CN104819715A - 一种基于一维矢量模式的自主星识别方法 - Google Patents
一种基于一维矢量模式的自主星识别方法 Download PDFInfo
- Publication number
- CN104819715A CN104819715A CN201510213391.XA CN201510213391A CN104819715A CN 104819715 A CN104819715 A CN 104819715A CN 201510213391 A CN201510213391 A CN 201510213391A CN 104819715 A CN104819715 A CN 104819715A
- Authority
- CN
- China
- Prior art keywords
- star
- primary
- coordinate axis
- axis
- nautical
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于一维矢量模式的自主星识别方法,利用主星和方向星构建新的坐标轴,将视场内的观测星投影到新的坐标轴中,采用Log-Polar变换将笛卡尔坐标系中的观测星投影到极坐标系中;根据主星的星模式构建其一维矢量模式,进而得到主星的识别特征;利用所提出的搜索策略,在导航星特征库中搜索与主星的识别特征相匹配的特征,通过将观测星的识别特征与导航星特征库中的识别特征进行单一的比较,完成星的自主识别。本发明中主星的一维矢量模式不会随着星图图像的旋转而发生变化的这一特点,使得其更适合于星的自主识别,同时,所提出的搜索策略能够更快地得到匹配的结果,提高系统的反应速度。
Description
技术领域
本发明属于导航技术领域,尤其涉及一种基于一维矢量模式的自主星识别方法。
背景技术
星敏感器具有良好的自主性、精度高、工作稳定,在天文导航中发挥着重要的作用。在“迷失太空”的模式下,星敏感器能够自主地确定飞行器的姿态而无需任何的先验知识。自主星识别作为天文导航中星敏感器系统的关键技术之一,其识别精度、识别速度以及抗噪性能直接影响到星敏感器的整个系统的性能。随着深空探测活动的开展,亟需快速、鲁棒的星识别算法来满足探测的需求。
星识别是利用天上恒星的几何位置来构建星识别的特征,所有导航星的识别特征构成导航星的特征库保存在星敏感器的片上存储器中。识别时,将主星的识别特征与导航星特征库中的识别特征进行比较,从而识别出此主星为哪颗导航星。
在过去的几十年里,星识别算法得到了大力的发展,被广泛应用于飞行器的姿态解算和控制中。星识别算法主要可以划分为多边形算法、组匹配算法、网格算法、神经网络算法和遗传算法等等。
在多边形算法中,识别特征的维数随着观测星个数的增加而增加,而维数越多越有利于观测星的识别。但是当出现伪星或者缺失星时,同一星模式下的多边形的形状会发生改变,从而导致误识别或者识别不成功。
在组匹配算法中,所有导航星的P矢量被分成若干组,从而有效地完成星的识别。但是大量的时间耗费在计算最优投影轴上,所以组匹配算法比较耗时。
在网格算法中,根据一定的规则,相邻的多个像素被作为一个网格单元。因此,与其他的星识别算法相比,网格算法对位置噪声不敏感。即网格算法对位置噪声的容忍度大。但是,伪星的存在对网格算法的影响较大。在网格算法中,需要存储导航星的整个星模式,所以和其他的算法相比,其特征库比其他算法的要大的多。此外,当两个星模式比较时,需要进行g*g次的逻辑“与”运算,并且逻辑运算的次数随着网格单元个数的增加而增加。网格单元个数太少时,无法表征一个星模式的特点,而网格单元个数过多时,需要的逻辑运算较多,耗费的时间较多。并且在网格算法中,需要搜索整个特征库来寻找最佳的匹配模式,故而此算法耗时较多。
神经网络算法的性能与其训练样本有着直接的关系,会随着训练样本的改变而变化。然而,由于星点的位置噪声是不可避免的,同时伪星和缺失星的存在,很难得到完整的训练样本。在遗传算法中,需要搜索整个特征数据库来得到投票的结果,从而实现星的识别,而这一过程需要耗费较多的时间。这些算法具有相同的目的,即尽可能快速和可靠地实现星的识别。尽管提出了诸多的改进方案来识别导航星,这些算法仍然存在许多缺点。随着深空探测的发展,对星识别算法的要求越来越高。因此建立快速、精确、鲁棒的星识别算法具有重要的意义。
发明内容
本发明的目的在于提供一种基于一维矢量模式的自主星识别方法,旨在解决现有的星识别算法复杂度较高,星识别效率较低的问题。
本发明是这样实现的,一种基于一维矢量模式的自主星识别方法,该基于一维矢量模式的自主星识别方法利用主星和方向星构建新的坐标轴,将视场内的观测星投影到新的坐标轴中,采用Log-Polar变换将笛卡尔坐标系中的观测星投影到极坐标系中;根据主星的星模式构建其一维矢量模式,进而得到主星的识别特征;利用搜索策略,在导航星特征库中搜索与主星的识别特征相匹配的特征,通过将观测星的识别特征与导航星特征库中的识别特征进行单一的比较,完成星的自主识别。
进一步,该基于一维矢量模式的自主星识别方法包括以下步骤:
第一步,计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
第二步,构建新的坐标轴:选取主星及方向星,以主星到方向星的指向为新的坐标轴的x轴,然后根据右手螺旋定则,确定y轴;
第三步,确定视场内的观测星在新的坐标轴下的位置:对比原坐标轴与新的坐标轴的关系,得到星图图像的旋转角度,确定旋转矩阵,进一步计算得到视场内的观测星在新的坐标轴下的坐标;
第四步,建立主星的一维矢量模式:利用主星以及其邻星的相对位置和方向信息构建主星的一维矢量模式;
第五步,建立主星的特征向量:依据主星的一维矢量模式按照一定的规则生成主星所对应的特征向量;
第六步,生成导航星的特征数据库:将CCD的光轴逐一指向导航星,生成导航星所对应的特征向量,并且保存为数据库的形式;
第七步,确定星识别的结果:根据导航星特征向量的特点,限定星识别时在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库中的向量进行比较,依据两者的相似度得到识别的结果。
进一步,第一步中,导航星是从基本恒星库中依据一定的规则选取的;使用第谷2星表作为基本恒星库;当两颗星相隔少于20个像素时,被视为双星;在第谷2星表中,有6685颗恒星作为导航星,星等范围从1.0mv到6.5mv;导航星在惯性坐标系中的坐标从基本恒星库中得到,所以导航星的位置信息组成导航星的基本数据库。
进一步,第一步中,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,此导航星投影到星图图像的中心。
进一步,第二步中的新坐标轴的构建方法如下:首先选取视场内的某一观测星作为主星,确定主星的邻域大小,位于邻域内的观测星即为主星的邻星;主星的星模式由主星和邻星构成;选取离主星最近的邻星作为星模式的方向星;从主星指向方向星的方向被视为此星模式的矢量方向;此矢量方向作为新的坐标轴的x轴;然后根据右手螺旋定则,确定新的坐标轴的y轴。
进一步,第二步中由于CCD视场大小的限制,位于视场边缘的观测星缺失了一部分邻星,造成其星模式的大量几何信息缺失,所以其所对应的星模式是不完整的。故而,选取视场中心或者靠近视场中心的观测星作为主星,以求获得主星完整的星模式。
进一步,第三步的具体实现流程如下:
步骤一,星图图像的旋转角度是为新的坐标轴相对于原来的坐标轴所旋转的角度;主星Ss和方向星Sa,由主星指向方向星的方向为星模式的矢量方向,也即为新的坐标轴的x轴;星图图像的旋转角度θr可以表示为:
其中,(xs,ys)和(xa,ya)分别为主星和方向星在原坐标轴中的坐标;原坐标轴中的x轴沿逆时针方向旋转到矢量方向的平面夹角为正;
步骤二,根据星图图像的旋转角度θr,得到星图图像的旋转矩阵,表示如下:
步骤三,根据星图图像的旋转矩阵,以及观测星在原坐标轴中的坐标,观测星在新的坐标轴中的坐标表示为:
其中,(x,y)为观测星在原坐标轴中的坐标,(x’,y’)为观测星在新的坐标轴中的坐标;(Δx,Δy)为原坐标轴的原点与新的坐标轴的原点的位置偏差,表示为:
Δx=x0-xs,Δy=y0-ys;
其中,(x0,y0)为原坐标轴的原点坐标,主星坐标(xs,ys)为新的坐标轴的原点坐标;在星图图像中,原坐标轴的原点坐标为x0=0,y0=0,所以两作比较轴的原点的位置偏差表示为:
Δx=-xs,Δy=-ys;
故而,观测星在新的坐标轴中的坐标表示为:
进一步,第四步中的主星的一维矢量模式是由邻星的横向坐标以及其与邻星间的连线到新的坐标轴的平面夹角组成;星图图像旋转时,每两颗观测星间的相对位置保持不变;主星的一维矢量模式表示为:
V={(x'1,θ1),…,(x'n,θn)}={(x'i,θi)},i=1,…,n.;
其中,x’i为第i个邻星在新的坐标轴中的横向坐标,θi为第i个邻星与主星间的连线到新的坐标轴x轴的平面夹角,以逆时针方向为正,n为主星的邻星个数;根据主星、方向星以及邻星在新坐标轴中的坐标得知,邻星与主星的连线到新坐标轴x轴的平面夹角表示为:
θi=tan-1(y'i/x'i);
邻星与主星的连线到新坐标轴x轴的平面夹角的范围从-180°到+180°;在新的坐标轴中,主星位于坐标轴的原点,方向星位于新坐标轴的x轴上,故而方向星的平面夹角设为0°。
进一步,第五步中用R表示主星邻域半径的大小,落于2R范围内的新坐标轴的横轴被均匀地分成相等的间隔;落于2R范围内的横轴的分辨率为m,则此横轴上的等间隔分量为2R/m;根据主星的邻星的横向坐标可知邻星落于新坐标轴横轴的哪个等间距分量中;主星所对应的特征向量表示为:
pat(s)=(a1,a2…,am)={aj},j=1,…,m.;
使用一个1*m维的向量pat(s)对主星的星模式进行描述,向量pat(s)中的每一个数值表明是否有观测星的横向坐标落于新坐标轴横轴的相应位置上;向量pat(s)中的每个数值的取值表示为:
其中,[(j-1)*2R/m,j*2R/m)为向量pat(s)中第j个数值在新坐标轴横轴上所对应的区间范围,n为主星的星模式中邻星的个数,V为主星的星模式所对应的一维矢量模式;
当有多颗邻星的横坐标落于新坐标轴横轴的同一位置时,则选取邻星中的最大的平面夹角为向量pat(s)中相应元素的数值;对于向量pat(s)中的第j个数值aj有:
aj=max{θ1,…,θp};
其中,p为横坐标落于新坐标轴横轴上的第j个区间的邻星的个数;如果没有邻星的横坐标落于新坐标轴横轴上的第j个区间,则取值为aj=0。
进一步,第六步中,特征数据库保存了所有导航星所对应的特征向量信息;星敏感器中的CCD逐一指向所选择的导航星,得到视场内分布的观测星在星图图像上的位置,根据特征向量的生成规则,得到主星所对应的特征向量,并保存在导航星特征库中;主星的特征向量在特征库中的保存形式表示为:
m Record={id,Lc,pat(c)},c=1,…,N.;
其中id为导航星的标号,Lc为导航星特征向量pat(c)中的非零值个数,N为特征库中导航星的个数。
进一步,第七步中所述的星识别过程为对于任意的一幅星图图像,选取星图图像上的某一观测星作为主星,构建此主星所对应的特征向量,将此特征向量与导航星特征库中的特征向量进行比较,根据一定的规则,判定两特征向量是否一致或者相似,从而确定此观测星是否为所对应的导航星,从而得到识别的结果;
限定星识别时在导航星特征库中的搜索范围即为利用特征向量中的非零值个数限定星识别的搜索范围;具体操作为根据主星的特征向量pat(s)中非零值的个数Ls,在导航星特征库中选取非零值个数在Ls-ε1和Ls-ε2间的特征向量与特征向量pat(s)进行比较;根据限定的范围,使用较少的比较就快速得到识别的结果,而无需搜索整个导航星特征库;星识别的过程表示为:
其中,Lc为特征向量pat(c)的非零值个数,ε1和ε2为特征向量非零值个数的容忍度。
本发明提供的基于一维矢量模式的自主星识别方法,主星的一维矢量模式表征了主星及其邻星的相对位置和方向信息,使得由一维矢量模式得到的特征向量具有更强的抗干扰性能。同时,根据导航星的特征向量所具有的特点,在识别过程中限定了算法在导航星特征库中的搜索范围,使得算法能够快速地得到识别结果,提高了系统的反应性能。
本发明的有益效果在于:
1、基于一维矢量模式生成的导航星特征向量,具有更强的抗干扰性能,适合于复杂环境下的星识别;
2、识别时采用的搜索策略,能够加快星的识别,提高系统的灵敏度;
3、稳健、快速的基于一维矢量模式的星识别算法,能够为飞行器的姿态解算和导航定位提供更精准的识别信息。
附图说明
图1是本发明实施例提供的基于一维矢量模式的自主星识别方法流程图;
图2是本发明实施例提供的基于一维矢量模式的星识别方法的星识别过程的结构框图;
图3是本发明实施例提供的在星敏感器中恒星由惯性坐标系投影到星图图像平面坐标系的成像原理图;
图4是本发明实施例提供的主星邻域大小、主星和方向星的选取,以及新的坐标轴建立的示意图;
图5是本发明实施例提供的主星的一维矢量模式建立的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的基于一维矢量模式的自主星识别方法包括以下步骤:
S101:计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
S102:构建新的坐标轴:选取主星及其方向星,以主星到方向星的指向为新的坐标轴的x轴,然后根据右手螺旋定则,确定y轴;
S103:确定视场内的观测星在新的坐标轴下的位置:对比原坐标轴与新的坐标轴的关系,得到星图图像的旋转角度,确定旋转矩阵,进一步计算得到视场内的观测星在新的坐标轴下的坐标;
S104:建立主星的一维矢量模式:利用主星以及其邻星的相对位置和方向信息构建主星的一维矢量模式;
S105:建立主星的特征向量:依据主星的一维矢量模式按照一定的规则生成主星所对应的特征向量;
S106:生成导航星的特征数据库:将CCD的光轴逐一指向导航星,生成导航星所对应的特征向量,并且保存为数据库的形式;
S107:确定星识别的结果:根据导航星特征向量的特点,限定星识别时在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库中的向量进行比较,依据两者的相似度得到识别的结果;
步骤S101中,所述的导航星是从基本恒星库中依据一定的规则选取的;使用第谷2星表作为基本恒星库;在星表中,有些星缺少亮度信息,而有些星缺少位置信息,这些星都不能用作导航星;由于星敏感器中CCD分辨率的限制,当两颗星相距较近时,不能明确地将其区分开来;设定当两颗星相隔少于20个像素(大约0.39°)时,被视为双星;双星也不能用于作为导航星;因此,在第谷2星表中,有6685颗恒星可以作为导航星,其星等范围从1.0mv到6.5mv;导航星在惯性坐标系中的坐标从基本恒星库中得到,所以导航星的位置信息组成导航星的基本数据库;
步骤S101中,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,此导航星投影到星图图像的中心;
步骤S102中的新坐标轴的构建方法如下:首先选取视场内的某一观测星作为主星,确定主星的邻域大小,位于邻域内的观测星即为主星的邻星;主星的星模式由主星和邻星构成;选取离主星最近的邻星作为星模式的方向星;从主星指向方向星的方向被视为此星模式的矢量方向;此矢量方向作为新的坐标轴的x轴;然后根据右手螺旋定则,确定新的坐标轴的y轴;
步骤S103的具体实现流程如下:
步骤一,所述星图图像的旋转角度是为新的坐标轴相对于原来的坐标轴所旋转的角度;主星Ss和方向星Sa,由主星指向方向星的方向为星模式的矢量方向,也即为新的坐标轴的x轴;所述星图图像的旋转角度θr可以表示为:
其中,(xs,ys)和(xa,ya)分别为主星和方向星在原坐标轴中的坐标;设定原坐标轴中的x轴沿逆时针方向旋转到矢量方向的平面夹角为正;
步骤二,根据星图图像的旋转角度θr,可以得到星图图像的旋转矩阵,其表示如下:
步骤三,根据星图图像的旋转矩阵,以及观测星在原坐标轴中的坐标,观测星在新的坐标轴中的坐标可以表示为:
其中,(x,y)为观测星在原坐标轴中的坐标,(x’,y’)为观测星在新的坐标轴中的坐标;(Δx,Δy)为原坐标轴的原点与新的坐标轴的原点的位置偏差,其可以表示为:
Δx=x0-xs,Δy=y0-ys
其中,(x0,y0)为原坐标轴的原点坐标,主星坐标(xs,ys)为新的坐标轴的原点坐标;一般地,在星图图像中,原坐标轴的原点坐标为x0=0,y0=0,所以两作比较轴的原点的位置偏差可以表示为:
Δx=-xs,Δy=-ys
故而,观测星在新的坐标轴中的坐标可以表示为:
步骤S104中所述的主星的一维矢量模式是由其邻星的横向坐标以及其与邻星间的连线到新的坐标轴的平面夹角组成;星图图像旋转时,每两颗观测星间的相对位置保持不变;所述的主星的一维矢量模式可以表示为:
V={(x'1,θ1),…,(x'n,θn)}={(x'i,θi)},i=1,…,n.
其中,x’i为第i个邻星在新的坐标轴中的横向坐标,θi为第i个邻星与主星间的连线到新的坐标轴x轴的平面夹角,以逆时针方向为正,n为主星的邻星个数;根据主星、方向星以及邻星在新坐标轴中的坐标可以得知,邻星与主星的连线到新坐标轴x轴的平面夹角可以表示为:
θi=tan-1(y'i/x'i)
需要指出的是,邻星与主星的连线到新坐标轴x轴的平面夹角的范围从-180°到+180°;在新的坐标轴中,主星位于坐标轴的原点,方向星位于新坐标轴的x轴上,故而方向星的平面夹角设为0°;
步骤S105中用R表示主星邻域半径的大小,落于2R范围内的新坐标轴的横轴被均匀地分成相等的间隔;设落于2R范围内的横轴的分辨率为m,则此横轴上的等间隔分量为2R/m;根据主星的邻星的横向坐标可知邻星落于新坐标轴横轴的哪个等间距分量中;所述的主星所对应的特征向量可以表示为:
pat(s)=(a1,a2…,am)={aj},j=1,…,m.
使用一个1*m维的向量pat(s)对主星的星模式进行描述,向量pat(s)中的每一个数值表明是否有观测星的横向坐标落于新坐标轴横轴的相应位置上;向量pat(s)中的每个数值的取值可以表示为:
其中,[(j-1)*2R/m,j*2R/m)为向量pat(s)中第j个数值在新坐标轴横轴上所对应的区间范围,n为主星的星模式中邻星的个数,V为主星的星模式所对应的一维矢量模式;
需要指出的是,当有多颗邻星的横坐标落于新坐标轴横轴的同一位置时,则选取这些邻星中的最大的平面夹角为向量pat(s)中相应元素的数值;例如,对于向量pat(s)中的第j个数值aj有
aj=max{θ1,…,θp}
其中,p为横坐标落于新坐标轴横轴上的第j个区间的邻星的个数;如果没有邻星的横坐标落于新坐标轴横轴上的第j个区间,则其取值为aj=0;
步骤S106中,所述的特征数据库保存了所有导航星所对应的特征向量信息;星敏感器中的CCD逐一指向所选择的导航星,得到视场内分布的观测星在星图图像上的位置,根据特征向量的生成规则,得到主星所对应的特征向量,并保存在导航星特征库中;主星的特征向量在特征库中的保存形式可以表示为:
m Record={id,Lc,pat(c)},c=1,…,N.
其中id为导航星的标号,Lc为导航星特征向量pat(c)中的非零值个数,N为特征库中导航星的个数;
步骤S107中所述的星识别过程为对于任意的一幅星图图像,选取星图图像上的某一观测星作为主星,构建此主星所对应的特征向量,将此特征向量与导航星特征库中的特征向量进行比较,根据一定的规则,判定两特征向量是否一致或者相似,从而确定此观测星是否为所对应的导航星,从而得到识别的结果;
在步骤S107中所述的限定星识别时在导航星特征库中的搜索范围即为利用特征向量中的非零值个数限定星识别的搜索范围;具体操作为根据主星的特征向量pat(s)中非零值的个数Ls,在导航星特征库中选取非零值个数在Ls-ε1和Ls-ε2间的特征向量与特征向量pat(s)进行比较;根据限定的范围,使用较少的比较就可以快速得到识别的结果,而无需搜索整个导航星特征库;星识别的过程可以表示为:
其中,Lc为特征向量pat(c)的非零值个数,ε1和ε2为特征向量非零值个数的容忍度。
本发明的具体实施例:
如图2所示,本发明为基于一维矢量模式的星图识别算法,其星识别过程包括如下几个步骤:
步骤一,计算视场内观测星在星图图像平面上的坐标;
这里采用第谷2星表作为基本星表,在基本星表中使用赤经赤纬来表示导航星的位置;如图3所示,导航星在星图图像中采用在x轴和y轴上的坐标来表征其在像平面上的位置;导航星从基本星表中根据一定的规则选取,导航星需要包含完整的位置信息以及亮度信息,并且相邻较近的恒星被视为双星,不能作为导航星;到达星敏感器的来自恒星的光线认为为平行光线,其在星敏感器的CCD像平面上弥散为一个亮点,CCD光轴所指向的恒星投影到像平面的中心;导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置;
步骤二,根据主星指向方向星的方向构建新的坐标轴;
如图4所示,选取视场中心或者靠近视场中心的观测星作为主星Ss,根据主星的邻域大小R,位于邻域范围内的观测星被视为主星的邻星,选取离主星最近的邻星作为主星的方向星Sa,由主星指向方向星的方向作为新的坐标轴的x轴;根据右手螺旋定则,确定新坐标轴的y轴;
步骤三,计算视场内的观测星在新的坐标轴下的坐标;
星图图像的原坐标轴与新的坐标轴存在一定的旋转和平移,如图4所示;两坐标轴的旋转角度也视为星图图像的旋转角度,由原坐标轴的x轴与主星和方向星的指向来表征;所述星图图像的旋转角度θr可以表示为:
其中,(xs,ys)和(xa,ya)分别为主星和方向星在原坐标轴中的坐标;设定原坐标轴中的x轴沿逆时针方向旋转到矢量方向的平面夹角为正;
根据星图图像的旋转角度θr,可以得到星图图像的旋转矩阵,其表示如下:
两坐标轴的平移量可以表示为:
Δx=x0-xs,Δy=y0-ys
其中,(x0,y0)为原坐标轴的原点坐标,主星坐标(xs,ys)为新的坐标轴的原点坐标;
根据星图图像的旋转矩阵,以及观测星在原坐标轴中的坐标,观测星在新的坐标轴中的坐标可以表示为:
其中,(x,y)为观测星在原坐标轴中的坐标,(x’,y’)为观测星在新的坐标轴中的坐标;
一般地,在星图图像中,原坐标轴的原点坐标为x0=0,y0=0,所以两作比较轴的原点的位置偏差可以表示为:
Δx=-xs,Δy=-ys
故而,观测星在新的坐标轴中的坐标可以表示为:
步骤四,主星的一维矢量模式的建立;
由主星以及其邻星在图像平面上的几何关系,构成主星的星模式;如图5所示,主星的一维矢量模式表征了邻星在横坐标上的位置,以及邻星与主星的连线与横坐标间的平面夹角;星图图像的旋转不会改变两观测星间的相对位置;
根据主星、方向星以及邻星在新坐标轴中的坐标可以得知,邻星与主星的连线到新坐标轴x轴的平面夹角可以表示为:
θi=tan-1(y'i/x'i)
如图5所示,邻星与主星的连线到新坐标轴x轴的平面夹角的范围从-180°到+180°;在新的坐标轴中,主星位于坐标轴的原点,方向星位于新坐标轴的x轴上,故而方向星的平面夹角设为0°;
主星的一维矢量模式可以表示为:
V={(x'1,θ1),…,(x'n,θn)}={(x'i,θi)},i=1,…,n.
其中,x’i为第i个邻星在新的坐标轴中的横向坐标,θi为第i个邻星与主星间的连线到新的坐标轴x轴的平面夹角,以逆时针方向为正,n为主星的邻星个数;
步骤五,主星的特征向量的建立;
如图5所示,落于2R范围内的新坐标轴的横轴被均匀地分成相等的间隔;若落于2R范围内的横轴的分辨率为m,则此横轴上的等间隔分量为2R/m;根据主星的邻星的横向坐标可知邻星落于新坐标轴横轴的哪个等间距分量中;主星的特征向量使用一个1*m维的向量pat(s)对主星的星模式进行描述:
pat(s)=(a1,a2…,am)={aj},j=1,…,m.
向量pat(s)中的每一个数值表明是否有观测星的横向坐标落于新坐标轴横轴的相应位置上;向量pat(s)中的每个数值的取值可以表示为:
其中,[(j-1)*2R/m,j*2R/m)为向量pat(s)中第j个数值在新坐标轴横轴上所对应的区间范围,n为主星的星模式中邻星的个数,V为主星的星模式所对应的一维矢量模式;
当有多颗邻星的横坐标落于新坐标轴横轴的同一位置时,则选取这些邻星中的最大的平面夹角为向量pat(s)中相应元素的数值;例如,对于向量pat(s)中的第j个数值aj有:
aj=max{θ1,…,θp}
其中,p为横坐标落于新坐标轴横轴上的第j个区间的邻星的个数;如果没有邻星的横坐标落于新坐标轴横轴上的第j个区间,则其取值为aj=0;
步骤六,导航星特征库的生成;
星的匹配识别,为观测星的特征向量与导航星特征库中的特征向量进行比较的过程;在识别前,需要建立导航星的特征库,以便在识别时,提供导航星已知的特征向量信息;导航星的特征向量在特征库中的保存形式表示为:
m Record={id,Lc,pat(c)},c=1,…,N.
其中id为导航星的标号,Lc为导航星特征向量pat(c)中的非零值个数,N为特征库中导航星的个数;
CCD的光轴逐一指向导航星的位置,从而得到视场内观测星的坐标,根据观测星间的几何关系,依据上述的方法构建观测星的特征向量,依次保存到导航星特征库中,这样就建立了导航星完备的特征向量信息;
步骤七,星的匹配识别;
利用观测星的特征向量中的非零值个数,来限定导航星特征库中的哪些向量与此观测星的特征向量进行比较;例如,观测星的特征向量pat(s)中非零值的个数Ls,则在导航星特征库中,非零值个数在Ls-ε1和Ls-ε2范围内的特征向量pat(c)将与特征向量pat(s)进行比较;两特征向量的相似度,使用两特征向量中对应位置的数值的差的绝对值之和来表征;两特征向量的相似度可以表示为:
diff(pat(s),pat(c))=Σabs(pat(s)-pat(c))
两特征向量的相似度越小,表明这两特征向量越相似;具有最小相似度时所对应的导航星即为识别的结果;星匹配识别的过程可以描述为:
其中,Lc为特征向量pat(c)的非零值个数,ε1和ε2为特征向量非零值个数的容忍度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于一维矢量模式的自主星识别方法,其特征在于,该基于一维矢量模式的自主星识别方法利用主星和方向星构建新的坐标轴,将视场内的观测星投影到新的坐标轴中,采用Log-Polar变换将笛卡尔坐标系中的观测星投影到极坐标系中;根据主星的星模式构建其一维矢量模式,进而得到主星的识别特征;利用搜索策略,在导航星特征库中搜索与主星的识别特征相匹配的特征,通过将观测星的识别特征与导航星特征库中的识别特征进行单一的比较,完成星的自主识别。
2.如权利要求1所述的基于一维矢量模式的自主星识别方法,其特征在于,该基于一维矢量模式的自主星识别方法包括以下步骤:
第一步,计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
第二步,构建新的坐标轴:选取主星及方向星,以主星到方向星的指向为新的坐标轴的x轴,然后根据右手螺旋定则,确定y轴;
第三步,确定视场内的观测星在新的坐标轴下的位置:对比原坐标轴与新的坐标轴的关系,得到星图图像的旋转角度,确定旋转矩阵,进一步计算得到视场内的观测星在新的坐标轴下的坐标;
第四步,建立主星的一维矢量模式:利用主星以及邻星的相对位置和方向信息构建主星的一维矢量模式;
第五步,建立主星的特征向量:依据主星的一维矢量模式按照一定的规则生成主星所对应的特征向量;
第六步,生成导航星的特征数据库:将CCD的光轴逐一指向导航星,生成导航星所对应的特征向量,并且保存为数据库的形式;
第七步,确定星识别的结果:根据导航星特征向量的特点,限定星识别时在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库中的向量进行比较,依据两者的相似度得到识别的结果。
3.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第一步中,导航星是从基本恒星库中依据一定的规则选取的;使用第谷2星表作为基本恒星库;当两颗星相隔少于20个像素时,被视为双星;在第谷2星表中,有6685颗恒星作为导航星,星等范围从1.0mv到6.5mv;导航星在惯性坐标系中的坐标从基本恒星库中得到,所以导航星的位置信息组成导航星的基本数据库。
4.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第一步中,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,导航星投影到星图图像的中心。
5.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第二步中的新坐标轴的构建方法如下:首先选取视场内的某一观测星作为主星,确定主星的邻域大小,位于邻域内的观测星即为主星的邻星;主星的星模式由主星和邻星构成;选取离主星最近的邻星作为星模式的方向星;从主星指向方向星的方向被视为此星模式的矢量方向;此矢量方向作为新的坐标轴的x轴;然后根据右手螺旋定则,确定新的坐标轴的y轴。
6.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第三步的具体实现流程如下:
步骤一,星图图像的旋转角度是为新的坐标轴相对于原来的坐标轴所旋转的角度;主星Ss和方向星Sa,由主星指向方向星的方向s为星模式的矢量方向,也即为新的坐标轴的x轴;星图图像的旋转角度θr表示为:
其中,(xs,ys)和(xa,ya)分别为主星和方向星在原坐标轴中的坐标;原坐标轴中的x轴沿逆时针方向旋转到矢量方向的平面夹角为正;
步骤二,根据星图图像的旋转角度θr,得到星图图像的旋转矩阵,表示如下:
步骤三,根据星图图像的旋转矩阵,以及观测星在原坐标轴中的坐标,观测星在新的坐标轴中的坐标表示为:
其中,(x,y)为观测星在原坐标轴中的坐标,(x’,y’)为观测星在新的坐标轴中的坐标;(Δx,Δy)为原坐标轴的原点与新的坐标轴的原点的位置偏差,表示为:
Δx=x0-xs,Δy=y0-ys;
其中,(x0,y0)为原坐标轴的原点坐标,主星坐标(xs,ys)为新的坐标轴的原点坐标;在星图图像中,原坐标轴的原点坐标为x0=0,y0=0,所以两作比较轴的原点的位置偏差表示为:
Δx=-xs,Δy=-ys;
观测星在新的坐标轴中的坐标表示为:
7.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第四步中的主星的一维矢量模式是由邻星的横向坐标以及与邻星间的连线到新的坐标轴的平面夹角组成;星图图像旋转时,每两颗观测星间的相对位置保持不变;主星的一维矢量模式表示为:
V={(x′1,θ1),…,(x′n,θn)}={(x′i,θi)},i=1,…,n.;
其中,x’i为第i个邻星在新的坐标轴中的横向坐标,θi为第i个邻星与主星间的连线到新的坐标轴x轴的平面夹角,以逆时针方向为正,n为主星的邻星个数;根据主星、方向星以及邻星在新坐标轴中的坐标得知,邻星与主星的连线到新坐标轴x轴的平面夹角表示为:
θi=tan-1(y′i/x′i);
邻星与主星的连线到新坐标轴x轴的平面夹角的范围从-180°到+180°;在新的坐标轴中,主星位于坐标轴的原点,方向星位于新坐标轴的x轴上,故而方向星的平面夹角设为0°。
8.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第五步中用R表示主星邻域半径的大小,落于2R范围内的新坐标轴的横轴被均匀地分成相等的间隔;落于2R范围内的横轴的分辨率为m,则此横轴上的等间隔分量为2R/m;根据主星的邻星的横向坐标知邻星落于新坐标轴横轴的哪个等间距分量中;主星所对应的特征向量表示为:
pat(s)=(a1,a2…,am)={aj},j=1,…,m.;
使用一个1*m维的向量pat(s)对主星的星模式进行描述,向量pat(s)中的每一个数值表明是否有观测星的横向坐标落于新坐标轴横轴的相应位置上;向量pat(s)中的每个数值的取值表示为:
其中,[(j-1)*2R/m,j*2R/m)为向量pat(s)中第j个数值在新坐标轴横轴上所对应的区间范围,n为主星的星模式中邻星的个数,V为主星的星模式所对应的一维矢量模式;
当有多颗邻星的横坐标落于新坐标轴横轴的同一位置时,则选取邻星中的最大的平面夹角为向量pat(s)中相应元素的数值;对于向量pat(s)中的第j个数值aj有:
aj=max{θ1,…,θp};
其中,p为横坐标落于新坐标轴横轴上的第j个区间的邻星的个数;如果没有邻星的横坐标落于新坐标轴横轴上的第j个区间,则取值为aj=0。
9.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第六步中,特征数据库保存了所有导航星所对应的特征向量信息;星敏感器中的CCD逐一指向所选择的导航星,得到视场内分布的观测星在星图图像上的位置,根据特征向量的生成规则,得到主星所对应的特征向量,并保存在导航星特征库中;主星的特征向量在特征库中的保存形式表示为:
mRecord={id,Lc,pat(c)},c=1,…,N.;
其中id为导航星的标号,Lc为导航星特征向量pat(c)中的非零值个数,N为特征库中导航星的个数。
10.如权利要求2所述的基于一维矢量模式的自主星识别方法,其特征在于,第七步中所述的星识别过程为对于任意的一幅星图图像,选取星图图像上的某一观测星作为主星,构建此主星所对应的特征向量,将此特征向量与导航星特征库中的特征向量进行比较,根据一定的规则,判定两特征向量是否一致或者相似,从而确定此观测星是否为所对应的导航星,从而得到识别的结果;
限定星识别时在导航星特征库中的搜索范围即为利用特征向量中的非零值个数限定星识别的搜索范围;具体操作为根据主星的特征向量pat(s)中非零值的个数Ls,在导航星特征库中选取非零值个数在Ls-ε1和Ls-ε2间的特征向量与特征向量pat(s)进行比较;根据限定的范围,使用较少的比较就快速得到识别的结果,而无需搜索整个导航星特征库;星识别的过程表示为:
其中,Lc为特征向量pat(c)的非零值个数,ε1和ε2为特征向量非零值个数的容忍度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510213391.XA CN104819715B (zh) | 2015-04-29 | 2015-04-29 | 一种基于一维矢量模式的自主星识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510213391.XA CN104819715B (zh) | 2015-04-29 | 2015-04-29 | 一种基于一维矢量模式的自主星识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104819715A true CN104819715A (zh) | 2015-08-05 |
CN104819715B CN104819715B (zh) | 2017-10-13 |
Family
ID=53730085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510213391.XA Expired - Fee Related CN104819715B (zh) | 2015-04-29 | 2015-04-29 | 一种基于一维矢量模式的自主星识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104819715B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827320A (zh) * | 2018-06-08 | 2018-11-16 | 西安电子科技大学 | 一种便于在轨更换的星敏感器系统及在轨更换方法 |
CN109579829A (zh) * | 2018-11-29 | 2019-04-05 | 天津津航技术物理研究所 | 一种小视场星敏感器短波导航星识别方法 |
CN110715656A (zh) * | 2019-11-01 | 2020-01-21 | 北京航天自动控制研究所 | 一种基于降维星表的自主星图识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998036373A1 (fr) * | 1997-02-13 | 1998-08-20 | Centre National D'etudes Spatiales | Procede pour reconnaitre dans un catalogue preetabli des etoiles detectees par un senseur stellaire |
CN101004349A (zh) * | 2007-01-22 | 2007-07-25 | 北京航空航天大学 | 一种非标定的星图识别方法 |
CN103335648A (zh) * | 2013-06-27 | 2013-10-02 | 北京航天自动控制研究所 | 一种自主星图识别方法 |
-
2015
- 2015-04-29 CN CN201510213391.XA patent/CN104819715B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998036373A1 (fr) * | 1997-02-13 | 1998-08-20 | Centre National D'etudes Spatiales | Procede pour reconnaitre dans un catalogue preetabli des etoiles detectees par un senseur stellaire |
CN101004349A (zh) * | 2007-01-22 | 2007-07-25 | 北京航空航天大学 | 一种非标定的星图识别方法 |
CN103335648A (zh) * | 2013-06-27 | 2013-10-02 | 北京航天自动控制研究所 | 一种自主星图识别方法 |
Non-Patent Citations (3)
Title |
---|
XINGGUO WEI ET AL.: "Star Identification Algorithm Based on Log-Polar Transform", 《JOURNAL OF AEROSPACE COMPUTING,INFORMATION,AND COMMUNICATION》 * |
李立宏等: "一种改进全天自主栅格星图识别算法", 《光学技术》 * |
钱华明等: "星图识别的一种扩充栅格算法", 《哈尔滨工业大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827320A (zh) * | 2018-06-08 | 2018-11-16 | 西安电子科技大学 | 一种便于在轨更换的星敏感器系统及在轨更换方法 |
CN109579829A (zh) * | 2018-11-29 | 2019-04-05 | 天津津航技术物理研究所 | 一种小视场星敏感器短波导航星识别方法 |
CN109579829B (zh) * | 2018-11-29 | 2022-06-14 | 天津津航技术物理研究所 | 一种小视场星敏感器短波导航星识别方法 |
CN110715656A (zh) * | 2019-11-01 | 2020-01-21 | 北京航天自动控制研究所 | 一种基于降维星表的自主星图识别方法 |
CN110715656B (zh) * | 2019-11-01 | 2021-07-09 | 北京航天自动控制研究所 | 一种基于降维星表的自主星图识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104819715B (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kolomenkin et al. | Geometric voting algorithm for star trackers | |
CN106525025B (zh) | 一种变电站巡检机器人路线规划导航方法 | |
CN100504300C (zh) | 一种非标定的星图识别方法 | |
Chen et al. | Vision-based autonomous vehicle guidance for indoor security patrolling by a SIFT-based vehicle-localization technique | |
CN103674021B (zh) | 基于捷联惯导与星敏感器的组合导航系统及方法 | |
JP4985166B2 (ja) | 自己位置推定装置 | |
CN101957203B (zh) | 一种星敏感器高精确度的星跟踪方法 | |
CN104040590A (zh) | 用于估计物体的姿态的方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN106324581B (zh) | 一种基于体元的机载lidar建筑物检测方法 | |
CN100390023C (zh) | 一种快速星图识别方法 | |
CN103363987A (zh) | 一种多视场星敏感器的星图识别方法 | |
CN104819715A (zh) | 一种基于一维矢量模式的自主星识别方法 | |
Boroson et al. | 3D keypoint repeatability for heterogeneous multi-robot SLAM | |
CN112729288B (zh) | 一种重力梯度-地形异源数据匹配的导航定位系统 | |
Shi et al. | Global place recognition using an improved scan context for lidar-based localization system | |
CN104833359A (zh) | 一种基于离散马尔科夫特征序列模型的星图模式识别方法 | |
Hofmeister et al. | Visual self-localization for small mobile robots with weighted gradient orientation histograms | |
Xie et al. | An autonomous star identification algorithm based on the directed circularity pattern | |
Olson | Landmark selection for terrain matching | |
Yan et al. | Horizontal velocity estimation via downward looking descent images for lunar landing | |
CN107543541A (zh) | 一种适合室内自由运动载体的地磁定位方法 | |
Xie et al. | A robust autonomous star identification algorithm for ZY3 satellite | |
CN111024063B (zh) | 一种基于星点重提取的大机动条件下星图识别算法 | |
Sadat et al. | Star tracking and attitude determination using fuzzy based positional pattern and rotation compensation in Fourier domain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171013 |