CN109633720B - 基于视频卫星的地面运动目标测量方法及其装置 - Google Patents

基于视频卫星的地面运动目标测量方法及其装置 Download PDF

Info

Publication number
CN109633720B
CN109633720B CN201811589271.XA CN201811589271A CN109633720B CN 109633720 B CN109633720 B CN 109633720B CN 201811589271 A CN201811589271 A CN 201811589271A CN 109633720 B CN109633720 B CN 109633720B
Authority
CN
China
Prior art keywords
coordinate system
earth
target
sight
inertial
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
CN201811589271.XA
Other languages
English (en)
Other versions
CN109633720A (zh
Inventor
张学阳
杨雪榕
辛朝军
武志勇
陈超
肖龙龙
胡敏
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.)
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Original Assignee
Peoples Liberation Army Strategic Support Force Aerospace Engineering 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 Peoples Liberation Army Strategic Support Force Aerospace Engineering University filed Critical Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority to CN201811589271.XA priority Critical patent/CN109633720B/zh
Publication of CN109633720A publication Critical patent/CN109633720A/zh
Application granted granted Critical
Publication of CN109633720B publication Critical patent/CN109633720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42Determining position
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52Determining velocity

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种基于视频卫星的地面运动目标测量方法及其装置,该方法包括以下步骤:步骤S100:实时求解地球固定坐标系下的目标视线;步骤S200:实时求解目标视线与地球椭球面交点的经纬度;步骤S300:采用卡尔曼滤波器,将所述交点的经纬度作为目标观测方程的输入,得到在第k帧视频图像中所述运动目标的运动速度和所述运动目标的地球坐标。该方法利用卡尔曼滤波器对视频卫星结果进行处理得到地面运动目标的位置与速度。本申请的又一方面还提供了基于视频卫星的地面运动目标测量装置。

Description

基于视频卫星的地面运动目标测量方法及其装置
技术领域
本申请属于运动目标测量领域,涉及航天航空领域的运动目标测量方法,具体为一种基于视频卫星的地面运动目标测量方法及其装置。
背景技术
视频小卫星是一种采用视频成像、视频数据实时传输、人在回路交互式操作工作方式的新型天基信息获取类微小卫星,与传统的对地观测卫星相比,其最大的特点是可以对某一敏感区域进行“凝视”观测,获取目标区域连续的视频图像信息。视频图像比静止单幅图像包含更多信息,视频摄像机相对于现有推扫式相机,增加了一个时间维度的信息,能够探测到动态事件的发生,获取目标的动态过程信息,并可以基于视频图像中的序列图像进行图像重构获得更高分辨率的图像,为抗灾救灾、战时监控、计划决策提供第一手资料。
传统遥感卫星只能获得地面目标的一景图像,通过求解目标视线与地球表面交点确定目标位置时容易受到外界因素干扰,误差较大,且无法确定目标的速度信息。
发明内容
根据本申请的一个方面,提供了一种基于视频卫星的地面运动目标测量方法,该方法利用卡尔曼滤波器对视频卫星观测结果进行处理得到地面运动目标的位置与速度。
参见图6,所述基于视频卫星的地面运动目标测量方法,其特征在于,包括以下步骤:
步骤S100:实时求解地球固定坐标系下的目标视线;
步骤S200:实时求解目标视线与地球椭球面交点的经纬度;
步骤S300:采用卡尔曼滤波器,将所述交点的经纬度作为目标观测方程的输入,得到在第k帧视频图像中所述运动目标的运动速度和所述运动目标的地球坐标。
此处得到的第k帧视频图像中运动速度和所述运动目标的地球坐标即为所述运动目标的状态估计。卡尔曼滤波用于对目标的运动状态得出最优估计。本申请提供的方法通过采用卡尔曼滤波法对视频卫星获取的视频图像中,运动目标的地球坐标进行获取后,根据该地球坐标采用卡尔曼滤波器预测下一帧图像中运动目标的位置,从而能准确获取运动目标的位置及其运动速度。
本领域技术人员,可根据需要选取各类现有方法,获取地面运动目标图像在像平面中的坐标,例如按CN201810111223.3中公开方法进行处理,即可通过视频卫星获得地面运动目标的图像定位。
可选地,所述步骤S100中包括以下步骤:
步骤S110:定义坐标系;
步骤S120:根据所述运动目标在像素坐标系中的坐标,得到惯性系下目标视线方向;
步骤S130:将所述惯性系下目标视线方向ρi转换成地球固定坐标系下的目标视线方向ρe
可选地,所述坐标系包括地球惯性坐标系Oi-XiYiZi(简称惯性系)、地球固定坐标系Oe-XeYeZe、卫星本体坐标系Ob-XbYbZb、像素坐标系I-xy、摄像机坐标系Oc-XcYcZc
可选地,按下式计算惯性系下目标视线方向:
其中,是摄像机坐标系相对卫星本体坐标系的姿态矩阵,/>为卫星本体坐标系相对于惯性系的姿态矩阵,ρc为摄像机坐标系下目标视线方向,/>为惯性系X轴上的目标视线方向分量;/>为惯性系Y轴上的目标视线方向分量;/>为惯性系Z轴上的目标视线方向分量。
可选地,所述步骤S130包括以下步骤:
惯性系下目标视线方向ρi按下式转换成地球固定坐标系下的目标视线方向ρe
其中,为地球惯性坐标系到地球固定坐标系的变换矩阵,/>为地球固定坐标系X轴上的目标视线方向分量;/>为地球固定坐标系Y轴上的目标视线方向分量;/>为地球固定坐标系Z轴上的目标视线方向分量。
可选地,所述地球惯性坐标系到地球固定坐标系的变换矩阵按下式计算:
其中,τg为格林威治真恒星时角。
可选地,所述步骤S200包括以下步骤:
计算所述目标视线与地球椭球面交点,即目标在地球固定坐标系下的坐标,并根据所述交点计算所述运动目标在地球表面的经度和纬度。
可选地,所述步骤S200包括以下步骤:
当得到目标视线与椭球面交点的大地经纬度(L,B),由已有的测绘信息得到该点大地高h,当h>100m不可忽略时,设当地平均大地高为H0,根据点P2的“经纬高”坐标(L,B,H0)求解该点的直角坐标(x0,y0,z0);
由(x0,y0,z0)求解过P2且与地球椭球形状相同的大椭球的长轴和短轴;
求解目标视线与所述大椭球的交点P*,以P*作为目标在地球固定坐标系下的坐标。
本发明提供的方法通过上述步骤,通过单幅图像对于高海拔目标的位置确定,准确性得到提高,所得结果参见图8,可见,通过上述步骤后,所得坐标位置与真实位置更接近,误差得到极大的缩小。
卡尔曼滤波是一种高效的递归滤波器,它能够从一系列含有噪声的测量中,估计线性动态系统的状态,包括预测和更新两个递归过程。已经得到所述运动目标在第k-1帧图像中的状态估计,所述的卡尔曼滤波器利用该估计预测所述运动目标在第k帧图像中的状态,同时将所述经度和所述纬度作为所述运动目标在第k帧图像中的观测值,卡尔曼滤波器利用所述的观测值优化所述的预测状态,即得到在第k帧视频图像中所述运动目标的状态估计,即所述运动目标的运动速度和所述运动目标的地球坐标,并完成对所述卡尔曼滤波器的更新,采用所述更新后的卡尔曼滤波器可估计下一帧所述运动目标的状态。
可选地,所述步骤S300包括以下步骤:
为所述滤波器在第k帧时刻的状态估计,Pk|k为后验估计误差协方差矩阵,度量估计值的精确程度,于是/>和Pk|k代表滤波器的状态,卡尔曼滤波器的过程如下:
初始化滤波器的状态为与P0|0,其中/>为滤波器在初始帧时刻的状态估计,P0|0为滤波器在初始帧时刻的后验估计误差协方差矩阵;
在预测阶段,滤波器根据第k-1帧的状态估计按下式进行第k帧的状态估计预测:
Pk|k-1=FPk-1|k-1FT+Q (25)
其中,F为状态转移矩阵,Q为过程噪声协方差矩阵,为滤波器在第k帧时刻的状态预测,Pk|k-1为滤波器在第k帧时刻的后验预测误差协方差矩阵。
在更新阶段,滤波器利用对第k帧时刻的所述的观测值优化在预测阶段获得的预测值:
Kk=Pk|k-1HT(HPk|k-1HT+R)-1
Pk|k=(I-KkH)Pk|k-1
其中,Kk是一个中间变量,称为最优卡尔曼增益,H是测量矩阵,Zk是所述的观测值,R为测量噪声协方差矩阵,I为单位阵。
参见图7,根据本申请的又一个方面,提供了一种基于视频卫星的地面运动目标测量,包括:
视线计算模块100,用于实时求解地球固定坐标系下的目标视线;
交点计算模块200,用于实时求解目标视线与地球椭球面交点的经纬度;
卡尔曼滤波器300,用于采用卡尔曼滤波器,将所述交点的经纬度作为目标观测方程的输入,得到在实时视频图像中所述运动目标的运动速度和所述运动目标的地球坐标。
本申请能产生的有益效果包括:
1)本申请所提供的基于视频卫星的地面运动目标测量方法,通过视频卫星测量得到运动目标的运动信息,不受地域限制,且能够得到运动目标的速度信息。
2)本申请所提供的通过单幅图像对高海拔目标的位置确定方法,相比传统方法考虑了大地高度对目标视线与地球交点的影响,大大减小了误差。
3)本申请所提供的基于视频卫星的地面运动目标测量方法,基于运动的连续性,对多帧图像通过卡尔曼滤波测量目标,测得的位置定位精度优于传统方法。
4)本申请所提供的基于视频卫星的地面运动目标测量方法,简单快捷,便于工程实现。
附图说明
图1为本申请一种实施例中定义坐标系示意图;
图2为本申请一种实施例中目标视线与地球椭球面交点示意图;
图3为本申请一种实施例中卡尔曼滤波处理后所得地面目标位置信息示意图;
图4为本申请一种实施例中仿真结果中,卡尔曼滤波处理后所得地面目标位置误差结果示意图;
图5A为本申请一种实施例中仿真结果中,卡尔曼滤波处理后所得地面运动目标纬度运动速度-视频帧数曲线示意图;
图5B为本申请一种实施例中仿真结果中,卡尔曼滤波处理后所得地面运动目标经度运动速度-视频帧数曲线示意图;
图6为本申请一种实施方式中基于视频卫星的地面运动目标测量方法流程示意图;
图7为本申请一种实施方式中基于视频卫星的地面运动目标测量装置流程示意图;
图8为本申请一种实施方式中高海拔目标位置的高精度求解图示。
图例说明:
P为目标的真实位置;
P1为目标视线与地球椭球面的交点;
P*为目标视线与大椭球的交点;
h为目标所在位置P的大地高;
(L,B)为P1的大地经纬度;
H0为当地平均大地高
P2为“经纬高”坐标为(L,B,H0)的点。
具体实施方式
下面结合实施例详述本申请,但本申请并不局限于这些实施例。
该方法具体包括以下步骤,以下仿真算例中也按以下步骤进行:
1、定义坐标系
参见图1,地球惯性坐标系Oi-XiYiZi选用J2000.0坐标系,以地球质心为坐标系原点,OiZi轴指向J2000.0年平赤道面(基面)的极点,OiXi轴指向J2000.0平春分点,OiYi轴与OiXi轴和OiZi轴构成右手坐标系。
定义地球固定坐标系Oe-XeYeZe,以地心为坐标系原点,OeZe轴指向地球北极,OeXe轴指向地球赤道面与格林威治子午线的交点,OeYe轴与OeXe轴和OeZe轴构成右手坐标系。
定义卫星本体坐标系为Ob-XbYbZb,以卫星的质心为坐标系原点,三个坐标轴方向分别沿着卫星本体惯量主轴三个方向。
定义图像的像素坐标系I-xy,以视频图像左上角为坐标系原点,以像素为坐标单位,x,y分别表示该像素点在数字图像中的列数与行数。
参见图1,定义摄像机坐标系为Oc-XcYcZc,以摄像机的光心为坐标系原点,以摄像机的光轴为坐标系的OcZc轴,正方向为摄像方向,OcXc,OcYc分别与Ix,Iy平行,方向相反,与OcZc构成右手坐标系。
坐标系如图1所示。为了便于后面的计算与讨论,后文中提到的像素坐标系都是指将像素坐标系平移到图像中心得到的坐标系O-xy。
2、计算目标视线
假设已知地面运动目标在像素坐标系中的坐标(m,n)(在仿真算例中,按CN201810111223.3中提供的遥感视频图像运动目标实时智能感知方法获取),则摄像机坐标系下目标视线方向ρc为:
其中,d是像元尺寸,f为摄像机焦距。
惯性系下目标视线方向ρi,即为视频卫星目标视线测量的数学模型:
其中,是摄像机坐标系相对卫星本体坐标系的姿态矩阵像元尺寸,/>为卫星本体坐标系相对于惯性系的姿态矩阵。
3、确定地球惯性坐标系到地球固定坐标系的变换矩阵
对变换矩阵近似求解时,可以认为地球惯性坐标系与地球固定坐标系的Z轴重合,令τg为格林威治真恒星时角(GAST),则有
其中,τg为格林威治真恒星时角(GAST)。
GAST的计算,包括以下步骤:
已知给定时刻的世界时UT1及对应的儒略日JD,令JD0为给定时间当天零时起算的儒略日,则格林威治平恒星时角GMST为:
GMST=6.697374558+0.06570982441908D0
+1.00273790935H+0.000026T2 (4)
其中:
D0=JD0-2451545.0 (5)
D=JD-2451545.0 (6)
H=24(D-D0) (7)
从而可得GAST:
GAST=GMST+ΔΨcosε (9)
其中,ΔΨ为黄经章动,ε为历元平黄赤交角,近似有:
其中,Ω为地球升交点经度,L为太阳平经度:
Ω=125.04-0.052954D (12)
L=280.47+0.98565D (13)。
4、计算目标视线与地球椭球面的交点
通过求解目标视线与地球椭球面的交点,得到地球表面目标的位置信息。
要求取目标视线与地球椭球面交点,需将地球惯性坐标系下的目标视线方向ρi转换成地球固定坐标系下的ρe,有
其中,为地球惯性坐标系到地球固定坐标系的变换矩阵,
令目标在地球固定坐标系下的坐标为(x,y,z)T,则其满足椭球面方程:
其中,a为椭球长半轴,b为椭球短半轴,对WGS84坐标系,有a=6378.137km,b2=a2(1-e2),e2=0.00669438。
已知在地球固定坐标系下视频卫星的坐标为(xs,ys,zs)T,则有
其中,λ是辅助系数,如图2所示。
将式(16)代入式(15),化简可得:
式(17)是一个关于λ的一元二次方程,由图2可知两个根都为正数,较小的根即为所求,则有
其中:
将式(18)代入式(16),即可得到目标视线与地球椭球面交点,即目标在地球固定坐标系下的坐标(x,y,z)T
5、计算目标的经纬度
得到目标在地球固定坐标系下的坐标(x,y,z)T后,即可求解得到目标的经纬度。设目标在WGS-84坐标系的大地经纬度和高度为(L,B,H),对于一般的由直角坐标求大地坐标,有
其中
上式需要迭代求解,迭代次序为d→B→N→H→d,d初值可取为0。
特别的,目标已经限定在地球椭球面,则有H=0,从而d=e2,代入式(20),可得:
求解目标视线与地球椭球面的交点时,在海域或者平原地区可忽略目标当地海拔对结果的影响,但是在高海拔地区,这一影响不可忽略。
设目标视线与椭球面交点的大地经纬度(L,B)已知,由已有的测绘信息得到该点大地高h,当h不可忽略时,设当地平均大地高为H0。如图8所示,目标的真实位置为P,得到的目标视线与椭球面的交点为P1,(L,B,H0)为P2,可以求解过P2的与地球椭球形状相同的大椭球,之后求解目标视线与大椭球的交点P*,由图8可见,所得目标的位置误差|P*P|要远小于|P1P|,同时这一过程可以重复进行,从而不断提高目标位置的精度。
具体的,由(L,B,H0)可以反解其对应的直角坐标(x0,y0,z0):
由(x0,y0,z0)可以求解过P2且与地球椭球形状相同的大椭球,设大椭球面的方程为:
将(x0,y0,z0)与
代入式(24),可得:
之后按照前述方法求解目标视线与该大椭球的交点P*即可,求得直角坐标转换成大地坐标时,因大地高不再为0,式(21)需要迭代求解。
6.卡尔曼滤波得到目标的运动信息。
地球固定坐标系跟随地球自转,是非惯性系,但是由于每次观测时间短,最多几十秒,目标运动速度低,因此可以忽略地球自转影响,可简化为匀速直线运动。设目标在第k帧时刻的状态向量为从而目标的状态方程可以写为:
其中,w为过程噪声,w~N(0,Q),F为状态转移矩阵
通过实时求解目标视线与地球椭球面交点,目标的观测方程可以写为:
其中v是测量噪声,v~N(0,R),H是测量矩阵
为滤波器在第k帧时刻的状态估计,Pk|k为后验估计误差协方差矩阵,用于度量估计值的精确程度,于是/>和Pk|k代表滤波器的状态。
卡尔曼滤波器的过程如下:
初始化。初始化与P0|0。对于/>根据初始帧求取得到的所述交点计算L0|0,B0|0,/>设为0。
预测。在预测阶段,滤波器使用上一帧的状态估计,做出对当前帧的状态估计。
Pk|k-1=FPk-1|k-1FT+Q (29)
更新。在更新阶段,滤波器利用对当前帧的测量值优化在预测阶段获得的预测值。
Kk=Pk|k-1HT(HPk|k-1HT+R)-1
Pk|k=(I-KkH)Pk|k-1 (30)
其中,Kk是一个中间变量,称为最优卡尔曼增益。
下面将确定R,Q,P0|0
对于测量噪声协方差矩阵R,若视频卫星视线测量误差角度ξ,同时轨道误差(即确定视频卫星在地球惯性坐标系下的坐标时的误差)为o,轨道高度为hs,则目标视线与地球椭球面的交点求解误差可以近似为o+hsξ,化为经纬度误差为已知ξ的方差μ2,轨道误差的方差为ρ,令
对于过程噪声协方差矩阵Q,考虑到目标在一个帧时间间隔内速度变化很小,可以近似为
其中,a=6371×103m,即地球平均半径,是预估的目标最大加速度大小(单位:m/s2),一般可取为10。
P0|0取为对角阵,前两个对角元素表示目标视线与地球椭球面交点的估计误差方差,取为与R相同,后两个对角元素表示速度的估计误差方差,令v为预估的目标最大速度大小,则
其中,σ1由公式(27)定义,σ2由公式(29)定义,σ3在公式(34)给出,a为地球平均半径,v为预估的目标最大速度大小,通常v可取为50。
以下结合具体实施例对本申请提供方法进行详细说明。
按本申请提供的基于视频卫星的地面运动目标测量方法,进行仿真试验,仿真试验中所用视频卫星轨道参数如表1所示。
表1视频卫星轨道参数
参数 取值
轨道半长轴 685000m
轨道偏心率 0.01
轨道倾角 97°
RAAN -102°
近地点幅角 60°
初始偏近点角
星载相机的焦距取为1000mm,像元尺寸为d=8.33μm,视频图像每秒25帧,分辨率为960×576,可得地面分辨率约为5m/像素。
设一海面目标在感知到的初始时刻位于(E 162.21122°,N 51.43665°),并以10m/s速度向东南方向运动。海面目标可以忽略目标大地高对交点求解的影响。观测时间为17秒,共425帧。
对该卫星,视线测量误差角度标准差约为10”,已知ρ=10m,可得到对应的位置确定误差为77米(3σ)。对目标的真实坐标添加方差为/>的高斯白噪声以模拟测量值,卡尔曼滤波得到的位置信息序列如图3所示,图中斜直线为真实位置,折现为滤波得到的位置;位置误差如图4所示。图4显示,25帧后,位置误差即大大减小,55帧后,位置误差稳定在50米以内,250帧后位置误差稳定在25米以下,可见对于视频卫星获取的视频图像,由于包含了第四维时域信息,通过卡尔曼滤波能够较为准确的确定目标的位置,相比单幅图像精度大大提高。
图5A~B显示了本发明提供方法的卡尔曼滤波后得到的地面目标速度以及真实值(其中真实值为直线),其中水平线是真实速度,曲线为速度预测结果,可见约60帧左右,目标速度结果即能收敛趋近真实速度,即不到3秒钟,预测结果即可实现收敛,收敛速度较快。
由上述算例可见,得益于视频卫星图像的第四维时域信息,虽然由单幅图像求解的目标视线与地球椭球面交点的位置误差可以达到77米(3σ),但是通过卡尔曼滤波能够由视频图像序列较为精确地确定地面目标的位置与速度,250帧后定位精度可达25米,足以作为进一步精细观测的引导信息。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。

Claims (6)

1.一种基于视频卫星的地面运动目标测量方法,其特征在于,包括以下步骤:
步骤S100:实时求解地球固定坐标系下的目标视线;
步骤S200:实时求解目标视线与地球椭球面交点的经纬度;
步骤S300:采用卡尔曼滤波器,将所述交点的经纬度作为目标观测方程的输入,得到在第k帧视频图像中所述运动目标的运动速度和所述运动目标的地球坐标;
所述步骤S100中包括以下步骤:
步骤S110:定义坐标系,所述坐标系包括:地球惯性坐标系Oi-XiYiZi、地球固定坐标系Oe-XeYeZe、卫星本体坐标系为Ob-XbYbZb、像素坐标系I-xy、摄像机坐标系为Oc-XcYcZc
步骤S120:根据所述运动目标在像素坐标系中的坐标,得到惯性系下目标视线方向,如下公式所示:
其中,是摄像机坐标系相对卫星本体坐标系的姿态矩阵,/>为卫星本体坐标系相对于惯性系的姿态矩阵,ρc为摄像机坐标系下目标视线方向,/>为惯性系X轴上的目标视线方向分量;/>为惯性系Y轴上的目标视线方向分量;/>为惯性系Z轴上的目标视线方向分量;
步骤S130:将所述惯性系下目标视线方向ρi转换成地球固定坐标系下的目标视线方向ρe,如下公式所示:
其中,为地球惯性坐标系到地球固定坐标系的变换矩阵,/>为地球固定坐标系X轴上的目标视线方向分量;/>为地球固定坐标系Y轴上的目标视线方向分量;/>为地球固定坐标系Z轴上的目标视线方向分量。
2.根据权利要求1所述的基于视频卫星的地面运动目标测量方法,其特征在于,所述地球惯性坐标系到地球固定坐标系的变换矩阵Ri e按下式计算:
其中,τg为格林威治真恒星时角。
3.根据权利要求1所述的基于视频卫星的地面运动目标测量方法,其特征在于,所述步骤S200包括以下步骤:
计算所述目标视线与地球椭球面交点,即目标在地球固定坐标系下的坐标,并根据所述交点计算所述运动目标在地球表面的经度和纬度。
4.根据权利要求3所述的基于视频卫星的地面运动目标测量方法,其特征在于,所述步骤S200包括以下步骤:
当得到目标视线与椭球面交点的大地经纬度(L,B),由已有的测绘信息得到该点大地高h,当h>100m不可忽略时,设当地平均大地高为H0,根据点P2的“经纬高”坐标(L,B,H0)求解该点的直角坐标(x0,y0,z0);
由(x0,y0,z0)求解过P2且与地球椭球形状相同的大椭球的长轴和短轴;
求解目标视线与所述大椭球的交点P*,以P*作为目标在地球固定坐标系下的坐标。
5.根据权利要求1所述的基于视频卫星的地面运动目标测量方法,其特征在于,所述卡尔曼滤波器包括以下步骤:
为所述滤波器在第k帧时刻的状态估计,Pk|k为后验估计误差协方差矩阵,度量估计值的精确程度,于是/>和Pk|k代表滤波器的状态,卡尔曼滤波器的过程如下:
初始化滤波器的状态为与P0|0,其中/>为滤波器在初始帧时刻的状态估计,P0|0为滤波器在初始帧时刻的后验估计误差协方差矩阵;
在预测阶段,滤波器根据第k-1帧的状态估计按下式进行第k帧的状态估计预测:
Pk|k-1=FPk-1|k-1FT+Q
其中,F为状态转移矩阵,Q为过程噪声协方差矩阵,为滤波器在第k帧时刻的状态预测,Pk|k-1为滤波器在第k帧时刻的后验预测误差协方差矩阵;
在更新阶段,滤波器利用对第k帧时刻的所述运动目标的观测值优化在预测阶段获得的预测值:
Kk=Pk|k-1HT(HPk|k-1HT+R)-1
Pk|k=(I-KkH)Pk|k-1
其中,Kk是一个中间变量,称为最优卡尔曼增益,H是测量矩阵,Zk是所述运动目标的观测值,R为测量噪声协方差矩阵,I为单位阵。
6.一种基于视频卫星的地面运动目标测量装置,其特征在于,包括:
视线计算模块,用于实时求解地球固定坐标系下的目标视线;
交点计算模块,用于实时求解目标视线与地球椭球面交点的经纬度;
卡尔曼滤波器,用于采用卡尔曼滤波器,将所述交点的经纬度作为目标观测方程的输入,得到在实时视频图像中所述运动目标的运动速度和所述运动目标的地球坐标;
其中,所述视线计算模块在求解地球固定坐标系下的目标视线时执行以下步骤:
定义坐标系,所述坐标系包括:地球惯性坐标系Oi-XiYiZi、地球固定坐标系Oe-XeYeZe、卫星本体坐标系为Ob-XbYbZb、像素坐标系I-xy、摄像机坐标系为Oc-XcYcZc
根据所述运动目标在像素坐标系中的坐标,得到惯性系下目标视线方向,如下公式所示:
其中,是摄像机坐标系相对卫星本体坐标系的姿态矩阵,/>为卫星本体坐标系相对于惯性系的姿态矩阵,ρc为摄像机坐标系下目标视线方向,/>为惯性系X轴上的目标视线方向分量;/>为惯性系Y轴上的目标视线方向分量;/>为惯性系Z轴上的目标视线方向分量;
将所述惯性系下目标视线方向ρi转换成地球固定坐标系下的目标视线方向ρe,如下公式所示:
其中,为地球惯性坐标系到地球固定坐标系的变换矩阵,/>为地球固定坐标系X轴上的目标视线方向分量;/>为地球固定坐标系Y轴上的目标视线方向分量;/>为地球固定坐标系Z轴上的目标视线方向分量。
CN201811589271.XA 2018-12-25 2018-12-25 基于视频卫星的地面运动目标测量方法及其装置 Active CN109633720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811589271.XA CN109633720B (zh) 2018-12-25 2018-12-25 基于视频卫星的地面运动目标测量方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811589271.XA CN109633720B (zh) 2018-12-25 2018-12-25 基于视频卫星的地面运动目标测量方法及其装置

Publications (2)

Publication Number Publication Date
CN109633720A CN109633720A (zh) 2019-04-16
CN109633720B true CN109633720B (zh) 2023-08-04

Family

ID=66077257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811589271.XA Active CN109633720B (zh) 2018-12-25 2018-12-25 基于视频卫星的地面运动目标测量方法及其装置

Country Status (1)

Country Link
CN (1) CN109633720B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111091088B (zh) * 2019-12-12 2022-10-28 中国人民解放军战略支援部队航天工程大学 一种视频卫星信息支援海上目标实时检测定位系统及方法
CN114137587B (zh) * 2021-12-01 2022-07-29 西南交通大学 一种运动对象的位置估计与预测方法、装置、设备及介质
CN114200537B (zh) * 2021-12-13 2023-12-22 北京环境特性研究所 一种卫星下视地球的探测边界确定方法
CN114485574B (zh) * 2021-12-21 2023-03-21 武汉大学 基于卡尔曼滤波模型的三线阵影像pos辅助对地定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007263637A (ja) * 2006-03-28 2007-10-11 Mitsubishi Electric Corp 測位装置及び測位方法及びプログラム
CN107607947B (zh) * 2017-08-22 2020-08-04 西安电子科技大学 基于卡尔曼滤波的星载雷达成像参数在线估计方法

Also Published As

Publication number Publication date
CN109633720A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
CN109633720B (zh) 基于视频卫星的地面运动目标测量方法及其装置
US8666661B2 (en) Video navigation
Trebi-Ollennu et al. Design and analysis of a sun sensor for planetary rover absolute heading detection
US7791529B2 (en) System for estimating the speed of an aircraft, and an application thereof to detecting obstacles
CN112577493B (zh) 一种基于遥感地图辅助的无人机自主定位方法及系统
US8068696B2 (en) Method of restoring movements of the line of sight of an optical instrument
CN111366148B (zh) 适用于机载光电观瞄系统多次观察的目标定位方法
CN111102981B (zh) 一种基于ukf的高精度卫星相对导航方法
KR20070046081A (ko) 이미지와 연관된 위치를 판단하기 위한 방법 및 장치
CN110631567B (zh) 一种差分天空偏振罗盘大气折射误差的反演及修正方法
CN109612438B (zh) 一种虚拟共面条件约束下的空间目标初轨确定方法
CN113029132B (zh) 一种结合地面影像与恒星光行差测量的航天器导航方法
US8942421B1 (en) Geolocation of remotely sensed pixels by introspective landmarking
CN110736457A (zh) 一种基于北斗、gps和sins的组合导航方法
CN108490973B (zh) 航天器编队相对轨道确定方法及装置
Setterfield et al. Lidar-inertial based navigation and mapping for precision landing
CN116105730A (zh) 基于合作目标卫星甚短弧观测的仅测角光学组合导航方法
CN111207773A (zh) 一种用于仿生偏振光导航的姿态无约束优化求解方法
CN114690229A (zh) 一种融合gps的移动机器人视觉惯性导航方法
Cai et al. A polar rapid transfer alignment assisted by the improved polarized-light navigation
CN113819904A (zh) 一种基于天顶点矢量的偏振/vio三维姿态确定方法
CN117710476A (zh) 基于单目视觉的无人机位姿估计与稠密建图方法
Pan et al. A penalized spline-based attitude model for high-resolution satellite imagery
CN117073720A (zh) 弱环境与弱动作控制下快速视觉惯性标定与初始化方法及设备
Tchernykh et al. Optical flow navigation for an outdoor UAV using a wide angle mono camera and DEM matching

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