CN110440792A - 基于小天体不规则度的导航信息提取方法 - Google Patents
基于小天体不规则度的导航信息提取方法 Download PDFInfo
- Publication number
- CN110440792A CN110440792A CN201910653040.9A CN201910653040A CN110440792A CN 110440792 A CN110440792 A CN 110440792A CN 201910653040 A CN201910653040 A CN 201910653040A CN 110440792 A CN110440792 A CN 110440792A
- Authority
- CN
- China
- Prior art keywords
- small feature
- feature loss
- irregularity
- degree
- 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
Links
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
-
- 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
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的基于小天体不规则度的导航信息提取方法,属于深空探测技术领域。本发明实现方法为:针对小天体探测相机拍摄小天体的图像不规则的特点,分别提出小天体形状、亮度不规则度计算方法,并分别计算小天体形状不规则度和亮度不规则度;根据计算得到的形状不规则度和亮度不规则度,加权计算得到小天体不规则度;基于小天体不规则度和拟合残差实现不同图像处理方法的筛选;根据筛选后的图像处理方法实现导航形心或光心提取;利用得到的形心或光心,得到导航视线信息,实现小天体探测精确自主导航,解决小天体探测中自主导航领域的相关问题。
Description
技术领域
本发明涉及基于小天体不规则度的导航信息提取方法,属于深空探测技术领域。
背景技术
小天体探测是人类了解宇宙和太阳系的形成和演化、探索生命起源的主要途径。自主导航技术是小天体探测的主要导航方式。小天体探测一般通过拍摄目标天体图像,然后提取目标天体的形心或光心得到相机至天体中心的视线(LOS)信息进行导航。不规则小天体不同的成像特点对小天体形心或光心提取精度有很大影响,而小天体形心或光心提取的精度直接影响到自主光学导航的精度,所以高精度的形心或光心提取方法是至关重要的。
针对形心提取问题,考虑到小天体外形近似椭圆,可以在边缘提取的基础上采用椭圆拟合的方式实现形心提取。常用的椭圆拟合方法主要有3类,一类是基于HOUGH变换的椭圆拟合方法,另一类方法是基于不变矩的方法,再一类则是基于最小二乘的拟合方法。椭圆拟合方法仅适用于真实天体边缘近似规则椭圆的情况,当天体边缘不规则时,则会存在较大误差,造成椭圆拟合的误匹配,从而得到误差较大的天体形心位置坐标。
针对光心提取问题。高斯拟合法及其改进算法是近些年较为常用的光心提取方法,在理想情况下,光斑的强度分布应该符合高斯分布,所以高斯拟合法提取精确度高。然而当亮点的强度分布为非高斯的情况则精度较差,此时只能选用灰度重心法提取小天体的光心,该方法简单快速,但提取精度有限。
发明内容
针对小天体探测相机拍摄小天体的图像不规则的特点,本发明公开的基于小天体不规则度的导航信息提取方法要解决的技术问题是:提出小天体不规则度的定义,评价小天体的不规则程度,基于小天体不规则度筛选合适的图像处理方法,实现目标小天体形心或光心的快速精确提取,最终提高不规则小天体导航视线信息的提取精度。本发明为小天体探测自主光学导航信息获取提供技术支持,提高小天体探测自主导航精度,解决相关技术问题。
本发明目的是通过下述技术方案实现的。
本发明公开的基于小天体不规则度的导航信息提取方法,分别提出小天体形状、亮度不规则度计算方法,并分别计算小天体形状不规则度和亮度不规则度;根据计算得到的形状不规则度和亮度不规则度,加权计算得到小天体不规则度;基于小天体不规则度和拟合残差实现不同图像处理方法的筛选;根据筛选后的图像处理方法实现导航形心或光心提取;利用得到的形心或光心,得到导航视线信息,实现小天体探测精确自主导航,解决小天体探测中自主导航领域的相关问题。
本发明公开的基于小天体不规则度的导航信息提取方法,包括如下步骤:
步骤1:根据小天体成像特点,当小天体为不规则图形时,计算形状不规则度判别系数,得到小天体的形状不规则度,判别小天体外形的不规则程度。
步骤1.1:对目标不规则小天体图像进行预处理,通过图像滤波得到既去除噪声又能保护图像的边缘的图像,通过图像校正对相机拍摄产生的图像畸变进行校正,得到校正后的图像。
对目标不规则小天体图像进行预处理,所述预处理包括图像滤波、图像校正,通过图像滤波得到既去除噪声又能保护图像的边缘,从而获得达到预设阈值的复原效果。由于中值滤波对于滤除图像的椒盐噪声非常有效,步骤1.1中图像滤波方法优选中值滤波。
步骤1.2:根据步骤1.1预处理之后的图像,通过坎尼Canny边缘检测方法提取图像中目标小天体边缘。
对预处理之后的小天体图像进行边缘提取,考虑坎尼Canny边缘检测具有提取速度快的特点,采用坎尼Canny边缘检测的方式进行边缘提取图像中目标小天体边缘。
步骤1.3:根据步骤1.2检测出的小天体边缘,计算图像中小天体的凸包。
凸包是指覆盖平面坐标系内若干点的面积最小的凸多边形,根据步骤1.1预处理之后的图像,采用格雷厄姆扫描Graham-Scan算法进行小天体图像边缘的凸包计算。
步骤1.4:根据步骤1.3中得到的小天体凸包,分别计算轴对称判别系数Rs,尺寸不规则判别系数Rd,角度不规则判别系数Ra和拟合残差系数FR。
首先计算轴对称判别系数Rs,对称轴MN为过三角形ABC重心O点的轴线,三角形ABC为平面投影图形,三角形A1B1C1为ABC的轴对称图形,Sa为投影三角形ABC的面积, s是投影与其轴对称图形重合部分的面积。通过旋转对称轴MN能够得到阴影区面积的最大值smax,进而得到投影图形的轴对称判别系数Rs,如公式(1)所示:
Rs=(1-smax/Sa) (1)
接着计算尺寸不规则判别系数Rd,如公式(2)所示:
其中di为凸包第i个顶点到等效中心的距离,等效中心通过计算凸包顶点的一阶矩得到。 d0是由当前图像所求得凸包的等效直径。
然后计算形状不规则判别系数Ra,如公式(3)所示:
其中θi是凸包多边形的第i个内角,θ0为凸包对应的相同边数的正多边形的内角。
随后计算不同模板的拟合残差系数FR,下面以椭圆拟合残差为例对拟合残差系数进行说明。定义椭圆拟合残差如下:
定义各边缘点(xi,yi)到椭圆中心点(x0,y0)的距离为各边缘点到椭圆中心的连线与椭圆相交于点(Xi,Yi),到椭圆中心的距离为所以椭圆上这些点到相应边缘点的距离为反映椭圆拟合与中心提取的目标天体边缘点的匹配程度,所述距离之和越小则拟合的精度越高,定义椭圆拟合残差FRe,如公式(4)所示:
同样给出矩形模板拟合残差FRr和三角形模板的拟合残差FRt,如公式(5)所示:
最后根据各个判别系数计算小天体形状不规则度AIs,其表达式如公式(6)所示:
其中τ1,τ2,τ3为各判别系数的权重系数,k1,k2,k3为各残差权重系数。
步骤2:根据小天体成像特点,当小天体为一个亮点时,计算亮度不规则度判别系数,得到小天体的亮度不规则度,判别小天体亮点灰度值分布的不规则程度。
偏斜度是对统计数据分布偏斜方向及程度的度量。统计数据的频数分布有的是对称的,有的是不对称的,即呈现偏态。在偏态分布中,当偏斜度为正值时,分布不对称,即众数位于算术平均数的左侧或右侧。峭度是无量纲参数或统计量,用于量化信号相对于高斯分布的分布形状。信号分布的形状分类为“更尖锐”、“更平坦”或者与高斯分布相同。当信号形状与高斯分布相同时,峭度值为零;当信号形状比高斯分布更尖锐时,峭度值为正值;当信号形状比高斯分布更平坦时,峭度值为负值。以x方向上偏斜度系数Rcx和峭度系数Rkx为例,具体表达式如公式(7)所示:
其中xi为小天体第i个像素点x方向的灰度值,为所有亮点x方向的灰度均值。同样得到y方向的偏度系数Rcy和峭度系数Rcy,然后根据公式(8)计算得到小天体的亮度不规则度AIL:
AIL=(m1Rcx+m2Rkx+m3Rcy+m4Rcy) (8)
其中m1,m2,m3为各个判别系数的权重系数。
步骤3:根据步骤1和步骤2求得的形状不规则度和亮度不规则度,求得小天体不规则度。
小天体不规则度AI的表达式如公式(9)所示:
AI=μ1AIS+μ2AIL (9)
其中μ1,μ2表示根据成像特点选取的两种不规则度的权重系数,当二者对小天体不规则特性影响相同时,选取相同的权重系数。
步骤4:根据步骤3求取的小天体不规则度,基于小天体不规则度和拟合残差实现不同图像处理方法的筛选,并根据筛选的图像处理方法对拍摄的目标小天体图像进行图像处理,实现小天体形心或光心提取。
定义小天体不规则度的阈值为σA,根据成像如下两个特点,特点一:当小天体为二维图形时,如果小天体不规则度小于等于σA时认为小天体投影为规则图形,此时根据计算拟合残差的最小值选取最合适的拟合方法,包括Hough变换椭圆检测算法(EHT),Hough变换矩形检测算法(RHT),及Hough变换三角形检测算法(THT)。当小天体形状不规则度大于阈值σA时,则认为小天体形状不规则,此时需要选用基于最小外接图形的形心提取方法提取形心,所述最小外接图形形状包括椭圆、矩形、三角形。特点二:当小天体为一个亮点或亮斑时,如果小天体不规则度小于等于σA时认为小天体亮点符合高斯分布,此时选取高斯曲面拟合法 (GF)提取光心。当小天体亮度不规则度大于σA时,则判定亮点为非高斯分布,此时采用灰度重心法(IB)提取光心。
步骤5:利用步骤4得到的目标小天体形心或光心,得到导航视线信息,将导航视线信息应用于小天体探测中的自主导航,提高小天体接近探测导航精度和效率,解决小天体探测中的自主导航领域相关技术问题。
有益效果:
1、针对小天体探测相机拍摄小天体不规则成像的特点,本发明公开的基于小天体不规则度的导航信息提取方法,给出小天体不规则度的定义,通过计算形状和亮度的不规则程度,能够对小天体的不规则程度进行评价。
2、本发明公开的基于小天体不规则度的导航信息提取方法,以小天体不规则度作为不同算法的筛选指标,能够选取最合适的图像处理方法,实现小天体形心或光心的精确提取。
3、本发明公开的基于小天体不规则度的导航信息提取方法,利用得到的目标小天体形心或光心,能够得到导航视线信息,提高小天体探测自主导航精度,解决小天体探测中的自主导航领域相关技术问题。
附图说明
图1为本发明公开的基于小天体不规则度的导航信息提取方法的流程图;
图2为对称性判别系数示意图;
图3为具体实施例中小天体原始图像;
图4为具体实施例中小天体边缘提取结果;
图5为具体实施例中小天体凸包计算结果;
图6为具体实施例中小天体形心提取结果。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
本实例针对小天体接近段,对拍摄到的目标小天体图像进行实时处理,得到目标小天体精确形心位置。其中相机分辨率为1024×1024,相机视场角为10°。小天体不规则度的阈值σA=5,各个判别系数的权重系数相同且为1。
本实施例公开的基于小天体不规则度的导航信息提取方法,如图1所示,具体实施方法如下:
步骤1:根据小天体成像特点,当小天体为不规则图形时,计算形状不规则度判别系数,得到小天体的形状不规则度,判别小天体外形的不规则程度。
步骤1.1:对目标不规则小天体图像进行预处理,通过图像滤波得到既去除噪声又能保护图像的边缘的图像,通过图像校正对相机拍摄产生的图像畸变进行校正,得到校正后的图像。
对目标不规则小天体图像进行预处理,所述预处理包括图像滤波、图像校正,通过图像滤波得到既去除噪声又能保护图像的边缘,从而获得达到预设阈值的复原效果。由于中值滤波对于滤除图像的椒盐噪声非常有效,步骤1.1中图像滤波方法优选中值滤波。
步骤1.2:根据步骤1.1预处理之后的图像,通过坎尼Canny边缘检测方法提取图像中目标小天体边缘。
对预处理之后的小天体图像进行边缘提取,考虑坎尼Canny边缘检测具有提取速度快的特点,采用坎尼Canny边缘检测的方式进行边缘提取图像中目标小天体边缘。
步骤1.3:根据步骤1.2检测出的小天体边缘,计算图像中小天体的凸包。
凸包是指覆盖平面坐标系内若干点的面积最小的凸多边形,根据步骤1.1预处理之后的图像,采用格雷厄姆扫描Graham-Scan算法进行小天体图像边缘的凸包计算。
步骤1.4:根据步骤1.3中得到的小天体凸包,分别计算轴对称判别系数Rs,尺寸不规则判别系数Rd,角度不规则判别系数Ra和拟合残差系数FR。
首先计算轴对称判别系数Rs,其中示意图如图2所示,黑色粗箭头直线代表经过三角形 ABC重心O点的对称轴MN,三角形ABC为平面投影图形,三角形A1B1C1为ABC的轴对称图形,Sa为投影三角形ABC的面积,s是投影与其轴对称图形重合部分(阴影区)的面积。通过旋转对称轴MN可以得到阴影区面积的最大值smax,进而可以得到投影图形的轴对称判别系数Rs,如公式(1)所示:
Rs=(1-smax/Sa) (1)
接着计算尺寸不规则判别系数Rd,如公式(2)所示:
其中di为凸包第i个顶点到等效中心的距离,等效中心通过计算凸包顶点的一阶矩得到。 d0是由当前图像所求得凸包的等效直径。
然后计算形状不规则判别系数Ra,如公式(3)所示:
其中θi是凸包多边形的第i个内角,θ0为凸包对应的相同边数的正多边形的内角。
随后计算不同模板的拟合残差系数FR,下面以椭圆拟合残差为例对拟合残差系数进行说明。定义椭圆拟合残差如下:
定义各边缘点(xi,yi)到椭圆中心点(x0,y0)的距离为各边缘点到椭圆中心的连线与椭圆相交于点(Xi,Yi),到椭圆中心的距离为所以椭圆上这些点到相应边缘点的距离为反映椭圆拟合与中心提取的目标天体边缘点的匹配程度,所述距离之和越小则拟合的精度越高,定义椭圆拟合残差FRe,如公式(4)所示:
同样给出矩形模板拟合残差FRr和三角形模板的拟合残差FRt,如公式(5)所示:
最后根据各个判别系数计算小天体形状不规则度AIs,其表达式如公式(6)所示:
其中τ1,τ2,τ3为各判别系数的权重系数,k1,k2,k3为各残差权重系数。
步骤2:根据小天体成像特点,当小天体为一个亮点时,计算亮度不规则度判别系数,得到小天体的亮度不规则度,判别小天体亮点灰度值分布的不规则程度。
偏斜度是对统计数据分布偏斜方向及程度的度量。统计数据的频数分布有的是对称的,有的是不对称的,即呈现偏态。在偏态分布中,当偏斜度为正值时,分布不对称,即众数位于算术平均数的左侧或右侧。峭度是无量纲参数或统计量,用于量化信号相对于高斯分布的分布形状。信号分布的形状分类为“更尖锐”、“更平坦”或者与高斯分布相同。当信号形状与高斯分布相同时,峭度值为零;当信号形状比高斯分布更尖锐时,峭度值为正值;当信号形状比高斯分布更平坦时,峭度值为负值。以x方向上偏斜度系数Rcx和峭度系数Rkx为例,具体表达式如公式(7)所示:
其中xi为小天体第i个像素点x方向的灰度值,为所有亮点x方向的灰度均值。同样得到y方向的偏度系数Rcy和峭度系数Rcy,然后根据公式(8)计算得到小天体的亮度不规则度AIL:
AIL=(m1Rcx+m2Rkx+m3Rcy+m4Rcy) (8)
其中m1,m2,m3为各个判别系数的权重系数。
步骤3:根据步骤1和步骤2求得的形状不规则度和亮度不规则度,求得小天体不规则度。
小天体不规则度AI的表达式如公式(9)所示:
AI=μ1AIS+μ2AIL (9)
其中μ1,μ2表示根据成像特点选取的两种不规则度的权重系数,当二者对小天体不规则特性影响相同时,选取相同的权重系数。
步骤4:根据步骤3求取的小天体不规则度,基于小天体不规则度和拟合残差实现不同图像处理方法的筛选,并根据筛选的图像处理方法对拍摄的目标小天体图像进行图像处理,实现小天体形心或光心提取。
定义小天体不规则度的阈值为σA,根据成像如下两个特点,特点一:当小天体为二维图形时,如果小天体不规则度小于等于σA时认为小天体投影为规则图形,此时根据计算拟合残差的最小值选取最合适的拟合方法,包括Hough变换椭圆检测算法(EHT),Hough变换矩形检测算法(RHT),及Hough变换三角形检测算法(THT)。当小天体形状不规则度大于阈值σA时,则认为小天体形状不规则,此时需要选用基于最小外接图形的形心提取方法提取形心,所述最小外接图形形状包括椭圆、矩形、三角形。特点二:当小天体为一个亮点或亮斑时,如果小天体不规则度小于等于σA时认为小天体亮点符合高斯分布,此时选取高斯曲面拟合法 (GF)提取光心。当小天体亮度不规则度大于σA时,则判定亮点为非高斯分布,此时采用灰度重心法(IB)提取光心。
步骤5:利用步骤4得到的目标小天体形心或光心,得到导航视线信息,将导航视线信息应用于小天体探测中的自主导航,提高小天体接近探测导航精度和效率,解决小天体探测中的自主导航领域相关技术问题。
对不规则天体形心提取方法进行仿真验证,仿真结果分别如图3、图4、图5和图6所示。图3为小天体探测不规则小天体原始图像,计算图3中小天体不规则度AI=9.2668>σA,大于不规则度阈值。根据步骤4中基于小天体形状不规则度的算法筛选准则,椭圆拟合残差最小,FRmin=FRe=1.2179,所以采用最小外接椭圆算法(MEE)求取形心。图4为具体实施例中小天体边缘提取结果。图5为具体实施例中小天体凸包计算结果。图6为具体实施例中筛选算法的形心提取结果。白色“+”代表小天体形心真实位置,白色“*”代表本发明筛选的图像处理方法提取的小天体形心位置,提取误差为(0.7621,0.3259)。从仿真结果可以看出,本发明提出的筛选方法能够选择合适的图像处理方法,有效地能够提升不规则天体的形心提取精度。
本发明保护范围不仅局限于实施例,实施例用于解释本发明,凡与本发明在相同原理和构思条件下的变更或修改均在本发明公开的保护范围之内。
Claims (6)
1.基于小天体不规则度的导航信息提取方法,其特征在于:包括如下步骤,
步骤1:根据小天体成像特点,当小天体为不规则图形时,计算形状不规则度判别系数,得到小天体的形状不规则度,判别小天体外形的不规则程度;
步骤2:根据小天体成像特点,当小天体为一个亮点时,计算亮度不规则度判别系数,得到小天体的亮度不规则度,判别小天体亮点灰度值分布的不规则程度;
步骤3:根据步骤1和步骤2求得的形状不规则度和亮度不规则度,求得小天体不规则度;
步骤4:根据步骤3求取的小天体不规则度,基于小天体不规则度和拟合残差实现不同图像处理方法的筛选,并根据筛选的图像处理方法对拍摄的目标小天体图像进行图像处理,实现小天体形心或光心提取。
2.如权利要求1所述的基于小天体不规则度的导航信息提取方法,其特征在于:还包括步骤5,利用步骤4得到的目标小天体形心或光心,得到导航视线信息,将导航视线信息应用于小天体探测中的自主导航,提高小天体接近探测导航精度和效率,解决小天体探测中的自主导航领域相关技术问题。
3.如权利要求1或2所述的基于小天体不规则度的导航信息提取方法,其特征在于:步骤1实现方法为,
步骤1.1:对目标不规则小天体图像进行预处理,通过图像滤波得到既去除噪声又能保护图像的边缘的图像,通过图像校正对相机拍摄产生的图像畸变进行校正,得到校正后的图像;
对目标不规则小天体图像进行预处理,所述预处理包括图像滤波、图像校正,通过图像滤波得到既去除噪声又能保护图像的边缘,从而获得达到预设阈值的复原效果;由于中值滤波对于滤除图像的椒盐噪声非常有效,步骤1.1中图像滤波方法优选中值滤波;
步骤1.2:根据步骤1.1预处理之后的图像,通过坎尼Canny边缘检测方法提取图像中目标小天体边缘;
对预处理之后的小天体图像进行边缘提取,考虑坎尼Canny边缘检测具有提取速度快的特点,采用坎尼Canny边缘检测的方式进行边缘提取图像中目标小天体边缘;
步骤1.3:根据步骤1.2检测出的小天体边缘,计算图像中小天体的凸包;
凸包是指覆盖平面坐标系内若干点的面积最小的凸多边形,根据步骤1.1预处理之后的图像,采用格雷厄姆扫描Graham-Scan算法进行小天体图像边缘的凸包计算;
步骤1.4:根据步骤1.3中得到的小天体凸包,分别计算轴对称判别系数Rs,尺寸不规则判别系数Rd,角度不规则判别系数Ra和拟合残差系数FR;
首先计算轴对称判别系数Rs,对称轴MN为过三角形ABC重心O点的轴线,三角形ABC为平面投影图形,三角形A1B1C1为ABC的轴对称图形,Sa为投影三角形ABC的面积,s是投影与其轴对称图形重合部分的面积;通过旋转对称轴MN能够得到阴影区面积的最大值smax,进而得到投影图形的轴对称判别系数Rs,如公式(1)所示:
Rs=(1-smax/Sa) (1)
接着计算尺寸不规则判别系数Rd,如公式(2)所示:
其中di为凸包第i个顶点到等效中心的距离,等效中心通过计算凸包顶点的一阶矩得到;d0是由当前图像所求得凸包的等效直径;
然后计算形状不规则判别系数Ra,如公式(3)所示:
其中θi是凸包多边形的第i个内角,θ0为凸包对应的相同边数的正多边形的内角;
随后计算不同模板的拟合残差系数FR,下面以椭圆拟合残差为例对拟合残差系数进行说明;定义椭圆拟合残差如下:
定义各边缘点(xi,yi)到椭圆中心点(x0,y0)的距离为各边缘点到椭圆中心的连线与椭圆相交于点(Xi,Yi),到椭圆中心的距离为所以椭圆上这些点到相应边缘点的距离为反映椭圆拟合与中心提取的目标天体边缘点的匹配程度,所述距离之和越小则拟合的精度越高,定义椭圆拟合残差FRe,如公式(4)所示:
同样给出矩形模板拟合残差FRr和三角形模板的拟合残差FRt,如公式(5)所示:
最后根据各个判别系数计算小天体形状不规则度AIs,其表达式如公式(6)所示:
其中τ1,τ2,τ3为各判别系数的权重系数,k1,k2,k3为各残差权重系数。
4.如权利要求3所述的基于小天体不规则度的导航信息提取方法,其特征在于:步骤2实现方法为,
偏斜度是对统计数据分布偏斜方向及程度的度量;统计数据的频数分布有的是对称的,有的是不对称的,即呈现偏态;在偏态分布中,当偏斜度为正值时,分布不对称,即众数位于算术平均数的左侧或右侧;峭度是无量纲参数或统计量,用于量化信号相对于高斯分布的分布形状;信号分布的形状分类为“更尖锐”、“更平坦”或者与高斯分布相同;当信号形状与高斯分布相同时,峭度值为零;当信号形状比高斯分布更尖锐时,峭度值为正值;当信号形状比高斯分布更平坦时,峭度值为负值;以x方向上偏斜度系数Rcx和峭度系数Rkx为例,具体表达式如公式(7)所示:
其中xi为小天体第i个像素点x方向的灰度值,为所有亮点x方向的灰度均值;同样得到y方向的偏度系数Rcy和峭度系数Rcy,然后根据公式(8)计算得到小天体的亮度不规则度AIL:
AIL=(m1Rcx+m2Rkx+m3Rcy+m4Rcy) (8)
其中m1,m2,m3为各个判别系数的权重系数。
5.如权利要求4所述的基于小天体不规则度的导航信息提取方法,其特征在于:步骤3实现方法为,
小天体不规则度AI的表达式如公式(9)所示:
AI=μ1AIS+μ2AIL (9)
其中μ1,μ2表示根据成像特点选取的两种不规则度的权重系数,当二者对小天体不规则特性影响相同时,选取相同的权重系数。
6.如权利要求5所述的基于小天体不规则度的导航信息提取方法,其特征在于:步骤4实现方法为,
定义小天体不规则度的阈值为σA,根据成像如下两个特点,特点一:当小天体为二维图形时,如果小天体不规则度小于等于σA时认为小天体投影为规则图形,此时根据计算拟合残差的最小值选取最合适的拟合方法,包括Hough变换椭圆检测算法(EHT),Hough变换矩形检测算法(RHT),及Hough变换三角形检测算法(THT);当小天体形状不规则度大于阈值σA时,则认为小天体形状不规则,此时选用基于最小外接图形的形心提取方法提取形心,所述最小外接图形形状包括椭圆、矩形、三角形;特点二:当小天体为一个亮点或亮斑时,如果小天体不规则度小于等于σA时认为小天体亮点符合高斯分布,此时选取高斯曲面拟合法(GF)提取光心;当小天体亮度不规则度大于σA时,则判定亮点为非高斯分布,此时采用灰度重心法(IB)提取光心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653040.9A CN110440792B (zh) | 2019-07-19 | 2019-07-19 | 基于小天体不规则度的导航信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653040.9A CN110440792B (zh) | 2019-07-19 | 2019-07-19 | 基于小天体不规则度的导航信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110440792A true CN110440792A (zh) | 2019-11-12 |
CN110440792B CN110440792B (zh) | 2021-02-02 |
Family
ID=68430813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910653040.9A Active CN110440792B (zh) | 2019-07-19 | 2019-07-19 | 基于小天体不规则度的导航信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110440792B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111426333A (zh) * | 2020-02-25 | 2020-07-17 | 上海航天控制技术研究所 | 基于几何方法的火星导航敏感器图像形心精确修正方法 |
CN115128791A (zh) * | 2021-03-26 | 2022-09-30 | 清华大学 | 光谱成像天文望远镜及天文望远镜光谱成像方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1121585A1 (ru) * | 1980-12-31 | 1984-10-30 | Сибирский Филиал Всесоюзного Научно-Исследовательского Института Физико-Технических И Радиотехнических Измерений | Устройство фотоэлектрической регистрации моментов прохождени звезд |
CN105547287A (zh) * | 2016-01-22 | 2016-05-04 | 北京理工大学 | 一种不规则天体导航视线信息提取方法 |
CN109238268A (zh) * | 2018-08-01 | 2019-01-18 | 北京理工大学 | 不规则小天体导航形心的最优外接椭圆提取方法 |
-
2019
- 2019-07-19 CN CN201910653040.9A patent/CN110440792B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1121585A1 (ru) * | 1980-12-31 | 1984-10-30 | Сибирский Филиал Всесоюзного Научно-Исследовательского Института Физико-Технических И Радиотехнических Измерений | Устройство фотоэлектрической регистрации моментов прохождени звезд |
CN105547287A (zh) * | 2016-01-22 | 2016-05-04 | 北京理工大学 | 一种不规则天体导航视线信息提取方法 |
CN109238268A (zh) * | 2018-08-01 | 2019-01-18 | 北京理工大学 | 不规则小天体导航形心的最优外接椭圆提取方法 |
Non-Patent Citations (2)
Title |
---|
王大轶,等: "深空探测自主导航与控制技术综述", 《空间控制技术与应用》 * |
王帅,等: "《基于多项式级数的小天体表面参数化表征方法》", 《中国科学:物理学力学天文学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111426333A (zh) * | 2020-02-25 | 2020-07-17 | 上海航天控制技术研究所 | 基于几何方法的火星导航敏感器图像形心精确修正方法 |
CN115128791A (zh) * | 2021-03-26 | 2022-09-30 | 清华大学 | 光谱成像天文望远镜及天文望远镜光谱成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110440792B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651942B (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN104981105B (zh) | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 | |
CN111243032A (zh) | 一种棋盘格角点全自动检测方法 | |
CN108122256B (zh) | 一种逼近状态下旋转目标位姿测量的方法 | |
EP2085928B1 (en) | Detection of blobs in images | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN110992263B (zh) | 一种图像拼接方法及系统 | |
CN105447888A (zh) | 一种基于有效目标判断的无人机机动目标检测方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN109489591A (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN108171674B (zh) | 针对任意视角投影仪图像的视觉矫正方法 | |
CN109146859A (zh) | 一种基于机器视觉的路面裂缝检测系统 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
CN106709500A (zh) | 一种图像特征匹配的方法 | |
CN106570899A (zh) | 一种目标物体检测方法及装置 | |
CN109238268A (zh) | 不规则小天体导航形心的最优外接椭圆提取方法 | |
CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN110440792A (zh) | 基于小天体不规则度的导航信息提取方法 | |
Wu et al. | A self-adaptive correction method for perspective distortions of image | |
CN110245600A (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
CN112669280A (zh) | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 | |
CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
CN108388854A (zh) | 一种基于改进fast-surf算法的定位方法 |
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 |