CN104964684B - 一种高动态下快速星跟踪方法 - Google Patents

一种高动态下快速星跟踪方法 Download PDF

Info

Publication number
CN104964684B
CN104964684B CN201510289908.3A CN201510289908A CN104964684B CN 104964684 B CN104964684 B CN 104964684B CN 201510289908 A CN201510289908 A CN 201510289908A CN 104964684 B CN104964684 B CN 104964684B
Authority
CN
China
Prior art keywords
star
attitude
moment
prediction
celestial body
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.)
Active
Application number
CN201510289908.3A
Other languages
English (en)
Other versions
CN104964684A (zh
Inventor
江洁
闫劲云
张广军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201510289908.3A priority Critical patent/CN104964684B/zh
Publication of CN104964684A publication Critical patent/CN104964684A/zh
Application granted granted Critical
Publication of CN104964684B publication Critical patent/CN104964684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/02Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
    • G01C21/025Navigation; 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)
  • Navigation (AREA)

Abstract

本发明公开了一种高动态下快速星跟踪方法,步骤为:(1)根据T1-Tn时刻星敏感器输出的多帧姿态信息及该多帧姿态信息的邻近关系设计权重值,预测下一时刻Tn+1的星敏感器的姿态,再利用预测的姿态从星库中搜索该姿态对应的星点,映射产生用于匹配的虚拟预测大视场星图;(2)将t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别实现星体跟踪。本发明采用多帧姿态信息预测,预测速度快,提高预测的准确性,而且基于预测的虚拟大视场星图进行跟踪匹配不需要新星的识别,提高星跟踪算法的速度。

Description

一种高动态下快速星跟踪方法
技术领域
本发明涉及一种高动态下快速星跟踪方法,属于星敏感器技术领域。
背景技术
星敏感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。
星敏感器有两种工作模式:(1)初始姿态捕获(Initialattitudeacquisition):在全天球范围内对CCD或CMOS成像器件所得的观测星图进行匹配、识别,计算初始的精确姿态。(2)跟踪模式(Trackingmode):目前从国内外文献查到的星跟踪模式其跟踪过程是:由初始姿态信息估计期望位置,并跟踪上一次已识别到的几个星体,从而输出当前精确的姿态。初始姿态捕获只有在起始或跟踪丢失时才进行,如果跟踪模式非常稳定,则经过初始姿态捕获,星敏感器就一直处于实时跟踪的状态,因此实时跟踪是星敏感器的主要工作模式。
目前广泛采用的星跟踪方法有:(1)窗口跟踪方法:以精确的位置信息为中心和一定的窗口形式(如图1所示)去捕获跟踪的星体,读取窗口内星体的灰度信息,精确计算星体中心位置。一般星体大小为3×3~5×5象素,所以窗口大小的选择略大于星体大小,一般设置为8×8或10×10,一般设置8~10个这样的窗口,也就是每次跟踪8~10颗星。(2)基于匹配识别的跟踪方法,如图2所示:参见专利“一种星敏感器快速星跟踪方法”(ZL200510084010.9),“一种星跟踪器快速匹配识别方法”(ZL200510077187.6),“一种快速无反馈星跟踪器跟踪算法”(ZL200510000913.4)。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。
基于匹配识别的跟踪方法具有速度快,跟踪的星点多,跟踪稳定性好,系统复杂性低等优点,目前被广泛使用。但是当星敏感器应用于高动态的姿态获取情况下,星体在视场内移动的范围比较大,采用原始的匹配识别跟踪方法会出现如下图3所示的跟踪错误,当跟踪半径取小了如图3中5号星会出现与其它星点的错误匹配,如果半径取大了如图3中3号星,与其匹配的星1号星进入了匹配区域但其它星体也进入匹配区域,也造成了错误匹配。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种快速的准确的高动态下快速星跟踪方法,解决在高动态下稳定的星跟踪问题。
本发明技术解决方案:一种高动态下快速星跟踪方法,步骤如下:
(1)根据T1-Tn时刻星敏感器输出的多帧姿态信息及该多帧姿态信息的邻近关系设计权重值,预测下一时刻Tn+1的星敏感器的姿态,再利用预测的姿态从星库中搜索该姿态对应的星点,映射产生用于匹配的虚拟预测大视场星图;
(2)将t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别实现星体跟踪。t表示某时刻,δt表示前一帧到下一帧的时间间隔。
所述步骤(1)中根据T1-Tn时刻多帧的姿态信息,依据姿态信息的邻近关系设计权重值,预测下一时刻T1n的输出姿态的具体过程如下:
取T1-Tn时刻的姿态四元数Q1-Qn,根据T1和T2时刻的姿态四元数Q1和Q2计算出这两个时刻之间的姿态机动四元数ΔQ21
ΔQ 2 _ 1 = Q 1 - 1 Q 2 - - - ( 1 )
同样计算出ΔQ3_2,…,ΔQi+1_i,…,ΔQn_n-1
用ΔTi+1_i表示Ti时刻和Ti+1时刻间的时间间隔,Ωi+1_i表示在Ti~Ti+1时间内的平均角速度,ωxyz分别为Ωi+1_i在星敏感器坐标系O-XYZ各坐标轴的分量。若ΔTi+1_i较短(10~50ms),可以用平均角速度近似代替瞬时角速度,计算公式为:
ω x ω y ω z 0 i + 1 _ i = 2 q 4 q 3 - q 2 - q 1 - q 3 q 4 q 1 - q 2 q 2 - q 1 q 4 - q 3 q 1 q 2 q 3 q 4 i Δq 1 Δ q 2 Δ q 3 Δ q 4 i + 1 _ i / ΔT i + 1 _ i - - - ( 2 )
式中q1,q2,q3,q4为四元数Qi的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQi+1_i的四个分量,按照公式(2)依次计算可得Ω2_1,...,Ωi+1_i,...,Qn_n-1,其中n为帧数。
依据邻近关系设计权重,并进行加权平均得到预测值Ω,Ω为T1-Tn时刻的角速度的平均值,
Ω = Σ i = 1 n i Σ i = 1 n i ΔΩ i + 1 _ i - - - ( 3 )
根据公式(4),
Δq 1 Δq 2 Δq 3 Δq 4 n + 1 _ n = 1 2 q 4 - q 3 q 2 q 1 q 3 q 4 - q 1 q 2 - q 2 q 1 q 4 q 3 - q 1 - q 2 - q 3 q 4 n ω x ω y ω z 0 ΔT n + 1 _ n - - - ( 4 )
ωxyz分别为Ω在星敏感器坐标系O-XYZ各坐标轴的分量,ΔTn+1_n表示Tn时刻和Tn+1时刻间的时间间隔,q1,q2,q3,q4为四元数Qn的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQn+1_n的四个分量。得到Tn+1时刻的预测的姿态四元数,
Qn+1=Qn+ΔQn+1_n(5)
所述步骤(1)中从星库中搜索该姿态对应的星点采用星库组织和快速的星库搜索策略,具体过程如下:
将星库中的星按赤经和赤纬坐标建立一个双重查找表,先按赤经整数值0-359升序排列星库中的星,有相同赤经整数坐标的星再按赤纬坐标进行升序排列,按赤经的整数值建立赤经索引表;当预测出当前的姿态后,赤经198.1234,赤纬-30.1234,按照当前的赤经坐标整数值198及视场大小,就能够在赤经索引表中快速找到地址186-210,在预测虚拟星图时加大星库搜索的范围,实现一个虚拟的大视场;在赤经索引表中得到与这些赤经整数值对应的星在星表中的地址区间,然后以赤纬坐标整数值,在该地址区间中搜索查找对应的星体,就搜索到映射到视场中的所有星体。
所述步骤(2)中t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别实现星体跟踪方法是:图像传感器输出图像数据从上到下,从左到右的顺序,t+δt得到的星体质心的位置是按从上到下从左到右顺序排列,得到的这些数据的数列不需要进行排列,仅需要将预测的虚拟大视场星图上的星点信息基于横纵坐标也按从上到下从左到右顺序排列,而后两个数列进行比较。
本发明与现有技术相比的优点在于:
(1)本发明采用多帧姿态信息预测,预测速度快,提高预测的准确性,而且基于预测的虚拟大视场星图进行跟踪匹配不需要新星的识别,提高星跟踪的速度。
(2)本发明的快速星库组织和搜索策略,搜索更准确快速,提高星跟踪算法的速度。
(3)本发明中基于横纵坐标排序,提高匹配识别的速度。
附图说明
图1为现有技术的跟踪窗口的形式;
图2为现有技术的匹配识别方法;
图3为现有的高动态下错误匹配示意图;
图4为本发明的高动态下快速星跟踪方法示意图;
图5为本发明中双重查找表示意图;
图6为本发明中匹配识别过程。
具体实施方式
如图4、5所示,本发明的一种快速星跟踪方法具体实现如下:
(1)虚拟大视场星图预测
由于高动态下载体运动的速度快,在成像面上星体移动的范围比较大,因此在高动态星敏感器中星点的预测是必要的过程,否则就会出现图3中的误匹配问题,本发明根据前面T1-T10时刻多帧的姿态信息(这里取10帧),依据其邻近关系设计权重值,预测下一时刻T11的输出姿态,再利用预测的姿态预测出当前的虚拟的大视场星图。
具体过程如下:
取前面T1-T10时刻的姿态四元数Q1-Q10,根据T1和T2时刻的姿态四元数Q1和Q2计算出这两个时刻之间的姿态机动四元数ΔQ21
ΔQ 2 _ 1 = Q 1 - 1 Q 2 - - - ( 1 )
同样可以计算出ΔQ3_2,…ΔQi+1_i…ΔQ10_9
用ΔTi+1_i表示Ti时刻和Ti+1时刻间的时间间隔,Ωi+1_i表示在Ti~Ti+1时间内的平均角速度,ωxyz分别为Ωi+1_i在星敏感器坐标系O-XYZ各坐标轴的分量。若ΔTi+1_i较短(10~50ms),可以用平均角速度近似代替瞬时角速度,计算公式为:
ω x ω y ω z 0 i + 1 _ i = 2 q 4 q 3 - q 2 - q 1 - q 3 q 4 q 1 - q 2 q 2 - q 1 q 4 - q 3 q 1 q 2 q 3 q 4 i Δq 1 Δ q 2 Δ q 3 Δ q 4 i + 1 _ i / ΔT i + 1 _ i - - - ( 2 )
式中q1,q2,q3,q4为四元数Qi的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQi+1_i的四个分量。按照公式(2)依次计算可得Ω2_1,...,Ωi+1_i,...,Qn_n-1,其中n为帧数。
依据邻近关系设计权重,并进行加权平均得到预测值Ω,其为T1-T10时刻的角速度的平均值。
Ω = Σ i = 1 9 i Σ i = 1 9 i ΔΩ i + 1 _ i - - - ( 3 )
根据公式(4),
Δq 1 Δq 2 Δq 3 Δq 4 11 _ 10 = 1 2 q 4 - q 3 q 2 q 1 q 3 q 4 - q 1 q 2 - q 2 q 1 q 4 q 3 - q 1 - q 2 - q 3 q 4 10 ω x ω y ω z 0 ΔT 11 _ 10 - - - ( 4 )
ωxyz分别为Ω在星敏感器坐标系O-XYZ各坐标轴的分量,ΔT11_10表示T10时刻和T11时刻间的时间间隔,q1,q2,q3,q4为四元数Q10的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQ11_10的四个分量。可得到T11时刻的预测的姿态四元数,
Q11=Q10+ΔQ11_10(5)
这种预测方法预测速度快,比传统前两帧姿态预测方法预测的准确性提高了。
根据预测的姿态结果,从星库中搜索该姿态对应的星点,映射产生用于匹配的虚拟预测星图,如图4所示。
(2)快速星库搜索策略
如图4所示,根据预测的姿态四元数,从星库中搜索该姿态对应的星点,映射产生用于匹配的虚拟预测大视场星图是整个跟踪过程中很关键的步骤,但是这个步骤需要在星库中搜索对应星点比较耗时,影响整个跟踪的速度,因此我们提出了一种星库组织和快速的星库搜索策略。
具体过程如下,
将星库中的星按赤经和赤纬坐标建立一个双重查找表,如图5所示。先按赤经整数值(0-359)升序排列星库中的星,有相同赤经整数坐标的星再按赤纬坐标进行升序排列,按赤经的整数值建立赤经索引表。当预测出当前的姿态后,如图5中赤经198.1234,赤纬-30.1234,按照当前的赤经坐标整数值198及视场大小(这里取视场大小为±10°×±10°),就可以在赤经索引表中快速找到地址186-210,这里取198±12而不是198±10为了提高匹配的准确度,在预测虚拟星图时加大星库搜索的范围,实现一个虚拟的大视场,如图4中虚线区域所示。在赤经索引表中得到与这些赤经整数值对应的星在星表中的地址区间,然后以赤纬坐标整数值,如图5中的-30±12,在该地址区间中搜索查找对应的星体,就搜索到映射到视场中的所有星体。这种星库的组织使得搜索速度大大提高,提高了星跟踪算法的速度,并且索引表占用很少内存空间,由于扩大了搜索的范围,这样一些新进视场的新星也能包含在虚拟大视场中,提高了匹配的准确度,并取消了新进视场的新星的识别,加快了匹配的速度。
如图4所示,t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别就可以实现星体跟踪,具体的匹配识别方法见授权专利“星跟踪器中一种快速匹配识别方法”,专利授权号为:ZL200510077187.6。那些距离较远的星体是没有必要进行比较的,这里采用了先排序后匹配识别的方法,先排序后匹配识别的方法能大大减少在跟踪过程中匹配次数和匹配时间,本发明与授权专利“一种星敏感器快速星跟踪方法”,专利授权号为:ZL200510084010.9,中提出的排序方法不同,本发明发现图像传感器输出图像数据都是从上到下,从左到右的顺序,因此t+δt得到的星体质心的位置本身就是按从上到下从左到右顺序排列,得到的这些数据的数列不需要进行排列,仅需要将预测的虚拟大视场星图上的星点信息基于横纵坐标也按从上到下从左到右顺序排列,而后两个数列进行比较。其比较过程如图6所示,图6中虚线表示参与匹配的星体,实线表示匹配上的星体。从图6中看到,
①B中的6号星与A中最邻近的2’、3’和4’进行匹配,因为这些星体之前和之后的星体与6号星之间的横纵坐标的差值已经超过了阈值,没有进行比较的意义了。最终6号星与4’号星实现唯一匹配,匹配识别成功;
②B中的1号和2号星是新进入视场的新星,本来没有对应匹配,但是由于扩大了虚拟预测的视场,实现了与X1’和X2’的唯一匹配;
③B中的7号星实际上是一个噪点,虽然与最邻近的3’和4’号星进行匹配,但匹配失败;
④A中的9’号星因为移出了视场,所以没有实现匹配。
这种先排序后匹配方法,有效的减少了那些无谓的星体间的比较,只是比较坐标值相近的星,减少了匹配识别时的比较次数,提高了匹配识别的速度,也提高了跟踪过程的速度。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。

Claims (3)

1.一种高动态下快速星跟踪方法,其特征在于步骤如下:
(1)根据T1-Tn时刻星敏感器输出的多帧姿态信息及该多帧姿态信息的邻近关系设计权重值,预测下一时刻Tn+1的星敏感器的姿态,再利用预测的姿态从星库中搜索该姿态对应的星点,映射产生用于匹配的虚拟预测大视场星图;
(2)将t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别实现星体跟踪,t表示某时刻,δt表示前一帧到下一帧的时间间隔;
所述步骤(1)中从星库中搜索该姿态对应的星点采用星库组织和快速的星库搜索策略,具体过程如下:
将星库中的星按赤经和赤纬坐标建立一个双重查找表,先按赤经整数值0-359升序排列星库中的星,有相同赤经整数坐标的星再按赤纬坐标进行升序排列,按赤经的整数值建立赤经索引表;当预测出当前的姿态后,赤经198.1234,赤纬-30.1234,按照当前的赤经坐标整数值198及视场大小,就能够在赤经索引表中快速找到地址186-210,在预测虚拟星图时加大星库搜索的范围,实现一个虚拟的大视场;在赤经索引表中得到与这些赤经整数值对应的星在星表中的地址区间,然后以赤纬坐标整数值,在该地址区间中搜索查找对应的星体,就搜索到映射到视场中的所有星体。
2.根据权利要求1所述的高动态下快速星跟踪方法,其特征在于:所述步骤(1)中根据T1-Tn时刻n帧的姿态信息,依据姿态信息的邻近关系设计权重值,预测下一时刻Tn+1的输出姿态的具体过程如下:
取T1-Tn时刻的姿态四元数Q1-Qn,根据T1和T2时刻的姿态四元数Q1和Q2计算出这两个时刻之间的姿态机动四元数ΔQ2_1
同样计算出ΔQ3_2,…,ΔQi+1_i,…,ΔQn_n-1
用ΔTi+1_i表示Ti时刻和Ti+1时刻间的时间间隔,Ωi+1_i表示在Ti~Ti+1时间内的平均角速度,ωxyz分别为Ωi+1_i在星敏感器坐标系O-XYZ各坐标轴的分量;若ΔTi+1_i较短10~50ms,用平均角速度近似代替瞬时角速度,计算公式为:
式中q1,q2,q3,q4为四元数Qi的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQi+1_i的四个分量,按照公式(2)依次计算得Ω2_1,...,Ωi+1_i,...,Qn_n-1,其中n为帧数;
依据邻近关系设计权重,并进行加权平均得到预测值Ω,Ω为T1-Tn时刻的角速度的平均值,
根据公式(4),
ωxyz分别为Ω在星敏感器坐标系O-XYZ各坐标轴的分量,ΔTn+1_n表示Tn时刻和Tn+1时刻间的时间间隔,q1,q2,q3,q4为四元数Qn的四个分量,Δq1,Δq2,Δq3,Δq4为四元数ΔQn+1_n的四个分量;得到Tn+1时刻的预测的姿态四元数,
Qn+1=Qn+ΔQn+1_n(5)。
3.根据权利要求1所述的高动态下快速星跟踪方法,其特征在于:所述步骤(2)中t+δt时刻预测到的星体位置A与t+δt得到的星体质心的位置B进行匹配识别实现星体跟踪方法是:图像传感器输出图像数据从上到下,从左到右的顺序,t+δt得到的星体质心的位置是按从上到下从左到右顺序排列,得到的这些数据的数列不需要进行排列,仅需要将预测的虚拟大视场星图上的星点信息基于横纵坐标也按从上到下从左到右顺序排列,而后两个数列进行比较。
CN201510289908.3A 2015-05-29 2015-05-29 一种高动态下快速星跟踪方法 Active CN104964684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510289908.3A CN104964684B (zh) 2015-05-29 2015-05-29 一种高动态下快速星跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510289908.3A CN104964684B (zh) 2015-05-29 2015-05-29 一种高动态下快速星跟踪方法

Publications (2)

Publication Number Publication Date
CN104964684A CN104964684A (zh) 2015-10-07
CN104964684B true CN104964684B (zh) 2016-04-27

Family

ID=54218739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510289908.3A Active CN104964684B (zh) 2015-05-29 2015-05-29 一种高动态下快速星跟踪方法

Country Status (1)

Country Link
CN (1) CN104964684B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105823485B (zh) * 2016-04-25 2018-06-19 航天东方红卫星有限公司 一种卫星对月定标的时间规划方法
CN107576326B (zh) * 2017-08-21 2020-05-05 中国科学院长春光学精密机械与物理研究所 适用于高机动载体的星跟踪方法
CN107607737B (zh) * 2017-08-21 2019-07-05 中国科学院长春光学精密机械与物理研究所 基于星光矢量的无陀螺角速度测量方法
CN111412914B (zh) * 2020-04-21 2022-08-23 中国科学院光电技术研究所 一种基于卷帘曝光帧间关联的星敏感器提高姿态更新率方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1880917A (zh) * 2005-06-17 2006-12-20 北京航空航天大学 一种星跟踪器快速匹配识别方法
CN1896681A (zh) * 2005-07-15 2007-01-17 北京航空航天大学 一种星敏感器快速星跟踪方法
CN101435704A (zh) * 2008-12-04 2009-05-20 哈尔滨工业大学 一种星敏感器高动态下的星跟踪方法
CN104567865A (zh) * 2014-12-29 2015-04-29 北京控制工程研究所 一种星敏感器空间粒子干扰条件下的姿态捕获方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1880917A (zh) * 2005-06-17 2006-12-20 北京航空航天大学 一种星跟踪器快速匹配识别方法
CN1896681A (zh) * 2005-07-15 2007-01-17 北京航空航天大学 一种星敏感器快速星跟踪方法
CN101435704A (zh) * 2008-12-04 2009-05-20 哈尔滨工业大学 一种星敏感器高动态下的星跟踪方法
CN104567865A (zh) * 2014-12-29 2015-04-29 北京控制工程研究所 一种星敏感器空间粒子干扰条件下的姿态捕获方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种大角加速度下的星跟踪算法;王常虹 等;《中国惯性技术学报》;20101231;第18卷(第6期);706-710 *
一种适用于星敏感器的大角速度下星跟踪算法;管宇 等;《中国惯性技术学报》;20120831;第20卷(第4期);440-443 *
星敏感器高动态下自主星跟踪算法;李葆华 等;《红外与激光工程》;20120131;第41卷(第1期);190-194 *

Also Published As

Publication number Publication date
CN104964684A (zh) 2015-10-07

Similar Documents

Publication Publication Date Title
CN106780631B (zh) 一种基于深度学习的机器人闭环检测方法
CN110717927A (zh) 基于深度学习和视惯融合的室内机器人运动估计方法
CN104964684B (zh) 一种高动态下快速星跟踪方法
Cui et al. 3D semantic map construction using improved ORB-SLAM2 for mobile robot in edge computing environment
CN111862213A (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN113076891B (zh) 基于改进高分辨率网络的人体姿态预测方法及系统
CN114283250B (zh) 高精度的三维点云地图自动拼接与优化方法及系统
Ruan et al. Dynamic gesture recognition based on improved DTW algorithm
CN110135277B (zh) 一种基于卷积神经网络的人体行为识别方法
CN112801047A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN114724247B (zh) 面向特定场景下基于语义认知的姿态估计方法及系统
CN113378770A (zh) 手势识别方法、装置、设备、存储介质以及程序产品
CN111998862A (zh) 一种基于bnn的稠密双目slam方法
CN110288026A (zh) 一种基于度量关系图学习的图像分割方法及装置
Xie et al. Hierarchical forest based fast online loop closure for low-latency consistent visual-inertial SLAM
CN110651475B (zh) 用于致密光学流的阶层式数据组织
CN103791901B (zh) 一种星敏感器数据处理系统
CN112884799A (zh) 一种基于孪生神经网络的复杂场景下目标跟踪方法
CN117392488A (zh) 一种数据处理方法、神经网络及相关设备
CN116596993A (zh) 一种基于伪孪生网络与深度特征的目标识别匹配定位方法
CN115239902A (zh) 移动设备的周边地图建立方法、装置、设备及存储介质
Liu et al. An end-to-end stereo matching algorithm based on improved convolutional neural network
CN114937153A (zh) 弱纹理环境下基于神经网络的视觉特征处理系统及方法
CN109919998B (zh) 卫星姿态确定方法、装置和终端设备
Zhou et al. Visual tracking using improved multiple instance learning with co-training framework for moving robot

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