基于事件的月球光学流自我运动估计挑战：ELOPE 大赛的设计与结果

为何更聪明的“眼睛”对月球着陆至关重要

随着航天机构准备将机器人乃至人员送回月球，在崎岖且阴影密布的地形中安全着陆成为一大难题——尤其是在可能存在永久阴影并藏有冰的极区。本论文探讨了一种用于航天器的“智能眼”——事件相机，并报告了一场全球竞赛，测试不同团队利用该传感器引导月球着陆器实现安全触地的能力。

在黑暗中观测运动的新方式

与按固定间隔拍摄完整图像的传统相机不同，事件相机仅在极小像素的亮度发生变化时做出响应。每次亮度变化都会触发一个带有精确时间戳的微小“事件”，形成一连串稀疏且高速的更新，而非庞大的图像。该设计模拟了生物视觉的工作方式，并为航天飞行带来关键优势：极快的响应、极宽的亮度范围以及低功耗。在月球南极附近——太阳沿地平线掠过、陨石坑深处常年背阴、以及明亮反光的尘埃容易令传统传感器饱和——这些优势尤为重要。

构建现实的数字月球游乐场

由于目前尚无来自月球的真实事件数据，研究者创建了 ELOPE 数据集与挑战赛。研究团队先用专门软件模拟了类似阿波罗着陆器的燃料高效着陆路径，包括常规下降和在接近着陆时改变着地点的复杂“偏移”机动。行星渲染工具随后在不同光照条件下沿这些路径生成详尽且接近照片的地表视图，事件相机模拟器将图像序列转换为事件流。每个序列都配有着陆器真实运动的完美“答案键”，以及来自惯性传感器和激光测距仪的虚拟读数，使参赛者能够测试其方法重建着陆器速度与方向的准确性。

一场全球范围的智能导航创意竞赛

ELOPE 比赛吸引了来自大学、工业界和独立研究者的 44 支团队，21 支进入最终排行榜并提交了 132 个方案。所有团队都需从相同的合成传感器数据中估计出着陆器随时间变化的三维速度。组织方还提供了一个强有力的基于帧的参考方法：先将事件转换为图像，再应用标准的光学流技术，挑战参赛者通过充分利用事件传感的潜力来超越该基线。只有三支队伍击败了这一基线，既展示了该技术的前景，也暴露了当前的局限。

三条通向运动解读的获胜路径

冠军队 SOMIS-LAB 完全拥抱了仅基于事件的世界观。他们的方法不是把事件打包成固定时间切片，而是根据到达事件的数量动态调整时间窗口，然后根据候选运动对事件进行扭曲，并在频域上评估所得模式的“清晰度”。通过寻找能使场景边缘最为清晰的运动，他们取得了最佳精度——尽管计算成本很高，按目前速度仍然太慢，无法用于真实着陆。亚军和季军 HRI 与 LUNARIS 则走更传统的路线：将事件汇总成短时图像并使用成熟的计算机视觉工具。一支团队将月表视为近似平面并求解连续图像间的最优整体变换；另一支团队估计逐像素的细节运动，利用惯性传感器数据去除由着陆器旋转引起的部分，并结合距离信息推断着陆器速度。这些方法足够快速以支持实时使用，同时仍优于基线方法。

从难题中得到的教训

通过研究所有方法的薄弱环节，作者发现最困难的轨迹往往伴随严重的光照问题——源图像过曝或曝光不足，在转换为事件后产生的有意义事件非常少。他们还发现，带有急转和姿态变化的复杂偏移机动普遍比直接下降更难重建。有趣的是，许多团队尝试了深度学习，但在最终提交中常回归经典视觉方法，原因包括事件稀疏、训练数据有限以及稳健泛化的需求。赛后调查也显示，大多数参赛者将事件转换为具有固定时序的帧，凸显出冠军队那种完全事件驱动策略仍然非常少见。

对未来月球任务的意义

研究结论认为，事件相机是未来月球着陆系统的有力候选，尤其适用于苛刻的极地环境。即便使用合成数据集并额外面临缺少相机校准细节的劣势，仍有若干团队达到或超过了精心设计的基于帧的参考方法。最准确的方案表明，完全利用事件流能够产生优秀的运动估计，而快速的基于帧的混合方法证明了实用的实时系统已可实现。这些结果共同标志着朝着能像生物眼睛那样在快速运动与极端光照下“看见”周围环境的着陆器迈出了重要一步，从而提高了在月球及更远处实现安全、精确着陆的机会。

引用: Fanti, P., Williams, L.B.S., Dvořák, O. et al. Event-based lunar optical flow egomotion estimation challenge: design and results of the ELOPE competition. npj Space Explor. 2, 18 (2026). https://doi.org/10.1038/s44453-026-00033-0

关键词: 基于事件的视觉, 月球着陆, 自我运动估计, 神经形态传感器, 自主导航