CN105928509A - 基于最大内角散列函数的三角形识别方法 - Google Patents
基于最大内角散列函数的三角形识别方法 Download PDFInfo
- Publication number
- CN105928509A CN105928509A CN201610458849.2A CN201610458849A CN105928509A CN 105928509 A CN105928509 A CN 105928509A CN 201610458849 A CN201610458849 A CN 201610458849A CN 105928509 A CN105928509 A CN 105928509A
- Authority
- CN
- China
- Prior art keywords
- star
- triangle
- observation
- recognition
- interior angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000000903 blocking effect Effects 0.000 abstract 1
- 230000007812 deficiency Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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)
- Navigation (AREA)
Abstract
本发明涉及一种基于最大内角散列函数的三角形识别方法,包括以下步骤:一、根据基本星表,采用星等阈值法构建导航星表。以任意三颗星构建三角形,以最大内角为基本特征值构建三角形特征库,然后按内角的大小进行分块存储,构造基于最大内角的散列函数。二、读入导航星表和导航特征库;识别时优先识别较亮的恒星,星图提取结果按灰度值大小降序排列,构造观测三角形,计算相关星角距,确定观测三角形的最大内角,采用散列函数的方式定位特征库子块,每个观测三角形的识别均在该子块内进行,从而提高识别速度。本发明大大减少了特征三角形的数量,相对传统基于星角距的三角形识别算法,减少了星角距比较次数,提高了识别速度。
Description
技术领域
本发明涉及全天球自主星图识别方法,尤其涉及一种基于最大内角散列函数的三角形识别方法,属于天文导航领域。
背景技术
星敏感器是目前已知精度最高的载体姿态敏感器。星敏感器通过测量恒星指向来解算载体的姿态。星图识别是星敏感器的关键技术,识别速度、识别率及鲁棒性是衡量识别算法性能的关键指标。基于星角距的三角形算法是工程上最成熟的识别算法,它以两两之间的星角距作为特征量进行匹配。三角形算法特征维数低,每个观测三角形均需至少三次比较,搜索时间长。改进算法一般围绕减小特征库的数量和缩短搜索时间两个方面进行,如张广军等将星角距按大小分块存储,采用基于状态标识的搜索方法,提高了搜索速度,为了减小特征库的容量,该法剔除了稠密天区中的较暗恒星,因而散失了导航星表的完整性。基于主星的三角形识别算法将星图中最亮的两颗星作为主星对,其它星作为辅助导航星,从而可以极大减少导航三角形的数量,缩短搜索时间,该类算法的不足是当相对星等较小时识别率会严重降低,特别是星敏感器工作于大气层内时,由于气象等原因,可能会导致视场(Field ofView,FOV)内的主星缺失,或主星的亮度低于其它观测星,从而导致识别率降低甚至整幅星图不能识别。针对主星算法的不足,Domenico提出的不依靠亮度的三角形改进算法,它是建立在大星库的基础上,通过对多个三角形的角距匹配,精度比普通三角形算法大大提高,保证了识别的可靠性,该算法的不足是识别速度较慢。此外,结合其它具有平移、旋转不变特性的几何特征,如惯性特征比、三角形内切圆半径等的三角形算法,在识别率和识别速度方面均取得了不错的效果,但为了减少导航特征库的容量,在生成特征库时,这些算法均剔除了稠密天区的部分导航星,因而散失了完整性,在星敏感器视场较小时,问题将会突显。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种不依赖于星等信息的三角形识别算法,该算法具有识别速度快,鲁棒性好等优点。
本发明解决上述问题所采用的技术方案为:一种基于最大内角散列函数的三角形识别方法,所述方法包括以下步骤:
步骤一、导航星特征库的构建
A、导航星的筛选
⑴采用星等阈值法值剔除基本星表中大于星敏感器极限探测星的恒星;
⑵双星处理
当两颗恒星间的星角距小于弥散斑时,将双星当作一颗星来处理,并对恒星赤经、赤纬及星等进行合成,则合成后的恒星赤经α、赤纬δ及星等m分别为:
其中,弥散斑大小在3×3~5×5像元之间,(α1,δ1)和(α2,δ2)分别为两颗恒星的赤经和赤纬,m1和m2分别为两颗恒星的星等;
⑶导航星表的生成
对选定的恒星重新编号,并将每个恒星的星表号、赤经、赤纬和星等进行存储;
B、导航特征库的构建
采用基于“边-角-边”的识别原理,恒星i与恒星j、恒星j与恒星k及恒星i与恒星k的观测星角距与参考星角距分别为(lij,ljk,lik)和(dij,djk,dik),则观测三角形与导航三角形匹配必须满足如下条件:
εd、εa分别为星角距匹配误差门限和内角匹配误差门限,θc(j,k)、θ(j,k)分别为观测内角与参考内角,根据余弦定理,计算公式为:
基于最大内角的三角形特征数据结构包括最长边所对的星表号或星点号,次长边所对的星表号或星点号,最短边所对的星表号或星点号,次长边边长,最短边边长和最大内角,由三角形特征数据结构生成最大内角的三角形特征库;
对生成的导航三角形特征库按最大内角的大小升序排列,并分块存储,子块编号按下式构造散列函数K:
式中,fix(x)表示x向零最近的方向取整,N为分块总数;
步骤二、星图识别
⑴初始化:读入导航星表、导航三角形特征库,设置星敏感器参数、星角距匹配门限ε参数和子块总数N;
⑵对星图提取数据进行编号,并按灰度值降序排列;
⑶判断是否存在3颗以上观测星,小于3颗则不能识别;
⑷若观测星数为3,则构建观测三角形,根据式(1)计算观测三角形相关特征值,根据式(4)计算子块编号,判断最大内角所处的子块位置,确定是否增加搜索子块,在相应的子块中搜索满足式(2)的特征三角形集合,并将之存入识别矩阵中,识别失败时则将该元素置0,若存在唯一的识别结果,则识别成功,否则识别失败;
⑸若观测星大于3颗,则分别以星点1、2、3和星点1、2、4构建两个观测三角形,并按步骤⑷分别进行识别,若两个观测三角形存在唯一相同的匹配结果,则匹配成功,将前4颗星的匹配结果存入识别矩阵中,然后根据匹配结果对其它恒星进行投影识别,并利用观测星角距对识别结果进行验证;若两个观测三角形没有唯一匹配结果,则剔除星点3或星点4,读入下一颗星继续识别;
⑹判断该帧星图是否识别完毕,否则转⑸,是则根据识别矩阵和导航星表确定观测星的各个参数,转入下一帧星图识别,直至整个识别任务完毕。
优选地,星敏感器光学系统一般采用离焦设计以提高星点细分定位精度,弥散斑大小一般控制在3×3~5×5个像元之间,因此构建特征三角形时,星角距dij应满足如下条件:
式中,ξ为弥散斑所对应的角度。
优选地,当星敏感器视场较大,极限探测星等相对较高时采用重叠球矩法将整个天球分割成若干个局部重叠天区,并采用并行算法生成导航三角形。
与现有技术相比,本发明的优点在于:
本发明一种基于最大内角(TriangleInteriorangle)散列函数(HashFunction)的三角形识别算法。首先根据导航星表,构建满足星角距要求的特征三角形,该特征三角形以三角形最大内角为主特征值,相应两边的星角距为辅助特征值,对生成的特征三角形按最大内角构造散列函数,并分块存储。识别过程中,根据最大内角的观测值实现子块的快速定位,采用“边-角-边”原理进行星图匹配,每个三角形的识别仅在相应的子块内完成,从而提高匹配速度和识别率。最后对算法进行了验证,实现了6.5Mv星的快速识别。
附图说明
图1是坐标系定义图,其中On-XnYnZn为J2000.0坐标系,Os-XsYsZs为星敏感器坐标系,(α,δ,γ)分别为星敏感器偏航角、俯仰角及滚动角,它反映了星敏感器坐标系与J2000.0坐标系间的关系。
图2是“边-角-边”识别原理图,其中(A)为导航三角形,(B)为观测三角形。
图3是随机抽取的部分三角形最大内角计算结果,其中X轴是特征三角形序号,Y轴是特征三角形的最大内角。
图4为导航特征库的构建流程。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
为便于本发明内容描述,在此对发明中涉及的坐标系定义、相关概念与符号含义、单星敏感器姿态确定方法等简要说明。
1、相关坐标系定义
本发明涉及如下两个坐标系:
J2000.0坐标系与星敏感器坐标系间的关系如图1所示。
2、相关概念与符号含义
⑴观测矢量Vi与参考矢量Wi
假设恒星i的赤经赤纬分别为(αi,δi),对应的星敏感器坐标系中的坐标分别为(xi,yi),单位为像元数,则恒星i的参考矢量与观测矢量分别为:
Vi=[cosαicosδi sinαicosδi sinδi]T (1)
式中,D为图像传感器像元尺寸,(x0,y0)为星敏感器主点坐标,单位为像元数,f为星敏感器焦距。
⑵星角距
星角距是星图识别的最基本特征值,它反映了两颗恒星对观测者的张角。假设恒星i、j的参考矢量分别为Vi和Vj,观测矢量分别为Wi和Wj,则恒星i、j的参考星角距dij与观测星角距lij的计算公式分别为:
dij=arccos(Vi·Vj/(||Vi||×||Vj||)) (3)
lij=arccos(Wi·Wj/(||Wi||×||Wj||)) (4)
式中,“·”为矢量点积运算符;“||x||”为x的范数。
二、导航星特征库的构建
星图识别是将星敏感器当前视场中的恒星与导航特征库中的参考特征进行对应匹配,以确定视场中相关恒星的星表号、赤经、赤纬等参数,是后续载体姿态确定的重要前提。因此,特征库的构建是星图识别的基础。
导航特征库的构建分为以下两个步骤:
1.导航星的筛选
导航星表包含了导航星的星表号、赤经、赤纬、视星等等信息,这些数据是星图识别和姿态计算的基础。
⑴根据星敏感器的极限探测星等,采用星等阈值法值(Visual MagnitudeThreshold,VMT)剔除基本星表中大于星敏感器极限探测星等的恒星。
⑵双星处理
此处双星(Double Star)是指在星敏感器成像平面上不能互相区分的两颗恒星,也就是星角距较小的两颗恒星。星敏感器一般采用离焦技术,弥散斑大小在3×3~5×5个像元之间,因此当两颗恒星间的星角距小于弥散斑时,此时可采用《星图识别》一书中的方法,将双星当作一颗星来处理,此时需对相关参数进行合成。假设两颗星的赤经、赤纬分别为(α1,δ1)和(α2,δ2),星等分别为m1和m2,则合成后的恒星赤经α、赤纬δ及星等m分别为:
⑶导航星表的生成
对选定的恒星重新编号,并按如下格式进行存储:
2.导航特征库的构建
本发明采用基于“边-角-边”的识别原理,匹配原理如图2所示。图中,恒星i与恒星j、恒星j与恒星k及恒星i与恒星k的观测星角距与参考星角距分别为(lij,ljk,lik)和(dij,djk,dik),则观测三角形与导航三角形匹配必须满足如下条件:
εd、εa分别为星角距匹配误差门限和内角匹配误差门限,θc(j,k)、θ(j,k)分别为观测内角与参考内角,根据余弦定理,计算公式为:
三角形三个内角之和为180°,因此三角形内角θ满足0°<θ<180°,为了缩小内角范围,可以考虑选择三角形的最大内角θmax作为导航三角形的特征值,易知60°≤θmax<180°,即θmax分布范围为120°。
基于最大内角的三角形特征数据结构为:
对于导航三角形Δijk来说,在已知恒星i、j、k的星表号idi、idj和idk,以及两两之间的参考星角距dij、djk及dik时,可按下表所示的判断方法生成基于最大内角的三角形特征库(观测三角形的判断方法与之类似):
对生成的导航三角形特征库按最大内角的大小升序排列,并分块存储,子块编号按下式构造散列函数K:
式中,fix(x)表示x向零最近的方向取整,N为分块总数,需要根据εa确定,实际上θmax整段是连续的,并无明显的台阶现象(具体如图3所示),因而当θmax出现在子块K的最前或最后段时,可能会出现满足要求的特征三角形不在该区域的现象,解决措施是根据θmax增加搜索对应的相邻子块。N的设置还需考虑匹配速度,N越大匹配速度越快,但跨区问题越严重,因此需要根据星敏感器提取精度综合考虑。
理论上n颗星可以构建个特征三角形,需要考虑视场及双星等限制条件,以便对特征库的容量进行限制。两星间的最大星角距应小于星敏感器的对角视场。星敏感器光学系统一般采用离焦设计以提高星点细分定位精度,弥散斑大小一般控制在3×3~5×5个像元之间,因此构建特征三角形时,星角距dij应满足如下条件:
式中,ξ为弥散斑所对应的角度。若三角形的三条边均满足如上的星角距限制条件,则按照导航特征数据结构存储该三角形。
当星敏感器视场较大,极限探测星等相对较高时,直接构建导航三角形将是个异常繁琐耗时的工作,此时可以考虑采用重叠球矩法将整个天球分割成若干个局部重叠天区,并采用并行算法生成导航三角形。
导航特征库的构建流程如图所示。
三、星图识别
以上建立的三角形特征库为减少搜索量奠定了基础,一个三角形只需进行一次定位和一个子块搜索即可完成,具体算法流程如下:
⑴初始化:读入导航星表、导航三角形特征库,设置星敏感器参数、星角距匹配门限ε、子块总数N等参数。
⑵对星图提取数据进行编号(星点号i),并按灰度值降序排列。
⑶判断是否存在3颗以上观测星,小于3颗则不能识别。
⑷若观测星数为3,则按灰度值确定主星对与辅助星,构建观测三角形,按式(9)计算观测三角形相关特征值,其中星角距应满足式(11)。根据式(10)计算子块编号,判断最大内角所处的子块位置,确定是否增加搜索子块。在相应的子块中搜索满足式(7)的特征三角形集合,并将之存入识别矩阵Identify中,其中第i个元素表示星点i的星表号,识别失败时则将该元素置0。若存在唯一的识别结果,则识别成功,否则识别失败。
⑸若观测星大于3颗,则分别以星点1、2、3和星点1、2、4构建两个观测三角形,并按步骤⑷分别进行识别。若两个观测三角形存在唯一相同的主星对匹配结果,则匹配成功,将前4颗星的匹配结果存入识别矩阵Identify中,然后根据匹配结果对其它恒星进行投影识别,并利用观测星角距对识别结果进行验证;若两个观测三角形没有唯一匹配结果,则剔除星点3或星点4,读入下一颗星继续识别。
⑹判断该帧星图是否识别完毕,否则转⑸,是则根据识别矩阵Identify和导航星表确定观测星的星表号、赤经、赤纬及视星等等参数,转入下一帧星图识别,直至整个识别任务完毕。
实施例:
1、条件和参数
实例平台为计算机,操作系统为Windows XP操作系统,编程工具软件为Matlab2011a,其它参数如表所示:
2、导航星特征库构建实例
⑴导航星表筛选
根据基本星表,筛选出满足要求的导航星表。基本星表中一般包含星表号、赤经、赤纬、星等、光谱特征以及赤经、赤纬自行参数等信息,具体示例如下:
根据星等阈值与星敏感器系统参数,筛选满足上述条件的9.0Mv导航星表,对选定的恒星重新编号,并按导航星数据格式进行存储,具体示例如下:
满足条件的导航星共有7563颗。
⑵导航特征库的构建
a.构建导航三角形
读取导航星表,读取三颗星组成三角形,计算三边长,若三边长满足式(11),则按式(9)构建并存储导航三角形,具体结果如下表所示,由表可知,满足要求的导航三角形共有5458720个,文件大小为223MB。
c.构建分块导航特征库
将以上构建的导航特征库,按最大内角的大小等分为N个子块导航特征库,每个导航特征库中,均按最大内角的大小升序排列。子块特征数最多为40515条,最少为999条,其中,第1子块与第256子块特征数据如下述两表所示:
2、星图识别实例
以2013年4月28日20:38:33:500所拍摄的星图为例:
⑴初始化:读入导航星表、导航三角形特征库,设置星敏感器参数、星角距匹配门限ε等参数;
⑵对星图提取数据进行编号(星点号i),并按灰度值降序排列,具体提取结果如下所示:
⑶星图匹配
a.根据星图提取结果,按式(9)计算导航三角形特征值,根据最大内角的大小按式(10)计算周长特征值所对应的导航特征库文件号,具体结果如下:
b.对第1个三角形进行识别,读入第1个三角形所对应的周长特征库,其中第62个导航三角形特征库如下所示:
在此特征库中,搜索次长边长及最短边星角距观测值与导航特征库中的对应参考值在星角距匹配门限ε内的列表:
对应的星点1、2、3的匹配结果为:
由此可知,满足星点1、2、3的共有48组三角形,匹配结果不唯一,此时需要引入第4颗星进行辅助识别,即由第2组三角形进行补充识别,以进一步排除冗余匹配结果,第2组三角形的识别结果如下所示:
三角形 | 星点1匹配结果 | 星点2匹配结果 | 星点4匹配结果 |
1 | 566 | 532 | 614 |
2 | 2646 | 2648 | 2652 |
3 | 3780 | 3763 | 3817 |
4 | 6914 | 6989 | 6875 |
由表可知,满足星点1、2、4所构建的三角形共有4组。
以上两个三角形具有公共星点1和2(公共边),以上两个三角形具有公共边,因此可以通过搜索以上两个星表中星点1、2星表号相同的集合,即可排除掉绝大多数冗余匹配结果。对比以上两个表格,只有一组星点1和星点2的星表号同时相等(加粗数据),因此星点1、2、3、4的星表号可以确定为6914、6989、7038及6875。一般情况下,经过以上两个三角形匹配,均可得到唯一结果。若以上两个三角形无匹配结果,说明前四颗星点中,有伪星存在,或者观测结果超出星角距匹配门限,此时可以剔除一颗星点,引入下一颗星再次进行匹配。
c.判断该帧星图是否识别完毕,是则转入下一帧星图的识别,否则,引入下一颗星点,与星点1、2构成特征三角形,并以星点1~3的识别结果作为判据,以加快后续星点的识别速度。
本例的最终识别结果如下表所示:
⑷输出导航数据
根据识别结果和导航星表,确定观测星的星表号、赤经、赤纬及视星等等参数,具体结果如下表所示,本帧星图的识别时间为0.066秒,满足星图识别的基本要求。
除上述实施例外,本发明还包括有其他实施方式,凡采用等同变换或者等效替换方式形成的技术方案,均应落入本发明权利要求的保护范围之内。
Claims (3)
1.一种基于最大内角散列函数的三角形识别方法,其特征在于:所述方法包括以下步骤:
步骤一、导航星特征库的构建
A、导航星的筛选
⑴采用星等阈值法值剔除基本星表中大于星敏感器极限探测星的恒星;
⑵双星处理
当两颗恒星间的星角距小于弥散斑时,将双星当作一颗星来处理,并对恒星赤经 、赤纬及星等进行合成,则合成后的恒星赤经、赤纬及星等分别为:
(1)
其中,弥散斑大小在3×3~5×5像元之间,(,)和(,)分别为两颗恒星的赤经和赤纬,和分别为两颗恒星的星等;
⑶ 导航星表的生成
对选定的恒星重新编号,并将每个恒星的星表号、赤经、赤纬和星等进行存储;
B、导航特征库的构建
采用基于“边-角-边”的识别原理,恒星与恒星、恒星与恒星及恒星与恒星的观测星角距与参考星角距分别为(,,)和(,,),则观测三角形与导航三角形匹配必须满足如下条件:
(2)
、分别为星角距匹配误差门限和内角匹配误差门限,、分别为观测内角与参考内角,根据余弦定理,计算公式为:
(3)
基于最大内角的三角形特征数据结构包括最长边所对的星表号或星点号,次长边所对的星表号或星点号,最短边所对的星表号或星点号,次长边边长,最短边边长和最大内角,由三角形特征数据结构生成最大内角的三角形特征库;
对生成的导航三角形特征库按最大内角的大小升序排列,并分块存储,子块编号按下式构造散列函数:
(4)
式中,表示向零最近的方向取整,为分块总数;
步骤二、星图识别
⑴ 初始化:读入导航星表、导航三角形特征库,设置星敏感器参数、星角距匹配门限参数和子块总数N;
⑵ 对星图提取数据进行编号,并按灰度值降序排列;
⑶ 判断是否存在3颗以上观测星,小于3颗则不能识别;
⑷ 若观测星数为3,则构建观测三角形,根据式(1)计算观测三角形相关特征值,根据式(4)计算子块编号,判断最大内角所处的子块位置,确定是否增加搜索子块,在相应的子块中搜索满足式(2)的特征三角形集合,并将之存入识别矩阵中,识别失败时则将该元素置0,若存在唯一的识别结果,则识别成功,否则识别失败;
⑸ 若观测星大于3颗,则分别以星点1、2、3和星点1、2、4构建两个观测三角形,并按步骤⑷分别进行识别,若两个观测三角形存在唯一相同的匹配结果,则匹配成功,将前4颗星的匹配结果存入识别矩阵中,然后根据匹配结果对其它恒星进行投影识别,并利用观测星角距对识别结果进行验证;若两个观测三角形没有唯一匹配结果,则剔除星点3或星点4,读入下一颗星继续识别;
⑹ 判断该帧星图是否识别完毕,否则转⑸,是则根据识别矩阵和导航星表确定观测星的各个参数,转入下一帧星图识别,直至整个识别任务完毕。
2.根据权利要求1所述的一种基于最大内角散列函数的三角形识别方法,其特征在于:星敏感器光学系统一般采用离焦设计以提高星点细分定位精度,弥散斑大小一般控制在3×3~5×5个像元之间,因此构建特征三角形时,星角距应满足如下条件:
式中,为弥散斑所对应的角度。
3.根据权利要求1或2所述的一种基于最大内角散列函数的三角形识别方法,其特征在于:当星敏感器视场较大,极限探测星等相对较高时采用重叠球矩法将整个天球分割成若干个局部重叠天区,并采用并行算法生成导航三角形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610458849.2A CN105928509B (zh) | 2016-06-22 | 2016-06-22 | 基于最大内角散列函数的三角形识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610458849.2A CN105928509B (zh) | 2016-06-22 | 2016-06-22 | 基于最大内角散列函数的三角形识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105928509A true CN105928509A (zh) | 2016-09-07 |
CN105928509B CN105928509B (zh) | 2018-10-30 |
Family
ID=56831616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610458849.2A Expired - Fee Related CN105928509B (zh) | 2016-06-22 | 2016-06-22 | 基于最大内角散列函数的三角形识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105928509B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907126A (zh) * | 2017-09-29 | 2018-04-13 | 北京航天长征飞行器研究所 | 一种基于三角形匹配的星图识别方法、装置及系统 |
CN108469261A (zh) * | 2018-02-07 | 2018-08-31 | 天津大学 | 一种适用于船载超大视场天文导航系统的星图识别方法 |
CN113566815A (zh) * | 2021-08-16 | 2021-10-29 | 北京航空航天大学 | 一种星图识别导航三角形库构建方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1958394A (zh) * | 2006-12-01 | 2007-05-09 | 北京航空航天大学 | 一种快速星图识别方法 |
CN101441082A (zh) * | 2008-12-22 | 2009-05-27 | 中国科学院长春光学精密机械与物理研究所 | 快速三角形星图识别方法 |
CN102313549A (zh) * | 2011-07-28 | 2012-01-11 | 北京航空航天大学 | 一种基于惯性比特征的三角形星图识别方法 |
CN103868510A (zh) * | 2014-03-27 | 2014-06-18 | 北京控制工程研究所 | 一种快速全天星图自主恒星识别方法 |
CN103968833A (zh) * | 2014-04-30 | 2014-08-06 | 中国科学院长春光学精密机械与物理研究所 | 一种星图匹配前选取观测三角形的方法 |
-
2016
- 2016-06-22 CN CN201610458849.2A patent/CN105928509B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1958394A (zh) * | 2006-12-01 | 2007-05-09 | 北京航空航天大学 | 一种快速星图识别方法 |
CN101441082A (zh) * | 2008-12-22 | 2009-05-27 | 中国科学院长春光学精密机械与物理研究所 | 快速三角形星图识别方法 |
CN102313549A (zh) * | 2011-07-28 | 2012-01-11 | 北京航空航天大学 | 一种基于惯性比特征的三角形星图识别方法 |
CN103868510A (zh) * | 2014-03-27 | 2014-06-18 | 北京控制工程研究所 | 一种快速全天星图自主恒星识别方法 |
CN103968833A (zh) * | 2014-04-30 | 2014-08-06 | 中国科学院长春光学精密机械与物理研究所 | 一种星图匹配前选取观测三角形的方法 |
Non-Patent Citations (3)
Title |
---|
BAOHUA LI 等,: ""A star pattern recognition algorithm for the double-FOV star sensor"", 《IEEE AEROSPACE AND ELECTRONIC SYSTEMS MAGAZINE》 * |
张同双 等,: ""基于最大内角的三角形星图识别算法"", 《光学 精密工程》 * |
张磊 等,: ""三角形星图识别算法的改进"", 《光学 精密工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907126A (zh) * | 2017-09-29 | 2018-04-13 | 北京航天长征飞行器研究所 | 一种基于三角形匹配的星图识别方法、装置及系统 |
CN107907126B (zh) * | 2017-09-29 | 2020-04-10 | 北京航天长征飞行器研究所 | 一种基于三角形匹配的星图识别方法、装置及系统 |
CN108469261A (zh) * | 2018-02-07 | 2018-08-31 | 天津大学 | 一种适用于船载超大视场天文导航系统的星图识别方法 |
CN113566815A (zh) * | 2021-08-16 | 2021-10-29 | 北京航空航天大学 | 一种星图识别导航三角形库构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105928509B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101441082B (zh) | 快速三角形星图识别方法 | |
Wang et al. | Intensity scan context: Coding intensity and geometry relations for loop closure detection | |
Magnusson et al. | Automatic appearance‐based loop detection from three‐dimensional laser data using the normal distributions transform | |
US7379598B2 (en) | Distance sorting algorithm for matching patterns | |
Kolomenkin et al. | Geometric voting algorithm for star trackers | |
Zhang et al. | Vision-based pose estimation for textureless space objects by contour points matching | |
CN106123891B (zh) | 基于周长特征的暗星自主识别方法 | |
CN106897666A (zh) | 一种室内场景识别的闭环检测方法 | |
CN103868510A (zh) | 一种快速全天星图自主恒星识别方法 | |
CN115147723B (zh) | 一种内河船舶识别与测距方法、系统、介质、设备及终端 | |
Xu et al. | RPNet: A representation learning-based star identification algorithm | |
CN109813303B (zh) | 一种基于角模式簇投票的不依赖标定参数的星图识别方法 | |
CN103363987B (zh) | 一种多视场星敏感器的星图识别方法 | |
CN100390023C (zh) | 一种快速星图识别方法 | |
CN105928509A (zh) | 基于最大内角散列函数的三角形识别方法 | |
CN103148852A (zh) | 一种基于有向环的星图识别方法 | |
JPWO2009001876A1 (ja) | 特徴属性計算装置、特徴量抽出装置とパターン照合装置と方法及びプログラム | |
CN113759928B (zh) | 用于复杂大尺度室内场景的移动机器人高精度定位方法 | |
CN107907126A (zh) | 一种基于三角形匹配的星图识别方法、装置及系统 | |
Du et al. | Star identification based on radial triangle mapping Matrix | |
CN100538705C (zh) | 一种基于蚁群算法的星图匹配识别方法 | |
CN112729277B (zh) | 基于动态夹角匹配的星敏感器星图识别方法 | |
CN103925922A (zh) | 一种适用于高动态条件下iccd星图的恒星识别方法 | |
CN104298667A (zh) | 一种适用于高背景星图识别用的导航数据库构建方法 | |
CN103217163B (zh) | 一种混合冗余特征的星模式识别方法及装置 |
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: 20181030 |