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

📄 arXiv: 2604.01032v1 📥 PDF

作者: Aaranay Aadi, Jai Singla, Nitant Dube, Oleg Alexandrov

分类: cs.CV

发布日期: 2026-04-01

备注: 17 pages, 8 figures

💡 一句话要点

基于开源摄影测量生成亚米级月球数字高程模型

🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction)

关键词: 数字高程模型 月球探测 开源摄影测量 高分辨率成像 立体视觉 地形分析 空间分辨率

📋 核心要点

  1. 现有方法在生成高分辨率月球数字高程模型时，缺乏有效的开源解决方案，且精度和一致性存在挑战。
  2. 本研究提出了一种基于开源摄影测量的流程，通过几何分析和密集立体对应生成亚米级的月球DEMs。
  3. 实验结果表明，生成的DEMs在垂直方向的均方根误差为5.85米，水平精度小于30厘米，显著提升了月球地形建模的准确性。

📝 摘要（中文）

高分辨率的月球数字高程模型（DEMs）对于表面移动规划、着陆点特征分析和行星科学至关重要。印度月球探测器Chandrayaan-2上的高分辨率相机（OHRC）以约20-30厘米每像素的分辨率获取全色图像。本研究首次使用完全开源的流程，从OHRC多视角图像生成亚米级DEMs。通过几何分析图像元数据，识别候选立体对，并计算基线与高度比（B/H）和收敛角度。应用密集立体对应和射线三角测量生成点云，并在五个地理分布的月球站点上将其网格化为DEMs，空间分辨率在24至54厘米之间。通过与月球勘测轨道器窄角相机（NAC）数字地形模型的迭代最近点（ICP）对齐，建立绝对高程一致性，并进行常数偏差校正。与NAC参考地形的验证显示，垂直均方根误差（RMSE）为5.85米（在原始OHRC分辨率下），水平精度通过平面特征匹配评估小于30厘米。

🔬 方法详解

问题定义：本研究旨在解决现有月球数字高程模型生成方法中缺乏开源工具和高分辨率数据处理的不足，尤其是在精度和一致性方面的挑战。

核心思路：论文的核心思路是利用开源摄影测量技术，从OHRC的多视角图像中提取立体对，通过几何分析和密集立体对应生成高精度的月球DEMs。

技术框架：整体流程包括图像元数据的几何分析、候选立体对的识别、密集立体对应、射线三角测量生成点云，以及将点云网格化为DEMs。最后，通过ICP对齐和偏差校正确保高程一致性。

关键创新：最重要的技术创新在于首次实现了完全开源的月球DEMs生成流程，利用OHRC图像的最佳地面采样能力，显著提升了生成模型的空间分辨率和精度。

关键设计：在参数设置上，采用了基线与高度比（B/H）计算和收敛角度估计来优化立体对的选择，使用ICP算法进行高程一致性校正，确保生成的DEMs在不同地理位置的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，生成的月球DEMs在垂直方向的均方根误差为5.85米，水平精度小于30厘米，显著优于以往方法。这一成果为月球及其他行星的高精度地形建模提供了新的技术路径。

🎯 应用场景

该研究的成果可广泛应用于月球探测任务的表面移动规划、着陆点选择及科学研究，尤其是在行星科学和地形分析领域。未来，这种开源方法可能会推动其他天体的高程模型生成，促进深空探测技术的发展。

📄 摘要（原文）

High-resolution digital elevation models (DEMs) of the lunar surface are essential for surface mobility planning, landing site characterization, and planetary science. The Orbiter High Resolution Camera (OHRC) on board Chandrayaan-2 has the best ground sampling capabilities of any lunar orbital imaging currently in use by acquiring panchromatic imagery at a resolution of roughly 20-30 cm per pixel. This work presents, for the first time, the generation of sub-metre DEMs from OHRC multi-view imagery using an exclusively open-source pipeline. Candidate stereo pairs are identified from non-paired OHRC archives through geometric analysis of image metadata, employing baseline-to-height (B/H) ratio computation and convergence angle estimation. Dense stereo correspondence and ray triangulation are then applied to generate point clouds, which are gridded into DEMs at effective spatial resolutions between approximately 24 and 54 cm across five geographically distributed lunar sites. Absolute elevation consistency is established through Iterative Closest Point (ICP) alignment against Lunar Reconnaissance Orbiter Narrow Angle Camera (NAC) Digital Terrain Models, followed by constant-bias offset correction. Validation against NAC reference terrain yields a vertical RMSE of 5.85 m (at native OHRC resolution), and a horizontal accuracy of less than 30 cm assessed by planimetric feature matching.