CN105182678B - 一种基于多通道相机观测空间目标的系统及方法 - Google Patents
一种基于多通道相机观测空间目标的系统及方法 Download PDFInfo
- Publication number
- CN105182678B CN105182678B CN201510405964.9A CN201510405964A CN105182678B CN 105182678 B CN105182678 B CN 105182678B CN 201510405964 A CN201510405964 A CN 201510405964A CN 105182678 B CN105182678 B CN 105182678B
- Authority
- CN
- China
- Prior art keywords
- mrow
- star
- msup
- camera
- passage
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于多通道相机观测空间目标的系统，整个系统由综合信息处理系统、伺服控制系统、跟踪架、三维调整机构、实时图像处理系统、显示器、五个通道相机以及与五个通道相机一一对应相连的五个采集卡构成。使用本发明既能够实现对动态目标的观测，也能够实现对星体的观测；并改进了星体观测时四个通道相机的姿态角解算方法，以及高分辨率的事后图像处理算法；本发明采用商业望远镜和商业相机作为主要部件，以低成本实现空间动态目标的实况记录和星体目标观测的高分辨和大视场成像。
Description
技术领域
本发明涉及空间目标观测技术领域，属于光学成像和图像处理技术，具体涉及一种基于多通道相机观测空间目标的系统及方法。
背景技术
为实现大视场、大口径、高分辨率的中低轨空间目标光学特性测量和导弹再入成像，靶场光测设备的光学系统要同时满足大口径、长焦距的要求。这会增加光学望远镜的体积、重量，而且为了保证成像质量，大口径的光学镜片面形精度要求高，因而设备的研制周期长、投资大。当望远镜F数保持不变时，其焦距会随着口径的加大而变长，导致视场范围大幅地缩小，小视场情况将降低对远距离运动目标探测的能力，不能同时满足对大视场和高分辨率应用需求。
大口径、大视场和高分辨率的光测设备通常采用自适应光学技术、合成孔径成像或多通道非干涉成像技术。其中，多通道非干涉成像技术在解决大视场、大口径和高分辨成像问题时，由于利用多个子孔径成像，受大气湍流影响小，不需要复杂且昂贵的自适应光学系统；通过对各个子孔径进行标定和对采集图像的匹配，无需合成孔径光学系统的共相要求，对加工和安装要求降低。
但目前的多通道成像技术对系统的安装和环境有较高要求，不具有灵活性，且采用赤道式跟踪系统难以实现对空中动态目标的跟踪和实况记录；
现有的多通道成像系统不能同时实现对动态目标以及星体的的观测；而且在星体观测时，对各通道相机姿态角的解算仅局限于同视场观测时的光轴指向校准，对于系统拼视场观测模式光轴指向无法标校。
目前的多通道成像技术对高分辨率的图像事后处理仅采用简单的图像拼接和能量叠加，没有充分发挥多通道成像的技术优势；或者采用的高分辨率重构过程中过多的加入人为因素，获得的高分辨率重构图像很有可能不是最优解。另外，采用的器件需要单独研制和开发，其成本较高，不利于大范围使用。
发明内容
有鉴于此，本发明提供了一种基于多通道相机观测空间目标的系统及方法，能够利用商业望远镜和商业相机，以低成本实现对空中动态目标或星体的观测，并对观测得到的低分辨率图像进行全自适应的高分辨率重构处理，得到高分辨率图像。
本发明的一种基于多通道相机观测空间目标的系统，包括：综合信息处理系统、伺服控制系统、跟踪架、三维调整机构、实时图像处理系统、显示器、五个通道相机以及与五个通道相机一一对应相连的五个采集卡；
其中，跟踪架上安装有五个三维调整机构，每个三维调整机构安装有一个通道相机；所述跟踪架由伺服驱动系统驱动，以此调节五个通道相机的观测方向；
在对动态目标进行观测时，通过三维调整机构预先设置五个通道相机中的第一通道相机、第二通道相机、第三通道相机和第四通道相机的姿态角，以满足用户对目标的观测方式；伺服控制系统通过驱动跟踪架调整五个通道相机中的第五通道相机的观测方向，搜索捕获得到动态目标并拍摄图像，通过第五采集卡把图像发送到综合信息处理系统；所述综合信息处理系统根据接收到的图像提取得到脱靶量信息，并发送给伺服控制系统；所述控制伺服控制系统根据脱靶量信息驱动跟踪架以使得第一通道相机、第二通道相机、第三通道相机和第四通道相机对目标进行跟踪拍摄；
在对星体进行观测时，第一通道相机、第二通道相机、第三通道相机和第四通道相机对星体区域进行拍摄，得到四路图像，并通过相应的采集卡将四路图像发送给综合信息处理系统；综合信息处理系统根据四路图像对四个通道相机的姿态角进行迭代解算，三维调整机构按照解算得到的四个姿态角分别对四个通道相机进行调整，使四个通道相机的姿态角满足不同的观测方式的视场要求，然后四个通道相机再对星体区域进行拍摄；
所述第一通道相机、第二通道相机、第三通道相机和第四通道相机将拍摄的图像通过相应的采集卡发送到综合信息处理系统和实时图像处理系统；
所述实时图像处理系统根据接收到的图像进行实时处理后发送到显示器进行实时显示；所述综合信息处理系统根据接收到的图像进行高分辨率重建，得到高分辨率图像，再发送到显示器进行显示。
较佳的，所述五个通道相机中的每个通道相机包括一个光学望远镜和一个探测器；并且第一通道相机、第二通道相机、第三通道相机和第四通道相机中的光学望远镜为长焦光学望远镜，第五通道相机中的光学望远镜为短焦光学望远镜。
较佳的，所述观测方式为第一通道相机、第二通道相机、第三通道相机和第四通道相机按照视场拼接或同视场进行观测。
本发明的一种基于多通道相机观测空间目标的方法，包括：
步骤1：将第一通道相机、第二通道相机、第三通道相机和第四通道相机对准要观测的星空区域，拍摄四路图像，并通过各自相应的采集卡把四路图像发送至综合信息处理系统；
步骤2：综合信息处理系统对各路图像进行星图处理，提取图像上各恒星在像面坐标系下的星点坐标；
步骤3：根据各恒星的星点坐标对图像进行星图识别：
S301、提取图像上最亮的五颗恒星，找到星x，使其余四颗星中的两颗星位于星x的一侧，并与星x构成三角形Ⅰ；另外两颗星位于星x的另一侧，并与星x构成三角形Ⅱ；
定义星x为星3，则三角形Ⅰ中另外两颗星分别定义为星1和星2；三角形Ⅱ中另外两颗星分别定义为星4和星5；然后进行S302；
S302、根据五颗恒星的星点坐标分别得到三角形Ⅰ和三角形Ⅱ中各恒星之间的角距离，定义Ai,j为星i和星j的角距离，即在三角形Ⅰ中计算A1,2、A1,3和A2,3；在三角形Ⅱ中计算A3,4、A4,5和A3,5；然后进行S303；
S303、分别将三角形Ⅰ中三个恒星间的角距离和三角形Ⅱ中三个恒星间的角距离与依巴谷星表对比，得到三角形Ⅰ中的星1、星2和星3以及三角形Ⅱ中的星3、星4和星5在依巴谷星表中所对应的星图的星号，然后进行S304；
S304、比较星3的星号在三角形Ⅰ和三角形Ⅱ中的星号是否相同；
若两个三角形中星3的星号相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若两个三角形中星3的星号不相同，则进行S305；
S305、再构成一个包含星3且与已有三角形不重叠的三角形Ⅲ，计算三角形Ⅲ中三个恒星间的角距离，并与依巴谷星表对比，得到三角形Ⅲ中三个恒星的星号；
然后再比较三角形Ⅲ中星3的星号与三角形Ⅰ或三角形Ⅱ中的星号是否相同；若有相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若不相同，则继续构成一个包含星3且与已有三角形不重叠的三角形，然后按照S305的方法确定五颗恒星在依巴谷星表中的唯一星号；
S306、根据星1、星2、星3、星4和星5在依巴谷星表中的星号，确定各个恒星的空间赤道坐标，然后进行步骤4；
步骤4：姿态解算：
根据星图识别得到的五颗恒星的空间赤道坐标，经赤道坐标修正以及坐标转换后得到恒星曝光时刻的五个恒星地平坐标；
根据五个恒星地平坐标和恒星的成像模型解算出各通道相机的姿态角(Ap,hp,rp)，p＝1,2,3,4，(Ap,hp,rp)表示第t通道相机的方位角、俯仰角和地平坐标系的横滚角；
步骤5：建立约束条件：
以第一通道相机为标准，分别计算第二通道相机、第三通道相机、第四通道相机与第一通道相机的方位角差和俯仰角差，将各方位角差和俯仰角差的绝对值之和作为约束条件，记为f；
步骤6：最小约束条件判断：
根据不同观测方式下三维调整机构的调节精度确定约束条件f的最大取值；
若约束条件f大于最大取值，则按照步骤1～步骤5重新进行姿态解算；
若约束条件f小于或等于最大取值，则各通道相机的姿态角解算结束，进行步骤7；
步骤7：姿态调节：
按照解算出来的姿态角调节各个通道相机的姿态后再进行成像，并将拍摄到的四路图像通过各自对应的采集卡发送给综合信息处理系统；
综合信息处理系统对四路图像进行高分辨率重建后，输出到显示器上进行显示。
本发明的一种基于多通道相机系统观测空间目标的方法，采用全自适应高分辨率重建方法对四路图像进行高分辨率重建，具体步骤为：
步骤1、参数初始化：
设置最大迭代次数max_iter以及迭代初始值n＝1、Huber函数的阈值的初始值T0、高分辨率重构图像的初始矩阵z0和收敛因子ε；
步骤2、构建Huber-MRF先验模型下的能量函数E(zn)：
公式(1)中，zn为第n次迭代中，待复原的高分辨率图像矩阵，
K表示低分辨率图像的个数；gk为配准后的低分辨率图像k的矩阵；D为降采样矩阵；Bk为低分辨率图像k的运动模糊矩阵，采用基于Radon变换的方法估计模糊方向，采用基于梯度倒频谱的方法估计模糊长度；Mk为低分辨率图像gk的运动矩阵；
λn为第n次迭代中的正则化参数；wt为二阶差分算子权重，t表示方向，取值t＝1,2,3,4分别表示zn图像水平、垂直、对角和反对角四个方向；c表示zn图像中邻域系统的簇，C表示zn图像中所有簇的集合；
ρ(x)代表Huber边缘惩罚函数：
Tn-1为第n-1次迭代中的Huber函数阈值；
表示高分辨率图像zn的空间灰度变化；
步骤3、计算能量函数E(zn)中的各个参数：
二阶差分算子权重
公式(3)中，eps为防止分母为0时的极小正数，参数Rw定义为：
计算正则化参数λn：
公式(5)中，σ为正则化参数的调整因子；eps1为防止分母为0时的极小正数；
步骤4、计算梯度rn：
根据步骤3得到的参数，计算公式(1)中的作为自适应加权MRF先验约束项；则公式(6)中的r'为自适应加权MRF先验约束项相对于高分辨率图像zn的梯度矢量；r'求解方法为，首先将自适应加权MRF先验约束项所有点梯度赋值为0，求解周围3×3邻域内各点在该点的梯度累加值作为该点梯度；
步骤5：更新Huber函数梯度阈值Tn：
其中μ是调整因子；
步骤6：计算步长因子，并更新高分辨率图像：
αn为步长因子：
更新高分辨率图像：zn+1＝zn+αnrn (9)
公式(9)中，zn+1、zn分别代表第n+1和第n次迭代获得的高分辨率图像；
步骤7：迭代停止条件判别：
若满足公式(10)的迭代停止条件，则执行步骤8；
若不满足公式(10)的迭代停止条件，则令n加1后，判断当前迭代次数n是否大于最大迭代次数max_iter；如果是，则停止迭代，执行步骤8，否则重复步骤2～步骤7；
步骤8、输出高分辨率重建图像zn+1。
本发明具有如下有益效果：
1、本发明采用的多通道成像技术利用小孔径的多通道相机进行观测，每个通道相机独立成像，各通道相机对同一目标区域同时成像，得到多帧低分辨率图像后进行高分辨率重建，得到相当于大孔径光学系统成像的高分辨率、高信噪比的目标图像；整个系统实现了功能模块化，系统复杂程度低，可以根据不同的任务需求，对空中动态目标或星体目标的进行观测，系统应用灵活性强。
2、本发明的多通道相机观测空间目标系统，可采用商业望远镜和商业探测器作为主要部件，实现在较低成本投入的同时获得较高的观测能力。
3、根据任务需求，通过三维调整机构调整光学望远镜采用同视场或视场拼接的排布形式，即可利用多个图像叠加可降低对目标亮度要求，也可以利用多个成像系统拼接实现较大视场。
4、本发明提出的利用视场内五颗恒星解算相机姿态角，即方位角，俯仰角，横滚角的方法，可以快速解算各通道相机的姿态，通过根据不同的观测方式构建不同的约束条件，实现四个相机的精确指向标定和光轴指向调节标校；不仅能够在采用同视场的方式观测时实现光轴指向的标较，在采用视场拼接的方式观测时，也能够实现光轴指向的标较；从而提高整个系统在观测过程中的精度和准确度。
5、本发明改进现有高分辨率重构算法中过多的加入人为因素，获得的高分辨率重构图像很有可能不是最优解的缺陷，提出了一种全自适应的高分辨率重构技术，实现正则化参数、Huber函数梯度阈值及二阶差分算子权值在图像高分辨率重构过程中的自适应调整，避免了人为选取参数的主观影响，较为准确的得到高分辨率图像的最优解。
附图说明
图1为基于多通道相机观测空间目标的系统结构示意图。
图2为对星体观测时姿态解算方法的流程图。
图3为五颗恒星的星图识别方法。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种基于多通道相机观测空间目标的系统，不仅能够实现对空中动态目标的观测，还能够实现对星体的观测。
如图1所示，多通道相机观测目标的系统包括：综合信息处理系统、伺服控制系统、跟踪架、三维调整机构、实时图像处理系统、显示器、五个通道相机以及与五个通道相机一一对应相连的五个采集卡；
其中，五个通道相机中的每个通道相机包括一个光学望远镜和一个探测器；并且第一通道相机、第二通道相机、第三通道相机和第四通道相机中的光学望远镜为长焦光学望远镜，第五通道相机中的光学望远镜为短焦光学望远镜；
跟踪架上安装有五个三维调整机构，每个三维调整机构安装有一个通道相机；所述跟踪架由伺服驱动系统驱动，以此调节五个通道相机的观测方向；
在对动态目标进行观测时，根据采用同视场观测方式或拼接视场观测的要求，通过三维调整机构预先设置五个通道相机中的第一通道相机、第二通道相机、第三通道相机和第四通道相机的姿态角；伺服控制系统通过驱动跟踪架调整五个通道相机中的第五通道相机的观测方向，搜索捕获得到动态目标并拍摄图像，通过第五采集卡把图像发送到综合信息处理系统；所述综合信息处理系统根据接收到的图像提取得到脱靶量信息，并发送给伺服控制系统；所述控制伺服控制系统根据脱靶量信息驱动跟踪架以使得第一通道相机、第二通道相机、第三通道相机和第四通道相机对目标进行跟踪拍摄；
在对星体进行观测时，第一通道相机、第二通道相机、第三通道相机和第四通道相机对星体区域进行拍摄，得到4路图像，并通过相应的采集卡将4路图像发送给综合信息处理系统；综合信息处理系统根据4路图像对四个通道相机的姿态角进行迭代解算，四个通道相机通过三维调整机构按照各自解算得到的姿态角进行调整，使四个通道相机的姿态角满足不同观测方式的视场要求，然后再对星体区域进行拍摄；
由于星体目标距离四个通道相机为无穷远，所以当四个通道相机设置为平行时近似为同视场观测；当四个通道相机成固定夹角时，为视场拼接观测，此时为后续处理方便，需要有一定的视场重叠。
所述第一通道相机、第二通道相机、第三通道相机和第四通道相机将拍摄的图像通过相应的采集卡发送到综合信息处理系统和实时图像处理系统；
所述实时图像处理系统根据接收到的图像进行实时处理后发送到显示器进行实时显示；所述综合信息处理系统根据接收到的图像进行高分辨率重建后，再发送到显示器进行显示。
所述观测方式为第一通道相机、第二通道相机、第三通道相机和第四通道相机按照视场拼接或同视场进行观测。
如图2所示为采用图1所示的多通道相机观测目标的系统，对星体进行观测时的方法：
步骤1：将第一通道相机、第二通道相机、第三通道相机和第四通道相机对准要观测的星空区域，拍摄4路图像，并通过各自相应的采集卡把4路图像发送至综合信息处理系统；
步骤2：综合信息处理系统对各路图像进行星图处理，主要包括星图去噪、阈值分割、星点坐标提取，得到图像上各恒星在像面坐标系下的星点坐标；
步骤3：根据各恒星的星点坐标对图像进行星图识别：
S301、如图3所示，提取图像上最亮的五颗恒星，找到星x，使其余四颗星中的两颗星位于星x的一侧，并与星x构成三角形Ⅰ；另外两颗星位于星x的另一侧，并与星x构成三角形Ⅱ；
定义星x为星3，则三角形Ⅰ的其余两颗星分别为星1和星2；三角形Ⅱ的其余两颗星为星4和星5；然后进行S302；
S302、根据五颗恒星的星点坐标分别得到三角形Ⅰ和三角形Ⅱ中各恒星之间的角距离，定义Ai,j为星i和星j的角距离，即在三角形Ⅰ中计算A1,2、A1,3和A2,3；在三角形Ⅱ中计算A3,4、A4,5和A3,5；然后进行S303；
S303、分别将三角形Ⅰ中三个恒星间的角距离和三角形Ⅱ中三个恒星间的角距离与依巴谷星表对比，得到三角形Ⅰ中的星1、星2和星3以及三角形Ⅱ中的星3、星4和星5在依巴谷星表中所对应的星图的星号，然后进行S304；
S304、比较星3的星号在三角形Ⅰ和三角形Ⅱ中的星号是否相同；
若两个三角形中星3的星号相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若两个三角形中星3的星号不相同，则进行S305；
S305、再构成一个包含星3且与已有三角形不重叠的三角形Ⅲ，如图3中的以星2、星3和星5构成的三角形，计算三角形Ⅲ中三个恒星间的角距离，并与依巴谷星表对比，得到三角形Ⅲ中三个恒星的星号；
然后再比较三角形Ⅲ中星3的星号与三角形Ⅰ或三角形Ⅱ中的星号是否相同；若有相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若不相同，则继续构成一个包含星3且与已有三角形不重叠的三角形，如图3中的以星1、星3和星4构成的三角形；然后按照S305的上述方法确定五颗恒星在依巴谷星表中的唯一星号；
S306、根据星1、星2、星3、星4和星5在依巴谷星表中的星号，确定各个恒星的空间赤道坐标，然后进行步骤4；
步骤4：姿态解算：
根据星图识别得到的五颗恒星的空间赤道坐标，经赤道坐标修正以及坐标转换后得到恒星曝光时刻的五个恒星地平坐标；
根据五个恒星地平坐标和恒星的成像模型解算出各通道相机的姿态角(Ap,hp,rp)，p＝1,2,3,4，(Ap,hp,rp)表示第t通道相机的方位角、俯仰角和地平坐标系的横滚角；
步骤5：建立约束条件：
以第一通道相机为标准，分别计算第二通道相机、第三通道相机、第四通道相机与第一通道相机的方位角差和俯仰角差，将各方位角差和俯仰角差的绝对值之和作为约束条件，记为f；
步骤6：最小约束条件判断：
根据不同观测方式下三维调整机构的调节精度确定约束条件f的最大取值；
例如：当同视场观测时，目标距离近似为无穷远，此时，约束条件f为f≤3'；当视场拼接时四个相机的光轴之间具有固定夹角f0，此时约束条件f为|f-f0|≤3'。
若约束条件f大于最大取值，则按照步骤1～步骤5重新进行姿态解算；
若约束条件f小于等于最大取值，则各通道相机的姿态角解算结束，进行步骤7；
步骤7：姿态调节：
按照解算出来的姿态角调节各个通道相机的姿态后再进行成像，并将拍摄到的4路图像通过各自对应的采集卡发送给综合信息处理系统；
综合信息处理系统对4路图像进行高分辨率重建后，输出到显示器上进行显示。
高分辨率重建算法为全自适应高分辨率重建算法，具体步骤为：
步骤1、参数初始化：
设置最大迭代次数max_iter以及迭代初始值n＝1、Huber函数的阈值的初始值T0、高分辨率重构图像的初始矩阵z0和收敛因子ε；
步骤2、构建Huber-MRF先验模型下的能量函数E(zn)：
公式(1)中，zn为第n次迭代中，待复原的高分辨率图像矩阵，
K表示低分辨率图像的个数；gk为配准后的低分辨率图像k的矩阵；D为降采样矩阵；Bk为低分辨率图像k的运动模糊矩阵，采用基于Radon变换的方法估计模糊方向，采用基于梯度倒频谱的方法估计模糊长度；Mk为低分辨率图像gk的运动矩阵；
λn为第n次迭代中的正则化参数；wt为二阶差分算子权重，t表示方向，取值t＝1,2,3,4分别表示zn图像水平、垂直、对角和反对角四个方向；c表示zn图像中邻域系统的簇，C表示zn图像中所有簇的集合；
ρ(x)代表Huber边缘惩罚函数：
Tn-1为第n-1次迭代中的Huber函数阈值；
表示高分辨率图像zn的空间灰度变化；对于c＝(l,m)的邻域系统的簇，其水平、垂直、对角和反对角四个方向的空间灰度的二阶差分为：
步骤3、计算能量函数E(zn)中的各个参数：
二阶差分算子权重
公式(3)中，eps为防止分母为0时的极小正数，参数Rw定义为：
计算正则化参数λn：
公式(5)中，σ为正则化参数的调整因子；eps1为防止分母为0时的极小正数；
步骤4、计算梯度rn：
根据步骤3得到的参数，计算公式(1)中的作为自适应加权MRF先验约束项；则公式(6)中的r'为自适应加权MRF先验约束项相对于高分辨率图像zn的梯度矢量；r'求解方法为，首先将自适应加权MRF先验约束项所有点梯度赋值为0，求解周围3×3邻域内各点在该点的梯度累加值作为该点梯度；
步骤5：更新Huber函数梯度阈值Tn：
其中μ是调整因子；
步骤6：计算步长因子，并更新高分辨率图像：
αn为步长因子：
更新高分辨率图像：zn+1＝zn+αnrn (9)
公式(9)中，zn+1、zn分别代表第n+1和第n次迭代获得的高分辨率图像；
步骤7：迭代停止条件判别：
若满足公式(10)的迭代停止条件，则执行步骤8；
若不满足公式(10)的迭代停止条件，则令n加1后，判断当前迭代次数n是否大于最大迭代次数max_iter；如果是，则停止迭代，执行步骤8，否则重复步骤2～步骤7；
步骤8、输出高分辨率重建图像zn+1。
此外，考虑视场重合与算法，所述多通道相机目标观测的系统中的器件型号与系统指标相对应，本实施例中，第一光学望远镜～第四光学望远镜可采用商业镜头作为主要光学元件，观测视场可以选择7°×10°、4°×8°、2°×8°和2°×4°；
第一探测器～第四探测器的型号可以针对不同的观测条件，采用不同的商业相机和天文相机等探测器进行组合。白天观测可选择4个佳能1DC相机组合，进行高分辨成像、高帧频成像或大视场观测；较暗天光背景下，可选择4个佳能1DC相机组合，进行高动态成像；暗天光背景下，可采用2个天文相机KAF16803和佳能1DC组合，通过多通道相机的标定和图像配准，实现图像的能量累加和色彩融合。输出图像为4K格式(图像大小为4096×2160，帧频28fps)；或1080P格式(图像大小为1920×1080，帧频60fps或50fps)。本发明系统可以在天光背景较暗的条件下，实现空间目标的高动态成像观测；可以实现天光背景较好情况下的空间目标高分辨和高动态成像；可以实现空间广域分布目标的大视场观测。
通过三维调整机构调整第一光学望远镜～第四光学望远镜采用视场拼接或同视场的排布形式。视场拼接可以实现广域分布目标大视场观测，最大视场达到7°×10°。采用多通道同视场观测时，基于工作站的综合信息处理系统可以实现空间目标的高分辨图像重构。
第一采集卡～第四采集卡同步采集4路4K格式或1080P格式的图像，综合信息处理系统对采集的4路图像进行全适应高分辨率的图像事后处理输出2路或1路4K彩色视频图像。
实时图像处理系统采用基于众核处理器TILE64开发的实时图像处理板，该板具有4路1080P(图像大小为1920×1080，帧频60fps或50fps)视频采集、传输和处理功能，可以实现4路视频的图像增强，运动目标的检测跟踪，输出2路或1路4K彩色视频图像。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于多通道相机观测空间目标的系统，其特征在于，包括：综合信息处理系统、伺服控制系统、跟踪架、三维调整机构、实时图像处理系统、显示器、五个通道相机以及与五个通道相机一一对应相连的五个采集卡；
其中，跟踪架上安装有五个三维调整机构，每个三维调整机构安装有一个通道相机；所述跟踪架由伺服驱动系统驱动，以此调节五个通道相机的观测方向；
在对动态目标进行观测时，通过三维调整机构预先设置五个通道相机中的第一通道相机、第二通道相机、第三通道相机和第四通道相机的姿态角，以满足用户对目标的观测方式；伺服控制系统通过驱动跟踪架调整五个通道相机中的第五通道相机的观测方向，搜索捕获得到动态目标并拍摄图像，通过第五采集卡把图像发送到综合信息处理系统；所述综合信息处理系统根据接收到的图像提取得到脱靶量信息，并发送给伺服控制系统；所述控制伺服控制系统根据脱靶量信息驱动跟踪架以使得第一通道相机、第二通道相机、第三通道相机和第四通道相机对目标进行跟踪拍摄；
在对星体进行观测时，第一通道相机、第二通道相机、第三通道相机和第四通道相机对星体区域进行拍摄，得到四路图像，并通过相应的采集卡将四路图像发送给综合信息处理系统；综合信息处理系统根据四路图像对四个通道相机的姿态角进行迭代解算，三维调整机构按照解算得到的四个姿态角分别对四个通道相机进行调整，使四个通道相机的姿态角满足不同的观测方式的视场要求，然后四个通道相机再对星体区域进行拍摄；
所述第一通道相机、第二通道相机、第三通道相机和第四通道相机将拍摄的图像通过相应的采集卡发送到综合信息处理系统和实时图像处理系统；
所述实时图像处理系统根据接收到的图像进行实时处理后发送到显示器进行实时显示；所述综合信息处理系统根据接收到的图像进行高分辨率重建，得到高分辨率图像，再发送到显示器进行显示。
2.如权利要求1所述的一种基于多通道相机观测空间目标的系统，其特征在于，所述五个通道相机中的每个通道相机包括一个光学望远镜和一个探测器；并且第一通道相机、第二通道相机、第三通道相机和第四通道相机中的光学望远镜为长焦光学望远镜，第五通道相机中的光学望远镜为短焦光学望远镜。
3.如权利要求1或2所述的一种基于多通道相机观测空间目标的系统，其特征在于，所述观测方式为第一通道相机、第二通道相机、第三通道相机和第四通道相机按照视场拼接或同视场进行观测。
4.一种基于多通道相机观测空间目标的方法，使用了权利要求1基于多通道相机观测空间目标的系统，其特征在于，包括：
步骤1：将第一通道相机、第二通道相机、第三通道相机和第四通道相机对准要观测的星空区域，拍摄四路图像，并通过各自相应的采集卡把四路图像发送至综合信息处理系统；
步骤2：综合信息处理系统对各路图像进行星图处理，提取图像上各恒星在像面坐标系下的星点坐标；
步骤3：根据各恒星的星点坐标对图像进行星图识别：
S301、提取图像上最亮的五颗恒星，找到星x，使其余四颗星中的两颗星位于星x的一侧，并与星x构成三角形Ⅰ；另外两颗星位于星x的另一侧，并与星x构成三角形Ⅱ；
定义星x为星3，则三角形Ⅰ中另外两颗星分别定义为星1和星2；三角形Ⅱ中另外两颗星分别定义为星4和星5；然后进行S302；
S302、根据五颗恒星的星点坐标分别得到三角形Ⅰ和三角形Ⅱ中各恒星之间的角距离，定义Ai,j为星i和星j的角距离，即在三角形Ⅰ中计算A1,2、A1,3和A2,3；在三角形Ⅱ中计算A3,4、A4,5和A3,5；然后进行S303；
S303、分别将三角形Ⅰ中三个恒星间的角距离和三角形Ⅱ中三个恒星间的角距离与依巴谷星表对比，得到三角形Ⅰ中的星1、星2和星3以及三角形Ⅱ中的星3、星4和星5在依巴谷星表中所对应的星图的星号，然后进行S304；
S304、比较星3的星号在三角形Ⅰ和三角形Ⅱ中的星号是否相同；
若两个三角形中星3的星号相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若两个三角形中星3的星号不相同，则进行S305；
S305、再构成一个包含星3且与已有三角形不重叠的三角形Ⅲ，计算三角形Ⅲ中三个恒星间的角距离，并与依巴谷星表对比，得到三角形Ⅲ中三个恒星的星号；
然后再比较三角形Ⅲ中星3的星号与三角形Ⅰ或三角形Ⅱ中的星号是否相同；若有相同，则确定星3的星号，并以星3为基准，根据其余恒星与星3的角距离得到图像上五颗恒星在依巴谷星表中的唯一星号，然后进行S306；
若不相同，则继续构成一个包含星3且与已有三角形不重叠的三角形，然后按照S305的方法确定五颗恒星在依巴谷星表中的唯一星号；
S306、根据星1、星2、星3、星4和星5在依巴谷星表中的星号，确定各个恒星的空间赤道坐标，然后进行步骤4；
步骤4：姿态解算：
根据星图识别得到的五颗恒星的空间赤道坐标，经赤道坐标修正以及坐标转换后得到恒星曝光时刻的五个恒星地平坐标；
根据五个恒星地平坐标和恒星的成像模型解算出各通道相机的姿态角(Fp,hp,rp)，p＝1,2,3,4，(Fp,hp,rp)表示第t通道相机的方位角、俯仰角和地平坐标系的横滚角；
步骤5：建立约束条件：
以第一通道相机为标准，分别计算第二通道相机、第三通道相机、第四通道相机与第一通道相机的方位角差和俯仰角差，将各方位角差和俯仰角差的绝对值之和作为约束条件，记为f；
步骤6：最小约束条件判断：
根据不同观测方式下三维调整机构的调节精度确定约束条件f的最大取值；
若约束条件f大于最大取值，则按照步骤1～步骤5重新进行姿态解算；
若约束条件f小于或等于最大取值，则各通道相机的姿态角解算结束，进行步骤7；
步骤7：姿态调节：
按照解算出来的姿态角调节各个通道相机的姿态后再进行成像，并将拍摄到的四路图像通过各自对应的采集卡发送给综合信息处理系统；
综合信息处理系统对四路图像进行高分辨率重建后，输出到显示器上进行显示。
5.如权利要求4所述的一种基于多通道相机观测空间目标的方法，其特征在于，采用全自适应高分辨率重建方法对四路图像进行高分辨率重建，具体步骤为：
步骤1、参数初始化：
设置最大迭代次数max_iter以及迭代初始值n＝1、Huber函数的阈值的初始值T0、高分辨率重构图像的初始矩阵z0和收敛因子ε；
步骤2、构建Huber-MRF先验模型下的能量函数E(zn)：
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>DB</mi>
<mi>k</mi>
</msub>
<msub>
<mi>M</mi>
<mi>k</mi>
</msub>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>&lambda;</mi>
<mi>n</mi>
</msup>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>c</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>c</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
公式(1)中，zn为第n次迭代中，待复原的高分辨率图像矩阵，
K表示低分辨率图像的个数；gk为配准后的低分辨率图像k的矩阵；D为降采样矩阵；Bk为低分辨率图像k的运动模糊矩阵，采用基于Radon变换的方法估计模糊方向，采用基于梯度倒频谱的方法估计模糊长度；Mk为低分辨率图像gk的运动矩阵；
λn为第n次迭代中的正则化参数；wt为二阶差分算子权重，t表示方向，取值t＝1,2,3,4分别表示zn图像水平、垂直、对角和反对角四个方向；c表示zn图像中邻域系统的簇，C表示zn图像中所有簇的集合；
ρ(x)代表Huber边缘惩罚函数：
<mrow>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msup>
<mi>x</mi>
<mn>2</mn>
</msup>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&le;</mo>
<msup>
<mi>T</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<msup>
<mi>T</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>|</mo>
<mi>x</mi>
<mo>|</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>T</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>></mo>
<msup>
<mi>T</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
Tn-1为第n-1次迭代中的Huber函数阈值；
表示高分辨率图像zn的空间灰度变化；
步骤3、计算能量函数E(zn)中的各个参数：
二阶差分算子权重
公式(3)中，eps为防止分母为0时的极小正数，参数Rw定义为：
<mrow>
<mi>R</mi>
<mi>w</mi>
<mo>=</mo>
<mfrac>
<mn>4</mn>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</msubsup>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>c</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>e</mi>
<mi>p</mi>
<mi>s</mi>
</mrow>
</mfrac>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
计算正则化参数λn：
<mrow>
<msup>
<mi>&lambda;</mi>
<mi>n</mi>
</msup>
<mo>=</mo>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>&sigma;</mi>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>DB</mi>
<mi>k</mi>
</msub>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>|</mo>
<mo>|</mo>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>c</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>c</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>e</mi>
<mi>p</mi>
<mi>s</mi>
<mn>1</mn>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
公式(5)中，σ为正则化参数的调整因子；eps1为防止分母为0时的极小正数；
步骤4、计算梯度rn：
<mrow>
<msup>
<mi>r</mi>
<mi>n</mi>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msubsup>
<mi>M</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>B</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<msup>
<mi>D</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>DB</mi>
<mi>k</mi>
</msub>
<msub>
<mi>M</mi>
<mi>k</mi>
</msub>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>&lambda;</mi>
<mi>n</mi>
</msup>
<msup>
<mi>r</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
根据步骤3得到的参数，计算公式(1)中的作为自适应加权MRF先验约束项；则公式(6)中的r'为自适应加权MRF先验约束项相对于高分辨率图像zn的梯度矢量；r'求解方法为，首先将自适应加权MRF先验约束项所有点梯度赋值为0，求解周围3×3邻域内各点在该点的梯度累加值作为该点梯度；
步骤5：更新Huber函数梯度阈值Tn：
<mrow>
<msup>
<mi>T</mi>
<mi>n</mi>
</msup>
<mo>=</mo>
<mi>&mu;</mi>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mi>k</mi>
<mi>K</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>g</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>DB</mi>
<mi>k</mi>
</msub>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>c</mi>
<mo>&Element;</mo>
<mi>C</mi>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>c</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</msubsup>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<msup>
<mi>T</mi>
<mn>0</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中μ是调整因子；
步骤6：计算步长因子，并更新高分辨率图像：
αn为步长因子：
更新高分辨率图像：zn+1＝zn+αnrn (9)
公式(9)中，zn+1、zn分别代表第n+1和第n次迭代获得的高分辨率图像；
步骤7：迭代停止条件判别：
<mrow>
<mfrac>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msup>
<mi>z</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>|</mo>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msup>
<mi>z</mi>
<mi>n</mi>
</msup>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>&le;</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
若满足公式(10)的迭代停止条件，则执行步骤8；
若不满足公式(10)的迭代停止条件，则令n加1后，判断当前迭代次数n是否大于最大迭代次数max_iter；如果是，则停止迭代，执行步骤8，否则重复步骤2～步骤7；
步骤8、输出高分辨率重建图像zn+1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510405964.9A CN105182678B (zh) | 2015-07-10 | 2015-07-10 | 一种基于多通道相机观测空间目标的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510405964.9A CN105182678B (zh) | 2015-07-10 | 2015-07-10 | 一种基于多通道相机观测空间目标的系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105182678A CN105182678A (zh) | 2015-12-23 |
| CN105182678B true CN105182678B (zh) | 2018-02-02 |
Family
ID=54904850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510405964.9A Expired - Fee Related CN105182678B (zh) | 2015-07-10 | 2015-07-10 | 一种基于多通道相机观测空间目标的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105182678B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570886B (zh) * | 2016-10-27 | 2019-05-14 | 南京航空航天大学 | 一种基于超分辨率重建的目标跟踪方法 |
| CN107462985A (zh) * | 2017-09-21 | 2017-12-12 | 中国科学院长春光学精密机械与物理研究所 | 大型望远镜多成像系统的组网式调光调焦系统及控制方法 |
| CN110375715B (zh) * | 2019-07-15 | 2020-08-21 | 哈尔滨工业大学 | 一种应用于小卫星的广域重点目标确认方法、装置及计算机存储介质 |
| CN110889353B (zh) * | 2019-11-19 | 2023-04-07 | 中国科学院国家天文台长春人造卫星观测站 | 基于主焦点大视场光电望远镜的空间目标识别方法 |
| CN111207735B (zh) * | 2020-01-17 | 2023-03-28 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种用于动平台的强光干扰下高精度位姿测量方法 |
| CN112556995B (zh) * | 2020-11-27 | 2021-10-15 | 中国科学院西安光学精密机械研究所 | 一种多通道针孔相机的离线调试装置及方法 |
| CN113253653A (zh) * | 2021-05-31 | 2021-08-13 | 中国人民解放军国防科技大学 | 一种高动态系统视觉实时控制性能的优化方法及相关装置 |
| CN114184354B (zh) * | 2021-10-29 | 2023-08-29 | 深圳市资福医疗技术有限公司 | 胶囊内窥镜光学分辨率检测方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254147A (zh) * | 2011-04-18 | 2011-11-23 | 哈尔滨工业大学 | 一种基于星图匹配的远距离空间运动目标识别方法 |
| CN103575274A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 高性能星图匹配自主导航定位系统 |
| CN103679799A (zh) * | 2012-09-25 | 2014-03-26 | 中国航天科工集团第二研究院二〇七所 | 一种光学星空背景的快速生成方法 |
| CN104034331A (zh) * | 2014-06-12 | 2014-09-10 | 中国科学院上海技术物理研究所 | 一种兼有目标探测功能的星敏感器 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7617070B2 (en) * | 2004-09-10 | 2009-11-10 | Honeywell International Inc. | Absolute position determination of an object using pattern recognition |
| US7447591B2 (en) * | 2004-10-18 | 2008-11-04 | Trex Enterprises Corp. | Daytime stellar imager for attitude determination |
| US20090177398A1 (en) * | 2008-01-08 | 2009-07-09 | Trex Enterprises Corp. | Angles only navigation system |
| US7961301B2 (en) * | 2008-05-09 | 2011-06-14 | Ball Aerospace & Technologies Corp. | Flash LADAR system |
-
2015
- 2015-07-10 CN CN201510405964.9A patent/CN105182678B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102254147A (zh) * | 2011-04-18 | 2011-11-23 | 哈尔滨工业大学 | 一种基于星图匹配的远距离空间运动目标识别方法 |
| CN103679799A (zh) * | 2012-09-25 | 2014-03-26 | 中国航天科工集团第二研究院二〇七所 | 一种光学星空背景的快速生成方法 |
| CN103575274A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 高性能星图匹配自主导航定位系统 |
| CN104034331A (zh) * | 2014-06-12 | 2014-09-10 | 中国科学院上海技术物理研究所 | 一种兼有目标探测功能的星敏感器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105182678A (zh) | 2015-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105182678B (zh) | 一种基于多通道相机观测空间目标的系统及方法 | |
| CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
| EP2791868B1 (en) | System and method for processing multi-camera array images | |
| Grodecki et al. | IKONOS geometric accuracy | |
| EP3132231B1 (en) | A method and system for estimating information related to a vehicle pitch and/or roll angle | |
| US7751651B2 (en) | Processing architecture for automatic image registration | |
| CN106529538A (zh) | 一种飞行器的定位方法和装置 | |
| CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
| CN107560603B (zh) | 一种无人机倾斜摄影测量系统及测量方法 | |
| CN109540113B (zh) | 一种全站仪及其星图识别方法 | |
| CN106651904A (zh) | 一种宽尺寸范围多空间目标捕获跟踪方法 | |
| CN106525238A (zh) | 一种基于超分辨率重建的星载多光谱成像系统设计方法 | |
| CN107622508A (zh) | 一种视频卫星对非合作运动目标的跟踪方法 | |
| d'Angelo et al. | Evaluation of skybox video and still image products | |
| CN110044374A (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
| CN105910583A (zh) | 一种基于星载可见光相机的空间碎片快速检测定位方法 | |
| CN108830811A (zh) | 一种飞行参数与相机内参相结合的航空影像实时校正方法 | |
| CN107221010A (zh) | 基于三面阵相机的机载高光谱图像几何校正方法与装置 | |
| CN104504691B (zh) | 基于低秩纹理的摄像机位置和姿态测量方法 | |
| CN110532853B (zh) | 遥感超时相数据的分类方法及装置 | |
| CN111899345A (zh) | 一种基于2d视觉图像的三维重建方法 | |
| CN108320310A (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
| CN105547286B (zh) | 一种复合三视场星敏感器星图模拟方法 | |
| JP6529411B2 (ja) | 移動体識別装置及び移動体識別方法 | |
| CN108257090B (zh) | 一种面向机载行扫相机的高动态图像拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| 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: 20180202 |