CN107590777A - 一种星敏感器星点图像增强方法 - Google Patents

一种星敏感器星点图像增强方法 Download PDF

Info

Publication number
CN107590777A
CN107590777A CN201710581261.0A CN201710581261A CN107590777A CN 107590777 A CN107590777 A CN 107590777A CN 201710581261 A CN201710581261 A CN 201710581261A CN 107590777 A CN107590777 A CN 107590777A
Authority
CN
China
Prior art keywords
asterism
star
frame
star sensor
image
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
Application number
CN201710581261.0A
Other languages
English (en)
Other versions
CN107590777B (zh
Inventor
秦石乔
马丽衡
戴东凯
王省书
黄宗升
战德军
魏文俭
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201710581261.0A priority Critical patent/CN107590777B/zh
Publication of CN107590777A publication Critical patent/CN107590777A/zh
Application granted granted Critical
Publication of CN107590777B publication Critical patent/CN107590777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种星敏感器星点图像增强方法,是一种星点图像重建后的叠加增强方法。通过星敏感器获取的运动信息和当前帧的星点提取与识别结果,采用星点运动的非线性模型实现下一帧中星点位置的预测和跟踪识别,对像平面不同位置星点的位置预测结果更加准确;利用预测星点位置和前一帧星点信息,通过星点运动能量分布模型产生一帧不含噪声的模拟星图,能量分布与实际星点更加接近,不再需要复杂的匹配对准过程,可以得到更好的星点叠加增强效果,提高星点提取精度。该方法适用于星敏感器处于静态和动态情况,同时还能实现星点位置预测与跟踪识别,进而减少星敏感器的处理时间和降低星敏感器的姿态输出误差。

Description

一种星敏感器星点图像增强方法
技术领域
本发明涉及一种星敏感器星点图像增强方法,具体是一种星点图像重建后的叠加滤波以提升星点图像信噪比的方法。
背景技术
星敏感器以恒星为观测对象,是现有绝对姿态测量器件中精度最高的敏感器,测量精度可达到亚角秒量级,且不随时间变化,在深空探测、卫星、弹道导弹、飞机、舰船等精确姿态测量与导航领域中得到广泛应用。静态情况下,星敏感器恒星像点受到散粒噪声、背景辐射噪声、读出噪声、暗电流噪声等噪声的影响,导致其信噪比降低,星点位置提取误差增大。传统去噪方法在一定程度上能降低噪声的干扰,提高星点图像的信噪比,而在降噪过程中或多或少会同时减少星点图像的有用信息,也就是说传统去噪方法并没有对星点图像有直接的增强作用,而是通过降低噪声达到提高信噪比的目的。动态情况下,恒星星点图像会形成运动模糊,曝光时间内的有限星点能量会因为运动而分散至更多的像素上,星点信噪比急剧降低,暗星星点容易被噪声干扰甚至淹没,有效星点数量减少,导致星敏感器的性能降低。模糊星点复原方法将分散的星点信息重新集中增强星点图像达到提高信噪比的目的,但部分星点区域依然难以识别和确定,会损失很多可用信息。
1999年发表在《Proceedings of the Fourth ESA International Conferenceon Spacecraft Guidance, Navigation and Control Systems, Netherlands,1999》上的论文“Dynamical Binning for High Angular Rate Star Tracking”介绍了一种基于主动像素传感器(Active Pixel Sensor, APS)的动态像素合并算法(Dynamical BinningAlgorithm, DBA),控制APS中像素的移动与合并,消除动态的影响,并达到提高星点图像信噪比的目的,该方法需要精确的角速度信息和复杂的控制技术,对绕星敏感器光轴等复杂运动形式无效。延时积分技术(Time Delayed Integration, TDI)通过设计特殊的CCD驱动时序实现沿X轴方向的像素能量的累积而达到运动补偿,Y轴方向使用图像移动调节(ImageMotion Accommodation, IMA)处理图像拖尾,使合成图像信噪比最大,TDI成功应用在AST-201和AST-301星敏感器上,但其特殊硬件驱动时序较复杂。北京工程控制研究所在DBA和TDI技术的基础上,从软件算法的角度于2013年提出了一种基于星点重构的星敏感器动态补偿方法(专利授权公告号:CN2013323027B),该方法在有效星点数较少时,对帧序列中不同帧中的相同导航星所在像素窗口进行配准,并进一步开展亚像素级配准,使不同帧中相同导航星质心位置重合,再将各窗口导航星星点叠加,实现星点信号的增强。同一导航星在不同帧中星点质心位置存在差异,星点能量分布也会随质心在像素内不同位置而改变,虽然通过亚像素配准使得导航星质心位置重合,但只是不同帧中星点图像的简单叠加,并没有对星点能量分布作相应的亚像素再分布,不同帧中的噪声也同时被叠加,其最终图像增强效果有限。
发明内容
本发明解决的技术问题是:针对现有技术方法的不足,提出一种星点图像重建后的叠加增强方法,通过星点图像的叠加增强滤波以提升星点图像信噪比。该方法适用于星敏感器处于静态和动态情况,同时还能实现星点位置预测、提取精度的提高与星点的跟踪识别,进而减少星敏感器的处理时间和降低星敏感器的姿态输出误差。
本发明的技术方案具体包括以下步骤:
(1).获取当前时刻星图帧的星点信息。具体获取过程为:首先,对当前星图帧进行噪声去除、连通性分析等预处理;接着,采用质心法对预处理后星图帧中的星点进行提取,提取窗口大小根据离焦量确定,可取3×3像素,得到提取结果N为当前帧中提取的星点数量,为第i颗提取星的位置坐标值,为其提取窗口内像素的灰度值之和;然后,采用网格法或三角形法对提取星图帧中星点实行全天星图识别,得到星点识别结果为识别星点数量,为第i颗识别星地赤经,为相应赤纬;最后,采用QUEST算法解算得到当前帧时刻的姿态并输出。获得的星点信息包括星点提取的星点位置、星点提取窗口内像素灰度值之和,以及包含赤经、赤纬等信息的星点识别结果。
(2).通过现有方法获取当前帧时刻星敏感器的运动信息,即星敏感器绕其本体坐标系的三轴转动角速度分别表示绕星敏感器坐标系xyz轴的转动角速度。可采用捷联安装的陀螺测量得到,具体可采用专利《一种基于陀螺精确角度关联的星敏感器动态测姿方法》(申请号201310730542.X)中的方法。
(3).根据当前帧的星点位置坐标值和星敏感器运动信息,利用星敏感器星点运动的非线性运动学模型预测下一帧开始时刻星点在星图帧中的位置和星点所在像素区域。具体包含:
1)预测下一帧开始时刻星点位置。假设当前时刻星图帧中第ii=1,2,…,K)颗星点的坐标为,星敏感器光学系统焦距为,当前时刻至下一帧开始时刻时间间隔为,则利用星敏感器星点运动的非线性运动学模型预测时刻星点在星图帧中的位置
2)确定下一帧中星点所在像素区域。假设星敏感器的曝光时间为,曝光结束时刻第i颗星点位置依然采用星点运动的非线性运动学模型计算得到:
对星点在曝光起始时刻所在像素与曝光结束时刻所在像素间作一连线,以该连线上的像素为中心点,分别找出其3×3像素领域的所有像素(根据恒星像点离焦量大小确定,一般取3×3像素或5×5像素),这一像素集合即为下一帧中星点所在像素区域。
(4).根据当前帧中的星点灰度信息、星点位置预测信息与星点运动信息,利用星点能量分布模型重建产生一帧不含噪声的模拟星图。具体实现为利用星点能量分布模型重建产生不含噪声的模拟星点图像
其中,为星点真实位置,随时间而变化为星点在星敏感器像平面上的运动速率,可由与星敏感器捷联安装的陀螺组合体测量得到,为高斯半径,表示星点离焦量,可取。对当前帧中所有星点采用这一分布模型同时实施星点图像的重建过程,得到重建星图后的模拟星图帧
(5).将模拟星图与下一帧星图叠加,提取得到图像滤波后的优化星点坐标值,并更新星点提取结果和识别结果。具体包含:
1)将星敏感器实际得到的下一帧星图进行去噪预处理后与步骤4中生成的模拟星图帧叠加得到新的星图帧,即有:
2)根据步骤3中预测的星点像素区域,利用质心法在该区域上进行星点提取,得到星点提取结果K为前一帧中识别的星点数量;
3)根据保存的星点识别信息直接跟踪得到下一帧的星点识别结果,并更新表示为
4)利用步骤2中方法更新星敏感器的角速度信息为
(6).若步骤(5)中提取星点数量大于等于3颗即,则回到步骤(3),进入下一循环;若步骤(5)中提取星点数量小于三颗即,说明星点跟踪数量过少,则回到步骤(1),进入下一循环。
本发明的有益效果在于:
1)根据当前帧的星点位置和运动信息预测星点在下一帧中的位置,并采用上一帧中保存的星点识别结果,实现星点位置预测与跟踪识别,减少星敏感器的计算处理时间;
2)采用星点运动的非线性模型,对像平面不同位置星点的位置预测结果更加准确;
3)用预测星点位置和前一帧星点信息重建产生的模拟星图不含噪声,能量分布与实际星点更加接近,可以得到更好的星点叠加增强效果;
4)通过重建的模拟星图与实际星图实现图像级的滤波,不再需要对星点测量噪声和预测过程噪声进行预测和更新,特别适合于暗星和运动模糊星点图像的增强。
附图说明
图1为本发明的实施流程图;
图2为采用本发明前的静态星点图像;
图3为采用本发明叠加滤波后的静态星点图像;
图4为采用本发明叠加滤波前后的准静态星点提取误差;
图5为采用本发明前的动态星点运动模糊图;
图6为采用本发明叠加滤波后的动态星点运动模糊图。
具体实施方式
第一步,获取当前时刻星图帧的星点信息,包括星点提取的星点位置、星点提取窗口内像素灰度值之和,以及包含赤经、赤纬等信息的星点识别结果;
第二步,通过现有方法获取当前帧时刻星敏感器的三轴转动角速度
第三步,根据当前帧的星点位置坐标值和星敏感器运动信息,利用星敏感器星点运动的非线性运动学模型预测下一帧开始时刻星点在星图帧中的位置和星点所在像素区域。假设当前时刻星图帧中第ii=1,2,…,K)颗星点的坐标为,星敏感器光学系统焦距为,当前时刻至下一帧开始时刻时间间隔为,则利用星敏感器星点运动的非线性运动学模型预测时刻星点在星图帧中的位置
同时采用该模型预测星敏感器曝光时间内星点坐标的变化并依此确定星点所在像素区域范围;
第四步,利用星点能量分布模型重建产生不含噪声的模拟星图。对于模拟星图帧中第i颗星点有:
其中,为星点真实位置,随时间而变化为星点在星敏感器像平面上的运动速率,可由与星敏感器捷联安装的陀螺组合体测量得到,为高斯半径,表示星点离焦量,可取。对当前帧中所有星点采用这一分布模型同时实施星点图像的重建过程,得到重建星图后的模拟星图帧
第五步,将模拟星图与下一帧星图叠加得到新的星图帧
;根据步骤3中预测的星点像素区域,利用质心法在该区域上进行星点提取,得到星点提取结果 K为前一帧中识别的星点数量;依据保存的星点识别信息直接跟踪得到下一帧的星点识别结果,并更新表示为;同时更新星敏感器的角速度信息为
第六步,若步骤五中提取星点数量大于等于3颗即,则回到步骤三,进入下一循环;若步骤五中提取星点数量小于三颗即,说明星点跟踪数量过少,则回到步骤一,进入下一循环。
仿真实验结果与分析
仿真时星敏感器的基本参数如下表:
焦距 分辨率 像元尺寸 更新率 曝光时间
25.6毫米 1024x1024 6.5微米 2赫兹 0.1秒
星敏感器的运动参数:
静态仿真条件:度/秒,度/s,度/秒;动态仿真条件:度/秒,度/s,度/秒。图2为仿真得到的未采用本发明时静态星点图像,图3为经过本发明方法处理后的星图,为了显示更加明显,在图2和图3中同时增加相同背景噪声并作了相同的对比度调整。对比图2和图3可发现,经过本发明的叠加滤波处理后,星点图像得到了增强,更多的暗星可以被观察到。图4为动态仿真条件下产生的100帧星图,加入噪声后重复100次得到的星点提取误差的均方根值,图中画出了采用本发明方法前后的星点提取结果,采用本发明方法后,星点提取误差显著降低。图5为在动态仿真条件下得到的星图,图6为采用本发明叠加处理后的星图,为了显示更加明显,在图5和图6中同时增加相同背景噪声并作了相同的对比度调整运动模糊星点图像经叠加滤波后得到了显著增强,更多的暗星被发现。

Claims (4)

1.一种星敏感器星点图像增强方法,其特征在于:一种星点图像重建后的叠加增强方法,通过星点图像的叠加增强滤波以提升星点图像信噪比;本发明的技术方案具体包括以下步骤:
(1)获取当前时刻星图帧的星点信息,包括星点提取的星点位置、星点提取窗口内像素灰度值之和,以及包含赤经、赤纬等信息的星点识别结果;
(2)通过现有方法获取当前帧时刻星敏感器的运动信息,即星敏感器绕其本体坐标系的三轴转动角速度分别表示绕星敏感器坐标系xyz轴的转动角速度;
(3)根据当前帧的星点位置坐标值和星敏感器运动信息,利用星敏感器星点运动的非线性运学模型预测下一帧开始时刻星点在星图帧中的位置和星点所在像素区域;
(4)根据当前帧中的星点灰度信息、星点位置预测信息与星点运动信息,利用星点能量分布模型重建产生一帧不含噪声的模拟星图;具体实现为利用星点能量分布模型重建产生不含噪声的模拟星点图像
(5)将模拟星图与下一帧星图叠加,提取得到图像滤波后的优化星点坐标值,并更新星点提取结果和识别结果;
(6)若步骤(5)中提取星点数量大于等于3颗即,则回到步骤(3),进入下一循环;若步骤(5)中提取星点数量小于三颗即,说明星点跟踪数量过少,则回到步骤(1),进入下一循环。
2.根据权利要求1所述的一种星敏感器星点图像增强方法,其特征在于:
1)预测下一帧开始时刻星点位置,当前时刻为,当前帧中第ii=1,2,…,K)颗星点的坐标为,星敏感器光学系统焦距为,当前时刻至下一帧开始时刻时间间隔为,则利用星敏感器星点运动的非线性运动学模型预测时刻星点在星图帧中的位置
2)确定下一帧中星点所在像素区域,设星敏感器的曝光时间为,曝光结束时刻第i颗星点位置依然采用星点运动的非线性运动学模型计算得到:
对星点在曝光起始时刻所在像素与曝光结束时刻所在像素间作一连线,以该连线上的像素为中心点,分别找出其3×3像素领域的所有像素,这一像素集合即为下一帧中星点所在像素区域。
3.根据权利要求1所述的一种星敏感器星点图像增强方法,其特征在于:根据当前帧中的星点灰度信息、星点位置预测信息与星点运动信息,利用星点能量分布模型重建产生一帧不含噪声的模拟星图;具体实现为利用星点能量分布模型重建产生不含噪声的模拟星点图像
其中,为星点真实位置,随时间而变化为星点在星敏感器像平面上的运动速率,可由与星敏感器捷联安装的陀螺组合体测量得到,为高斯半径,表示星点离焦量,可取;对当前帧中所有星点采用这一分布模型同时实施星点图像的重建过程,得到重建星图后的模拟星图帧
4.根据权利要求1所述的一种星敏感器星点图像增强方法,其特征在于:将模拟星图与下一帧星图叠加,提取得到图像滤波后的优化星点坐标值,并更新星点提取结果和识别结果;具体包含:
1)将星敏感器实际得到的下一帧星图进行去噪预处理后与步骤4中生成的模拟星图帧叠加得到新的星图帧,即有:
2)根据步骤3中预测的星点像素区域,利用质心法在该区域上进行星点提取,得到星点提取结果 K为前一帧中识别的星点数量;
3)根据保存的星点识别信息直接跟踪得到下一帧的星点识别结果,并更新表示为
4)利用步骤2中方法更新星敏感器的角速度信息为
CN201710581261.0A 2017-07-17 2017-07-17 一种星敏感器星点图像增强方法 Active CN107590777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710581261.0A CN107590777B (zh) 2017-07-17 2017-07-17 一种星敏感器星点图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710581261.0A CN107590777B (zh) 2017-07-17 2017-07-17 一种星敏感器星点图像增强方法

Publications (2)

Publication Number Publication Date
CN107590777A true CN107590777A (zh) 2018-01-16
CN107590777B CN107590777B (zh) 2020-01-17

Family

ID=61041822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710581261.0A Active CN107590777B (zh) 2017-07-17 2017-07-17 一种星敏感器星点图像增强方法

Country Status (1)

Country Link
CN (1) CN107590777B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198151A (zh) * 2018-02-06 2018-06-22 东南大学 一种基于改进rl反卷积算法的星图去模糊方法
CN108344410A (zh) * 2018-01-23 2018-07-31 东南大学 一种基于陀螺仪辅助的提高星敏感器输出频率的方法
CN108645401A (zh) * 2018-04-03 2018-10-12 中国人民解放军国防科技大学 基于姿态关联图像叠加的全天时星敏感器星点提取方法
CN108830807A (zh) * 2018-06-01 2018-11-16 哈尔滨工业大学 一种基于mems陀螺辅助的星敏感器图像解运动模糊方法
CN109489656A (zh) * 2018-09-30 2019-03-19 南京航空航天大学 基于旋量的星敏定姿方法
CN109724588A (zh) * 2018-12-25 2019-05-07 北京控制工程研究所 一种白昼星敏感器
CN109978797A (zh) * 2019-04-08 2019-07-05 自然资源部国土卫星遥感应用中心 基于暗通道噪声模板的主动式像素传感器星图去噪方法
CN110455281A (zh) * 2019-08-14 2019-11-15 北京理工大学 暗弱小天体光学导航特征成像模拟方法
CN110702097A (zh) * 2019-10-14 2020-01-17 中国科学院新疆理化技术研究所 一种基于极限探测星等灵敏度的星敏感器辐射损伤评估方法
CN110887474A (zh) * 2019-11-19 2020-03-17 中国科学院国家天文台长春人造卫星观测站 一种用于精密跟踪型望远镜的星图识别方法
CN111089586A (zh) * 2020-01-10 2020-05-01 上海航天控制技术研究所 一种基于多帧累加算法的全天时星敏感器星点提取方法
CN111402176A (zh) * 2020-04-21 2020-07-10 中国科学院光电技术研究所 一种在轨实时去除aps星敏感器固定模式噪声的方法
CN112504264A (zh) * 2020-10-22 2021-03-16 北京控制工程研究所 一种用于星敏感器姿态测量的超分辨率成像方法
CN112697136A (zh) * 2020-11-26 2021-04-23 北京机电工程研究所 一种快速最小化区域星图模拟方法
CN114076596A (zh) * 2021-11-11 2022-02-22 中国科学院长春光学精密机械与物理研究所 一种基于星敏感器的自主星跟踪方法、系统及存储介质
CN114777764A (zh) * 2022-04-20 2022-07-22 中国科学院光电技术研究所 一种基于事件相机的高动态星敏感器星点提取方法
CN115375695A (zh) * 2022-10-27 2022-11-22 之江实验室 一种动态星敏感器暗弱恒星光斑的检测方法及装置、介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6227496B1 (en) * 1996-08-30 2001-05-08 Mitsubishi Denki Kabushiki Kaisha Attitude determination system for artificial satellite
US20080118154A1 (en) * 2004-09-10 2008-05-22 Honeywell International Inc. Absolute position determination of an object using pattern recognition
CN101907463A (zh) * 2010-07-05 2010-12-08 中国人民解放军国防科学技术大学 一种星敏感器恒星像点位置提取方法
CN103323027A (zh) * 2013-05-30 2013-09-25 北京控制工程研究所 基于星点重构的星敏感器动态补偿方法
CN106197402A (zh) * 2016-07-04 2016-12-07 北京航空航天大学 一种像增强型星敏感器的多重曝光成像方法
CN106548458A (zh) * 2016-10-19 2017-03-29 上海航天控制技术研究所 一种星敏感器抗杂光背景滤波图像处理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6227496B1 (en) * 1996-08-30 2001-05-08 Mitsubishi Denki Kabushiki Kaisha Attitude determination system for artificial satellite
US20080118154A1 (en) * 2004-09-10 2008-05-22 Honeywell International Inc. Absolute position determination of an object using pattern recognition
CN101907463A (zh) * 2010-07-05 2010-12-08 中国人民解放军国防科学技术大学 一种星敏感器恒星像点位置提取方法
CN103323027A (zh) * 2013-05-30 2013-09-25 北京控制工程研究所 基于星点重构的星敏感器动态补偿方法
CN106197402A (zh) * 2016-07-04 2016-12-07 北京航空航天大学 一种像增强型星敏感器的多重曝光成像方法
CN106548458A (zh) * 2016-10-19 2017-03-29 上海航天控制技术研究所 一种星敏感器抗杂光背景滤波图像处理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LIHENG MA ET AL: ""Attitude-correlated frames approach for a star sensor to improve attitude accuracy under highly dynamic conditions"", 《APPLIED OPTICS》 *
LIHENG MA ET AL: ""Region-confined restoration method for motion-blurred star image of the star sensor under dynamic conditions"", 《APPLIED OPTICS》 *
WEINA ZHANG ET AL: ""Blurred Star Image Processing for Star Sensors under Dynamic Conditions"", 《SENSORS》 *
YUSHAN GAO ET AL: "《2016 IEEE Metrology for Aerospace (MetroAeroSpace)》", 23 June 2016 *
余路伟 等: ""星敏感器抗杂光背景滤波图像处理方法研究"", 《上海航天》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108344410A (zh) * 2018-01-23 2018-07-31 东南大学 一种基于陀螺仪辅助的提高星敏感器输出频率的方法
CN108344410B (zh) * 2018-01-23 2022-02-11 东南大学 一种基于陀螺仪辅助的提高星敏感器输出频率的方法
CN108198151A (zh) * 2018-02-06 2018-06-22 东南大学 一种基于改进rl反卷积算法的星图去模糊方法
CN108198151B (zh) * 2018-02-06 2022-02-11 东南大学 一种基于改进rl反卷积算法的星图去模糊方法
CN108645401A (zh) * 2018-04-03 2018-10-12 中国人民解放军国防科技大学 基于姿态关联图像叠加的全天时星敏感器星点提取方法
CN108830807A (zh) * 2018-06-01 2018-11-16 哈尔滨工业大学 一种基于mems陀螺辅助的星敏感器图像解运动模糊方法
CN108830807B (zh) * 2018-06-01 2022-01-28 哈尔滨工业大学 一种基于mems陀螺辅助的星敏感器图像解运动模糊方法
CN109489656B (zh) * 2018-09-30 2020-10-27 南京航空航天大学 基于旋量的星敏定姿方法
CN109489656A (zh) * 2018-09-30 2019-03-19 南京航空航天大学 基于旋量的星敏定姿方法
CN109724588A (zh) * 2018-12-25 2019-05-07 北京控制工程研究所 一种白昼星敏感器
CN109978797A (zh) * 2019-04-08 2019-07-05 自然资源部国土卫星遥感应用中心 基于暗通道噪声模板的主动式像素传感器星图去噪方法
CN110455281A (zh) * 2019-08-14 2019-11-15 北京理工大学 暗弱小天体光学导航特征成像模拟方法
CN110702097B (zh) * 2019-10-14 2023-01-03 中国科学院新疆理化技术研究所 一种基于极限探测星等灵敏度的星敏感器辐射损伤评估方法
CN110702097A (zh) * 2019-10-14 2020-01-17 中国科学院新疆理化技术研究所 一种基于极限探测星等灵敏度的星敏感器辐射损伤评估方法
CN110887474A (zh) * 2019-11-19 2020-03-17 中国科学院国家天文台长春人造卫星观测站 一种用于精密跟踪型望远镜的星图识别方法
CN111089586A (zh) * 2020-01-10 2020-05-01 上海航天控制技术研究所 一种基于多帧累加算法的全天时星敏感器星点提取方法
CN111402176B (zh) * 2020-04-21 2023-02-14 中国科学院光电技术研究所 一种在轨实时去除aps星敏感器固定模式噪声的方法
CN111402176A (zh) * 2020-04-21 2020-07-10 中国科学院光电技术研究所 一种在轨实时去除aps星敏感器固定模式噪声的方法
CN112504264B (zh) * 2020-10-22 2021-12-07 北京控制工程研究所 一种用于星敏感器姿态测量的超分辨率成像方法
CN112504264A (zh) * 2020-10-22 2021-03-16 北京控制工程研究所 一种用于星敏感器姿态测量的超分辨率成像方法
CN112697136A (zh) * 2020-11-26 2021-04-23 北京机电工程研究所 一种快速最小化区域星图模拟方法
CN112697136B (zh) * 2020-11-26 2023-12-05 北京机电工程研究所 一种快速最小化区域星图模拟方法
CN114076596A (zh) * 2021-11-11 2022-02-22 中国科学院长春光学精密机械与物理研究所 一种基于星敏感器的自主星跟踪方法、系统及存储介质
CN114777764A (zh) * 2022-04-20 2022-07-22 中国科学院光电技术研究所 一种基于事件相机的高动态星敏感器星点提取方法
CN114777764B (zh) * 2022-04-20 2023-06-30 中国科学院光电技术研究所 一种基于事件相机的高动态星敏感器星点提取方法
CN115375695A (zh) * 2022-10-27 2022-11-22 之江实验室 一种动态星敏感器暗弱恒星光斑的检测方法及装置、介质

Also Published As

Publication number Publication date
CN107590777B (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN107590777A (zh) 一种星敏感器星点图像增强方法
CN106708066B (zh) 基于视觉/惯导的无人机自主着陆方法
Wang et al. Cooperative USV–UAV marine search and rescue with visual navigation and reinforcement learning-based control
CN111862126A (zh) 深度学习与几何算法结合的非合作目标相对位姿估计方法
CN105976353A (zh) 基于模型和点云全局匹配的空间非合作目标位姿估计方法
CN102607526A (zh) 双介质下基于双目视觉的目标姿态测量方法
Sun et al. Automatic detection of volcanic surface deformation using deep learning
CN109726627A (zh) 一种神经网络模型训练及通用接地线的检测方法
CN107945229B (zh) 用于静止轨道对地观测卫星面阵仪器的恒星质心提取方法
CN114821640B (zh) 基于多流多尺度膨胀时空图卷积网络的骨架动作识别方法
CN110865650A (zh) 基于主动视觉的无人机位姿自适应估计方法
CN111536970B (zh) 一种用于低能见度大尺度场景的红外惯性组合导航方法
CN108805987A (zh) 基于深度学习的混合跟踪方法及装置
CN105758400A (zh) 静止卫星成像导航与配准恒星敏感东西参数提取方法
CN112486197A (zh) 基于多源图像自适应选权的融合定位跟踪控制方法
Nezhadshahbodaghi et al. A loosely-coupled EMD-denoised stereo VO/INS/GPS integration system in GNSS-denied environments
CN103679216A (zh) 基于空时稀疏表示的红外小弱目标检测方法
Zhang et al. High-accuracy location algorithm of planetary centers for spacecraft autonomous optical navigation
Browning et al. A neural model of how the brain computes heading from optic flow in realistic scenes
CN112388635A (zh) 机器人多传感器融合感知与空间定位的方法、系统及装置
CN106352897A (zh) 一种基于单目视觉传感器的硅mems陀螺误差估计与校正方法
Wu et al. Mobile robot location algorithm based on image processing technology
CN209214563U (zh) 多信息融合路面谱实时测试系统
Liu et al. A novel trail detection and scene understanding framework for a quadrotor UAV with monocular vision
Corrales et al. Sensor data integration for indoor human tracking

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant