CN109813303A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109813303A CN109813303A CN201910176074.3A CN201910176074A CN109813303A CN 109813303 A CN109813303 A CN 109813303A CN 201910176074 A CN201910176074 A CN 201910176074A CN 109813303 A CN109813303 A CN 109813303A
- Authority
- CN
- China
- Prior art keywords
- star
- nautical
- mould formula
- primary
- angle mould
- 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
Landscapes
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开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，包括：提取导航星的角模式簇特征，建立导航星模式库；根据星图中观测星的几何位置，提取观测星的角模式簇特征；根据观测星的角模式簇特征，使用投票法对观测星进行匹配识别；最后，通过验证环节，进一步确认识别结果的正确性。本发明方法能够在星敏感器标定参数未知的情况下完成星图识别，且在较大的星点位置噪声和星等噪声情况下能够获得较高的识别率。
Description
技术领域
本发明涉及星敏感器中的星图识别领域，具体涉及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。
背景技术
星敏感器是一种重要的姿态测量器件，其通过识别星图中的恒星来确定三轴姿态，精度 可以达到角秒级，目前已被广泛应用到空间探测器。其中，星图识别是星敏感器中的关键技 术。
现有的星图识别算法大致可以分为两大类：子图同构类和模式识别类。子图同构类算法 以星点为顶点，以两星之间的角距为边，构成一个子图，通过识别子图来对观测星进行识别， 如三角形算法、多边形算法。模式识别类算法先确定一颗主星，利用模式半径内邻星的分布 构成主星的一个独一无二的模式，通过识别星模式来进行星图识别，如栅格算法，其中模式 半径、主星与邻星位置关系需要利用角距来确定。
正如以上分析的，这些算法大多以角距为基础，依赖星敏感器的内部标定参数，如焦距、 主点坐标。这些参数一般在星敏感器正式使用之前通过实验室标定得到，但是，星敏感器在 实际使用时受到航天器发射过程中的冲击、空间环境等因素的影响，内部参数会发生变化。 如果不能获得内部参数的准确值，这些星图识别算法可能会失效。另外，星敏感器在轨运行 时可以利用在轨标定技术获得内部参数的标定值，但在轨标定过程也依赖于准确的星图识别 结果。
发明内容
为解决星敏感器内部参数不准确或未知情况下的星图识别问题，本发明提供了一种基于 角模式簇投票的不依赖标定参数的星图识别方法，能够在标定参数未知情况下完成星图识别， 且在较大星点位置噪声和星等噪声情况下获得较高的正确识别率。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了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，该方法包括：
步骤A：提取导航星的角模式簇特征，建立导航星模式库，其步骤如下：
A1、选取导航星表中的每颗星为主星，以主星对应的方向矢量为星敏感器的视轴指向， 将主星及与主星角距最近的Nneighbor颗导航星从地心惯性坐标系旋转变换到星敏感器坐标系 下，得到星敏感器坐标系下的星矢量坐标，然后用导航星的星矢量除以Z轴坐标值，这样所 得导航星的X、Y轴坐标即为归一化焦平面上的星点坐标，以此作为求取导航星模式簇特征 的依据，Nneighbor取10；
A2、主星与任意两颗邻星可构成一个角模式，所有角模式构成角模式簇。利用归一化焦 平面上的星点坐标，分别计算每一个角模式的夹角值和两边比例值。计算夹角值大小，若短 边顺时针方向旋转能够以小于180°的角度与长边重合，则取夹角值方向为正，否则为负，这 样，夹角值范围为[-180°,180°]；计算短边与长边的比例值λ，其范围为(0,1]；所有角模式的 夹角值θ和比例值λ构成角模式簇的特征；
A3、将角模式的夹角值θ和比例值λ进行变换，所得值作为二维查找表的两个索引值， 将该角模式对应的三颗导航星的序号按照一定顺序存储到对应的索引单元中，将所有导航星 对应的角模式簇存储到二维查找表中，构成导航星模式库；
步骤B：根据星图中观测星的几何位置，提取观测星的角模式簇特征，其过程如下：
B1、计算星图中每个观测星到图像中心的欧几里得距离，以该距离升序排列，选取第一 颗观测星作为主星；
B2、计算其他观测星到主星的欧几里得距离，以该距离升序排列，若其他观测星总数小 于Nneighbor，则取其他所有观测星作为主星的邻星；否则，选取前Nneighbor颗观测星作为主星 的邻星；
B3、根据观测星的星点坐标计算每个角模式的夹角值和两边比例值，若短边顺时针方向 旋转能够以小于180°的角度与长边重合，则夹角值方向为正，否则为负；比例值为短边与长 边的比值。所有角模式的特征组成角模式簇的特征。
步骤C：根据观测星的角模式簇特征，使用投票法对观测星进行识别，其步骤如下：
C1、根据观测星的角模式簇特征，对观测星的候选星进行一次投票，其过程如下：
C11、将导航星库中的所有导航星作为角模式簇中每颗观测星的候选星，建立计数器， 这样，每颗观测星对应一个1×N的计数表，将计数值初始化为0，N为星表中导航星的个数， 另外，为主星创建一个临时查找表，以主星导航星序号为索引值，用于存储候选角模式中主 星对应的邻星导航星；
C12、扫描观测星角模式簇中的每一个角模式，将角模式的夹角值θ和比例值λ进行变 换，所得值作为步骤A3中所述的二维查找表的索引值，将索引单元及周围相邻的八个单元 内存储的角模式作为该观测星角模式的候选角模式，若索引单元位于查找表边缘，则只考虑 索引单元及周围相邻的在查找表范围内的单元；
C13、确定每一个观测星角模式对应的所有候选角模式的主星序号和两个邻星序号，将 该观测星角模式中对应的主星观测星计数表中主星序号对应的计数器加1，同时，将邻星观 测星计数表中邻星序号对应的计数器加1；并将候选角模式中的两个邻星导航星序号存储到 主星的临时查找表中对应主星序号索引的单元中；
C2、将角模式簇中每颗观测星对应的计数表按计数值即投票数进行降序排列，计数表中 的值即为投票后每颗导航星所得票数，对于主星观测星，如果第一主星候选导航星的票数是 第二主星候选导航星票数的二倍及以上，则选取第一主星候选导航星作为识别主星即方法对 主星的识别结果；
C3、验证和确定识别主星，并识别邻星，其具体步骤为：
C31、选取每颗邻星观测星对应计数表中得票最高的导航星作为邻星侯选导航星，如果 最高票的导航星有多颗，则全部作为侯选导航星，并为每颗邻星候选导航星建立计数表，计 数值初始化为0；
C32、如果识别主星已确定，则在主星的临时查找表中查找识别主星序号索引的邻星导 航星序号，并逐一扫描，如果该识别主星对应的邻星导航星序号能在步骤C31所述的邻星候 选导航星中找到，则对应的计数器加1；扫描完毕后，如果邻星候选导航星对应的计数值即 票数大于2，则认为该邻星候选导航星为对应邻星观测星的识别邻星，如果邻星观测星对应 多颗候选导航星，则选候选导航星票数最高且大于2的导航星作为该邻星观测星的识别邻星； 如果此次投票确定的识别邻星个数不少于4颗，则认为观测星的角模式簇识别成功。
C33、少数情况下，不能够在步骤C2中确定识别主星，此时，选取主星侯选导航星中的前k颗候选导航星分别作为识别主星，然后进行步骤C32中的二次投票，统计识别邻星个数，选取识别邻星个数最多且不少于4颗的识别主星和对应识别邻星作为最终识别结果；如果主星第k+1颗侯选导航星票数与第k颗侯选导航星票数相同，则也将第k+1颗候选导航星加入上述操作中，直到主星的侯选导航星票数小于第k颗侯选导航星的票数，k一般取2；
C4、如果观测星的角模式簇识别失败，则返回步骤B1，选取第2颗观测星作为主星进 行后续操作，直到第Ntop颗观测星，Ntop一般取4～15。
步骤D：通过验证环节，进一步确认识别结果的正确性，具体如下：
根据观测星角模式簇的识别结果和星点坐标计算星敏感器的焦距和姿态矩阵，产生一幅 模拟星图，如果该星图中的星点坐标和观测星图中对应的星点坐标在一个较小的误差范围内， 则认为观测星角模式簇识别的结果是正确的，否则返回步骤B1，选取其他观测星作为主星 进行角模式簇的识别。
本发明与现有技术相比的优点是：
1、本方法能够在星敏感器标定参数未知的情况下完成星图识别；
2、本方法对星点位置噪声具有较强的鲁棒性；
3、本方法未利用星等信息，受星等噪声影响较小。
附图说明
图1为本发明方法所用的角模式及特征。
图2为本发明方法所用的角模式簇及特征。
图3为星矢量从地心惯性坐标系到星敏感器坐标系的转换。
图4为角模式存储到二维查找表的过程。
图5为星图中的角模式簇。
图6为对角模式一次投票的过程。
图7为对角模式簇进行二次投票的过程。
图8为星点位置噪声对识别方法的影响。
图9为星等噪声对识别方法的影响。
图10为某型号星敏感器在轨下传星图的识别结果。
图11为某型号星敏感器外场观星所拍星图的识别结果。
具体实施方式
下面对本发明作进一步详细说明。
本发明的主要思想是：归一化焦平面中角模式与星图中对应角模式的夹角值θ和两边比 例值λ的偏差是可控的，这样就能在不依赖星敏感器标定参数的情况下完成星图识别；通过 构建角模式簇来增加模式与模式之间的差异性，减少冗余模式的数量，进而提高识别正确率； 角模式的存储采用二维查找表的方式，提高匹配效率；由于角模式簇中，每个角模式都是以 主星为顶点构成的，则整个角模式簇中主星的频数是最高的，最容易被识别出来，故采用投 票法来确定主星的识别结果；主星识别结果确定之后，由于角模式簇中邻星与主星一定能够 组成角模式，则依据此原则再次使用投票法可确定邻星的识别结果；最后，通过验证环节， 进一步确定识别结果的正确性。
一、方法描述
本发明基于角模式簇投票进行不依赖标定参数的星图识别，主要包括以下步骤：
步骤A：提取导航星的角模式簇特征，建立导航星模式库，其步骤为：
A1、本发明采用Hipparcos星表，作为建立导航星数据库的数据基础，选取亮度不小于 6星等的恒星作为导航星，同时，为避免双星(视线方向上相距比较近的星)影响识别流程， 将角距值小于0.12°的两颗导航星作为双星并剔除，剩余导航星构成导航星表；选取导航星 表中的每颗星为主星，以主星对应的方向矢量为星敏感器的视轴指向，将主星及与主星角距 最近的Nneighbor颗导航星从地心惯性坐标系旋转变换到星敏感器坐标系下，如图3所示，得 到星敏感器坐标系下的星矢量坐标：
然后将所有导航星的Z轴坐标归一化到1，得到归一化焦平面上的星点坐标：
将星点坐标作为求取导航星模式簇特征的依据，Nneighbor取10；
A2、主星与任意两颗邻星可构成一个角模式，所有角模式构成角模式簇，如图1、2所 示。利用归一化焦平面上的星点坐标，分别计算角模式簇中每一个角模式的特征。图2中， O为主星，A～D为邻星，∠AOB、∠AOC、∠AOD、∠BOC、∠BOD、∠COD等共同组成 角模式簇。图1中，以∠AOB为例，利用三颗导航星归一化焦平面上的星点坐标(x,y)计算 夹角大小，若短边顺时针方向旋转能够以小于180°的角度与长边重合，则方向为正，否则为 负。由图1可得∠AOB的夹角值为：
其范围为[-180°,180°]；计算短边与长边的比例值λ：
其范围为(0,1]。所有角模式的夹角值θ和比例值λ构成角模式簇的特征；
A3、将所有导航星对应的角模式簇存储到二维查找表中，具体步骤如下：
A31、将角模式的夹角加上180°并向上取整，这样得到的值为[1,360]内的整数，将其作 为导航星模式库X方向的索引值；
A32、将比例值放大100倍并向上取整，这样得到的值为[1,100]内的整数，将其作为导 航星模式库Y方向的索引值；
A33、将三颗导航星的序号按照主星、短边上的邻星、长边上的邻星顺序存储到两个方 向索引值对应的索引单元中，以此类推，将所有角模式存储到查找表中；
图4为1、2、30号三颗导航星构成的角模式的存储过程，为向上取整运算，根据上述操作可得该模式的索引单元为(82,112)，将三颗星的序号按照主星、短边上的邻星、长边上的邻星顺序，即[1,2,30]存储到该索引单元中。
步骤B：根据星图中观测星的几何位置，提取观测星的角模式簇特征，其过程如下：
B1、计算星图中每颗观测星到图像中心的欧几里得距离，以该距离升序排列，选取第一 颗观测星作为主星，如图5所示，图中共提取到31颗观测星，每颗观测星的编号表示该星 距离图像中心O的顺序，1号观测星最近，故选取1号观测星为主星；
B2、计算其他观测星到主星的欧几里得距离，以该距离升序排列，若其他观测星总数小 于Nneighbor，则取其他所有观测星作为主星的邻星；否则，选取前Nneighbor颗观测星作为主星 的邻星；计算2～31号观测星到1号观测星的距离，其他观测星个数大于Nneighbor(取10)， 故选取距离1号观测星最近的10颗观测星作为邻星，即2～9、11、14号观测星为邻星，构 成角模式簇；
B3、利用星点坐标计算每个角模式的夹角值θ和两边比例值λ，如图5中由1、2、4号观测星构成的角模式，短边顺时针方向旋转能够以小于180°的角度与长边重合，则夹角值方 向为正，否则为负。则该模式的夹角值为：
比例值为短边与长边的比值：
其中，(x,y)为星图中星点的坐标。同理，计算其他所有角模式的特征，统一组成角模式 簇的特征。
步骤C：根据观测星的角模式簇特征，使用投票法对观测星进行识别，其步骤如下：
C1、根据观测星的角模式簇特征，对观测星的候选星进行一次投票，其过程如下：
C11、将导航星库中的所有导航星作为角模式簇中每颗观测星的候选星，建立计数器， 这样，每颗观测星对应一个1×N的计数表，将计数值初始化为0，N为星表中导航星的个数， 另外，为主星创建一个临时查找表，以主星导航星序号为索引值，用于存储候选角模式中主 星对应的邻星导航星；
C12、扫描观测星角模式簇中的每一个角模式，将角模式的夹角值θ和比例值λ进行变 换，所得值作为步骤A3中所述的二维查找表的索引值，将索引单元及周围相邻的八个单元 内存储的角模式作为该观测星角模式的候选角模式，若索引单元位于查找表边缘，则只考虑 索引单元及周围相邻的在查找表范围内的单元；
C13、确定每一个观测星角模式对应的所有候选角模式的主星序号和两个邻星序号，将 该观测星角模式中对应的主星观测星计数表中主星序号对应的计数器加1，同时，将邻星观 测星计数表中邻星序号对应的计数器加1；并将候选角模式中的两个邻星导航星序号存储到 主星的临时查找表中对应主星序号索引的单元中；
图6为对图5中1、4、5号观测星构成的角模式进行一次投票的过程，首先由夹角值和 比例值确定索引单元为(127,67)，将索引单元及周围八个相邻单元内的角模式作为侯选角模 式，根据侯选角模式中的主星导航星序号和邻星导航星序号为1、4、5号观测星下对应的导 航星投票，如候选角模式[916,919,606]，916为主星导航星序号，是1号观测星对应的侯选 导航星，则将1号观测星下的916号导航星计数器加1；919为邻星导航星序号，是4号观 测星对应的候选导航星，则将4号观测星下的919号导航星计数器加1，同理，将5号观测星下的606号导航星计数器加1。同时，将[919,606]存储到主星的临时查找表中916号导航星对应的单元中。以此类推，将角模式簇中所有角模式进行一次投票。
C2、将角模式簇中每颗观测星对应的计数表按计数值即投票数进行降序排列，计数表中 的值即为投票后每颗导航星所得票数，对于主星观测星，如果第一主星候选导航星的票数是 第二主星候选导航星票数的二倍及以上，则选取第一主星候选导航星作为识别主星即算法对 主星的识别结果，此为大多数情况；表1列出了部分星的投票结果，根据主星1号观测星的 票数分布，选取1878号导航星为识别主星。
表1部分观测星的投票结果
C3、验证和确定识别主星，并识别邻星，其具体步骤为：
C31、选取每颗邻星观测星对应计数表中得票最高的导航星作为邻星侯选导航星，如果 最高票的导航星有多颗，则全部作为侯选导航星，并为每颗邻星候选导航星建立计数表，计 数值初始化为0。如2号观测星的侯选导航星是序号为1956、4214、4717的导航星；
C32、如果识别主星已确定，则在主星的临时查找表中查找识别主星序号索引的邻星导 航星序号，并逐一扫描，如果该识别主星对应的邻星导航星序号能在步骤C31所述的邻星候 选导航星中找到，则对应的计数器加1；扫描完毕后，如果邻星候选导航星对应的计数值即 票数大于2，则认为该邻星候选导航星为对应邻星观测星的识别邻星，如果邻星观测星对应 多颗候选导航星，则选候选导航星票数最高且大于2的导航星作为该邻星观测星的识别邻星； 如果此次投票确定的识别邻星个数不少于4颗，则认为观测星的角模式簇识别成功。
图7为二次投票的过程，在主星的临时查找表中找到1878号导航星的邻星导航星序号， 如[1882,1883]，则将一次投票确定的邻星侯选导航星对应计数器加1，同理，将所有邻星导 航星序号逐一投票，结束后，统计每颗邻星侯选导航星的票数，见表2，3-9、11、14号观 测星的候选导航星的票数大于2，则确定对应候选导航星为识别邻星，2号观测星的三颗候 选导航星的票数均为0，则认为2号观测星未识别出来，识别出的邻星观测星个数大于4，则该角模式簇识别成功，最终结果见表2。
表2投票与识别结果
C33、少数情况下，不能够在步骤C2中确定识别主星，此时，选取主星侯选导航星中的前k颗候选导航星分别作为识别主星，然后进行步骤C32中的二次投票，统计识别邻星个数，选取识别邻星个数最多且不少于4颗的识别主星和对应识别邻星作为最终识别结果；如果主星第k+1颗侯选导航星票数与第k颗侯选导航星票数相同，则也将第k+1颗候选导航星加入上述操作中，直到主星的侯选导航星票数小于第k颗侯选导航星的票数，k一般取2；
C4、如果观测星的角模式簇识别失败，则返回步骤B1，选取第2颗观测星作为主星进 行后续操作，直到第Ntop颗观测星，Ntop一般取4～15。
步骤D：通过验证环节，进一步确认识别结果的正确性，具体如下：
根据针孔成像模型，利用观测星角模式簇识别结果和星点坐标计算星敏感器镜头的焦距 和姿态矩阵，将识别星附近的导航星投影到焦平面上，生成参考星图，如果参考星图中的星 点坐标和观测星图中对应的星点坐标在一个较小的误差范围内，则认为角模式簇识别成功， 否则选取其他观测星作为主星进行角模式簇的识别。
二、性能分析
为了评估本发明方法的性能，采用模拟星图进行仿真实验，参数如表3所示。实验中其 他识别参数取值为：Nneighbor＝10，Ntop＝4。仿真实验主要分析了星点位置噪声、星等噪声对算 法的影响。
表3星敏感器参数
对于模拟生成的星图图像，在星点真实位置上加上均值为0，标准差σ从0到5像素变 化的高斯噪声，统计随机生成的5000幅星图的识别结果，如图8所示，在σ＝4像素时，识别率为98％以上，在σ＝5像素时，识别率仍能达到95％的识别率，表明本发明方法对位置噪声具有较强的抗干扰能力。
同理，对于星等噪声，在星点真实星等上加上均值为0，标准偏差从0到2.5星等变化 的高斯噪声，并设置星点位置噪声σ＝1和2像素两种情况，统计随机生成的5000幅星图的 识别结果，如图9所示，可以看出，星等噪声对本发明方法的影响不大，识别率均在99.5％ 以上。
本发明方法能够用于识别标定参数未知的真实星图，图10所示为某型号星敏感器在轨 下传星图的识别结果，该星敏感器视场为20°×20°，成像器件分辨率为1024×1024像素，主 点坐标为(512,512)像素，像元尺寸为0.015mm×0.015mm，光学系统焦距约为43.20mm；图 11所示为某型号星敏感器外场观星所拍星图的识别结果，该星敏感器视场为20°×15°，成像 器件分辨率为1280×960像素，主点坐标为(640,480)像素，像元尺寸为.00375mm×0.00375mm， 光学系统焦距约为13.64mm。采用本发明角模式簇投票方法对两幅星图进行识别，识别过程 中均未利用焦距、主点坐标等信息，识别结果如图所示，其中带有编号标识的星为本方法识 别出来的角模式簇中的观测星，编号为观测星对应的导航星的序号。以上结果表明本发明方 法能够在标定参数未知的情况下对不同型号星敏感器拍摄的星图进行成功识别。
Claims (3)
1.一种基于角模式簇投票的不依赖标定参数的星图识别方法，其特征在于：该识别方法步骤如下：
步骤A：提取导航星的角模式簇特征，建立导航星模式库，其步骤如下：
A1、选取导航星表中的每颗星为主星，以主星对应的方向矢量为星敏感器的视轴指向，将主星及与主星角距最近的Nneighbor颗导航星从地心惯性坐标系旋转变换到星敏感器坐标系下，得到星敏感器坐标系下的星矢量坐标，然后用导航星的星矢量除以Z轴坐标值，这样所得导航星的X、Y轴坐标即为归一化焦平面上的星点坐标，以此作为求取导航星模式簇特征的依据，Nneighbor取10；
A2、主星与任意两颗邻星可构成一个角模式，所有角模式构成角模式簇，利用归一化焦平面上的星点坐标分别计算每一个角模式的夹角值θ和两边比例值λ；
A3、将角模式的夹角值θ和比例值λ进行变换，所得值作为二维查找表的两个索引值，将该角模式对应的三颗导航星的序号按照一定顺序存储到对应的索引单元中，将所有导航星对应的角模式存储到二维查找表中，构成导航星模式库；
步骤B：根据星图中观测星的几何位置，提取观测星的角模式簇特征，其过程如下：
B1、计算星图中每颗观测星到图像中心的欧几里得距离，以该距离升序排列，选取第一颗观测星作为主星；
B2、计算其他观测星到主星观测星的欧几里得距离，以该距离升序排列，若其他观测星总数小于Nneighbor，则取其他所有观测星作为主星的邻星；否则，选取前Nneighbor颗观测星作为主星的邻星；
B3、利用星点坐标计算每个角模式的夹角值θ和两边比例值λ，所有角模式的特征组成角模式簇的特征；
步骤C：根据观测星的角模式簇特征，使用投票法对观测星进行识别，其步骤如下：
C1、根据观测星的角模式簇特征，对观测星的候选星进行一次投票，其过程如下：
C11、将导航星库中的所有导航星作为角模式簇中每颗观测星的候选星，建立计数器，这样，每颗观测星对应一个1×N的计数表，将计数值初始化为0，N为星表中导航星的个数，另外，为主星创建一个临时查找表，以主星导航星序号为索引值，用于存储候选角模式中主星对应的邻星导航星；
C12、扫描观测星角模式簇中的每一个角模式，将角模式的夹角值θ和比例值λ进行变换，所得值作为步骤A3中所述的二维查找表的索引值，将索引单元及周围相邻的八个单元内存储的角模式作为该观测星角模式的候选角模式，若索引单元位于查找表边缘，则只考虑索引单元及周围相邻的在查找表范围内的单元；
C13、确定每一个观测星角模式对应的所有候选角模式的主星序号和两个邻星序号，将该观测星角模式中对应的主星观测星计数表中主星序号对应的计数器加1，同时，将邻星观测星计数表中邻星序号对应的计数器加1；并将候选角模式中的两个邻星导航星序号存储到主星的临时查找表中对应主星序号索引的单元中；
C2、将角模式簇中每颗观测星对应的计数表按计数值即投票数进行降序排列，计数表中的值即为投票后每颗导航星所得票数，对于主星观测星，如果第一主星候选导航星的票数是第二主星候选导航星票数的二倍及以上，则选取第一主星候选导航星作为识别主星即方法对主星的识别结果；
C3、验证和确定识别主星，并识别邻星，其具体步骤为：
C31、选取每颗邻星观测星对应计数表中得票最高的导航星作为邻星侯选导航星，如果最高票的导航星有多颗，则全部作为侯选导航星，并为每颗邻星候选导航星建立计数表，计数值初始化为0；
C32、如果识别主星已确定，则在主星的临时查找表中查找识别主星序号索引的邻星导航星序号，并逐一扫描，如果该识别主星对应的邻星导航星序号能在步骤C31所述的邻星候选导航星中找到，则对应的计数器加1；扫描完毕后，如果邻星候选导航星对应的计数值即票数大于2，则认为该邻星候选导航星为对应邻星观测星的识别邻星，如果邻星观测星对应多颗候选导航星，则选候选导航星票数最高且大于2的导航星作为该邻星观测星的识别邻星；如果此次投票确定的识别邻星个数不少于4颗，则认为观测星的角模式簇识别成功；
C33、少数情况下，不能够在步骤C2中确定识别主星，此时，选取主星侯选导航星中的前k颗候选导航星分别作为识别主星，然后进行步骤C32中的二次投票，统计识别邻星个数，选取识别邻星个数最多且不少于4颗的识别主星和对应识别邻星作为最终识别结果；如果主星第k+1颗侯选导航星票数与第k颗侯选导航星票数相同，则也将第k+1颗候选导航星加入上述操作中，直到主星的侯选导航星票数小于第k颗侯选导航星的票数，k取2；
C4、如果观测星的角模式簇识别失败，则返回步骤B1，选取第2颗观测星作为主星进行后续操作，直到第Ntop颗观测星，Ntop取4～15；
步骤D：通过验证环节，进一步确认识别结果的正确性，具体如下：
根据观测星角模式簇的识别结果和星点坐标计算星敏感器的焦距和姿态矩阵，产生一幅模拟星图，如果该星图中的星点坐标和观测星图中对应的星点坐标在一个较小的误差范围内，则认为观测星角模式簇识别的结果是正确的，否则返回步骤B1，选取其他观测星作为主星进行角模式簇的识别。
2.根据权利要求1所述的基于角模式簇投票的不依赖标定参数的星图识别方法，其特征在于：步骤A2和B3中所述角模式的夹角值θ和两边比例值λ为：根据星点坐标计算角模式的夹角值大小，若角短边顺时针旋转能够以小于180°的角与长边重合，则夹角值方向为正，否则为负，其范围为[-180°,180°]；两边比例值λ为短边与长边的比值，其范围为(0,1]。
3.根据权利要求1所述的基于角模式簇投票的不依赖标定参数的星图识别方法，其特征在于：步骤A3和C12中所述将夹角值θ和比例值λ进行变换，所得值作为二维查找表的两个索引值为：将角模式的夹角值加上180°并向上取整，这样得到的值为[1,360]内的整数，将其作为导航星模式库X方向的索引值；将比例值放大100倍并向上取整，这样得到的值为[1,100]内的整数，将其作为导航星模式库Y方向的索引值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910176074.3A CN109813303B (zh) | 2019-03-08 | 2019-03-08 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910176074.3A CN109813303B (zh) | 2019-03-08 | 2019-03-08 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109813303A true CN109813303A (zh) | 2019-05-28 |
| CN109813303B CN109813303B (zh) | 2020-10-09 |
Family
ID=66608420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910176074.3A Active CN109813303B (zh) | 2019-03-08 | 2019-03-08 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109813303B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793529A (zh) * | 2019-12-18 | 2020-02-14 | 福州大学 | 一种快速匹配星图识别方法 |
| CN112179335A (zh) * | 2020-09-17 | 2021-01-05 | 北京航空航天大学 | 一种基于最简一般子图的星图识别方法 |
| CN112729277A (zh) * | 2020-12-29 | 2021-04-30 | 中国科学院微小卫星创新研究院 | 基于动态夹角匹配的星敏感器星图识别方法 |
| CN114543789A (zh) * | 2021-12-27 | 2022-05-27 | 浙江众星志连科技有限责任公司 | 一种基于一维卷积神经网络的星图识别方法及系统 |
| CN116659485A (zh) * | 2023-07-28 | 2023-08-29 | 中国科学院光电技术研究所 | 一种快速鲁棒的全局星图识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61272612A (ja) * | 1985-05-29 | 1986-12-02 | Hitachi Ltd | スタ−センサのスタ−同定方式 |
| CN101236084A (zh) * | 2008-01-31 | 2008-08-06 | 北京控制工程研究所 | 一种剔除星表中密集星场的方法 |
| CN103453905A (zh) * | 2013-08-07 | 2013-12-18 | 北京航空航天大学 | 一种基于平面三角形主成分分析的星图识别方法 |
| EP3182067A1 (en) * | 2015-12-18 | 2017-06-21 | Universite De Montpellier | Method and apparatus for determining spacecraft attitude by tracking stars |
| CN107816987A (zh) * | 2017-09-12 | 2018-03-20 | 北京航空航天大学 | 一种基于蜘蛛网模式和卷积神经网络的星图识别方法 |
| CN107816986A (zh) * | 2017-09-05 | 2018-03-20 | 湖北航天技术研究院总体设计所 | 一种星敏感器全天球快速星图识别方法 |
| CN107883947A (zh) * | 2017-12-28 | 2018-04-06 | 常州工学院 | 基于卷积神经网络的星敏感器星图识别方法 |
-
2019
- 2019-03-08 CN CN201910176074.3A patent/CN109813303B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61272612A (ja) * | 1985-05-29 | 1986-12-02 | Hitachi Ltd | スタ−センサのスタ−同定方式 |
| CN101236084A (zh) * | 2008-01-31 | 2008-08-06 | 北京控制工程研究所 | 一种剔除星表中密集星场的方法 |
| CN103453905A (zh) * | 2013-08-07 | 2013-12-18 | 北京航空航天大学 | 一种基于平面三角形主成分分析的星图识别方法 |
| EP3182067A1 (en) * | 2015-12-18 | 2017-06-21 | Universite De Montpellier | Method and apparatus for determining spacecraft attitude by tracking stars |
| CN107816986A (zh) * | 2017-09-05 | 2018-03-20 | 湖北航天技术研究院总体设计所 | 一种星敏感器全天球快速星图识别方法 |
| CN107816987A (zh) * | 2017-09-12 | 2018-03-20 | 北京航空航天大学 | 一种基于蜘蛛网模式和卷积神经网络的星图识别方法 |
| CN107883947A (zh) * | 2017-12-28 | 2018-04-06 | 常州工学院 | 基于卷积神经网络的星敏感器星图识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| ABDERRAHIM NABI, ZOUBIR AHMED-FOITIH, MOHAMMED EL-AMINE CHERIET: "Improved triangular-based star pattern recognition algorithm for low-cost star trackers", 《JOURNAL OF KING SAUD UNIVERSITY - COMPUTER AND INFORMATION SCIENCES》 * |
| JIANG J , JI F , YAN J , ET AL.: "Redundant-coded radial and neighbor star pattern identification algorithm", 《AEROSPACE & ELECTRONIC SYSTEMS IEEE TRANSACTIONS ON》 * |
| 杨健等: "一种非标定的快速星图识别方法", 《光学技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793529A (zh) * | 2019-12-18 | 2020-02-14 | 福州大学 | 一种快速匹配星图识别方法 |
| CN110793529B (zh) * | 2019-12-18 | 2022-06-03 | 福州大学 | 一种快速匹配星图识别方法 |
| CN112179335A (zh) * | 2020-09-17 | 2021-01-05 | 北京航空航天大学 | 一种基于最简一般子图的星图识别方法 |
| CN112179335B (zh) * | 2020-09-17 | 2022-06-24 | 北京航空航天大学 | 一种基于最简一般子图的星图识别方法 |
| CN112729277A (zh) * | 2020-12-29 | 2021-04-30 | 中国科学院微小卫星创新研究院 | 基于动态夹角匹配的星敏感器星图识别方法 |
| CN112729277B (zh) * | 2020-12-29 | 2023-05-26 | 中国科学院微小卫星创新研究院 | 基于动态夹角匹配的星敏感器星图识别方法 |
| CN114543789A (zh) * | 2021-12-27 | 2022-05-27 | 浙江众星志连科技有限责任公司 | 一种基于一维卷积神经网络的星图识别方法及系统 |
| CN114543789B (zh) * | 2021-12-27 | 2024-05-24 | 浙江众星志连科技有限责任公司 | 一种基于一维卷积神经网络的星图识别方法及系统 |
| CN116659485A (zh) * | 2023-07-28 | 2023-08-29 | 中国科学院光电技术研究所 | 一种快速鲁棒的全局星图识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109813303B (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109813303A (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 | |
| CN103868510B (zh) | 一种快速全天星图自主恒星识别方法 | |
| CN103295239B (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
| CN106403929B (zh) | 星敏感器星图识别和姿态解算的快速鲁棒校验方法 | |
| CN109523501A (zh) | 一种基于降维和点云数据匹配的电池外观缺陷检测方法 | |
| CN113223068B (zh) | 一种基于深度全局特征的多模态图像配准方法及系统 | |
| CN101441082A (zh) | 快速三角形星图识别方法 | |
| CN109029429B (zh) | 基于WiFi和地磁指纹的多分类器全局动态融合定位方法 | |
| CN109308715A (zh) | 一种基于点特征和线特征结合的光学图像配准方法 | |
| CN106204540A (zh) | 视觉检测方法 | |
| Best et al. | CENSORS: A Combined EIS–NVSS Survey Of Radio Sources—I. Sample definition, radio data and optical identifications | |
| CN109376208A (zh) | 一种基于智能终端的定位方法、系统、存储介质及设备 | |
| CN110907947A (zh) | 一种移动机器人slam问题中的实时回环检测方法 | |
| CN112269173B (zh) | 一种多平台雷达一维图像信号进行融合的方法 | |
| CN117710711B (zh) | 一种基于轻量化深度卷积网络的光学和sar图像匹配方法 | |
| CN107907126A (zh) | 一种基于三角形匹配的星图识别方法、装置及系统 | |
| Remondino et al. | Evaluating hand-crafted and learning-based features for photogrammetric applications | |
| CN112179335B (zh) | 一种基于最简一般子图的星图识别方法 | |
| 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 | |
| CN111174776B (zh) | 一种基于径向与动态环向模式的星图识别方法 | |
| Lehár et al. | An efficient search for gravitationally lensed radio lobes | |
| Wei et al. | Star identification algorithm based on oriented singular value feature and reliability evaluation method | |
| CN115290100A (zh) | 一种基于姿态信息的分区快速星图识别方法 | |
| CN111024063B (zh) | 一种基于星点重提取的大机动条件下星图识别算法 |
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 |