李 飛 呼 斌 孔祥輝 段芳芳

(西安電子工程研究所 西安 710100)

0 引言

在現(xiàn)代戰(zhàn)爭中,陸軍從以重裝甲、強(qiáng)火力為特征的軍事力量向更輕便、反應(yīng)更迅速、具有高殺傷力與高生存性的目標(biāo)部隊轉(zhuǎn)型,具有實用性的無人地面車輛系統(tǒng)的發(fā)展成為未來的趨勢[1-2]。與空中無人飛行器(UAV)相比,無人地面車輛(UGV)的運行環(huán)境則要復(fù)雜得多,在技術(shù)發(fā)展和系統(tǒng)集成等方面所面臨的挑戰(zhàn)也將是巨大的。無人地面車輛感知系統(tǒng)涉及廣泛的技術(shù)領(lǐng)域,如圖1所示。

圖1 UGV研究所涉及的技術(shù)領(lǐng)域

圖2 被檢測出的路面指示標(biāo)志

1 無人平臺任務(wù)管理

軍用無人平臺可以執(zhí)行偵察、監(jiān)視乃至作戰(zhàn)任務(wù),是一種用途非常廣泛的武器系統(tǒng)。由此,美國有關(guān)部門根據(jù)未來的軍事戰(zhàn)略構(gòu)想,針對軍事專家就無人平臺的使用范圍及其優(yōu)先順序開展了調(diào)查研究,其結(jié)果如表1所示。

表1 各種無人平臺的使用范圍和優(yōu)先順序

由表1可以看出:UGV的任務(wù)范圍涵蓋了所有重大軍事領(lǐng)域,但主要任務(wù)被認(rèn)為是“偵察”。美國軍事專家認(rèn)為無人平臺執(zhí)行侵入敵方領(lǐng)域執(zhí)行情報搜集任務(wù)是最有發(fā)展前途的。

由于地貌、地形和人工的影響,UGV工作在一個極為復(fù)雜的環(huán)境中。未來作戰(zhàn)系統(tǒng)UGV很可能運行在任何氣候條件下(雨天、霧天及雪天等),不分晝夜,有沙塵或其他干擾戰(zhàn)場的因素存在,也要與友軍配合對抗敵軍。表2總結(jié)了UGV在公路和越野場景中行駛時感知系統(tǒng)的任務(wù),可以看到,由于野外環(huán)境的復(fù)雜性,感知系統(tǒng)的任務(wù)要比公路行駛時要繁重得多。

表2 感知任務(wù)表

表3 毫米波雷達(dá)和視頻傳感器性能對比

UGV在行駛中可能會面臨各種不同的地形和植被(沙漠、林地、灌木叢、草地、公路和城市等);需要避開各種類型和大小的正障礙(巖石、倒了的樹、倒塌的磚墻和過于陡峭的坡等)和負(fù)障礙(壕溝和沼澤地等);并且還可能遇到有戰(zhàn)術(shù)意義的其他特征(森林邊界和山脊等)。當(dāng)UGV沿公路行駛時,需要檢測道路特征;而越野行駛時,則需檢測符合戰(zhàn)術(shù)約束(隱蔽、可通過)的機(jī)動通道特征。UGV還需要檢測、分類和定位各種自然和人造特征(作為地標(biāo)),以便精確確定自身位置和規(guī)劃戰(zhàn)術(shù)路徑。

2 無人地面車場景感知技術(shù)發(fā)展現(xiàn)狀

2.1 單傳感器場景感知

2.1.1 道路和障礙檢測

對于公路環(huán)境,在結(jié)構(gòu)化的開闊道路(例如,已知寬度和轉(zhuǎn)彎半徑等幾何特征的干道和高速公路,車道標(biāo)記明顯,有確定的邊緣)上的車道檢測已經(jīng)有了相當(dāng)多的研究。通常是將事先已知的關(guān)于道路幾何特征和其他性質(zhì)的知識與通過感知系統(tǒng)檢測到的特征(例如,車道標(biāo)記,路邊)相結(jié)合,用以確定車道和其中車輛的位置。用于車道檢測和跟蹤的傳感器包括立體[3]和單目[4]彩色攝像機(jī),還有在夜間和能見度有限情況下使用的前視紅外雷達(dá)(Forward Looking Infrared Radar,FLIR)。與結(jié)構(gòu)化的開闊道路不同,城市環(huán)境中的車輛、行人或建筑物等很有可能遮斷開闊道路環(huán)境中用于確定車道的很多線索。Franke等人[5]通過檢測車道線、路邊、停車線、人行橫道線、交通標(biāo)志牌等,進(jìn)行車道檢測和跟蹤。

對于大多數(shù)的道路,由于道路邊緣存在護(hù)欄,防護(hù)障,綠化帶等具有強(qiáng)雷達(dá)回波的物體。因此,可以根據(jù)這些物體的回波來檢測道路邊緣。圖3所示為道路邊緣的場景成像效果圖:圖3(a)所示為在具有護(hù)欄的道路場景下雷達(dá)的成像結(jié)果。從中可以看出有兩串明顯的強(qiáng)回波點,就是護(hù)欄所成的像。在進(jìn)行護(hù)欄檢測時,可以參考在視覺系統(tǒng)中道路邊緣檢測的方法,使用霍夫變換尋找圖中的兩條最明顯的直線,圖3(b)所示。

圖3 道路邊緣的場景成像效果圖

圖4 基于HSI彩色空間的道路檢測

圖5 立體視覺檢測障礙物

而對于越野環(huán)境,Chaturvedi等人[6]用貝葉斯分類器將路段從彩色圖像背景中分割出來。他們的研究主要針對由紅色泥土道路和綠色植被構(gòu)成的場景,并在二者區(qū)分度較好的HSI(色相,飽和度和亮度)彩色空間展開。雖然此算法受到紅色道路的限制,但它表明彩色分割可用于非結(jié)構(gòu)化道路的檢測和跟蹤。

對于障礙檢測,Williamson[7]在結(jié)構(gòu)化道路上開展了對靜態(tài)正障礙的研究,他搭建的三相機(jī)立體視覺系統(tǒng)能夠檢測位于110m處的高度為14cm的物體。在非結(jié)構(gòu)化道路上檢測障礙的研究還很少,事實上,坡度的突變往往會導(dǎo)致障礙檢測算法的虛警。路上障礙檢測的很多技術(shù)都采用攝像機(jī)作為傳感器。盡管通過采用外部照明,它們也可用于夜間,但在霧天、煙霧及其他能見度受限情況下效果則不佳。采用FLIR和LIDAR傳感器可提高系統(tǒng)在夜晚和有限能見度時的性能,但價格昂貴,LIDAR還受到作用距離的限制。

通過雷達(dá)對真實場景的大量實地觀測表明,可以通過回波特征進(jìn)行陷阱識別。陷阱識別可以采用特征匹配的方法,陷阱的特征包括:一是陷阱后壁有較強(qiáng)回波;二是陷阱區(qū)域內(nèi)的地雜波較弱。根據(jù)陷阱的特征,選擇距離上前弱后強(qiáng)的模板進(jìn)行匹配,可以有效提取陷阱的后壁位置,最后在雷達(dá)原始成像圖中提取陷阱,圖6為陷阱檢測提取的陷阱檢測效果圖。

圖6 陷阱檢測效果圖

圖7 背景差法示意圖

圖8 行人與車輛多普勒譜對比

圖9 Langer搭建的車輛行駛環(huán)境感知系統(tǒng)

圖10 機(jī)器車Stanley比賽中的照片

圖11 美軍未來作戰(zhàn)系統(tǒng)

圖12 單車數(shù)據(jù)與車際組網(wǎng)數(shù)據(jù)共享

圖13 多傳感器數(shù)據(jù)融合示例:毫米波雷達(dá)+攝像機(jī)

圖14 多傳感器數(shù)據(jù)融合示例:毫米波雷達(dá)+電子地圖

圖15 負(fù)障礙的檢測挑戰(zhàn)

圖16 窄波束長距離/寬波束短距離雷達(dá)

圖17 雙目雷達(dá)示意圖

2.1.2 車輛和行人檢測

對運動車輛的提取,在視頻圖像處理中可以采用幀間差法或當(dāng)背景差法[8]。幀間差法是將相鄰的圖像幀進(jìn)行差分,有運動目標(biāo)的區(qū)域由于相鄰兩幀的不同會顯現(xiàn)出來。幀間差法實現(xiàn)容易,計算速度快,但對目標(biāo)的提取不完整,并且提取運動速度較慢的目標(biāo)難度較大。背景差法需要先得到一個背景圖像,通過當(dāng)前圖像幀與背景圖像的相減提取出運動的目標(biāo),同時更新背景圖像。

對運動車輛的檢測也可以采用毫米波雷達(dá)測速實現(xiàn),通過發(fā)射多個具有不同調(diào)頻率的線性調(diào)頻連續(xù)波(Linear Frequency Modulated Continuous Wave, LFMCW)波形來獲得目標(biāo)距離和速度的不同線性組合,進(jìn)而解出目標(biāo)的距離和速度,也可以利用各個波形發(fā)射周期間的相位變化來檢測多普勒頻率,進(jìn)而獲得目標(biāo)的速度。

對于行人檢測,Franke等人在攝像機(jī)獲取的圖像中通過檢測運動的雙腿來檢測行人?？紤]到行人在走動過程中身體各個部位間的相對運動要比運動車輛復(fù)雜得多,因此在多普勒譜上與運動車輛相比會有較大的展寬,根據(jù)這一特征,Rohling等人[9]從24GHz毫米波雷達(dá)獲取的回波數(shù)據(jù)中提取多普勒譜和一維距離像,進(jìn)行運動車輛和行人的區(qū)分。

2.2 多傳感器融合技術(shù)

事實上,一種傳感器不管處理得多么高明也不可能做各種事,人們逐漸考慮采用多傳感器模式,將不同傳感器的結(jié)果組合起來以實現(xiàn)全天候的魯棒檢測[10]。應(yīng)用于UGV上的傳感器(彩色攝像機(jī)、前視紅外、激光雷達(dá)和雷達(dá))各自的優(yōu)缺點總結(jié)如下:

1)彩色攝像機(jī):視頻傳感器是使用攝像機(jī)采集視頻信息,通過圖像處理的方式感知目標(biāo)和道路場景的信息,視頻傳感器的優(yōu)勢在于成像分辨率較高,目標(biāo)識別比較容易,而且數(shù)據(jù)采集方式簡單。其缺點是作用距離較近,受天氣,光照等因素影響明顯,在夜晚環(huán)境無法正常工作。

2)前視紅外:紅外熱像儀采集目標(biāo)紅外輻射的能量進(jìn)行成像,克服了視頻傳感器在夜晚和光照不足時無法工作的缺點,由于車輛的熱輻射較強(qiáng),所以在紅外成像圖中車輛有比較明顯的特征。紅外熱像儀的缺點是成像質(zhì)量不如視頻傳感器,道路特征不容易識別,而且造價較高。

3)激光雷達(dá):激光雷達(dá)通過主動的發(fā)射激光光束,通過接收目標(biāo)反射光來測定目標(biāo)的信息。且由于激光束的波束很窄,激光雷達(dá)可以達(dá)到很高的距離和方位分辨力,而且能達(dá)到較遠(yuǎn)的作用距離。激光雷達(dá)面臨的問題是云霧,雨雪天氣無法工作。

4)雷達(dá):波長最長,作用距離最遠(yuǎn),具有全天候工作能力。隨著在汽車應(yīng)用上的普及,價格相對較低而且可靠。通過選擇適當(dāng)?shù)念l率有可能探測到樹葉和草叢中的障礙,可依據(jù)回波強(qiáng)度的不同對目標(biāo)材質(zhì)做有限的分類,可檢測圍欄、路標(biāo)、護(hù)欄和電線,對于運動物體、車輛和行人具有良好的檢測性能。缺點是分辨率低,目標(biāo)識別有一定難度。

2.2.1 民用多傳感器平臺

Langer[11]開發(fā)了一套將77GHz雷達(dá)數(shù)據(jù)、攝像機(jī)和電子地圖數(shù)據(jù)組合的系統(tǒng)。雷達(dá)用于檢測和定位其他車輛,使得RALPH可以通過自主控制車速與前車保持安全距離;攝像機(jī)檢測到的道路幾何特征提供給RALPH道路跟蹤系統(tǒng),用于保持車輛橫向位置;來自RALPH的道路幾何信息被用于抑制雷達(dá)雜波和減少虛警。

2005年DARPA主辦的機(jī)器車挑戰(zhàn)大賽(Grand Challenge)冠軍由斯坦福大學(xué)研制的機(jī)器車Stanley[12]獲得。Stanley裝備了激光雷達(dá)、攝像機(jī)和24GHz毫米波雷達(dá)。激光雷達(dá)負(fù)責(zé)感知距離車輛25m以內(nèi)的場景,可以繪制出詳細(xì)的地形;攝像機(jī)作用距離較遠(yuǎn),主要用以識別道路;24GHz毫米波雷達(dá)作用距離最遠(yuǎn),達(dá)200m,可用以探測障礙物等。隨著車輛的駛近,攝像機(jī)和毫米波雷達(dá)的遠(yuǎn)距離探測結(jié)果可用以輔助激光雷達(dá)的判決。

2.2.2 軍用戰(zhàn)場偵察系統(tǒng)

波音公司設(shè)計、研制和演示了無人作戰(zhàn)系統(tǒng)最大的無人車ARV。ARV分為兩個型號:用于執(zhí)行偵察、監(jiān)視和目標(biāo)捕捉任務(wù)的偵察型車(ARV-R)和通過遙控操作執(zhí)行直瞄或者間瞄射擊任務(wù)以支援士兵乘車作戰(zhàn)和徒步作戰(zhàn)的攻擊型車(ARV-A)。ARV-R為城市作戰(zhàn)和其他戰(zhàn)場提供遠(yuǎn)程偵察能力,將傳感器、直瞄武器和特種彈藥部署到建筑物、掩體、隧道和其他城市地形中,并能夠提供通信中繼和戰(zhàn)斗毀傷評估。裝備了一個5m高的可伸縮桅桿,其上裝備了光電、紅外、激光傳感器組件、多功能Ka波段雷達(dá),能夠?qū)崿F(xiàn)對目標(biāo)的偵察、監(jiān)視等偵察能力。

新加坡南洋理工大學(xué)研制的感知周圍環(huán)境的無人車輛環(huán)境感知系統(tǒng)具備了先進(jìn)的傳感器系統(tǒng),包括雷達(dá)、激光探測器、三維相機(jī)、超聲波傳感器和GPS定位系統(tǒng),能夠識別靜態(tài)目標(biāo)、捕捉動態(tài)目標(biāo),具有自動駕駛的能力。

“阿韋多-2004”是以色列研制的一部無人地面戰(zhàn)車系統(tǒng),其上安裝了用于障礙物探測的和道路識別的電視、激光、超聲裝置和雷達(dá)傳感器,以及基于地理信息技術(shù)、差分全球定位系統(tǒng)(DGPS)和綜合導(dǎo)航系統(tǒng)(INS)的地面與空中地圖系統(tǒng)的定位系統(tǒng),用于停留處目標(biāo)的跟蹤。

3 無人平臺場景感知技術(shù)的發(fā)展方向

3.1 空地結(jié)合

UGV的場景感知受到諸多條件的限制。首先,傳感器作用距離有限,即使是作用距離最遠(yuǎn)的毫米波雷達(dá)也一般不超過250m,作用距離還會因為灌木草叢、墻壁土坡等的遮擋而進(jìn)一步減小;其次,UGV的成本、最大載荷等的限制也使得UGV不一定能夠裝備所有類型的傳感器,因此只能獲得有限的感知能力;此外,作戰(zhàn)環(huán)境的限制(夜晚、雨霧等)也會使得UGV感知能力下降。

未來戰(zhàn)爭將是海陸空軍多兵種聯(lián)合作戰(zhàn)的立體戰(zhàn)爭,精確打擊空中力量和無人駕駛飛行器正在改寫著作戰(zhàn)的規(guī)則。無人機(jī)在空中作戰(zhàn),有著作戰(zhàn)半徑大、機(jī)動能力強(qiáng)、視野寬廣等優(yōu)點,但容易受到復(fù)雜地形(高山、峽谷等)和惡劣天氣的影響,不能很好地完成作戰(zhàn)目標(biāo)。在制空權(quán)未完全取得的情況下,容易受到來自敵方空中力量和地面防空火力的攻擊。通過無人機(jī)投放UGV,并將無人機(jī)傳感器數(shù)據(jù)(合成孔徑雷達(dá)成像、高空攝像等)融合后提供給UGV,可以提高UGV場景感知效率和感知范圍,幫助其在復(fù)雜環(huán)境中更有效行駛,與無人機(jī)形成配合偵查和作戰(zhàn)。

3.2 數(shù)據(jù)共享

UGV在編隊或小組行進(jìn)時,可以通過組網(wǎng)實現(xiàn)傳感器數(shù)據(jù)共享和協(xié)同工作,根據(jù)各個UGV所處位置的不同為其傳感器分配不同的任務(wù),例如位于隊伍首尾的UGV可以承擔(dān)較多的場景感知任務(wù),而位于隊伍中間的UGV則可以承擔(dān)較多數(shù)據(jù)中繼任務(wù),可以達(dá)到資源優(yōu)化配置的目的。不同位置的UGV傳感器數(shù)據(jù)共享也有利于建立對場景更全面的認(rèn)知,部分傳感器缺失或損耗的UGV也可以利用其它UGV分享的場景感知信息繼續(xù)工作。此外,組網(wǎng)協(xié)同工作也可以避免各UGV的主動傳感器(激光雷達(dá)和毫米波雷達(dá))之間的相互干擾。

UGV編隊的傳感器數(shù)據(jù)共享還可用于實現(xiàn)編隊中的自動車輛跟蹤。數(shù)項汽車研究了使車輛能夠在公路上以短間距自動相互跟蹤的方法。它可用于在公路上甚至越野運行的陸軍補(bǔ)給車隊,使車輛緊靠著行駛,以節(jié)約燃料和提高公路基礎(chǔ)設(shè)施的運輸效率。而在戰(zhàn)場環(huán)境中,出于躲避敵方火力等的需要,可能會反其道而行之,希望車輛分散行駛。UGV編隊的緊靠和分散行駛都需要通過傳感器數(shù)據(jù)共享確定各成員車輛間的相對和絕對位置以后才能得以實現(xiàn)。

多平臺協(xié)同[13]是將不同的信息節(jié)點采用高速、寬帶數(shù)據(jù)傳輸網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)鏈接,具備復(fù)合跟蹤和識別、精確提示和協(xié)同聯(lián)合作戰(zhàn)等三大功能,可實現(xiàn)一致的圖像傳輸;采用無中心的對等網(wǎng)絡(luò)結(jié)構(gòu),支撐大容量數(shù)據(jù)的高可靠傳輸,支持動態(tài)組網(wǎng)。多平臺協(xié)同技術(shù)包含大協(xié)同技術(shù)和小協(xié)同技術(shù)兩個方面:大協(xié)同技術(shù)是將整個戰(zhàn)場區(qū)域上的作戰(zhàn)設(shè)備,包括有人設(shè)備、衛(wèi)星、無人機(jī)、無人車通過信息傳輸實現(xiàn)信息共享和作戰(zhàn)協(xié)同;小協(xié)同為在某個作戰(zhàn)區(qū)域內(nèi)無人平臺和有人設(shè)備通過通信和信息網(wǎng)絡(luò)實現(xiàn)人機(jī)互動。

3.3 數(shù)據(jù)融合

多傳感器模式,只有通過數(shù)據(jù)融合,把多傳感器的結(jié)果有效組合起來才可實現(xiàn)全天候?qū)鼍暗聂敯舾兄?。事實?不同傳感器的優(yōu)勢和劣勢可以互補(bǔ),以毫米波雷達(dá)和視頻傳感器為例,它們的性能對比如表 3所示。

因此,可以采用雷達(dá)傳感器首先獲取道路中車輛的位置和速度信息,再通過坐標(biāo)變換,定位車輛在視頻圖像中的位置,進(jìn)而進(jìn)行車型和車道識別,就可以實現(xiàn)車輛防撞預(yù)警和車速控制,更進(jìn)一步地,如果利用GPS和電子地圖,還可以實現(xiàn)路徑規(guī)劃。采用多傳感器數(shù)據(jù)融合的場景感知系統(tǒng),通過優(yōu)勢互補(bǔ),可以有效提高數(shù)據(jù)處理速度,與依賴單一傳感器的感知系統(tǒng)相比魯棒性也大大加強(qiáng)。

3.4 認(rèn)知傳感器

負(fù)障礙的檢測受到幾何條件的限制,如果傳感器的高度不夠高,將無法觀測到負(fù)障礙后壁的回波(這是立體視覺和雷達(dá)檢測負(fù)障礙的主要依據(jù)),造成負(fù)障礙的檢測性能不佳。解決該問題的途徑有:一是采用可垂直升降的長桿架高雷達(dá),并輔以俯仰角的調(diào)整來達(dá)到對負(fù)障礙的最佳觀測位置和姿態(tài);二是改變雷達(dá)工作波長至厘米波段,該波段電磁波可以穿透地表一定深度,常用于探地和穿墻雷達(dá),從而能夠在一定程度上削弱負(fù)障礙前沿對后壁的遮擋,甚至有可能觀測到被木板或草皮覆蓋的負(fù)障礙。

考慮到道路彎曲和多車道的影響,為了保證雷達(dá)能夠照射到前方道路上的障礙物和行駛車輛,方位波束寬度也不能設(shè)計得太小。為了解決此問題,可通過雷達(dá)發(fā)射功率和發(fā)射波束的搭配切換,采用窄波束長距離雷達(dá)和寬波束短距離雷達(dá)相結(jié)合,達(dá)到在抑制遠(yuǎn)處雜波情況下雷達(dá)對全場景的覆蓋。

3.5 毫米波雷達(dá)

在各種傳感器中,僅有毫米波雷達(dá)傳感器具有可全天候工作的特點,因此進(jìn)一步研究毫米波雷達(dá)傳感器,并克服毫米波雷達(dá)方位分辨力較低,目標(biāo)識別難度較大的問題具有較大的意義。為了獲得較高的分辨力,可以嘗試使用雙目雷達(dá)的方法,即在車頭的兩邊各安裝兩部連續(xù)波陣列雷達(dá),在后續(xù)的處理中對兩部雷達(dá)的信息得到融合,以達(dá)到高分辨的效果。雙目雷達(dá)的示意圖如圖 17所示。

對雙目雷達(dá)的信息融合,可以分為波束層的雙目融合和信號層的雙目融合。波束層面的融合,即對兩個雷達(dá)獲得不同視角的目標(biāo)信息的融合。信號層面的融合,即這樣的結(jié)構(gòu)可以獲得更大的雷達(dá)孔徑,提高方位分辨力,但同時由于稀疏陣列產(chǎn)生較強(qiáng)的柵瓣,需要克服柵瓣的影響。

此外,在信號處理階段也有著提高雷達(dá)方位分辨力的手段,如MUSIC、Capon等高分辨譜估計算法、FOCUSS、clustering FOCUSS[14]等稀疏恢復(fù)算法等。但是,這些算法都存在計算量大,難以滿足實時性的要求,以及魯棒性差,在噪聲和雜波存在的情況下性能急劇惡化的問題。

4 結(jié)束語

隨著信息技術(shù)的不斷發(fā)展,UGV越來越廣泛地應(yīng)用于軍事領(lǐng)域,進(jìn)行偵察監(jiān)視、警戒巡邏、高危作業(yè)、特種作戰(zhàn)等任務(wù)。而場景感知系統(tǒng)作為UGV的“眼睛”,直接影響著UGV能否在復(fù)雜的作戰(zhàn)環(huán)境中快速尋找和規(guī)劃出合理的行駛路徑,是決定UGV性能的關(guān)鍵技術(shù)之一。本文從單傳感器檢測和多傳感器融合技術(shù)兩方面介紹了UGV場景感知技術(shù)的發(fā)展現(xiàn)狀,并對UGV場景感知技術(shù)的發(fā)展進(jìn)行了展望。目前對場景的感知利用更多的往往是分辨力較高的視頻傳感器和激光雷達(dá),毫米波雷達(dá)僅僅作為一種輔助手段,用于道路上車輛的檢測和跟蹤。通過自行研制具有測距和測角能力的毫米波雷達(dá)傳感器,我們發(fā)現(xiàn)可以從雷達(dá)對于場景的原始距離/方位成像結(jié)果中挖掘更多的信息(道路邊緣、正負(fù)障礙等),結(jié)合毫米波雷達(dá)作用距離遠(yuǎn)、可全天候工作的優(yōu)點,將有可能大大提升現(xiàn)有場景感知系統(tǒng)的感知能力。接下來,提高雷達(dá)的分辨力,將雷達(dá)傳感器獲取的信息(特別是地形等)與其他傳感器進(jìn)行有效融合,根據(jù)測量結(jié)果有目的地調(diào)整傳感器位置、姿態(tài)甚至是工作方式,以達(dá)到對感興趣目標(biāo)實現(xiàn)更有效的觀測,是值得進(jìn)一步研究的方向。