Sub-metre Lunar DEM Generation and Validation from Chandrayaan-2 OHRC Multi-View Imagery Using an Open-Source Pipeline

这是一份关于利用开源流程从“月船 2 号”（Chandrayaan-2）高分辨率相机（OHRC）多视角影像生成亚米级月球数字高程模型（DEM）并进行验证的技术总结。

1. 研究背景与问题 (Problem)

• 背景：高分辨率的月球数字高程模型（DEM）对于表面移动规划、着陆点表征和行星科学研究至关重要。现有的高分辨率数据主要来源于月球勘测轨道飞行器（LRO）的窄角相机（NAC），其分辨率通常在 1-5 米/像素。
• 机遇：“月船 2 号”搭载的轨道高分辨率相机（OHRC）具有更优越的地面采样能力，能以约 20-30 厘米/像素的分辨率获取全色影像，理论上可解析巨石尺度的地形特征。
• 挑战：
  1. 数据获取限制：OHRC 并非以预设的立体像对形式采集和分发数据，而是单条带成像。因此，必须从非配对的档案中通过几何分析（如基线 - 高度比、会聚角）手动筛选合适的立体像对。
  2. 软件兼容性：主流的开源立体处理工具（如 Ames Stereo Pipeline, ASP 和 ISIS）原生不支持 OHRC 的数据格式（PDS4）和传感器模型。
  3. 立体几何约束：在缺乏大气层的月球表面，光照条件（太阳入射角）对立体匹配质量影响巨大。过大的基线 - 高度比（B/H）会导致严重的透视畸变和辐射差异，降低匹配成功率。

2. 方法论 (Methodology)

本研究开发了一个完全基于开源工具（主要是 Ames Stereo Pipeline, ASP 和 ISIS）的可重复处理流程，主要包含以下六个阶段：

1. 数据摄入与 SPICE 核准备：

   • 从 ISRO 的 PRADAN 档案获取 OHRC 的 PDS4 格式影像及 SPICE 核（轨道、姿态、仪器参数）。
   • 开发了定制的 PDS4 导入模板，将 OHRC 元数据映射到 ISIS 的 Cube 格式。
   • 利用 ALE (Abstraction Layer for Ephemerides) 库和 CSM (Community Sensor Model) 插件生成传感器模型，使 ASP 能够处理 OHRC 数据。

2. 立体像对识别：

   • 从非配对档案中筛选像对，依据几何参数：重叠率、光照相似性（太阳入射角/方位角差异）以及基线 - 高度比 (B/H) 和 会聚角。
   • 设定 B/H 比在 0.5-1.0 之间为最佳，以平衡高程精度和匹配可靠性。

3. 光束法平差 (Bundle Adjustment)：

   • 使用 Ceres 求解器进行光束法平差，优化相机参数和匹配点位置，最小化重投影误差，消除 SPICE 核带来的残余指向误差。

4. 密集立体重建：

   • 使用 ASP 的块匹配算法（Block Matching）计算视差图。
   • 通过射线三角测量生成密集的 3D 点云。

5. DEM 网格化与后处理：

   • 将点云插值生成规则网格 DEM。
   • ICP 配准：使用迭代最近点算法（ICP）将重建的 OHRC 点云与 LRO NAC 生成的参考 DEM 进行刚性配准，消除全局偏移。
   • 偏差校正：基于剖面分析进行恒定的垂直偏差修正。
   • 空洞填充与拼接：利用 NAC 数据填充立体匹配失败区域（如阴影区），并通过优先级混合策略（Priority-based Mosaicing）将多张 DEM 拼接成连续地形。

3. 关键贡献 (Key Contributions)

• 开源流程构建：首次实现了 OHRC 数据在完全开源的 ASP/ISIS 框架下的端到端处理，包括 PDS4 导入模板开发和 CSM 传感器模型配置。
• 像对筛选策略：提出了一套针对非配对 OHRC 档案的系统性立体像对筛选策略，基于 B/H 比和会聚角约束。
• 亚米级 DEM 生成：在五个地理分布不同的月球区域成功生成了分辨率在 24 cm 至 54 cm 之间的 DEM，填补了现有月球地形产品的亚米级空白。
• 定量验证：通过与 LRO NAC 参考地形进行严格的几何一致性验证，量化了垂直和水平精度。
• 迭代优化探索：探索了基于 ICP 反馈的二次光束法平差流程，进一步提高了空间完整性和绝对精度。

4. 实验结果 (Results)

• 实验区域：选取了 5 个区域（涵盖不同纬度和地形），其中 4 个区域（B/H 比在 0.4-0.9 之间）取得了良好结果，第 5 个区域（B/H 比高达 1.16）作为极限案例进行了分析。
• 分辨率：生成的 DEM 有效空间分辨率在 24 cm 到 54 cm 之间。
• 垂直精度：
  • 在去除恒定偏差后，与 NAC 参考地形对比的垂直均方根误差（RMSE）平均为 5.85 米（在 OHRC 原生分辨率下）。
  • 注：由于 NAC 参考数据本身分辨率较低（约 1-2 米，部分区域插值至 3 米），且存在绝对高程基准差异，该 RMSE 反映了系统偏差和局部地形细节的差异。
• 水平精度：
  • 通过平面特征匹配（如陨石坑边缘、山脊），水平精度在 30 cm 以内（约 1 个像素）。
  • 三角测量误差均值为 0.212 ± 0.164 米。
• B/H 比的影响：
  • B/H 比在 0.3-1.0 范围内的像对（区域 1-4）产生了空间完整性良好的 DEM。
  • B/H 比过高（如区域 5 的 1.16）导致严重的辐射差异和阴影问题，使得立体匹配失败，产生大量空洞（Void），证明了 B/H 比应控制在 0.9 以下 以保证实用性。

5. 研究意义 (Significance)

• 填补技术空白：证明了利用开源工具处理印度空间研究组织（ISRO）的高分辨率月球数据是可行的，打破了商业或专有软件的限制。
• 提升地形细节：生成的亚米级 DEM 能够解析岩石尺度的地形特征，这对于未来的月球着陆点认证（Landing Site Certification）和漫游车路径规划具有直接的应用价值。
• 方法论推广：建立的 CSM 集成流程和像对筛选策略可推广至其他非立体采集的行星轨道成像任务。
• 数据质量评估：研究揭示了当前 Chandrayaan-2 SPICE 核数据在绝对高程精度上的局限性（导致约 5-6 米的系统偏差），并指出未来通过更新轨道/姿态数据可进一步提升绝对精度。

总结：该研究成功构建了一个从原始影像到高精度 DEM 的完整开源工作流，不仅验证了 OHRC 数据在亚米级地形重建中的巨大潜力，也为未来月球探测任务的地形数据处理提供了重要的技术参考和验证基准。