CN100344937C - 一种星跟踪器快速匹配识别方法 - Google Patents
一种星跟踪器快速匹配识别方法 Download PDFInfo
- Publication number
- CN100344937C CN100344937C CNB2005100771876A CN200510077187A CN100344937C CN 100344937 C CN100344937 C CN 100344937C CN B2005100771876 A CNB2005100771876 A CN B2005100771876A CN 200510077187 A CN200510077187 A CN 200510077187A CN 100344937 C CN100344937 C CN 100344937C
- Authority
- CN
- China
- Prior art keywords
- celestial body
- sequence
- celestial
- visual field
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于天文导航技术领域，涉及对星跟踪器匹配方法的改进。本发明的步骤是：将当前时刻视场的星体根据x坐标位置进行排序，得到序列A；估计前一时刻视场上跟踪到的星体在当前视场中的位置；将估计后的跟踪星体位置进行排序，得到序列B；将序列A和序列B进行匹配识别。本发明匹配速度快，准确性高，计算量小，提高了整个跟踪过程的速度与准确性。
Description
技术领域
本发明属于天文导航技术领域，涉及对星跟踪器匹配方法的改进。
背景技术
星跟踪器是天文导航系统的主要设备，它是集光学、机械、电子、实时图像处理技术于一体的仪器。它通过CCD或CMOS图像传感器获取星体的图像信息，然后对图像信息进行实时处理，包括星体中心精确定位、星图识别、快速跟踪和精确姿态求解，输出姿态信息控制飞行器的姿态。实时跟踪是星跟踪器的主要工作模式，其跟踪的速度是星跟踪器主要的指标之一。星跟踪过程一个很重要的问题就是：如何快速地根据前一时刻已经跟踪到的星体信息识别当前视场中的星体。这个问题有两种解决方法：
(1)跟踪窗方法。
跟踪窗方法如图2所示，这种方法根据前一时刻跟踪到的星体的位置信息，估计当前时刻星体可能的位置，用跟踪窗捕获星体。如果捕获到就说明跟踪上了，当前星体的信息(包括赤经、赤纬、星等、星号)与前一时刻跟踪到的星体信息一致。
(2)匹配识别方法。
匹配识别方法是基于星体中心坐标位置的匹配，如图3所示，这种方法对当前时刻的星体根据其位置信息，寻找前一时刻与其在位置上匹配的已经跟踪到的星体，如果找到一颗，而且只有一颗星体与其匹配，则匹配识别成功，当前星体的信息(包括赤经、赤纬、星等、星号)与匹配到的前一时刻的星体信息一致。如图3，黑色表示的星体是前一时刻(t时刻)已经被跟踪上的星体，其星体的信息已知。前一时刻的5号星体(图中黑色表示的星体)与当前时刻的7′号星体(图中白色表示的星体)在一定的误差范围内唯一匹配，7′号星体得到识别，其星体信息(包括赤经、赤纬、星等、星号)从前一时刻的5号星体获取。在星跟踪过程中由于匹配识别方法简单、有效、快速而被采用。
为了识别当前视场中的某颗星体i，目前这种匹配识别的过程如下，
首先计算当前时刻视场上这颗星体i与前一时刻被跟踪上的所有星体的距离，其公式如下，
其次一一比较这些距离与预先设定的阈值δ，如果前一时刻被跟踪上的星体中有且只有星体j与当前时刻视场上的星体i之间的距离小于设定的阈值，则星体j与i构成匹配对，匹配识别完成。这种匹配识别的方法虽然简单、有效，但是采用这种方法的跟踪过程，存在以下的几个问题：
(1)其跟踪速度随着跟踪星体数目的增加呈线性下降；
(2)其距离的计算是基于平方和开根号运算，这种运算在星跟踪器所采用的RISC处理器中的计算量较大；
(3)从图3中我们可以看出对于当前时刻视场中的7′号星，其与前一时刻的3、4，6，9，10号星之间的距离比较大，它们之间的比较是没有意义的，是无谓的耗时的工作。
一般的匹配识别方法都是直接将当前时刻和前一时刻的星体位置进行距离的计算，阈值δ的选取与星跟踪器运动的角速度有关，当运动的角速度较大时会出现误匹配问题，参见图4，对于当前时刻星体6′有前一时刻跟踪到的两颗星体5和9与它的距离小于阈值，产生错误匹配。实际上应该是当前时刻星体6′和前一时刻的星体5匹配，当前时刻的星体10′和前一时刻的星体9匹配。
发明内容
本发明的目的是：提供一种匹配速度快、匹配准确性高、而且处理其计算量小的星跟踪器匹配方法。
本发明的技术方案是：一种星跟踪器快速匹配识别方法，其特征在于，匹配步骤如下：
1、将当前时刻视场中所有的星体根据它们的x坐标位置进行从小到大的排序，得到序列A，当前时刻为时刻t+δt；坐标系是以视场图像的左上角为坐标原点，x，y轴分别平行于图像的两边，δt是指图像传感器传输两帧图像之间的时间间隔；
2、根据前两帧图像跟踪到的星体的运动信息，估计前一时刻视场上跟踪到的星体在当前视场中的位置，前一时刻为时刻t，该时刻的视场图像为前一帧图像，时刻t-δt的视场图像为前二帧图像，按照下列步骤进行位置估计：
2.1、根据前两帧图像跟踪到的星体位置得到该星体的运动矢量
2.2、将运动矢量沿视场的x，y方向分解成两个分量Δxt，Δyt，根据下面的式(2)求出Δxt，Δyt的值，
Δxt＝xt-xt-δt Δyt＝yt-yt-δt (2)
2.3、根据下面的式(3)求出该星体在当前时刻视场中的坐标，
xt+δt＝xt+Δxt yt+δt＝yt+Δyt (3)
从而得到该星体在当前视场中的位置；
2.4、按照步骤2.1～2.3所述的方法，估计出前一时刻视场上跟踪到的所有星体在当前视场中的位置；
3、将经过步骤2位置估计后的前一时刻跟踪到的星体位置按照x坐标从小到大进行排序，得到序列B；
4、将序列A和序列B进行匹配识别，过程如下：
4.1、根据位置估计的结果设定一个较小的阈值δ，根据仿真中星敏感器运动的角速度和位置估计的精度设定阈值δ，为2～6个象素；
4.2、将序列A和序列B从左至右依次进行比较，计算其x坐标的差和y坐标的差 匹配的计算公式为：
|xi-xj|＜δ，|yi-yj|＜δ
4.3、对于序列A中的第i颗星体，如果在序列B中有且只有第j颗星体与其x和y的坐标差值都小于δ，则两颗星体即A中的第i颗星体和B中的第j颗星体匹配识别成功；
4.4、对于序列A中的第i颗星体，如果在序列B中有两颗以上的星体与其位置差小于δ，说明出现了误匹配，匹配失败，由于视场中的星体个数较多，因此匹配失败的星体舍弃，不作为进行姿态计算的星体；
4.5、对于序列A中的第i颗星体，如果在序列B中没有星体与其位置差小于δ，第i颗星体是新进来的星体，没有匹配星体，由于视场中的星体个数较多，因此没有得到匹配的星体舍弃，不作为进行姿态计算的星体；
4.6、对于序列A中的第i颗星体，如果在序列B中第j颗星体与其x和y的坐标差值都小于δ，而第j+1颗星体与其x的坐标差值大于δ，则对于第i颗星体，匹配识别结束；
4.7、如果序列A中的第i颗星体与序列B中第j颗星体其x和y的坐标差值都小于δ，而与序列B中第j-1颗星体x坐标差值大于δ，则对于序列A中的第i+1颗星体，只需从序列B中的第j颗星体开始比较，之前的星体不需要比较。
本发明的优点是：加快了匹配的速度，提高了匹配的准确性，更适合RISC处理器计算体系的特点，减小了RISC处理器的计算量，提高了整个跟踪过程的速度与准确性。
附图说明
图1是星图图像坐标系建立的示意图。
图2是现有的星跟踪方法中窗口形式的示意图。图中的黑点表示背景像素。
图3为现有的匹配识别方法的示意图。图中的黑色五星表示t时刻跟踪到的星体的位置。白色五星表示t+δt时刻实时定位得到的星体的精确位置。
图4是现有的匹配识别方法产生错误匹配示意图，图中的黑色五星表示t时刻跟踪到的星体的位置。白色五星表示t+δt时刻得到的星体的精确位置。
图5是将当前时刻视场中所有的星体根据它们的x坐标位置进行从小到大的排序的示意图。
图6是本发明方法进行运动矢量估计示意图。图中白色五星表示t+δt时刻跟踪星体的估计位置，灰色五星表示t时刻跟踪星体的精确位置，黑色五星表示t-δt时刻跟踪星体的精确位置。
图7是本发明方法中经过运动矢量估计以后的匹配示意图。图中黑色五星表示t时刻跟踪到的星体的位置，灰色五星表示t时刻跟踪到的星体在t+δt时刻的估计位置，白色五星表示t+δt时刻得到的跟踪星体的精确位置。
图8是本发明将经过运动矢量估计后的前一时刻跟踪到的星体位置按照x坐标从小到大进行排序的示意图。
图9是图6所示的星图匹配结果的示意图。图中虚线表示进行比较，实线表示匹配成功。
具体实施方式
下面对本发明做进一步详细说明。本发明在星跟踪过程中采用匹配识别的方法，并且跟踪视场中所有的星体，针对匹配识别中存在的问题进行了改进，其具体步骤如下：
1、将当前时刻视场中所有的星体根据它们的x坐标位置进行从小到大的排序，如图4所示的10颗星体，其排序前后的情况见图5。
2、为了减少误匹配，对前一时刻视场上跟踪到的星体不直接进行排序，而是根据前两帧图像跟踪到的星体的运动信息，估计前一时刻视场上跟踪到的星体在当前视场中的可能位置，如图6所示。前一时刻为时刻t，该时刻的视场图像为前一帧图像，时刻t-δt的视场图像为前二帧图像，图6中的
就是运动矢量，由于星跟踪器本身运动速度不快，这个运动矢量的变化不会很大，因此我们用前两帧跟踪得到的运动矢量来估计前一时刻跟踪到的星体在当前时刻视场上的位置。在实际的计算中，将运动矢量沿视场的x，y方向分成两个分量Δxt，Δyt
Δxt＝xt-xt-δt Δyt＝yt-yt-δt (2)
xt+δt＝xt+Δxt yt+δt＝yt+Δyt (3)
进行位置估计的具体步骤是：
2.1、根据前两帧图像跟踪到的星体位置得到该星体的运动矢量
2.2、将运动矢量沿视场的x，y方向分解成两个分量Δxt，Δyt，根据下面的式(2)求出Δxt，Δyt的值，
Δxt＝xt-xt-δ Δyt＝yt-yt-δt (2)
2.3、根据下面的式(3)求出该星体在当前时刻视场中的坐标，
xt+δt＝xt+Δxt yt+δt＝yt+Δyt (3)
从而得到该星体在当前视场中的位置。
2.4、按照步骤2.1～2.3所述的方法，估计出前一时刻视场上跟踪到的所有星体在当前视场中的位置。
由于Δxt，Δyt随着星跟踪器运动在变化，它包含了星跟踪器运动中的速度波动信息，计算简单，速度快。基于本发明方法的运动矢量估计的匹配方法由图7所示。从图7中可看出，经过运动矢量估计后，阈值δ可以选择较小的值，因此减小了误匹配的可能性，提高了匹配的准确性。
3、对图7中经过步骤2位置估计后的前一时刻跟踪到的星体位置按照x坐标从小到大进行排序，得到序列B，如图8所示 因为第10颗星经过估计已经出了视场，所以只有9颗星进行排序。
4、将序列A和序列B进行匹配识别，过程如下：根据估计的结果设定一个较小的阈值δ，依据排序后的结果，从左至右依次比较。在比较的过程中不计算距离，而是计算x，y坐标的差。排除了进行平方和开根号的计算，这样大大减小了RISC处理器的计算量，匹配的具体步骤是：
4.1、根据位置估计的结果设定一个较小的阈值δ；这里我们根据仿真中星敏感器运动的角速度和位置估计的精度设定阈值δ为2个象素；如果考虑噪声影响阈值还需要大一些。
4.2、将序列A和序列B从左至右依次进行比较，如图9所示，计算其x坐标的差和y坐标的差，匹配的计算公式为：
|xi-xj|＜δ，|yi-yj|＜δ
4.3、对于序列A中的某颗星体，如第2颗星体6′，在序列B中有且只有第1颗星体5″与其x和y的坐标差值都小于δ，则两颗星体(A中的星体6′和B中的星体5″)匹配识别成功；
4.4、对于序列A中的第1颗星体1′，在序列B中没有星体与其位置差小于δ，则可判断星体1′是新进来的星体，没有匹配星体。
4.6、对于序列A中的第3颗星体10′，与序列B中第2颗星体9″其x和y的坐标差值都小于δ，而与第3颗星体1″的x的坐标差值大于δ，则对于星体10′，匹配识别结束，而不需要再与其它星体7″、2″、3″、8″、6″、4″进行比较，这样大大减少了匹配的次数，提高了匹配的速度。
4.7、序列A中的第8颗星体9′与序列B中第7颗星体8″的x和y的坐标差值都小于δ，而与序列B中第6颗星体3″的x坐标差值大于δ，则对于序列A中的第9颗星体7′，只需从序列B中的第7颗星体8″开始比较，之前的星体5″、9″、1″、7″、2″、3″都不需要比较，大大减少匹配的次数，提高了匹配的速度。
图7所示的星图匹配的结果见图9。
实施例
具体的实施过程的范例见以上“具体实施方式”这一节，这个范例针对图4，详细地叙述了整个匹配识别的过程，包括当前时刻视场中所有的星体的排序情况，前一时刻视场中所有星体的位置估计及估计结果的排序情况，及这两个排序结果的匹配过程。
另外在实际的测试中我们对比了采用快速匹配方法和不采用快速匹配方法在的循环匹配次数、匹配所需的时间上的差别。取初始的跟踪姿态(俯仰角、偏航角、滚转角)为(70°，20°，0°)的一个天区为例，在跟踪过程中比较现有的方法和本发明的方法在匹配的循环次数、循环所需的时间上的不同，比较结果如下：
| 跟踪的步数 | 第1步 | 第33步 | 第65步 | 第120步 | |
| 星体数量(当前，上一次) | 49，49 | 24，31 | 17，18 | 26，27 | |
| 匹配循环次数(次) | 原方法 | 2401 | 744 | 306 | 702 |
| 改进方法 | 292 | 126 | 71 | 104 | |
| 匹配循环时间(ms) | 原方法 | 2.100 | 0.661 | 0.282 | 0.879 |
| 改进方法 | 0.176 | 0.067 | 0.041 | 0.058 | |
Claims (1)
1、一种星跟踪器快速匹配识别方法，其特征在于，匹配步骤如下：
1.1、将当前时刻视场中所有的星体根据它们的x坐标位置进行从小到大的排序，得到序列A，当前时刻为时刻t+δt；坐标系是以视场图像的左上角为坐标原点，x，y轴分别平行于图像的两边，δt是指图像传感器传输两帧图像之间的时间间隔；
1.2、根据前两帧图像跟踪到的星体的运动信息，估计前一时刻视场上跟踪到的星体在当前视场中的位置，前一时刻为时刻t，该时刻的视场图像为前一帧图像，时刻t-δt的视场图像为前二帧图像，按照下列步骤进行位置估计：
1.2.1、根据前两帧图像跟踪到的星体位置得到该星体的运动矢量
1.2.2、将运动矢量沿视场的x，y方向分解成两个分量Δxt，Δyt，根据下面的式(2)求出Δxt，Δyt的值，
Δxt＝xt-xt-δt Δyt＝yt-yt-δt (2)
1.2.3、根据下面的式(3)求出该星体在当前时刻视场中的坐标，
xt+δt＝xt+Δxt yt+δt＝yt+Δyt (3)
从而得到该星体在当前视场中的位置；
1.2.4、按照步骤1.2.1～1.2.3所述的方法，估计出前一时刻视场上跟踪到的所有星体在当前视场中的位置；
1.3、将经过步骤1.2位置估计后的前一时刻跟踪到的星体位置按照x坐标从小到大进行排序，得到序列B；
1.4、将序列A和序列B进行匹配识别，过程如下：
1.4.1、根据位置估计的结果设定一个较小的阈值δ，根据仿真中星敏感器运动的角速度和位置估计的精度设定阈值δ，为2～6个象素；
1.4.2、将序列A和序列B从左至右依次进行比较，计算其x坐标的差和y坐标的差匹配的计算公式为：
|xi-xj|＜δ，|yi-yj|＜δ
1.4.3、对于序列A中的第i颗星体，如果在序列B中有且只有第j颗星体与其x和y的坐标差值都小于δ，则两颗星体即A中的第i颗星体和B中的第j颗星体匹配识别成功；
1.4.4、对于序列A中的第i颗星体，如果在序列B中有两颗以上的星体与其位置差小于δ，说明出现了误匹配，匹配失败，由于视场中的星体个数较多，因此匹配失败的星体舍弃，不作为进行姿态计算的星体；
1.4.5、对于序列A中的第i颗星体，如果在序列B中没有星体与其位置差小于δ，第i颗星体是新进来的星体，没有匹配星体，由于视场中的星体个数较多，因此没有得到匹配的星体舍弃，不作为进行姿态计算的星体；
1.4.6、对于序列A中的第i颗星体，如果在序列B中第j颗星体与其x和y的坐标差值都小于δ，而第j+1颗星体与其x的坐标差值大于δ，则对于第i颗星体，匹配识别结束；
1.4.7、如果序列A中的第i颗星体与序列B中第j颗星体其x和y的坐标差值都小于δ，而与序列B中第j-1颗星体x坐标差值大于δ，则对于序列A中的第i+1颗星体，只需从序列B中的第j颗星体开始比较，之前的星体不需要比较。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100771876A CN100344937C (zh) | 2005-06-17 | 2005-06-17 | 一种星跟踪器快速匹配识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100771876A CN100344937C (zh) | 2005-06-17 | 2005-06-17 | 一种星跟踪器快速匹配识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1880917A CN1880917A (zh) | 2006-12-20 |
| CN100344937C true CN100344937C (zh) | 2007-10-24 |
Family
ID=37519196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2005100771876A Expired - Fee Related CN100344937C (zh) | 2005-06-17 | 2005-06-17 | 一种星跟踪器快速匹配识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100344937C (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957203A (zh) * | 2010-06-07 | 2011-01-26 | 哈尔滨工业大学 | 一种星敏感器高精确度的星跟踪方法 |
| CN102410844A (zh) * | 2011-08-12 | 2012-04-11 | 北京航空航天大学 | 一种高动态星敏感器图像非均匀校正方法及装置 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100442015C (zh) * | 2006-12-22 | 2008-12-10 | 北京航空航天大学 | 一种航天器天文/多普勒组合导航方法 |
| CN101672655B (zh) * | 2009-09-25 | 2011-06-08 | 北京航空航天大学 | 基于双轴光电测量系统的地面车位置、姿态及航向测量方法 |
| CN102116633B (zh) * | 2009-12-31 | 2012-11-21 | 北京控制工程研究所 | 深空光学导航图像处理算法仿真验证方法 |
| CN103900563B (zh) * | 2014-04-21 | 2017-01-04 | 长春理工大学 | 一种星敏感器快速星跟踪匹配识别方法 |
| CN104964684B (zh) * | 2015-05-29 | 2016-04-27 | 北京航空航天大学 | 一种高动态下快速星跟踪方法 |
| CN109300143B (zh) * | 2018-09-07 | 2021-07-27 | 百度在线网络技术（北京）有限公司 | 运动向量场的确定方法、装置、设备、存储介质和车辆 |
-
2005
- 2005-06-17 CN CNB2005100771876A patent/CN100344937C/zh not_active Expired - Fee Related
Non-Patent Citations (3)
| Title |
|---|
| CMOS星敏感器图像驱动及实时星点定位算法 郝雪涛，江洁，张广军，北京航空航天大学学报，第31卷第4期 2005 * |
| 基于CMOS APS的星敏感器技术发展研究 许苏晓，肖靖，长江大学学报（自科版），第1卷第4期 2004 * |
| 星敏感器模型参数分析与校准方法研究 郝雪涛，张广军，江洁，光电工程，第32卷第3期 2005 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957203A (zh) * | 2010-06-07 | 2011-01-26 | 哈尔滨工业大学 | 一种星敏感器高精确度的星跟踪方法 |
| CN102410844A (zh) * | 2011-08-12 | 2012-04-11 | 北京航空航天大学 | 一种高动态星敏感器图像非均匀校正方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1880917A (zh) | 2006-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100344937C (zh) | 一种星跟踪器快速匹配识别方法 | |
| CN109544636B (zh) | 一种融合特征点法和直接法的快速单目视觉里程计导航定位方法 | |
| CN106780620B (zh) | 一种乒乓球运动轨迹识别定位与跟踪系统及方法 | |
| CN107729295B (zh) | 一种羽毛球的实时落点预判方法、平台及设备 | |
| CN110163912B (zh) | 二维码位姿标定方法、装置及系统 | |
| CN110738690A (zh) | 一种基于多目标追踪框架的无人机视频中车速校正方法 | |
| CN1743806A (zh) | 移动体高度判别装置 | |
| CN110223317A (zh) | 一种基于图像处理的移动目标检测与轨迹预测方法 | |
| CN105021124A (zh) | 一种基于深度图的平面零件三维位置和法向量计算方法 | |
| CN112966631A (zh) | 一种无限制安防场景下的车牌检测识别系统及其方法 | |
| CN104408725A (zh) | 一种基于tld优化算法的目标重捕获系统及方法 | |
| CN109493385A (zh) | 一种结合场景点线特征的移动机器人室内自主定位方法 | |
| CN103617636A (zh) | 基于运动信息及稀疏投影的视频目标自动检测跟踪方法 | |
| CN103617631B (zh) | 一种基于中心检测的跟踪方法 | |
| CN112991401A (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
| CN110135277A (zh) | 一种基于卷积神经网络的人体行为识别方法 | |
| CN116879870A (zh) | 一种适用于低线束3d激光雷达的动态障碍物去除方法 | |
| CN1896681A (zh) | 一种星敏感器快速星跟踪方法 | |
| CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
| CN107990825B (zh) | 基于先验数据校正的高精度位置测量装置与方法 | |
| CN104964684B (zh) | 一种高动态下快速星跟踪方法 | |
| CN103791901B (zh) | 一种星敏感器数据处理系统 | |
| CN1825959A (zh) | 一种基于自适应多步搜索的图像跟踪算法 | |
| CN102359788B (zh) | 一种基于平台惯姿参数的序列图像目标递推识别方法 | |
| CN108534797A (zh) | 一种实时高精度视觉里程计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071024 Termination date: 20120617 |