钱洲元，贺 亮，张瀚墨，胡阳修，曹 涛

(1. 上海航天控制技术研究所， 上海201109； 2. 上海市空间智能控制技术重点实验室， 上海201109)

1 引言

月球陨石坑自主检测与提取一直是探月工程领域的研究热点。 陨石坑作为月球表面最显著的地貌特征，不仅可以用来推断月球表面的相对年代，而且可以作为航天器自主导航和安全着陆的地标，辅助航天器实现高精度定位。

目前常用的陨石坑提取方法大致可分为地形信息分析法、机器学习法和形态拟合法3 类。 地形信息分析法主要引入数字高程模型(Digital Elevation Model， DEM)对月球陨石坑形态进行分析，但DEM 分辨率通常较低，对小陨石坑的检测识别效果不太理想。 Zhou 等基于月球DEM 数据提取坡度变化率较高的区域，结合邻域平均算法和重分类方法过滤筛选以获取真实的陨石坑边界，然而面向边缘模糊不清、深度较浅的小直径陨石坑时容易出现漏检；骆磊等提出将坡度与剖面曲率相结合作为一个新指标来描述月表陨石坑，检测精度有了较大提升，但同样无法检测严重退化的陨石坑。 近年来机器学习技术也被应用到陨石坑自动识别领域。 DeLatte等提出了Crater U-Net 新型卷积神经网络用于火星陨石坑的识别，检测率约为65%～75%，其中训练集的选取会对检测结果造成影响；郑磊等利用CaffeNet 模型实现对陨石坑图像的分类，并改进了非极大值抑制算法(Non-Maximum Suppression，NMS)，提高了检测精度，但只适用于大型陨石坑。 形态拟合法基于陨石坑的外形轮廓，将其拟合为圆形或者椭圆形，能够识别大小不一的陨石坑，运算速度相对较快；……