CN109282799B - 一种用于目标的分级快速搜捕方法 - Google Patents

一种用于目标的分级快速搜捕方法 Download PDF

Info

Publication number
CN109282799B
CN109282799B CN201811445994.2A CN201811445994A CN109282799B CN 109282799 B CN109282799 B CN 109282799B CN 201811445994 A CN201811445994 A CN 201811445994A CN 109282799 B CN109282799 B CN 109282799B
Authority
CN
China
Prior art keywords
cooperative target
search
suspected non
target
suspected
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
CN201811445994.2A
Other languages
English (en)
Other versions
CN109282799A (zh
Inventor
杨元钊
毛晓楠
郑循江
闫晓军
高原
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.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
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 Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201811445994.2A priority Critical patent/CN109282799B/zh
Publication of CN109282799A publication Critical patent/CN109282799A/zh
Application granted granted Critical
Publication of CN109282799B publication Critical patent/CN109282799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/28—Special adaptation for recording picture point data, e.g. for profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种用于目标的分级快速搜捕方法，包含以下过程：建立搜索单元，采用步进式全天区扫描方法，利用搜索单元以预设步进步长、预设停留搜索时间以及相机分级曝光方法在全天区的每个搜索阵位进行扫描，在同一搜索阵位得到多帧图像；根据自然天体能量特性与非合作目标能量特性差异，得到初筛疑似非合作目标集；对同一搜索阵位获得的多帧图像进行分析，根据自然天体运动特征与目标运动特征差异，将自然天体与疑似非合作目标分离，获得相对运动速度较快的疑似非合作目标；将获得初筛疑似非合作目标集和相对运动速度较快的疑似非合作目标进行对比，得到最终疑似目标。本发明提高了多目标检测的快速性，降低了虚警率。

Description

一种用于目标的分级快速搜捕方法
技术领域
本发明涉及一种分级快速搜捕方法，特别涉及一种用于广域空间非合作目标的分级快速搜捕方法。
背景技术
随着航天技术的迅速发展，空间非合作目标逐年增多。包括失控卫星和空降碎片在内的非合作目标对在轨正常运行的卫星产生诸多不利的影响，特别情况下会威胁到卫星的在轨运行安全。空间防碰撞技术的关键在于有效对广域空间非合作目标进行发现、辨识与威胁评估。其中对于广域空间非合作目标的快速搜捕是跟踪避碰的核心技术，为未来太空垃圾治理提供必要的技术基础。
发明内容
本发明的目的是提供一种用于目标的分级快速搜捕方法，实现对远距离、大范围空域的广域空间内可能出现的未知的非合作目标进行快速搜索和捕获。
为了实现以上目的，本发明通过以下技术方案实现：
一种用于目标的分级快速搜捕方法，包含以下过程：步骤S1、通过相机视场的组合方式建立搜索单元，采用步进式全天区扫描方法，利用所述搜索单元以预设步进步长、预设停留搜索时间以及相机分级曝光方法在所述全天区的每个搜索阵位进行扫描，在同一所述搜索阵位得到多帧图像；步骤S2、根据自然天体能量特性与非合作目标能量特性差异，采用基于多帧图像信息融合的自然天体剔除算法得到初筛疑似非合作目标集；步骤S3、对所述同一搜索阵位获得的多帧图像进行分析，根据自然天体运动特征与非合作目标运动特征差异，将所述自然天体与疑似非合作目标分离，获得相对运动速度较快的疑似非合作目标；步骤S4、将所述步骤S2获得初筛疑似非合作目标集和步骤S3获得的所述相对运动速度较快的疑似非合作目标进行对比，得到最终疑似非合作目标。
进一步的，所述步骤S1中的搜索单元的数量为两个，每个所述搜索单元由两个视场为30°×30°的相机拼接组成，所述搜索单元的视场为60°×30°，两个所述搜索单元分别设置于卫星两侧，各负责180°空域搜索。
进一步的，所述搜索单元采用一维机构驱动，所述预设步进步长为30°，所述搜索阵位为6个，在单个搜索阵位的所述预设停留搜索时间为3s，完成所述一周全天区扫描所需搜索时间为33s。
进一步的，所述步进式全天区扫描方法为变步长的步进式全天区扫描方法，采用所述预设步进步长为30°、6次转动驱动、所述搜索阵位数量为7个对全天区进行扫描，使得每个搜索阵位的相机视场中心位于对应所述搜索阵位的视场边缘。
进一步的，所述相机分级曝光方法为：每个所述相机采用两级曝光，第一级曝光的第一曝光积分时间为t1，第一曝光时长为T1，产生m1帧图像数据；第二级曝光的第二曝光积分时间为t2，第二曝光时长为T2，产生m2帧图像数据；其中，t1<t2，T1<T2，m1>m2，以及t1+t2小于等于预设停留搜索时间。
进一步的，所述步骤S2包含以下过程：搜索单元的搜索相机在进入所述搜索阵位后，先接收卫星设有的星敏感器输出的姿态信息，经坐标系转换获得所述搜索相机姿态，此时将该全天区自然天体星图作为第一背景星图；对所述第一级曝光得到的m1帧图像分别与所述第一背景星图进行对比，剔除自然天体，然后将剔除自然天体后的m1帧图像数据进行多帧数据融合，得到第一初筛疑似非合作目标集合，并将所述第一初筛疑似非合作目标集合中的非合作目标信息与被剔除的自然天体信息更新至所述第一背景星图得到第二背景星图，采用所述第二背景星图参与第二级曝光的m2帧图像数据中每帧图像数据进行对比，剔除自然天体，得到所述初筛疑似非合作目标集。
进一步的，所述步骤S3包含以下过程：利用分离的疑似非合作目标的运动信息建立数据库，作为预测窗口，其跟踪流程为：步骤S3.1、对于捕获到的每一个疑似非合作目标，将所述疑似非合作目标的运动向量初始值加上疑似非合作目标在当前帧图像数据中的位置作为其下一帧图像数据中的预测值。步骤S3.2、在下一帧图像数据中寻找位置最接近预测值的像点位置作为所述疑似非合作目标的最新位置，并利用该最新位置计算疑似非合作目标的最新运动向量，输出所述初筛疑似非合作目标集中每一个疑似非合作目标在每一帧图像数据中的最新位置作为非合作目标跟踪的结果；
步骤S3.3、利用所述步骤S3.2中计算得到的最新运动向量替代所述步骤S3.1中的疑似非合作目标的运动向量初始值，并重复执行步骤S3.1～步骤S3.3；持续将所述分离的疑似非合作目标的运动信息更新至所述数据库，并不断将其与所述自然天体运动特征进行对比。
本发明具有以下技术效果：
本发明解决了全天区多目标检测问题，提高了多目标检测的快速性，降低了虚警率。为在轨卫星防碰避碰提供了可行的工程基础。
附图说明
图1a和1b为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的搜索单元的示意图；
图2为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的基于多帧信息融合的快速自然天体剔除算法流程图；
图3为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的独立搜索阵位的目标运动特征提取示意图；
图4为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的预测窗口更新目标运动信息流程图；
图5为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的空间多目标分级快速辨识方法流程图；
图6为本发明一实施例提供的一种用于目标的分级快速搜捕方法中的改进的变步长步进方法示意图。
具体实施方式
以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。
如图5所示，本发明实施例提供的一种用于目标的分级快速搜捕方法，包含以下过程：步骤S1、通过相机视场的组合方式建立搜索单元，采用步进式全天区扫描方法，利用所述搜索单元以预设步进步长、预设停留搜索时间以及相机分级曝光方法在所述全天区的每个搜索阵位进行扫描，在同一所述搜索阵位得到多帧图像；步骤S2、根据自然天体能量特性与非合作目标能量特性差异，采用基于多帧图像信息融合的自然天体剔除算法得到初筛疑似非合作目标集(疑似目标集)；步骤S3、对所述同一搜索阵位获得的多帧图像进行分析，根据自然天体运动特征与非合作目标运动特征差异，将所述自然天体与疑似非合作目标(疑似目标)分离，获得相对运动速度较快的疑似非合作目标；步骤S4、将所述步骤S2获得初筛疑似非合作目标集和步骤S3获得的所述相对运动速度较快的疑似非合作目标进行对比，得到最终疑似非合作目标。
所述步骤S1～S4的过程可以保证在一个搜索阵位的停留时间内完成。
如图1a和1b所示，所述步骤S1中的搜索单元的数量为两个，每个所述搜索单元由两个视场为30°×30°的相机拼接组成，所述搜索单元的视场为60°×30°，两个所述搜索单元分别设置于卫星两侧，各负责180°空域搜索。
所述相机分级曝光方法为：每个所述相机采用两级曝光，第一级曝光的第一曝光积分时间为t1，第一曝光时长为T1，产生m1帧图像数据；第二级曝光的第二曝光积分时间为t2，第二曝光时长为T2，产生m2帧图像数据；其中，t1<t2，T1<T2，m1>m2，以及t1+t2小于等于预设停留搜索时间。
所述搜索单元采用一维机构驱动，所述预设步进步长为30°，所述搜索阵位为6个，在单个搜索阵位的所述预设停留搜索时间为3s，完成所述一周全天区扫描所需搜索时间为33s。
单次视场范围为60°×30°(2个搜索相机拼接)，系统每一个搜索阵位停留时间为3s，曝光时间100ms时相机的灵敏度可以满足需求。则一个搜索阵位最少进行30次曝光，成像及处理时间为3s。完成方位维-30°～+30°视场范围，俯仰维0°～180°视场范围空域搜索，每次视场重叠1°(等效单次视场60°×30°)的情况下，需要的巡查位置为6个，转动次数为5次，因此，一个搜索周期内光学搜索的时间分配如下：每个巡查位置最多驻留3s，6个巡查位置的最多驻留时间：18s，5次转动的时间开销：15s。
如图6所示，通过一个扫描周期后，会探测到多个疑似目标。然而，快速扫描过程中，曝光时间较短，采用步进式扫描策略使得视场边缘的目标可能出现能量积累较少，运动信息提取不准确等情况，想要降低目标捕获的虚警率还需要将视场中心靠近目标进行一段时间的持续曝光来完善目标运动与能量信息。然而，对单个目标或一个区域目标进行持续凝视扫描，时间成本较高，单个目标信息更新的同时，其余天区目标信息更新处于严重滞后状态，这就与预警警戒目的相矛盾。
结合光学相机实际特性，制定一种变步长的步进式的扫描策略，以确保不存在连续处于视场边缘的目标。机构运动策略采用30°的步进步长、6次转动、7个搜索阵位，确保每个搜索阵位相机视场中心位于对应搜索阵位的视场边缘。以此达到全空域目标监视与单个目标信息更新的最优平衡，实现广域空间非合作目标的快速搜捕。
如图2所示，基于星图识别的多目标检测算法是一个二分类问题，将星点分为目标像点和自然天体星像点两类。通过星图匹配的方式对图像中的自然天体进行辨识和剔除，将剩余所有像点归为目标像点。
所述步骤S2包含以下过程：搜索单元的搜索相机在进入所述搜索阵位后，先接收卫星设有的星敏感器输出的姿态信息，经坐标系转换获得所述搜索相机姿态，此时将该全天区自然天体星图作为第一背景星图；对所述第一级曝光得到的m1帧图像分别与所述第一背景星图进行对比，剔除自然天体，然后将剔除自然天体后的m1帧图像数据进行多帧数据融合，得到第一初筛疑似非合作目标集合，并将所述第一初筛疑似非合作目标集合中的非合作目标信息与被剔除的自然天体信息更新至所述第一背景星图得到第二背景星图，采用所述第二背景星图参与第二级曝光的m2帧图像数据中每帧图像数据进行对比，剔除自然天体，得到所述初筛疑似非合作目标集。
采用基于多帧信息融合的快速自然天体剔除算法有两个优势：
(1)快速性：本算法采用由低灵敏度到高灵敏度的分级曝光策略。当相机处于低灵敏度工况情况时，曝光时间短，报警相机视场内星点数量较少，能快速完成自然星体的剔除工作。同时，将低灵敏度曝光级时获得初筛目标与已剔除自然星体更新拟合到背景星图中，参与高灵敏度曝光级的自然天体剔除，将有效降低星图剔除的计算量，进一步增加了目标提取速度。
通常情况下，对于同一个目标而言，距离越近能量越大，相机在低灵敏度工况下筛选出的非自然天体目标均为等效星等较低的目标，目标能量大，提前对这些目标进行特征分析、威胁等级判断等后续预判，将大大缩减报警时间，提高整个系统的快速性。
(2)虚警率：单帧图像会不可避免出现噪点等干扰，其在图像上的特性与目标相差无几，较难辨别，不可避免得带来虚警率高的问题。利用多帧叠加的手段，可以有效剔除随机噪点，有效改善信噪比。经过多帧叠加之后产生的初筛疑似目标将有效降低虚警率。
如图3和图4所示，据自然天体运动特征与目标运动特征差异。对同一搜索阵位多帧图像进行分析处理，可以将目标的能量特征与运动特征提取出来。自然天体的运动特征是已知的，将目标信息纳入数据库，与已知自然天体运动特征进行对比即可将自然天体与疑似目标分离。该方法可以快速提取出相对威胁等级较大的目标。在短时间内，自然天体可视为静止目标。此时卫星与自然天体之间的角速度主要取决于卫星本身的运动。按照速度优先原则，可以把相对运动速度较快目标视为相对威胁度较大的目标，根据本方法可以快速将相对运动速度较快的目标提取出来，提前对这些目标进行特征分析、威胁等级判断等后续预判，将大大缩减报警时间，提高整个系统的快速性。
所述步骤S3包含以下过程：利用分离的疑似非合作目标的运动信息建立数据库，作为预测窗口，其跟踪流程为：步骤S3.1、对于捕获到的每一个疑似非合作目标，将所述疑似非合作目标的运动向量初始值加上疑似非合作目标在当前帧图像数据中的位置作为其下一帧图像数据中的预测值。步骤S3.2、在下一帧图像数据中寻找位置最接近预测值的像点位置作为所述疑似非合作目标的最新位置，并利用该最新位置计算疑似非合作目标的最新运动向量，输出所述初筛疑似非合作目标集中每一个疑似非合作目标在每一帧图像数据中的最新位置作为非合作目标跟踪的结果。步骤S3.3、利用所述步骤S3.2中计算得到的最新运动向量替代所述步骤S3.1中的疑似非合作目标的运动向量初始值，并重复执行步骤S3.1～步骤S3.3。持续将所述分离的疑似非合作目标的运动信息更新至所述数据库，并不断将其与所述自然天体运动特征进行对比。
当搜索相机周期扫描时，可以用上述预测窗口的方法持续提取目标的运动信息，将其更新至数据库，并不断将其与自然天体运动特征进行对比。采用此方法对目标进行迭代处理，将有效降低系统的虚警率，提高目标捕获的准确率。与此同时，通过长期在轨数据积累，对建立的目标数据库进行数据分析，可以准确获取不同目标的特征信息，为后续提高系统的快速性、降低虚警率提供了有效地数据基础。从而实现视场内所出现的非自然天体目标(非合作目标)的搜捕功能。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (7)

1.一种用于目标的分级快速搜捕方法，其特征在于，包含以下过程：
步骤S1、通过相机视场的组合方式建立搜索单元，采用步进式全天区扫描方法，利用所述搜索单元以预设步进步长、预设停留搜索时间以及相机分级曝光方法在所述全天区的每个搜索阵位进行扫描，在同一所述搜索阵位得到多帧图像；
步骤S2、根据自然天体能量特性与非合作目标能量特性差异，采用基于多帧图像信息融合的自然天体剔除算法得到初筛疑似非合作目标集；
步骤S3、对所述同一搜索阵位获得的多帧图像进行分析，根据自然天体运动特征与非合作目标运动特征差异，将所述自然天体与疑似非合作目标分离，获得相对运动速度较快的疑似非合作目标；
步骤S4、将所述步骤S2获得初筛疑似非合作目标集和步骤S3获得的所述相对运动速度较快的疑似非合作目标进行对比，得到最终疑似非合作目标。
2.如权利要求1所述的用于目标的分级快速搜捕方法，其特征在于，所述步骤S1中的搜索单元的数量为两个，每个所述搜索单元由两个视场为30°×30°的相机拼接组成，所述搜索单元的视场为60°×30°，
两个所述搜索单元分别设置于卫星两侧，各负责180°空域搜索。
3.如权利要求2所述的用于目标的分级快速搜捕方法，其特征在于，所述搜索单元采用一维机构驱动，所述预设步进步长为30°，所述搜索阵位为6个，在单个搜索阵位的所述预设停留搜索时间为3s，完成一周全天区扫描所需搜索时间为33s。
4.如权利要求2所述的用于目标的分级快速搜捕方法，其特征在于，所述步进式全天区扫描方法为变步长的步进式全天区扫描方法，采用所述预设步进步长为30°、6次转动驱动、所述搜索阵位数量为7个对全天区进行扫描，使得每个搜索阵位的相机视场中心位于对应所述搜索阵位的视场边缘。
5.如权利要求1～4中任意一项所述的用于目标的分级快速搜捕方法，其特征在于，所述相机分级曝光方法为：每个所述相机采用两级曝光，第一级曝光的第一曝光积分时间为t1，第一曝光时长为T1，产生m1帧图像数据；第二级曝光的第二曝光积分时间为t2，第二曝光时长为T2，产生m2帧图像数据；
其中，t1<t2，T1<T2，m1>m2，以及t1+t2小于等于预设停留搜索时间。
6.如权利要求5所述的用于目标的分级快速搜捕方法，其特征在于，所述步骤S2包含以下过程：搜索单元的搜索相机在进入所述搜索阵位后，先接收卫星设有的星敏感器输出的姿态信息，经坐标系转换获得所述搜索相机姿态，此时将该全天区自然天体星图作为第一背景星图；对所述第一级曝光得到的m1帧图像分别与所述第一背景星图进行对比，剔除自然天体，然后将剔除自然天体后的m1帧图像数据进行多帧数据融合，得到第一初筛疑似非合作目标集合，并将所述第一初筛疑似非合作目标集合中的非合作目标信息与被剔除的自然天体信息更新至所述第一背景星图得到第二背景星图，采用所述第二背景星图参与第二级曝光的m2帧图像数据中每帧图像数据进行对比，剔除自然天体，得到所述初筛疑似非合作目标集。
7.如权利要求1所述的用于目标的分级快速搜捕方法，其特征在于，所述步骤S3包含以下过程：
利用分离的疑似非合作目标的运动信息建立数据库，作为预测窗口，其跟踪流程为：步骤S3.1、对于捕获到的每一个疑似非合作目标，将所述疑似非合作目标的运动向量初始值加上疑似非合作目标在当前帧图像数据中的位置作为其下一帧图像数据中的预测值；
步骤S3.2、在下一帧图像数据中寻找位置最接近预测值的像点位置作为所述疑似非合作目标的最新位置，并利用该最新位置计算疑似非合作目标的最新运动向量，输出所述初筛疑似非合作目标集中每一个疑似非合作目标在每一帧图像数据中的最新位置作为非合作目标跟踪的结果；
步骤S3.3、利用所述步骤S3.2中计算得到的最新运动向量替代所述步骤S3.1中的疑似非合作目标的运动向量初始值，并重复执行步骤S3.1～步骤S3.3；持续将所述分离的疑似非合作目标的运动信息更新至所述数据库，并不断将其与所述自然天体运动特征进行对比。
CN201811445994.2A 2018-11-29 2018-11-29 一种用于目标的分级快速搜捕方法 Active CN109282799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811445994.2A CN109282799B (zh) 2018-11-29 2018-11-29 一种用于目标的分级快速搜捕方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811445994.2A CN109282799B (zh) 2018-11-29 2018-11-29 一种用于目标的分级快速搜捕方法

Publications (2)

Publication Number Publication Date
CN109282799A CN109282799A (zh) 2019-01-29
CN109282799B true CN109282799B (zh) 2020-10-02

Family

ID=65173247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811445994.2A Active CN109282799B (zh) 2018-11-29 2018-11-29 一种用于目标的分级快速搜捕方法

Country Status (1)

Country Link
CN (1) CN109282799B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111770266B (zh) * 2020-06-15 2021-04-06 北京世纪瑞尔技术股份有限公司 一种智能视觉感知系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998017060A1 (en) * 1996-10-16 1998-04-23 Space Systems/Loral, Inc. Satellite camera attitude determination and image navigation by means of earth edge and landmark measurement
CN101929859A (zh) * 2010-04-29 2010-12-29 中国科学院紫金山天文台 一种基于图像全帧扫描的空间碎片检测方法
CN106651904A (zh) * 2016-12-02 2017-05-10 北京空间机电研究所 一种宽尺寸范围多空间目标捕获跟踪方法
CN106646454A (zh) * 2016-11-25 2017-05-10 上海无线电设备研究所 一种天基告警监视系统的目标快速搜索识别方法
CN106687819A (zh) * 2014-08-29 2017-05-17 斯布克费舍创新私人有限公司 航空测量图像捕获系统
CN107193032A (zh) * 2017-03-31 2017-09-22 长光卫星技术有限公司 基于卫星视频的多运动目标快速跟踪测速方法
CN108519083A (zh) * 2018-03-06 2018-09-11 北京控制工程研究所 一种空间非合作多目标捕获与跟踪算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998017060A1 (en) * 1996-10-16 1998-04-23 Space Systems/Loral, Inc. Satellite camera attitude determination and image navigation by means of earth edge and landmark measurement
CN101929859A (zh) * 2010-04-29 2010-12-29 中国科学院紫金山天文台 一种基于图像全帧扫描的空间碎片检测方法
CN106687819A (zh) * 2014-08-29 2017-05-17 斯布克费舍创新私人有限公司 航空测量图像捕获系统
CN106646454A (zh) * 2016-11-25 2017-05-10 上海无线电设备研究所 一种天基告警监视系统的目标快速搜索识别方法
CN106651904A (zh) * 2016-12-02 2017-05-10 北京空间机电研究所 一种宽尺寸范围多空间目标捕获跟踪方法
CN107193032A (zh) * 2017-03-31 2017-09-22 长光卫星技术有限公司 基于卫星视频的多运动目标快速跟踪测速方法
CN108519083A (zh) * 2018-03-06 2018-09-11 北京控制工程研究所 一种空间非合作多目标捕获与跟踪算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
视场网状分区域建模的星敏感器标定方法;金荷 等;《红外与激光工程》;20171031;第46卷(第10期);第1017006-1至1017006-8页 *

Also Published As

Publication number Publication date
CN109282799A (zh) 2019-01-29

Similar Documents

Publication Publication Date Title
CN109559293B (zh) 一种步进式全天区扫描搜索装置及方法
Xi et al. Space debris detection using feature learning of candidate regions in optical image sequences
CN107729843B (zh) 基于雷达与视觉信息融合的低地板有轨电车行人识别方法
CN112785628A (zh) 一种基于全景视角检测跟踪的轨迹预测方法及系统
Xiao et al. Simultaneous detection and tracking of pedestrian from velodyne laser scanning data
Li et al. Space target detection in complicated situations for wide-field surveillance
Biswas et al. Small object difficulty (sod) modeling for objects detection in satellite images
CN114708583A (zh) 目标物的检测方法、装置、设备及存储介质
CN109282799B (zh) 一种用于目标的分级快速搜捕方法
Podorozhniak et al. Usage of Mask R-CNN for automatic license plate recognition
Pervej et al. Real-time computer vision-based bangla vehicle license plate recognition using contour analysis and prediction algorithm
US5260557A (en) Method and apparatus for acquisition and tracking of light sources in a transient event rich environment
US10467474B1 (en) Vehicle track detection in synthetic aperture radar imagery
Jiang et al. Online pedestrian tracking with multi-stage re-identification
de Sa Lowande et al. Analysis of post-disaster damage detection using aerial footage from uwf campus after hurricane sally
CN115767424A (zh) 一种基于rss与csi融合的视频定位方法
Zhang et al. Vehicle detection and tracking in remote sensing satellite vidio based on dynamic association
WO2005069197A1 (en) A method and system for adaptive target detection
CN114842332A (zh) 一种库位检测方法和系统
CN111899222B (zh) 一种利用风向全自动初步定位热带气旋中心的方法及系统
Razzok et al. Pedestrian detection under weather conditions using conditional generative adversarial network
CN111695564B (zh) 一种目标识别与导航方法
Kavitha et al. An extreme learning machine and action recognition algorithm for generalized maximum clique problem in video event recognition
CN113989604B (zh) 基于端到端深度学习的轮胎dot信息识别方法
WO2022049619A1 (ja) 識別装置、学習装置およびモデル生成方法

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