。预规划的探测路线始终位于连接脊区域，多次穿过撞击坑中间的平坦地形（图7（b））。此外，为了减弱相邻2个三角格网连接处地形的突变视觉效果，采用LOOP细分方法实现了更平滑的月表曲面可视化效果（图7（c））。图7（c）画面下方是陡峭的月坡，准确还原了该区域的地形起伏情况。
图7 叠加纹理和静态光照信息的月表地形环境仿真效果

Fig. 7 The simulation results of the lunar surface terrain environment with superimposed texture and static illumination information

月球南极的动态光照随太阳高度角和方位角不断变化，高程低的撞击坑底部由于周围山体遮挡而没有太阳照射，驶入无光照区域将显著影响巡视器的能量供给安全。为了模拟沙克尔顿连接脊区域的动态光照环境，本文基于1.5 m分辨率的动态光照数据集，实现了2021年2月16日0点以后每小时的动态光照与阴影环境可视化。为了提升场景更新速度，设计了全局环境和局部环境更新策略。全局光照环境的分辨率为90 m，将1.5 m分辨率数据降采样到90 m。局部光照环境的范围是巡视器车体为中心，大小为90 m的正方形区域。该区域的光影环境采用1.5 m分辨率地形与光照数据渲染实现。图8（a）所示的时序图片分别显示了沙克尔顿连接脊区域全局环境不同时刻的光影变化。在全局环境中，可以清晰的发现连接脊左上和右下方两片阴影区域的形态发生明显变化。为了加快场景渲染速度，全局场景的精细度降低，但不影响第一人称可视画面。图8（b）所示的时序图片分别显示了巡视器周围90 m区域局部环境不同时刻的光影变化。巡视器所在位置为巡视路线的起点，可以发现巡视器周围的阴影区域发生明显变化。
图8 沙克尔顿连接脊区域动态光照环境可视化效果

Fig. 8 The visualization of the dynamic illumination environment in the Shackleton Connecting Ridge

3.3 巡视路线探测第一人称仿真

基于上文构建的月表高分辨率动态虚拟环境，本文实现了巡视器探测第一人称仿真。巡视器模型在虚拟环境中自动组合生成巡视器建模实体，经过尺度放缩、坐标系旋转和平移，使巡视器车头指向探测路线的前进方向，实现了巡视器模型在月表虚拟空间的初始化。图9（a）显示了巡视器第一人称视角观察到的月表三维地形纹理与光影场景，其中场景中间是即将前往的航路点，左侧和右侧分别为动态变化的阴影区域。由于VTK中的虚拟环境纹理信息存储在三维点的属性数据，并通过三维点的可视化管线实现纹理渲染，导致纹理信息的空间分辨率与地形数据的空间分辨率一致，因此附加1.5 m纹理的月表虚拟环境在空中俯瞰视角下呈现粗糙的特征，而在距离月面更近的巡视器视角下呈现光滑和明暗交错的特征。在沙克尔顿连接脊区域的巡视过程仿真中，巡视器在横滚角和俯仰角上均未发生突变，保持了平稳的探测状态，避免进入撞击坑和月山月沟等区域。图9（b）显示了巡视器在探测路线上途径撞击坑前后的时序仿真图像，其中撞击坑到巡视器的距离逐渐缩减，直至位于巡视器右侧，之后逐渐位于巡视器后方。在途径撞击坑过程中，巡视器位置始终位于探测路线的航路点上，巡视器姿态根据月表坡度和坡向变化实时调整，有效模拟了月表探测第一人称仿真效果，为评估探测路线安全性提供直观可视依据。
图9 巡视器在沙克尔顿连接脊区域探测的第一人称仿真效果

Fig. 9 The dynamic visualization of rover detection in the Shackleton Connecting Ridge

3.4 巡视路线安全性评估与验证

在探测任务实施前基于巡视器探测第一人称仿真场景，可以通过场景直观可视评估和巡视安全指标验证交叉验证巡视路线的安全性。在场景直观可视评估方面，巡视三维仿真可以预警的危险情况包括：巡视器进入撞击坑、月山和月沟等危险地形；驶入宽度极窄但坡度表现正常的撞击坑边缘；驶入没有太阳能源的永久阴影区。相比基于遥感数据的地形参数计算方法，考虑探测时刻的巡视过程仿真将强化预警巡视器在危险区域边缘的高风险行为。此外，巡视器探测过程中的姿态变化可以预警月表斜坡、地形凸起和深坑等危险地形对轮式巡视器造成的探测风险[34]。通过观察巡视器的姿态变化，可以直观评估巡视器在规划路线上移动的倾覆风险。
在巡视安全指标验证方面，基于遥感数据的地形与光照参数可以评估巡视路线的整体安全。此外，实时记录的巡视器姿态变化有助于详细验证每个时刻的移动安全性。本文使用的巡视安全指标包括俯仰角变化量、横滚角变化量、航向角变化量、地形坡度和太阳光照。当巡视器在坡度超过7°的斜坡上探测时，其姿态欧拉角中的俯仰角和横滚角将发生变化，以预警潜在的倾覆风险；当巡视器在地形凸起或深坑等颠簸地形上探测时，其姿态欧拉角中的俯仰角、横滚角和方向角将发生变化，以预警车体与月表的碰撞风险。坡度大于7°的地形被认为是具有高移动风险的区域，因此巡视器俯仰角和横滚角的变化量平均值和最大值均小于7°可认为具有低移动风险。巡视器采用原地转向模式，其姿态方向角用于评估航路点与前进方向的关系，无阈值限制。
表2显示了巡视器从假设着陆点到沙克尔顿撞击坑边缘的巡视路线安全指标验证结果，在巡视器姿态变化指标中，表征巡视器倾覆风险的俯仰角变化平均值为0.407°，俯仰角变化最大值为5.493°；横滚角变化平均值为0.290°，横滚角变化最大值为3.930°，具有低移动风险。此外通过探测路线沿途的坡度和光照辅助验证了巡视路线的整体安全性，其中表征路线整体地形安全性的坡度平均值为7.341°，具有中等移动风险；表征太阳能补给的光照平均值超过0.49，最小值超过0.26，具有高能源支撑条件。
表2 巡视器移动安全评估指标

Tab. 2 The indicators for evaluating the mobile safety of rovers

安全指标 平均值 最大值 最小值 移动风险评估结果
俯仰角变化量/° 0.407 5.493 0 低风险
横滚角变化量/° 0.290 3.930 0 低风险
航向角变化量/° 0.124 46.037 0 低风险
地形坡度/° 7.341 15.092 0.213 中等风险
太阳光照 0.492 0.980 0.264 低风险
综合巡视器姿态变化、月表高分地形、动态光照对探测过程安全性的评估结果，发现预规划的探测路径在表征巡视器倾覆风险的姿态变化量上具有低风险。在表征路线整体安全性的地形坡度指标上具有中等风险，在能源上具有低风险。在第一人称仿真巡视过程中，巡视器能成功躲避复杂危险的撞击坑区域，相互印证了自主规划的探测路径的安全性。

4 结论与展望

本文提出了一种面向行驶路线安全性评估的月球巡视器探测三维仿真方法，实现了月表米级分辨率地形环境可视化、月表光照环境更新和巡视器位置与姿态准确变换。在月球南极沙克尔顿连接脊区域的仿真结果表明，月表高分辨率三维地形可视化效果能展现撞击坑和山体的高程起伏变化，实时更新的动态光照场景可以直接观察巡视器周围阴影区域变化。巡视第一人称仿真结果能直观感受到前进中的位置与姿态调整过程，有利于评估长距离巡视探测任务安全性。基于巡视仿真过程中的俯仰角、横滚角、航向角变化，发现假设的巡视过程具有可靠安全性，特别是巡视器俯仰角变化平均值为0.407°，俯仰角变化最大值为5.493°；横滚角变化平均值为0.290°，横滚角变化最大值为3.930°，代表具有低倾覆风险；在坡度和光照条件方面，巡视沿途的坡度平均值为7.341°，光照平均值超过0.49，具有充足的地形安全和能源支撑。
综上，本文提出的巡视仿真方法有利于在探测任务实施前检验全局路径的安全性，为未来月球探测任务的可行程度提供先验信息。未来，需要在虚拟月表场景中进一步加入石块等厘米级障碍，并探索基于VTK的高分辨率纹理信息可视化方法，帮助优化巡视器移动策略和障碍规避方案，为月表安全巡视提供技术保障。
利益冲突： Conflicts of Interest
所有作者声明不存在利益冲突。
All authors disclose no relevant confilcts of interest.
作者贡献： Author Contributions
李鹏朔和冯永玖参与方法设计和论文撰写；童小华参与方法修改；席梦镕和许雄共同完成实验方案的验证；刘世杰和黄潜参与数据处理。所有作者均阅读并同意最终稿件的提交。
The method was designed and the manuscript drafted by LI Pengshuo and FENG Yongjiu. The method refinement was carried out by TONG Xiaohua. The experimental setup was validated collaboratively by XI Mengrong and XU Xiong. Data processing was performed by LIU Shijie and HUANG Qian. All authors have read and approved the final version of the manuscript for submission.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
欧阳自远. 我国月球探测的总体科学目标与发展战略[J]. 地球科学进展, 2004, 19(3):351-358.

DOI

[Ouyang Z Y. Scientific objectives of Chinese lunar exploration project and development strategy[J]. Advance in Earth Sciences, 2004, 19(3):351-358.] DOI:10.3321/j.issn:1001-8166.2004.03.001

[2]
童小华, 刘世杰, 谢欢, 等. 从地球测绘到地外天体测绘[J]. 测绘学报, 2022, 51(4):488-500.

DOI

[Tong X H, Liu S J, Xie H, et al. From Earth mapping to extraterrestrial planet mapping[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(4):488-500.] DOI:10.11947/j.AGCS.2022.20220117

[3]
吴伟仁, 刘继忠, 唐玉华, 等. 中国探月工程[J]. 深空探测学报, 2019, 6(5):405-416.

[Wu W R, Liu J Z, Tang Y H, et al. China lunar exploration program[J]. Journal of Deep Space Exploration, 2019, 6(5):405-416.] DOI:10.15982/j.issn.2095-7777.2019.05.001

[4]
贾瑛卓, 覃朗, 徐琳, 等. 月球水冰探测[J]. 深空探测学报, 2020, 7(3):290-296.

[Jia Y Z, Qin L, Xu L, et al. Lunar water-ice exploration[J]. Journal of Deep Space Exploration, 2020, 7(3):290-296.] DOI:10.15982/j.issn.2095-7777.2020.20191108009

[5]
Sathyan S, Bhatt M, Chowdhury M, et al. Potential landing sites characterization on lunar south pole: De-Gerlache to Shackleton ridge region[J]. Icarus, 2024,412:115 988. DOI:10.1016/j.icarus.2024.115988

[6]
Feng Y J, Cao Y Z, Tong X H, et al. High-accuracy lunar global brightness-temperature mapping using third-order Fourier fitting and co-Kriging interpolation[J]. Icarus, 2023,403:115646. DOI:10.1016/j.icarus.2023.115646

[7]
王保丰, 周建亮, 唐歌实, 等. 嫦娥三号巡视器视觉定位方法[J]. 中国科学:信息科学, 2014, 44(4):452-460.

[Wang B F, Zhou J L, Tang G S, et al. Research on visual localization method of lunar rover[J]. Scientia Sinica (Informationis), 2014, 44(4):452-460.] DOI:10.1360/N112013-00 226

[8]
吴伟仁, 周建亮, 王保丰, 等. 嫦娥三号“玉兔号”巡视器遥操作中的关键技术[J]. 中国科学:信息科学, 2014, 44(4):425-440.

[Wu W R, Zhou J L, Wang B F, et al. Key technologies in the teleoperation of Chang'E-3 “Jade Rabbit” rover[J]. Scientia Sinica (Informationis), 2014, 44(4):425-440.] DOI:10.1360/N112013-00231

[9]
Lin H L, Lin Y T, Yang W, et al. New insight into lunar regolith-forming processes by the lunar rover Yutu-2[J]. Geophysical Research Letters, 2020, 47(14):e2020GL087949. DOI:10.1029/2020GL087949

[10]
Fuke Y, Krotkov E. Dead reckoning for a lunar rover on uneven terrain[C]// Proceedings of IEEE International Conference on Robotics and Automation. IEEE, 1996:411-416. DOI:10.1109/ROBOT.1996.503811

[11]
Feng Y J, Chen S R, Tong X H, et al. Exploring the lunar regolith's thickness and dielectric properties using band-limited impedance at Chang' E-4 landing site[J]. Journal of Geophysical Research: Planets, 2023, 128(3):e2022JE 007540. DOI:10.1029/2022JE007540

[12]
Feng Y J, Dong Y Y, Wang R, et al. Sharad-based detection and estimation of water-ice content in the korolev crater at the north pole of mars[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024:1-15. DOI:10.1109/JSTARS.2024.3432535

[13]
张静, 刘建军, 高兴烨, 等. 月面近距离探测仿真系统的实现与应用[J]. 天文研究与技术, 2017, 14(4):461-471.

[Zhang J, Liu J J, Gao X Y, et al. Implementation and application of the lunar exploration simulation system[J]. Astronomical Research & Technology, 2017, 14(4):461-471.] DOI:10.14005/j.cnki.issn1672-7673.20170922.001

[14]
Allan M, Wong U, Furlong P M, et al. Planetary rover simulation for lunar exploration missions[C]// 2019 IEEE Aerospace Conference. IEEE, 2019:1-19. DOI:10.1109/AERO.2019.8741780

[15]
Parkes S M, Martin I, Dunstan M, et al. Planet surface simulation with PANGU[C]// Space OPS 2004 Conference. Reston, Virginia: AIAA, 2004:389. DOI:10.2514/6.2004-592-389

[16]
Poulakis P, Joudrier L, Wailliez S, et al. 3DROV: A planetary rover system design, simulation and verification tool[C]// I-SAIRAS 2008-10th International Symposium on Artificial Intelligence, Robotics and Automation in Space, 2008.

[17]
Richard A, Kamohara J, Uno K, et al. OmniLRS: A photorealistic simulator for lunar robotics[C]//2024 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2024:16901-16907. DOI:10.1109/ICRA5 7147.2024.10610026

[18]
Hunter J D. Matplotlib: A 2D graphics environment[J]. Computing in Science & Engineering, 2007, 9(3):90-95. DOI:10.1109/MCSE.2007.55

[19]
Shankar U J, Shyong W J, Criss T B, et al. Lunar terrain surface modeling for the ALHAT program[C]// 2008 IEEE Aerospace Conference. IEEE, 2008:1-10. DOI:10.1109/AERO.2008.4526300

[20]
Chen S R, Feng Y J, Tong X H, et al. Analysis of thermal and dielectric loss features of lunar regolith considering real-time effect solar irradiance[J]. Earth and Space Science, 2024, 11(7):e2024EA003736. DOI:10.1029/2024 E A003736

[21]
Bingham L, Kincaid J, Weno B, et al. Digital lunar exploration sites unreal simulation tool (DUST)[C]// 2023 IEEE Aerospace Conference. IEEE, 2023:1-12. DOI:10.1109/AERO55745.2023.10115607

[22]
Mazarico E, Neumann G A, Smith D E, et al. Illumination conditions of the lunar polar regions using LOLA topography[J]. Icarus, 2011, 211(2):1066-1081. DOI:10.1016/j.icarus.2010.10.030

[23]
Bauer R, Barfoot T, Leung W, et al. Dynamic simulation tool development for planetary rovers[J]. International Journal of Advanced Robotic Systems, 2008, 5(3):311-31 4. DOI:10.5772/5609

[24]
Jain A, Balaram J, Cameron J, et al. Recent developments in the ROAMS planetary rover simulation environment[C]// 2004 IEEE Aerospace Conference Proceedings. IEEE, 2004:861-876. DOI:10.1109/AERO.2004.1367686

[25]
曹亮, 崔平远, 居鹤华. 月球车路径规划三维仿真平台设计与实现[J]. 计算机工程, 2007, 33(20):236-238.

DOI

[Cao L, Cui P Y, Ju H H. Design and realization of 3D platform for lunar rover path plan[J]. Computer Engineering, 2007, 33(20):236-238.] DOI:10.3969/j.issn.1000-3428.2007.20.082

[26]
Wills G. Visualization toolkit software[J]. WIREs Computational Statistics, 2012, 4(5):474-481. DOI:10.1002/wics.1224

[27]
Ho Q, Lundblad P, Åström T, et al. A web-enabled visu- alization toolkit for geovisual analytics[C]// Visualizati- on and Data Analysis 2011. SPIE, 2011:287-298. DOI:10.1117/12.872250

[28]
Hartley R I, Sturm P. Triangulation[J]. Computer Vision and Image Understanding, 1997, 68(2):146-157. DOI:10.1006/cviu.1997.0547

[29]
Liang Y Q, He F Z, Zeng X T, et al. An improved loop subdivision to coordinate the smoothness and the number of faces via multi-objective optimization[J]. Integrated Computer-Aided Engineering, 2022, 29(1):23-41. DOI:10.3233/ica-210661

[30]
Boazman S J, Shah J, Harish, et al. The distribution and accessibility of geologic targets near the lunar south pole and candidate Artemis landing sites[J]. The Planetary Science Journal, 2022, 3(12):275-290. DOI:10.3847/psj/aca590

[31]
Feng Y J, Li H T, Tong X H, et al. Optimized landing site selection at the lunar south pole: A convolutional neural network approach[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17:10998-11015. DOI:10.1109/JSTARS.2024.3407070

[32]
童小华, 刘世杰, 叶真, 等. 基于自主研制1.5米分辨率三维地形和光照模型的月球南极沙克尔顿着陆选址分析[C]. 深空探索科学技术与应用中国工程科技论坛, 深圳,2021:18-19.

[Tong X H, Liu S J, Ye Z, et al. Lunar south pole Shackleton landing selection analysis based on self-developed 1.5 m resolution three-dimensional terrain and illumination model[C]// Proceedings of 2021 Deep Space Exploration Science and Technology and Application China Engineering Science and Technology Forum,Shenzhen, 2021:18-19.]

[33]
Tong X H, Huang Q, Liu S J, et al. A high-precision horizon-based illumination modeling method for the lunar surface using pyramidal LOLA data[J]. Icarus, 2023,390:115302. DOI:10.1016/j.icarus.2022.115302

[34]
王琼, 于登云, 贾阳. Risk Theta*:一种基于地形危险度的任意航向路径规划算法[J]. 深空探测学报, 2014, 1(4):269-274.

[Wang Q, Yu D Y, Jia Y. Risk theta*: An any-angle path planning algorithm based on terrain risk[J]. Journal of Deep Space Exploration, 2014, 1(4):269-274.] DOI:10.15982/j.issn.2095-7777.2014.04.004

Options
Outlines

/

〈 〉