实现软着陆小天体是当今世界各国在深空探测领域的主要目标之一。当所探索的小天体距离地球较远时，地面控制站无法对着陆过程中的探测器进行实时远程控制，所以必须为其开发具有环境感知、障碍检测、着陆场搜索、路径规划和自主运动控制等能力的导航、制导与控制系统。基于机器视觉的方法为这一系统的建立提供了一个好的发展方向。　　本文主要针对机器视觉方法在探测器着陆小天体过程中的相关问题进行了研究，该研究可以分为以下几方面。　　第一:星体表面稳定特征区域的提取　　考虑到探测器在拍摄过程中图像间可能存在较大的差异，在星体表面的图像中提取具有稳定特征的特征区域或特征点在基于视觉的探测器导航与制导控制中是十分重要的环节。现有方法大多为基于特征点的匹配，但是当图像间的视角变化较大时会使得匹配率降低，从而影响探测器的导航与制导控制效果。　　针对以上问题本文采用基于特征区域的匹配方法，因为特征区域（阴影区和强光照区）的特征在较大的视角变化下可能会呈现较强的鲁棒性，这不但有利于大视角差异的图像间的匹配，而且特征区域在一定程度上也能反映出星体表面的地形特征。考虑到特征区域的灰度值具有高度相似性的特点，本文提出了一种基于二值化方法的特征区域提取方法，首先，由于在提取特征区域的过程中用到全局二值化的方法，所以要消除图像中孤立点像素值对于特征区域阈值提取的影响。然后利用提出的自适应阈值方法对特征区域进行提取。最后针对星体表面中具有稳定特征的特征区域检测问题，提出了一种基于MSER检测阴影区和强光照区的稳定区域方法。通过针对小天体序列图像的实验表明，利用本文方法提取到的特征区域在序列图像中能保持一定的稳定性。　　第二:星体表面稳定特征区域的匹配　　本文所提取的特征区域为星体表面的阴影区和强光照区，这些特征区域的特征在一定的光照变化条件下虽然具有一定的鲁棒性，但是特征区域的像素值会发生较为明显的变化，所以如何利用特征区域的信息实现鲁棒匹配对于图像间特征区域的跟踪以及探测器的姿态估计具有重要的意义。　　针对以上问题提出了二种星体表面特征区域的匹配算法，第一种是基于DIMES(Descent Image Motion Estimation Subsystem)框架的阴影区域匹配算法，该方法首先通过状态测量仪获取姿态信息，然后对图像的姿态进行调整，最后进行简单的模板匹配对阴影区域进行匹配。通过实验表明该方法较为容易实施，在工程中具有一定的意义。第二种方法是基于SFM(Structure From Motion)框架的小天体表面特征区域的鲁棒匹配算法。首先，利用MSER方法提取出图像中相对稳定的区域;然后，对提取出的区域进行仿射归一化;最后，对仿射归一化后的区域用MA-SIFT(Multiple Angles Sift)描述子进行特征提取，并且进行匹配。在实验中，本文方法与SIFT算法进行了对比，结果表明，当图像间出现较大的视角变化时，利用本文方法能得到较高的正确匹配率。　　第三:基于Skinner概率自动机的抽样一致性算法　　图像间的错匹配去除对于探测器的光学导航与控制起着至关重要的作用，首先，能否将所有的错匹配去除对于能否得到正确的探测器姿态变化参数起着决定性作用，在现有的姿态估计方法中，只要匹配对中存在错匹配，探测器的姿态解算就会受到影响，并且错匹配去除算法对于能否完好重建星体表面的三维地形也起着关键性作用。然后，现有的错匹配去除方法大多需要内点率的先验知识，而且所需迭代次数较多，但是在实际情况中内点率是未知的，并且错匹配去除需要在很短的时间内完成以保证导航的时效性，所以如何找到不需内点率的先验知识并且能在较少的迭代次数下找到正确的匹配是目前的一个研究热点。　　针对以上问题提出了一种基于Skinner概率自动机的抽样一致性算法，该算法对数据集合中的每个样本赋予权值，并且利用基于认知心理学的Skinner概率自动机原理根据当前的抽样结果对每一个样本的权值进行更新，使得正确样本的抽样概率随着抽样次数的增加而增长，为了提高算法的自主性，针对先验知识缺乏的情况提出了三种迭代终止条件。在实验中将本文方法与现有算法做对比，结果表明该算法无论在迭代次数以及计算精度均优于其他算法。　　第四:星体表面安全着陆区的选择　　对于安全着陆区的选择问题，目前可参考嫦娥三号的着陆过程，该过程分为两个阶段，第一个阶段是在距离着陆区较高的位置进行粗避障，即基于二维图像分析障碍物的分布，并且找出大致的安全着陆区，第二个阶段是当探测器接近星体表面时利用激光三维成像技术分析着陆区的三维信息，从而获得着陆区域中相对平坦的位置。嫦娥三号软着陆的部分过程是在地面的控制下完成，并且着陆区域为月表的雨海西北部，该区域平坦，山地较少，但是当天体距离地球遥远，地面控制站无法对探测器进行实时控制，并且大多数天体的表面布满了陨石坑以及山地等复杂地形，即使探测器落在了平坦的区域，该区域也有可能是陨石坑的内部，这将极大限制巡视器的巡视范围，从而导致整个任务的失败。　　针对以上问题提出了两种方法。第一种是基于障碍物的膨胀方法选择非膨胀区域作为安全着陆区，该方法首先利用形态学的膨胀算法对二值化后的阴影区与光照区进行膨胀，然后提取出较大的未膨胀区域作为最终安全着陆区。第二种方法考虑到了测器在着陆过程中可能落于落于地势平坦的封闭环境，提出了避封闭环境的星体表面着陆区选取算法。首先进行障碍检测，并且提取出图像中非障碍区的骨架，然后以骨架三线交点为圆心得到多个具有允许着陆范围的着陆圆，利用计分加权法从着陆圆的半径、连通性、纹理，以及着陆圆心与障碍物的集群关系四个方面得到备选着陆圆，最后利用双目的三角测量方法获取各个备选着陆圆的坡度，将坡度最小的着陆圆最为最终的着陆区。通过实验发现本文方法能选择出障碍物稀少的区域，并且能够避免探测器落入地势封闭的区域。　　第五:基于图像信息的探测器状态变化估计以及基于模型预测控制算法的探测器导航与制导控制　　探测器在着陆前，会根据当前的状态和位置规划出一条下降轨迹，该轨迹不但给出了探测器的下降路线，也规定了下降时间以及探测器在每个时刻所应该处于的状态，这些状态包括探测器的速度，加速度，探测器的姿态等。然后探测器会跟踪这条轨迹，并且在相应的时刻达到或逼近提前预定的状态，所以探测器如何准确的进行姿态估计以及跟踪预定的下降的轨迹对于能否实现精确而又安全的软着陆起着决定性作用。　　针对上述问题有两部分研究:第一，针对探测器下降过程中基于光学的姿态估计问题，提出了一种新的运动参数的估计方法。该方法首先利用第三章提出的特征区域匹配算法对两幅探测器在不同的状态下拍摄的图像进行匹配，然后利用第四章提出的方法进行错匹配去除，最后随机抽取一定数量的匹配对利用排列组合的方法计算出探测器相应的姿态变化量。第二，针对探测器在软着陆过程中的导航与制导控制算法进行了研究。首先介绍探测器的在着陆小天体过程中的动力学方程，然后提出了利用模型预测控制的方法对探测器下降过程中的速度，位置实施跟踪控制。在试验中该算法与PD和VSC算法进行了对比，发现模型预测控制算法对于位置的跟踪要优于PD和VSC算法。