CN111928843A - 一种基于星敏感器的中远距目标自主检测和追踪方法 - Google Patents
一种基于星敏感器的中远距目标自主检测和追踪方法 Download PDFInfo
- Publication number
- CN111928843A CN111928843A CN202010757844.6A CN202010757844A CN111928843A CN 111928843 A CN111928843 A CN 111928843A CN 202010757844 A CN202010757844 A CN 202010757844A CN 111928843 A CN111928843 A CN 111928843A
- Authority
- CN
- China
- Prior art keywords
- star
- navigation
- centroid
- triangle
- target
- 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
Images
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
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于星敏感器的中远距目标自主检测和追踪方法,本发明利用经过筛选的导航星表,在实现快速星图匹配的同时,检测星图中的非合作目标并进行追踪。本发明克服中远距离下空间目标出现位置和出现时间未知、空间目标特征少的缺陷,具备良好的抗噪性能,进一步拓展了星敏感器的功能,可用于深空探测、在轨卫星的检测追踪,以及中远距离下的交会抵近任务。
Description
技术领域
本发明涉及空间非合作目标检测及星图匹配技术领域,特别是一种基于星敏感器的中远距目标自主检测和追踪方法。
背景技术
星敏感器是当前空间飞行器应用最广泛的姿态测量传感器,具有自主性好、精度高、工作可靠的特点。星敏感器通过将视场内获得的星图与导航星表中的参考星进行匹配,从而解算出空间飞行器相对于惯性系的姿态。针对星敏感器,学者们提出了多种星图匹配算法,在工程上较为常用的依然是三角形算法、金字塔算法等基于角距的算法。其中三角形算法,在匹配时先要从观测星图中选择一定数量的质心组合成三角形,然后依次匹配并验证,若某一次验证通过则停止匹配,否则匹配验证其他三角形。在没有干扰星的情况下,使用这种方式可以快速的完成匹配。然而,在使用星敏感器检测并追踪目标时,进入视场的目标显然会降低星图匹配算法的效率。
中远距离下,目标特征少,难以与恒星、相机噪声区分。现有的空间目标的检测与追踪算法,主要利用恒星位置的相对不变性配准图像,滤除背景恒星,然后使用最近邻滤波器进行多帧轨迹关联。其缺陷主要在于配准时运算复杂,难以保证实时性。现有的空间目标检测算法通常假设卫星仅存在微小运动,恒星在成像平面之间的位置基本不变或变化微小。
2016年德国德国宇航中心DLR主持的AVANTI实验中,分别完成了10km至1km和2.5km至50m的非合作目标抵近任务。在抵近任务中,仅依靠星敏相机来实现对目标的检测以及追踪。然而,该任务使用的目标检测和追踪算法存在不足,需要在运行阶段人工调节部分参数,不利于算法的自主运行,在空间实际使用时会受到限制。且在该实验中,需要一个额外星敏单独完成测姿,输入到非合作目标检测模块。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于星敏感器的中远距目标自主检测和追踪方法,本发明提高了在目标长时间进入视野时的星图匹配效率并保证了方法的可靠性,在快速定姿的同时,实现无需人工干预的中远距非合作目标自主检测和追踪。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种基于星敏感器的中远距目标自主检测和追踪方法,包括以下步骤:
步骤一、使用粒子滤波和三角剖分在球面上构建近似均匀分布的三角形网格,在每个网格内筛选导航星,建立导航星表及角距表;
步骤二、对星敏感器采集得到的星图进行预处理,预处理包括低通滤波去噪、阈值分割和质心定位,得到每个质心在相机坐标系下的方向矢量Vcamera;
步骤三、星图匹配:将步骤二得到的质心两两组合成角距,与角距表进行匹配,任选三个作为三角形顶点的质心,三个质心两两组成角距匹配后,从匹配得到的星对中选择首尾相连的星对形成导航星三角形,并从中选择出权重最大的导航星三角形;
步骤四、非合作目标检测及追踪:星敏感器拍摄得到的星图为视频流的形式,对每一帧按步骤二、步骤三进行处理;对处理后的视频流进行非均匀采样,对采样帧内的质心进行聚类,依据运动差异选择出目标对应的轨迹,并得到目标在相机坐标系下的方向矢量。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,步骤一具体过程如下:
101、采用粒子滤波方法获得在球面上近似均匀分布的点,其次使用这些点完成曲面的三角剖分,形成包围整个球面的三角形网格;
103、对每个三角形内的星表中的恒星按星等升高的顺序选择颗恒星作为导航星;对所有的导航星进行编号,并保存对应恒星在惯性系下方向矢量VJ2000,其中VJ2000 T=[cos(α)cos(δ),sin(α)cos(δ),sin(δ)],其中,α表示赤经,δ表示赤纬,上标T表示向量的转置;导航星表的每一行由导航星编号及对应的惯性系下的方向矢量VJ2000构成;
104、然后从导航星表中任选两个不同的导航星对应的方向矢量V1与V2组成角距θ,两个在惯性系下的方向矢量V1与V2都为列向量;
选择角距小于星敏感器视场角的星对,存贮角距表,角距表的每一行由构成角距的两个导航星编号及角距构成。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,在步骤101中,对步骤101形成包围整个球面的三角形网格中的每个三角形再次分割,连接三角形各个边的中点则在原三角形内部形成四个面积相等的小三角形,构成更加密集的三角形网格。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,步骤二之后还包括:计算每个定位后的质心在弥散范围内的灰度和,将质心按灰度和由高到低的顺序保存。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,步骤二中,每个质心在相机坐标系下的方向矢量Vcamera表示为
Vcamera T=[x,y,-f]
其中x,y表示质心成像平面下的坐标,f表示相机焦距。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,在步骤三中,选择星图中灰度和最高的n个质心形成个角距,其中n为大于等于4的整数,为组合数公式,表示从n个元素中选择出两个的组合数;对每个质心形成的角距分别查找角距表得到该角距对应的两个导航星编号;三个质心组成质心三角形,有三个角距,若三个角距对应的导航星编号能够首尾相连组合成三角形,则保留由导航星编号组成的三角形并称为导航星三角形;同时对所有匹配后得到的导航星三角形中的导航星权重初始化为零;
一个质心三角形匹配后对应1个或者多个导航星三角形;若质心三角形匹配后仅对应一个导航星三角形,则对该三角形中每个导航星的权重加1;若匹配结果对应a个导航星三角形,则这a个三角形中的每一个导航星的权重加1/a。导航星三角形的权重为组成三角形的三个导航星权重的和;最终,依据导航星权重,选择权重最大的导航星三角形。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,步骤三具体如下:
首先,选择星图中灰度和最高的n个质心P1,P2,P3,…Pn用于星图匹配,其中任选两个质心组合成角距,则共形成个角距θi,j,其中i和j表示不同的质心编号;个角距形成个质心三角形,记录每个质心三角形对应的角距编号(θi,j,θj,k,θk,i),θi,j表示编号为i与j的质心形成的角距,θj,k表示编号为j与k的质心形成的角距,θk,i表示编号为k与i的质心形成的角距;
其次,对个角距分别查询角距表,每次查询都将得到一个新的表,表的大小为N×2,其中N表示在角距误差范围内的所有可能的星对数;表的每一行存储两个星编号;新建权重表,表的第一列存储所有星编号,第二列存储权重值并初始化为0;
然后,从角距编号(θi,j,θj,k,θk,i)对应的3个N×2表的每个表中各取一行,若能够首尾相连则形成导航星三角形,即若三个表中取出的某一行的导航星编号分别为(a1,b1),(b1,c1),(c1,a1)则形成导航星三角形,a1,b1,c1分别为导航星的编号;若仅组成一个三角形,则组成该三角星的三个导航星编号按照与角距编号对应的顺序表示为(NO1,NO2,NO3),其中每一项表示一个导航星编号,并在权重表中对NO1,NO2,NO3的权重值都加1;若与(θi,j,θj,k,θk,i)对应的导航三角形存在a组,则将权重表中对应的导航星编号的权重加1/a;
最后,利用权重表计算出所有导航星三角形的权重,并选择权重最大的导航星三角形作为匹配结果。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,在所述步骤四中,首先计算出已经识别出的恒星质心的位移,从而依据质心位移,对经过步骤二与步骤三处理后的视频流进行采样,对采样帧中的质心使用OPTIC聚类算法;依据运动差异选择出目标对应的轨迹,并得到目标在相机坐标系下的方向矢量。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,步骤四具体如下:
首先,对视频流进行非均匀采样,新建一个采表用于保存采样后被保留的帧,首先将第一帧添加到该表中,对于后续帧,若某颗恒星已被识别,且同时出现在该帧与最新加入的采样帧中,在该帧与最新加入的采样帧之间的位移大于k·δcen,则将该帧加入采样帧,否则继续比较下一帧与新加入的采样帧;其中δcen表示质心定位误差,k为大于2的数;在完成采样之后,取表中相邻的两帧,有多个已经识别的导航星同时出现在这两帧中;若对应于一个导航星编号为l的质心在采样后表中某一帧的坐标为(xl1,yl1),在表中相邻下一帧中的坐标为(xl2,yl2),定义编号为l的导航星在两帧之间的距离dl12表示为
由此,计算出相邻两帧中所有对应同一个导航星的距离并求平均值表示为daverage;
其次,对采样帧中的质心添加帧标号,将质心坐标以及对应帧标号作为聚类元素,其中质心坐标用于计算聚类时的距离,帧标号的作用在于对此距离进行修正,使同一帧中的质心不会归为一类;
然后,对采样后视频流得到的质心坐标及对应帧标号使用OPTICS聚类算法,OPTICS算法需要输入领域参数Eps以及参数MinPt,其中参数MinPt为大于等于3的整数,通常选择3,邻域参数Eps算法开始时设置为无穷大,聚类后输出有序的可达距离;
之后,对输出有序的可达距离再次设置新的邻域参数进行聚类;聚类后输出各个类的质心,同一类的质心形成该类的轨迹;输出的第k类表示为ck,其中k取正整数;
再次设置新的邻域参数的方法如下:对于有序的可达距离若相邻两个可达距离差大于m倍的daverage,其中m为大于2的实数,则将两个之中大的可达距离保存到序列A中,将两个之中小的可达距离保存到序列B中;取序列A的最小值a,取序列B的最大值b,新的邻域参数取为(a+b)/2;
最后,从聚类输出的轨迹中选择出目标对应的轨迹;对每一类轨迹中的质心位置求平均,将每一类的所有质心减去该类的平均值即将该类的轨迹移动到原点附近,然后计算相邻类的类间距离,从而选择目标;选择目标的方法如下:
若仅有两个类间距离远大于其他类间距离,当两个类间距离是其他类间距离十倍以上时,即认为远大于,且这两个类间距离包含同一类,则该类为目标对应的类,仅对目标类轨迹使用二次函数进行曲线拟合,若有超过两个类间距离远大于其他类间距离,则分别对该类的质心轨迹使用二次函数进行曲线拟合,区分目标;
结合拟合得到的目标轨迹曲线,若后续帧中的目标质心的轨迹与曲线的距离小于误差限制,则认为该点为目标对应的质心,由此实现对目标的追踪。
作为本发明所述的一种基于星敏感器的中远距目标自主检测和追踪方法进一步优化方案,
对于任意两个类ck1与ck2,其类间距离d(ck1,ck2)定义为
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明给出的空间目标检测方法可摆脱该约束(假设卫星仅存在微小运动,恒星在成像平面之间的位置基本不变或变化微小),可积累较长时间,通过对一段更长轨迹内图像处理来检测目标,具备更好的稳健性和更高的精度;
(2)本发明方法易于集成到星敏感器中,扩展了星敏感器的功能,提高匹配方法的可靠性,在定姿的同时实现无需人工干预的中远距非合作目标自主检测和追踪。
附图说明
图1是基于星敏感器的空间中远距非合作目标检测和追踪方法流程图。
图2是粒子滤波后形成的三角形网格。
图3是卫星及空间目标轨迹。
图4是采样帧质心位置。
图5是OPTICS输出的有序可达距离。
图6是选择Eps聚类结果。
图7是聚类后平移至同一坐标系。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
如图1所示,本发明提供的一种实施例,具体实施步骤如下:
步骤一、构建导航星表:
首先,使用粒子滤波算法获得在球面上近似于均匀分布的点,其次使用这些点完成曲面的三角剖分,形成包围整个球面的三角形网格。对每个三角形再次分割,将一个三角形分割成面积接近的四个三角形,构成更加密集的三角形网格,如图2所示。
VJ2000 T=[cos(α)cos(δ),sin(α)cos(δ),sin(δ)]
其中α表示赤经,δ表示赤纬。
然后任选两个向量组成角距θ,其中V1与V2表示两个在惯性系下的方向矢量,且都为列向量。
选择角距小于星敏感器视场角的星对,存贮角距表,如表1所示。
表1:角距表
步骤二、图像预处理:
首先对采集得到的星图进行低通滤波去噪、阈值分割、质心定位,保存质心坐标。采集得到的星图受空间环境及电路的影响,通常可视为高斯噪声,可通过低通滤波器进行滤除。滤波后的星图,大部分为背景,设定一个灰度阈值,将灰度值小于阈值的归类为背景。经过阈值分割后,将一个星点或目标在像素平面上对应的像素块划分为一簇。质心定位,用于求出每簇像素的质心。
其次计算对应质心在弥散范围内的灰度和,将质心按灰度和由高到低的顺序保存。星图匹配时,优先匹配灰度和高的质心。保存每个质心在相机坐标系下的方向矢量
Vcamera T=[x,y,-f]
其中,x,y表示质心成像平面下的坐标,f表示相机焦距。
步骤三、星图匹配:
以角距作为特征的星图匹配算法,通常使用4个质心实现星图匹配,考虑到目标进入星敏感器视野,本发明使用了5个质心。在三角形匹配算法的基础上,一次选择10个角距查找角距表,适当牺牲单次匹配的时间,显著提高了星图匹配算法的鲁棒性。
首先选择星图中灰度和最高的五个质心P1,P2,P3,P4,P5用于星图匹配,其中任选两颗组合成角距,则共形成10个不重复的角距组合θi,j,其中i与j表示两个不同的质心编号。10个星对组合可以形成10个三角形,记录每个三角形对应的星对编号(θi,j,θj,k,θk,i)。
其次,对10个星对组合依次查询角距表,则返回10个星对组合表。每个表的大小为N×2,其中N表示在角距误差范围内的所有可能星对数。表的每一行存储了两个星编号。新建一个权重表第一列存储返回的所有星编号,第二列存储权重值并初始化为0。
然后,选择星对(θi,j,θj,k,θk,i)对应的3个N×2表中是否存在可以组成三角形的星编号,若仅存在一组,则记录星编号(NO1,NO2,NO3),并在权重表中对NO1,NO2,NO3的权重值都加一。由于三角形匹配的冗余性,与星对(θi,j,θj,k,θk,i)对应的三角形星编号(NO1,NO2,NO3)可能不止一组。若存在a组星编号,则在权重表中对应编号的权重加1/a。
之后,利用权重表计算出10个三角形的权重,并选择权重最大的三角形作为匹配结果。
步骤四、非合作目标检测及追踪:
基于星敏感器的非合作目标检测及追踪算法,进一步利用了星敏处理后的图像及星图匹配的数据,扩展了星敏的用途。同时,该算法的优势在于,针对非合作目标的检测与追踪可以与星敏的姿态解算同步进行,互不影响。
首先计算出已经识别的同一颗恒星在成像平面的距离
其中(xl1,yl1),(xl2,yl2)分别表示已经识别出的星编号为l的恒星在第1帧,第2帧之间的距离。若已识别出的三颗恒星编号分别为l,m,n。则从第1帧到第2帧之间的帧间星位移定义为:
通常第1帧到第2帧之间的帧间星位移daverage12十分小,难以满足对轨迹进行密度聚类的要求。依次计算第1帧到第3帧,第4帧等的帧间星位移,直到某一帧帧间星位移满足聚类要求,则记录该帧的质心数据与帧标号。之后,以该帧为起点,从而选择出满足帧间星位移要求的下一帧。
经过以上方法的采样,采样帧组成的帧序列中相邻的两个采样帧间星位移接近,易于实现聚类。将所有质心画在同一坐标系下如图3所示。
使用OPTICS进行聚类,首先需要计算任意质心与其它质心的距离。具体做法:计算任一质心i与其它质心间的欧式距离,若某一质心与质心i具有相同的帧标签,则将该距离修改为无穷大,从而保证同一帧内的质心不会被归为一类,最终输出其聚类顺序,以及按顺序排列的质心可达距离,如图5所示。由图5可见,存在6个凹口即将质心聚为6类,其中在顺序为33处存在一个数值较小的尖峰。结合图4可以看出,这是由于目标位置与恒星位置较为接近引起的。为了防止该尖峰被掩盖本发明对聚类后的输出结果结合采样帧之间的星位移daverage进行以下处理,以选择恰当的邻域距离Eps进行聚类:
选择每一个核心对象在邻域距离Eps内至少包含3个样本点,则在有序可达距离序列中若相邻两个可达距离之间的差值大于2倍的daverage,时则必然有一个可达距离对应尖峰。由此可以计算出所有的尖峰点可达距离以及非尖峰点的可达距离。取尖峰点的可达距离中的最小值a,以及非尖峰点可达距离中的最大值b,则Eps取为(a+b)/2即可完成满足聚类要求,最终结果如图6所示。图6中相同形状的的点表示同一类,其中星形表示噪声类。对比图4可以发现目标对应的质心被正确归为一类,即图6中圆形的点表示目标类。受聚类顺序的影响,极少数恒星对应的质心也会被归为噪声,该噪声对类间距离的影响基本可以忽略。
对于聚类后的轨迹点,对每一类轨迹点的位置求平均,并减去平均值移动到原点处,如图7所示。对于同一质心,其颜色在图7中与图6中相同,图7中以紫红色表示的目标质心与其他颜色质心形成的轨迹存在明显差异。定义c1类与c2类间距离
其中S表示所有的采样帧数目。对图7中的类计算类间距离结果如表2所示,
表2:类间距离
其中类1与类2之间的距离、类2与类3之间的距离远大于其他类之间的距离,其原因在于类2为非合作目标,其他类都为恒星。若最终计算得出有超过2个类间距离远大于其他类间距离,则视野中不止有一个运动目标,此时需要分别对运动目标轨迹使用二次函数进行曲线拟合,区分目标。
结合拟合得到的目标轨迹曲线,若后续帧中的目标质心的轨迹与曲线的距离小于误差限制,则认为该点为目标对应的质心,由此实现对目标的追踪。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围内。
Claims (10)
1.一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,包括以下步骤:
步骤一、使用粒子滤波和三角剖分在球面上构建近似均匀分布的三角形网格,在每个网格内筛选导航星,建立导航星表及角距表;
步骤二、对星敏感器采集得到的星图进行预处理,预处理包括低通滤波去噪、阈值分割和质心定位,得到每个质心在相机坐标系下的方向矢量Vcamera;
步骤三、星图匹配:将步骤二得到的质心两两组合成角距,与角距表进行匹配,任选三个作为三角形顶点的质心,三个质心两两组成角距匹配后,从匹配得到的星对中选择首尾相连的星对形成导航星三角形,并从中选择出权重最大的导航星三角形;
步骤四、非合作目标检测及追踪:星敏感器拍摄得到的星图为视频流的形式,对每一帧按步骤二、步骤三进行处理;对处理后的视频流进行非均匀采样,对采样帧内的质心进行聚类,依据运动差异选择出目标对应的轨迹,并得到目标在相机坐标系下的方向矢量。
2.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,步骤一具体过程如下:
101、采用粒子滤波方法获得在球面上近似均匀分布的点,其次使用这些点完成曲面的三角剖分,形成包围整个球面的三角形网格;
103、对每个三角形内的星表中的恒星按星等升高的顺序选择颗恒星作为导航星;对所有的导航星进行编号,并保存对应恒星在惯性系下方向矢量VJ2000,其中VJ2000 T=[cos(α)cos(δ),sin(α)cos(δ),sin(δ)],其中,α表示赤经,δ表示赤纬,上标T表示向量的转置;导航星表的每一行由导航星编号及对应的惯性系下的方向矢量VJ2000构成;
104、然后从导航星表中任选两个不同的导航星对应的方向矢量V1与V2组成角距θ,两个在惯性系下的方向矢量V1与V2都为列向量;
选择角距小于星敏感器视场角的星对,存贮角距表,角距表的每一行由构成角距的两个导航星编号及角距构成。
3.根据权利要求2所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,在步骤101中,对步骤101形成包围整个球面的三角形网格中的每个三角形再次分割,连接三角形各个边的中点则在原三角形内部形成四个面积相等的小三角形,构成更加密集的三角形网格。
4.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,步骤二之后还包括:计算每个定位后的质心在弥散范围内的灰度和,将质心按灰度和由高到低的顺序保存。
5.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,步骤二中,每个质心在相机坐标系下的方向矢量Vcamera表示为
Vcamera T=[x,y,-f]
其中x,y表示质心成像平面下的坐标,f表示相机焦距。
6.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,在步骤三中,选择星图中灰度和最高的n个质心形成个角距,其中n为大于等于4的整数,为组合数公式,表示从n个元素中选择出两个的组合数;对每个质心形成的角距分别查找角距表得到该角距对应的两个导航星编号;三个质心组成质心三角形,有三个角距,若三个角距对应的导航星编号能够首尾相连组合成三角形,则保留由导航星编号组成的三角形并称为导航星三角形;同时对所有匹配后得到的导航星三角形中的导航星权重初始化为零;
一个质心三角形匹配后对应1个或者多个导航星三角形;若质心三角形匹配后仅对应一个导航星三角形,则对该三角形中每个导航星的权重加1;若匹配结果对应a个导航星三角形,则这a个三角形中的每一个导航星的权重加1/a。导航星三角形的权重为组成三角形的三个导航星权重的和;最终,依据导航星权重,选择权重最大的导航星三角形。
7.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,步骤三具体如下:
首先,选择星图中灰度和最高的n个质心P1,P2,P3,…Pn用于星图匹配,其中任选两个质心组合成角距,则共形成个角距θi,j,其中i和j表示不同的质心编号;个角距形成个质心三角形,记录每个质心三角形对应的角距编号(θi,j,θj,k,θk,i),θi,j表示编号为i与j的质心形成的角距,θj,k表示编号为j与k的质心形成的角距,θk,i表示编号为k与i的质心形成的角距;
其次,对个角距分别查询角距表,每次查询都将得到一个新的表,表的大小为N×2,其中N表示在角距误差范围内的所有可能的星对数;表的每一行存储两个星编号;新建权重表,表的第一列存储所有星编号,第二列存储权重值并初始化为0;
然后,从角距编号(θi,j,θj,k,θk,i)对应的3个N×2表的每个表中各取一行,若能够首尾相连则形成导航星三角形,即若三个表中取出的某一行的导航星编号分别为(a1,b1),(b1,c1),(c1,a1)则形成导航星三角形,a1,b1,c1分别为导航星的编号;若仅组成一个三角形,则组成该三角星的三个导航星编号按照与角距编号对应的顺序表示为(NO1,NO2,NO3),其中每一项表示一个导航星编号,并在权重表中对NO1,NO2,NO3的权重值都加1;若与(θi,j,θj,k,θk,i)对应的导航三角形存在a组,则将权重表中对应的导航星编号的权重加1/a;
最后,利用权重表计算出所有导航星三角形的权重,并选择权重最大的导航星三角形作为匹配结果。
8.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,在所述步骤四中,首先计算出已经识别出的恒星质心的位移,从而依据质心位移,对经过步骤二与步骤三处理后的视频流进行采样,对采样帧中的质心使用OPTIC聚类算法;依据运动差异选择出目标对应的轨迹,并得到目标在相机坐标系下的方向矢量。
9.根据权利要求1所述的一种基于星敏感器的中远距目标自主检测和追踪方法,其特征在于,步骤四具体如下:
首先,对视频流进行非均匀采样,新建一个采表用于保存采样后被保留的帧,首先将第一帧添加到该表中,对于后续帧,若某颗恒星已被识别,且同时出现在该帧与最新加入的采样帧中,在该帧与最新加入的采样帧之间的位移大于k·δcen,则将该帧加入采样帧,否则继续比较下一帧与新加入的采样帧;其中δcen表示质心定位误差,k为大于2的数;在完成采样之后,取表中相邻的两帧,有多个已经识别的导航星同时出现在这两帧中;若对应于一个导航星编号为l的质心在采样后表中某一帧的坐标为(xl1,yl1),在表中相邻下一帧中的坐标为(xl2,yl2),定义编号为l的导航星在两帧之间的距离dl12表示为
由此,计算出相邻两帧中所有对应同一个导航星的距离并求平均值表示为daverage;
其次,对采样帧中的质心添加帧标号,将质心坐标以及对应帧标号作为聚类元素,其中质心坐标用于计算聚类时的距离,帧标号的作用在于对此距离进行修正,使同一帧中的质心不会归为一类;
然后,对采样后视频流得到的质心坐标及对应帧标号使用OPTICS聚类算法,OPTICS算法需要输入领域参数Eps以及参数MinPt,其中参数MinPt为大于等于3的整数,通常选择3,邻域参数Eps算法开始时设置为无穷大,聚类后输出有序的可达距离;
之后,对输出有序的可达距离再次设置新的邻域参数进行聚类;聚类后输出各个类的质心,同一类的质心形成该类的轨迹;输出的第k类表示为ck,其中k取正整数;
再次设置新的邻域参数的方法如下:对于有序的可达距离若相邻两个可达距离差大于m倍的daverage,其中m为大于2的实数,则将两个之中大的可达距离保存到序列A中,将两个之中小的可达距离保存到序列B中;取序列A的最小值a,取序列B的最大值b,新的邻域参数取为(a+b)/2;
最后,从聚类输出的轨迹中选择出目标对应的轨迹;对每一类轨迹中的质心位置求平均,将每一类的所有质心减去该类的平均值即将该类的轨迹移动到原点附近,然后计算相邻类的类间距离,从而选择目标;选择目标的方法如下:
若仅有两个类间距离远大于其他类间距离,当两个类间距离是其他类间距离十倍以上时,即认为远大于,且这两个类间距离包含同一类,则该类为目标对应的类,仅对目标类轨迹使用二次函数进行曲线拟合,若有超过两个类间距离远大于其他类间距离,则分别对该类的质心轨迹使用二次函数进行曲线拟合,区分目标;
结合拟合得到的目标轨迹曲线,若后续帧中的目标质心的轨迹与曲线的距离小于误差限制,则认为该点为目标对应的质心,由此实现对目标的追踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757844.6A CN111928843B (zh) | 2020-07-31 | 2020-07-31 | 一种基于星敏感器的中远距目标自主检测和追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010757844.6A CN111928843B (zh) | 2020-07-31 | 2020-07-31 | 一种基于星敏感器的中远距目标自主检测和追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111928843A true CN111928843A (zh) | 2020-11-13 |
CN111928843B CN111928843B (zh) | 2021-12-21 |
Family
ID=73314996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010757844.6A Active CN111928843B (zh) | 2020-07-31 | 2020-07-31 | 一种基于星敏感器的中远距目标自主检测和追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111928843B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102865865A (zh) * | 2012-09-17 | 2013-01-09 | 常州工学院 | 一种采用十字链表的星敏感器筛选导航星的方法 |
CN103438905A (zh) * | 2013-08-30 | 2013-12-11 | 中国人民解放军第二炮兵工程大学 | 一种星敏感器星表完备性评估方法 |
CN108645399A (zh) * | 2018-04-20 | 2018-10-12 | 北京控制工程研究所 | 一种星敏感器导航星表筛选方法 |
US20190011263A1 (en) * | 2015-12-18 | 2019-01-10 | Universite De Montpellier | Method and apparatus for determining spacecraft attitude by tracking stars |
CN110298865A (zh) * | 2019-05-22 | 2019-10-01 | 西华大学 | 基于阈值分离聚类器的天基星空背景弱小点目标跟踪方法 |
US10657371B1 (en) * | 2018-09-28 | 2020-05-19 | United States Of America As Represented By The Administrator Of Nasa | Miniaturized astrometric alignment sensor for distributed and non-distributed guidance, navigation, and control systems |
US20200174094A1 (en) * | 2018-12-03 | 2020-06-04 | Ball Aerospace & Technologies Corp. | Star tracker for multiple-mode detection and tracking of dim targets |
-
2020
- 2020-07-31 CN CN202010757844.6A patent/CN111928843B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102865865A (zh) * | 2012-09-17 | 2013-01-09 | 常州工学院 | 一种采用十字链表的星敏感器筛选导航星的方法 |
CN103438905A (zh) * | 2013-08-30 | 2013-12-11 | 中国人民解放军第二炮兵工程大学 | 一种星敏感器星表完备性评估方法 |
US20190011263A1 (en) * | 2015-12-18 | 2019-01-10 | Universite De Montpellier | Method and apparatus for determining spacecraft attitude by tracking stars |
CN108645399A (zh) * | 2018-04-20 | 2018-10-12 | 北京控制工程研究所 | 一种星敏感器导航星表筛选方法 |
US10657371B1 (en) * | 2018-09-28 | 2020-05-19 | United States Of America As Represented By The Administrator Of Nasa | Miniaturized astrometric alignment sensor for distributed and non-distributed guidance, navigation, and control systems |
US20200174094A1 (en) * | 2018-12-03 | 2020-06-04 | Ball Aerospace & Technologies Corp. | Star tracker for multiple-mode detection and tracking of dim targets |
CN110298865A (zh) * | 2019-05-22 | 2019-10-01 | 西华大学 | 基于阈值分离聚类器的天基星空背景弱小点目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
程军等: ""基于星图识别的空间目标检测算法研究"", 《光学技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111928843B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105222788B (zh) | 基于特征匹配的飞行器航路偏移误差的自校正方法 | |
CN107229908B (zh) | 一种车道线检测方法 | |
CN105352509B (zh) | 地理信息时空约束下的无人机运动目标跟踪与定位方法 | |
CN107451593B (zh) | 一种基于图像特征点的高精度gps定位方法 | |
CN102353377B (zh) | 一种高空长航时无人机组合导航系统及其导航定位方法 | |
CN111882612A (zh) | 一种基于三维激光检测车道线的车辆多尺度定位方法 | |
CN109191504A (zh) | 一种无人机目标跟踪方法 | |
Won et al. | OmniSLAM: Omnidirectional localization and dense mapping for wide-baseline multi-camera systems | |
CN108917753B (zh) | 基于从运动恢复结构的飞行器位置确定方法 | |
CN205426175U (zh) | 一种融合车载多传感器的slam装置 | |
CN113031041B (zh) | 一种基于天际线匹配的城市峡谷组合导航定位方法 | |
CN109871739B (zh) | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 | |
CN111862673A (zh) | 基于顶视图的停车场车辆自定位及地图构建方法 | |
CN110569861A (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN114693754B (zh) | 一种基于单目视觉惯导融合的无人机自主定位方法与系统 | |
CN110490903B (zh) | 一种双目视觉测量中多目标快速捕获与跟踪方法 | |
Oreifej et al. | Horizon constraint for unambiguous UAV navigation in planar scenes | |
CN103020934A (zh) | 抗字幕干扰的图像无缝自动拼接方法 | |
CN113790719A (zh) | 一种基于线特征的无人机惯性/视觉着陆导航方法 | |
CN111928843B (zh) | 一种基于星敏感器的中远距目标自主检测和追踪方法 | |
Del Pizzo et al. | Reliable vessel attitude estimation by wide angle camera | |
CN117470259A (zh) | 一种子母式空地协同多传感器融合三维建图系统 | |
Majdik et al. | Micro air vehicle localization and position tracking from textured 3d cadastral models | |
Cao et al. | Automatic geo-registration for port surveillance | |
Mirisola et al. | Trajectory recovery and 3d mapping from rotation-compensated imagery for an airship |
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 |