CN112528514B - 一种高精度亚像素星斑重塑方法及装置 - Google Patents

一种高精度亚像素星斑重塑方法及装置 Download PDF

Info

Publication number
CN112528514B
CN112528514B CN202011522918.4A CN202011522918A CN112528514B CN 112528514 B CN112528514 B CN 112528514B CN 202011522918 A CN202011522918 A CN 202011522918A CN 112528514 B CN112528514 B CN 112528514B
Authority
CN
China
Prior art keywords
remodelling
matrix
star
remolded
assigned
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
CN202011522918.4A
Other languages
English (en)
Other versions
CN112528514A (zh
Inventor
韩健
唐成
杨玉锋
周莉莉
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.)
Beijing Electromechanical Engineering Research Institute
Original Assignee
Beijing Electromechanical Engineering Research 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 Beijing Electromechanical Engineering Research Institute filed Critical Beijing Electromechanical Engineering Research Institute
Priority to CN202011522918.4A priority Critical patent/CN112528514B/zh
Publication of CN112528514A publication Critical patent/CN112528514A/zh
Application granted granted Critical
Publication of CN112528514B publication Critical patent/CN112528514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种高精度亚像素星斑重塑方法及装置，属于半实物仿真技术领域，解决了现有的星光模拟方法数量截断问题以及灰度截断问题引入的误差造成星敏感器的姿态解算成功率和精度较低的问题。方法包括：获得像平面坐标系中需要重塑的星斑质心的真实位置，且星斑的分布满足二维高斯正态分布，并得到星斑质心的重塑初步位置；以星斑质心的重塑初步位置为中心，对二维高斯正态分布进行离散化得到重塑离散矩阵，并对重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；以星斑质心的重塑初步位置为中心，得到赋值后的重塑补偿矩阵；基于赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑。实现了高精度亚像素星斑的重塑。

Description

一种高精度亚像素星斑重塑方法及装置
技术领域
本发明涉及半实物仿真技术领域，尤其涉及一种高精度亚像素星斑重塑方法及装置。
背景技术
在半实物仿真环境中，为了驱动星敏感器进行有效的姿态解算，需要为其提供正确的星点信息，星敏感器在获得星点信息的基础上，通过匹配、识别完成姿态解算。为了配合星敏感器，星模拟器依据星图库计算并生成满足星敏感器测星需求的模拟星点信息，模拟星点信息可通过数字注入形式或实际观测形式传递给星敏感器，在不考虑星敏感器和星模拟器之间的空间误差情况下，星敏感器的测姿精度将完全受限于星模拟器所提供星点的精度。
星模拟器提供的模拟星点包含两个重要信息，一是星斑的位置信息，表征了星斑质心在像平面坐标系下的位置；二是星斑的灰度信息，表征了星斑星等经换算后所对应的灰度。两者的精度将直接影响星敏感器姿态解算过程中星点匹配的成功率以及姿态解算的准确度。
由于数量截断问题以及灰度截断问题引入的误差会导致星斑质心位置的变化，不准确的星斑必将会导致星敏感器匹配、识别和姿态解算中成功率和精度的下降。目前，传统的星光模拟方法并没有充分的和全面的考虑上述问题，因此亟需一种高精度亚像素星斑重塑方法。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种高精度亚像素星斑重塑方法及装置，用以解决现有的星光模拟方法数量截断问题以及灰度截断问题引入的误差造成星敏感器的姿态解算成功率和精度较低的问题。
一方面，本发明实施例提供了一种高精度亚像素星斑重塑方法，包括下述步骤：
获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且所述星斑的分布满足二维高斯正态分布；基于所述星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)；
以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑离散矩阵，并对所述重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；
以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑补偿矩阵，并对所述重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵；
基于所述赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑。
进一步，所述星斑质心的重塑初步位置s(xs,ys)计算公式为：
上式中，round()表示取整函数，Z表示整数集。
进一步，所述重塑离散矩阵计算公式为：
上式中，g(d(m,n),δd)表示重塑离散矩阵，d(m,n)表示偏离重塑初步位置s(xs,ys)的像元位置，m∈Z,n∈Z，δd表示重塑离散矩阵对应的分布协方差；
赋值后的重塑离散矩阵计算公式为：
上式中，h(d(m,n),δd)为赋值后的重塑离散矩阵，W×W为星斑的截断大小，G为星斑星等的灰度，G∈N。
进一步，所述重塑补偿矩阵计算公式为：
上式中，c(d(m,n),δc)表示重塑补偿矩阵，δc为重塑补偿矩阵对应的分布协方差，且
赋值后的重塑补偿矩阵计算公式为：
上式中，e(d(m,n),δc,l)为赋值后的重塑补偿矩阵，K为星斑补偿灰度，且K＝G-Σh(d(m,n),δd)，l为重塑补偿矩阵的调整参数，(p,q)为质心的重塑初步位置相对于质心真实位置的偏移方位，其中，
上式中，sign()表示符号函数。
进一步，基于所述赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑，包括下述步骤：
基于所述赋值后的重塑离散矩阵h(d(m,n),δd)和赋值后的重塑补偿矩阵得到重塑星斑v(d(m,n))；
基于所述重塑星斑v(d(m,n))和加权质心算法得到重塑质心位置z(m,n)，调整l并将满足min|[z(m,n)-t(xt,yt)]|对应的重塑星斑v(d(m,n))作为最终重塑星斑。
进一步，所述重塑星斑v(d(m,n))的计算公式为：
v(d(m,n))＝h(d(m,n),δd)+e(d(m,n),δc,l)。
另一方面，本发明实施例提供了一种高精度亚像素星斑重塑装置，包括：
重塑初步位置获得模块，用于获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且所述星斑的分布满足二维高斯正态分布；基于所述星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)；
重塑离散矩阵获得模块，用于以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑离散矩阵，并对所述重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；
重塑补偿矩阵获得模块，用于以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑补偿矩阵，并对所述重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵；
重塑星斑获得模块，用于基于所述赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑。
进一步，所述重塑初步位置获得模块获得星斑质心的重塑初步位置s(xs,ys)的计算公式为：
上式中，round()表示取整函数，Z表示整数集。
进一步，所述重塑离散矩阵获得模块通过下述公式获得重塑离散矩阵：
上式中，g(d(m,n),δd)表示重塑离散矩阵，d(m,n)表示偏离重塑初步位置s(xs,ys)的像元位置，m∈Z,n∈Z，δd表示重塑离散矩阵对应的分布协方差；
赋值后的重塑离散矩阵计算公式为：
上式中，h(d(m,n),δd)为赋值后的重塑离散矩阵，W×W为星斑的截断大小，G为星斑星等的灰度，G∈N。
进一步，所述重塑补偿矩阵获得模块通过下述公式获得重塑补偿矩阵：
上式中，c(d(m,n),δc)表示重塑补偿矩阵，δc为重塑补偿矩阵对应的分布协方差，且
赋值后的重塑补偿矩阵计算公式为：
上式中，e(d(m,n),δc,l)为赋值后的重塑补偿矩阵，K为星斑补偿灰度，且K＝G-Σh(d(m,n),δd)，l为重塑补偿矩阵的调整参数，(p,q)为质心的重塑初步位置相对于质心真实位置的偏移方位，其中，
与现有技术相比，本发明至少可实现如下有益效果之一：
1、一种高精度亚像素星斑重塑方法，通过确定星斑质心的重塑初步位置，并以该位置为中心，对星斑满足的二维高斯正态分布进行离散化得到重塑离散矩阵和重塑补偿矩阵，并分别对重塑离散矩阵和重塑补偿矩阵进行截断并赋值，对应得到赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵，并基于赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵得到最终重塑星斑，方法简单易行，易于实施，提高了重塑星斑的精度和置信度。
2、一种高精度亚像素星斑重塑方法及装置，既能够在星斑重塑过程中满足高斯分布，同时考虑了截断误差，利用像元灰度调整完成亚像素精度的星斑重塑，为星敏感器提供更好的星点信息输入，提高星敏感器姿态解算结果的置信度和精度。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为一个实施例中高精度亚像素星斑重塑方法流程图；
图2为另一个实施例中高精度亚像素星斑重塑装置结构图；
图3为执行本申请发明实施例提供的高精度亚像素星斑重塑方法的电子设备的硬件结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
由于数量截断问题以及灰度截断问题引入的误差会导致星斑质心位置的变化，不准确的星斑必将会导致星敏感器匹配、识别和姿态解算中成功率和精度的下降。目前，传统的星光模拟方法并没有充分的和全面的考虑上述问题。为此，本申请提出了一种高精度亚像素星斑重塑方法及装置，既能够在星斑重塑过程中满足高斯分布，同时考虑截断误差，利用像元灰度调整完成亚像素精度的星斑重塑，为星敏感器提供更好的星点信息输入，提高星敏感器姿态解算结果的置信度和精度。
本发明的一个具体实施例，公开了一种高精度亚像素星斑重塑方法，如图1所示，包括下述步骤S1～S4。
步骤S1、获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且星斑的分布满足二维高斯正态分布。具体来说，星斑为星点光斑，本申请中需要的重塑星斑质心的真实位置t(xt,yt)是通过星历等数据表换算得到的，且该重塑的星斑质心的真实位置t(xt,yt)满足二维高斯正态分布，公式如下所示：
上式中，A表示星斑灰度，且A∈(0,255]，r表示分布位置，t(xt,yt)表示星斑质心的真实位置，δ为分布协方差，f(r,t,δ)为r处分布的灰度。
基于星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)，星斑质心的重塑初步位置s(xs,ys)计算公式如下：
上式中，round()表示取整函数，Z表示整数集。
步骤S2、以星斑质心的重塑初步位置s(xs,ys)为中心，对二维高斯正态分布进行离散化得到重塑离散矩阵，重塑离散矩阵计算公式为：
上式中，g(d(m,n),δd)表示重塑离散矩阵，d(m,n)表示偏离重塑初步位置s(xs,ys)的像元位置，m∈Z,n∈Z，δd表示重塑离散矩阵对应的分布协方差。
基于上式得到重塑离散矩阵后，根据星斑截断大小和星斑灰度对重塑离散矩阵进行截断和赋值，得到赋值后的重塑离散矩阵。其中，星斑截断大小为W×W，这里的W可以依据用户的实际需求确定，星斑星等的灰度为G，则截断并赋值后的重塑离散矩阵计算公式为：
上式中，h(d(m,n),δd)为赋值后的重塑离散矩阵，W×W为星斑的截断大小，G为星斑星等的灰度，G∈N。
步骤S3、以星斑质心的重塑初步位置s(xs,ys)为中心，对二维高斯正态分布进行离散化得到重塑补偿矩阵，重塑补偿矩阵计算公式为：
上式中，c(d(m,n),δc)表示重塑补偿矩阵，δc为重塑补偿矩阵对应的分布协方差，且
重塑补偿矩阵的截断大小与重塑离散矩阵的截断大小相等，均为星斑截断大小W×W，星斑补偿灰度为K＝G-Σh(d(m,n),δd)。依据星斑截断大小及星斑补偿灰度对重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵，赋值后的重塑补偿矩阵计算公式为：
上式中，e(d(m,n),δc,l)为赋值后的重塑补偿矩阵，K为星斑补偿灰度，且K＝G-Σh(d(m,n),δd)，l为重塑补偿矩阵的调整参数，(p,q)为质心的重塑初步位置相对于质心真实位置的偏移方位，其中，
上式中，sign()表示符号函数。
步骤S4、基于赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑，包括下述步骤：
步骤S401、将赋值后的重塑离散矩阵h(d(m,n),δd)和赋值后的重塑补偿矩阵进行线性相加得到重塑星斑v(d(m,n))，重塑星斑v(d(m,n))的计算公式为：
v(d(m,n))＝h(d(m,n),δd)+e(d(m,n),δc,l)。
步骤S402、基于重塑星斑v(d(m,n))和加权质心算法得到重塑质心位置z(m,n)，调整l并将满足min|[z(m,n)-t(xt,yt)]|对应的重塑星斑v(d(m,n))作为最终重塑星斑。具体来说，重塑质心位置z(m,n)是重塑星斑v(d(m,n))的函数，即z(m,n)＝F[v(d(m,n))]＝F[h(d(m,n),δd)+e(d(m,n),δc,l)]，可以调节l的值以改变重塑质心位置z(m,n)，并通过调整l的大小将满足min|[z(m,n)-t(xt,yt)]|对应的重塑星斑v(d(m,n))作为最终重塑星斑。
与现有技术相比，本实施例提供的高精度亚像素星斑重塑方法，通过确定星斑质心的重塑初步位置，并以该位置为中心，对星斑满足的二维高斯正态分布进行离散化得到重塑离散矩阵和重塑补偿矩阵，并分别对重塑离散矩阵和重塑补偿矩阵进行截断并赋值，对应得到赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵，并基于赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵得到最终重塑星斑，方法简单易行，易于实施，提高了重塑星斑的精度和置信度。
本发明的另一个具体实施例，公开了一种高精度亚像素星斑重塑装置，如图2所示，包括：
重塑初步位置获得模块210，用于获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且所述星斑的分布满足二维高斯正态分布；基于星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)；
重塑离散矩阵获得模块220，用于以星斑质心的重塑初步位置s(xs,ys)为中心，对二维高斯正态分布进行离散化得到重塑离散矩阵，并对重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；
重塑补偿矩阵获得模块230，用于以星斑质心的重塑初步位置s(xs,ys)为中心，对二维高斯正态分布进行离散化得到重塑补偿矩阵，并对重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵；
重塑星斑获得模块240，用于基于赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑。
由于高精度亚像素星斑重塑装置的实现原理与高精度亚像素星斑重塑方法的实现原理相同，故高精度亚像素星斑重塑装置的实现原理可以参见前述高精度亚像素星斑重塑方法的实现原理，这里不再赘述。
参见图3，本发明另一实施例还提供了执行上述实施例中高精度亚像素星斑重塑方法的电子设备。该电子设备包括：
一个或多个处理器310以及存储器320，图3中以一个处理器310为例。
高精度亚像素星斑重塑方法的电子设备还可以包括：输入装置330和输出装置340。
处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器320作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明的实施例中的高精度亚像素星斑重塑方法对应的程序指令/模块(单元)。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例图标显示方法。
存储器320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储获取的应用程序的提醒事项的数量信息等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器320可选包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至列表项操作的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可接收输入的数字或字符信息，以及产生与高精度亚像素星斑重塑装置的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器320中，当被所述一个或者多个处理器310执行时，执行上述任意方法实施例中的高精度亚像素星斑重塑方法。
上述产品可执行本发明的实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明的实施例所提供的方法。
本发明的实施例的电子设备可以以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有提醒事项记录功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元(模块)可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本发明实施例提供了一种非暂态计算机可读存存储介质，所述计算机存储介质存储有计算机可执行指令，其中，当所述计算机可执行指令被电子设备执行时，使所述电子设备上执行上述任意方法实施例中的高精度亚像素星斑重塑方法。
本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被电子设备执行时，使所述电子设备执行上述任意方法实施例中的高精度亚像素星斑重塑方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，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之内。

Claims (2)

1.一种高精度亚像素星斑重塑方法，其特征在于，包括下述步骤：
获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且所述星斑的分布满足二维高斯正态分布；基于所述星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)，计算公式为：其中，round()表示取整函数，Z表示整数集；
以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑离散矩阵，并对所述重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；其中，所述重塑离散矩阵计算公式为：
上式中，g(d(m,n),δd)表示重塑离散矩阵，d(m,n)表示偏离重塑初步位置s(xs,ys)的像元位置，m∈Z,n∈Z，δd表示重塑离散矩阵对应的分布协方差；
赋值后的重塑离散矩阵计算公式为：
上式中，h(d(m,n),δd)为赋值后的重塑离散矩阵，W×W为星斑的截断大小，G为星斑星等的灰度，G∈N；
以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑补偿矩阵，并对所述重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵；其中，所述重塑补偿矩阵计算公式为：
上式中，c(d(m,n),δc)表示重塑补偿矩阵，δc为重塑补偿矩阵对应的分布协方差，且
赋值后的重塑补偿矩阵计算公式为：
上式中，e(d(m,n),δc,l)为赋值后的重塑补偿矩阵，K为星斑补偿灰度，且K＝G-∑h(d(m,n),δd)，l为重塑补偿矩阵的调整参数，(p,q)为质心的重塑初步位置相对于质心真实位置的偏移方位，其中，
上式中，sign()表示符号函数；
基于所述赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑，包括：
基于所述赋值后的重塑离散矩阵h(d(m,n),δd)和赋值后的重塑补偿矩阵得到重塑星斑v(d(m,n))；其中，所述重塑星斑v(d(m,n))的计算公式为：
v(d(m,n))＝h(d(m,n),δd)+e(d(m,n),δc,l)；
基于所述重塑星斑v(d(m,n))和加权质心算法得到重塑质心位置z(m,n)，调整l并将满足min|[z(m,n)-t(xt,yt)]|对应的重塑星斑v(d(m,n))作为最终重塑星斑。
2.一种高精度亚像素星斑重塑装置，其特征在于，包括：
重塑初步位置获得模块，用于获得像平面坐标系XOY中需要重塑的星斑质心的真实位置t(xt,yt)，且所述星斑的分布满足二维高斯正态分布；基于所述星斑质心的真实位置t(xt,yt)计算得到星斑质心的重塑初步位置s(xs,ys)，计算公式为：
其中，round()表示取整函数，Z表示整数集；
重塑离散矩阵获得模块，用于以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑离散矩阵，并对所述重塑离散矩阵进行截断并赋值，得到赋值后的重塑离散矩阵；其中，通过下述公式获得重塑离散矩阵：
上式中，g(d(m,n),δd)表示重塑离散矩阵，d(m,n)表示偏离重塑初步位置s(xs,ys)的像元位置，m∈Z,n∈Z，δd表示重塑离散矩阵对应的分布协方差；
赋值后的重塑离散矩阵计算公式为：
上式中，h(d(m,n),δd)为赋值后的重塑离散矩阵，W×W为星斑的截断大小，G为星斑星等的灰度，G∈N；
重塑补偿矩阵获得模块，用于以所述星斑质心的重塑初步位置s(xs,ys)为中心，对所述二维高斯正态分布进行离散化得到重塑补偿矩阵，并对所述重塑补偿矩阵进行截断并赋值，得到赋值后的重塑补偿矩阵；其中，通过下述公式获得重塑补偿矩阵：
上式中，c(d(m,n),δc)表示重塑补偿矩阵，δc为重塑补偿矩阵对应的分布协方差，且
赋值后的重塑补偿矩阵计算公式为：
上式中，e(d(m,n),δc,l)为赋值后的重塑补偿矩阵，K为星斑补偿灰度，且K＝G-∑h(d(m,n),δd)，l为重塑补偿矩阵的调整参数，(p,q)为质心的重塑初步位置相对于质心真实位置的偏移方位，其中，
上式中，sign()表示符号函数；
重塑星斑获得模块，用于基于所述赋值后的重塑离散矩阵和赋值后的重塑补偿矩阵获得最终重塑星斑，包括：
基于所述赋值后的重塑离散矩阵h(d(m,n),δd)和赋值后的重塑补偿矩阵得到重塑星斑v(d(m,n))；其中，所述重塑星斑v(d(m,n))的计算公式为：
v(d(m,n))＝h(d(m,n),δd)+e(d(m,n),δc,l)；
基于所述重塑星斑v(d(m,n))和加权质心算法得到重塑质心位置z(m,n)，调整l并将满足min|[z(m,n)-t(xt,yt)]|对应的重塑星斑v(d(m,n))作为最终重塑星斑。
CN202011522918.4A 2020-12-21 2020-12-21 一种高精度亚像素星斑重塑方法及装置 Active CN112528514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011522918.4A CN112528514B (zh) 2020-12-21 2020-12-21 一种高精度亚像素星斑重塑方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011522918.4A CN112528514B (zh) 2020-12-21 2020-12-21 一种高精度亚像素星斑重塑方法及装置

Publications (2)

Publication Number Publication Date
CN112528514A CN112528514A (zh) 2021-03-19
CN112528514B true CN112528514B (zh) 2024-02-23

Family

ID=75002121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011522918.4A Active CN112528514B (zh) 2020-12-21 2020-12-21 一种高精度亚像素星斑重塑方法及装置

Country Status (1)

Country Link
CN (1) CN112528514B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK36685D0 (da) * 1984-01-27 1985-01-25 Du Pont Pletkvantisering
EP1450304A1 (en) * 2003-02-21 2004-08-25 City University of Hong Kong Image processing apparatus and method
CN104318235A (zh) * 2014-10-24 2015-01-28 南京大学 一种基于灰度分布建模的光斑中心提取方法及装置
CN104537653A (zh) * 2014-12-18 2015-04-22 北京航空航天大学 星敏感器星像质心坐标和半径的高斯解析求解方法
CN104574315A (zh) * 2015-01-08 2015-04-29 哈尔滨工业大学 基于光强传输矩阵的光学系统成像复原方法
CN109741266A (zh) * 2018-12-03 2019-05-10 西北核技术研究所 一种阵列探测法激光光斑图像的复原显示方法
CN110398286A (zh) * 2019-04-26 2019-11-01 南京理工大学 一种基于阵列探测法的激光光斑恢复方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108663123A (zh) * 2018-04-02 2018-10-16 长春理工大学 一种与微扫描装置相匹配的哈特曼波前重构方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK36685D0 (da) * 1984-01-27 1985-01-25 Du Pont Pletkvantisering
EP1450304A1 (en) * 2003-02-21 2004-08-25 City University of Hong Kong Image processing apparatus and method
CN104318235A (zh) * 2014-10-24 2015-01-28 南京大学 一种基于灰度分布建模的光斑中心提取方法及装置
CN104537653A (zh) * 2014-12-18 2015-04-22 北京航空航天大学 星敏感器星像质心坐标和半径的高斯解析求解方法
CN104574315A (zh) * 2015-01-08 2015-04-29 哈尔滨工业大学 基于光强传输矩阵的光学系统成像复原方法
CN109741266A (zh) * 2018-12-03 2019-05-10 西北核技术研究所 一种阵列探测法激光光斑图像的复原显示方法
CN110398286A (zh) * 2019-04-26 2019-11-01 南京理工大学 一种基于阵列探测法的激光光斑恢复方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Motion‑blurred star image restoration based on multi‑frame superposition under high dynamic and long exposure conditions;Yiyang He 等;Journal of Real-Time Image Processing;1477-1491 *
Rapid and Accurate Regional Star-Map Simulated Method;Jian Han 等;2021 International Conference on Computer, Control and Robotics;319-324 *
动态星模拟器星图 模拟软件优化算法研究;胡冰;中国优秀硕士论文电子期刊 工程科技Ⅱ辑;C23-633 *
基于星敏感器的像移补偿技术;刘朝山 等;系统工程与电子技术;第34卷(第7期);1435-1438 *
海上红外图像预处理技术及目标检测方法研究;邵旭慧;中国优秀硕士论文电子期刊 工程科技Ⅰ辑;B026-11 *
高动态条件下星点像斑建模与补偿;练达 等;飞控与探测;第3卷(第3期);86-94 *

Also Published As

Publication number Publication date
CN112528514A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN109858445B (zh) 用于生成模型的方法和装置
US10339929B2 (en) Speech recognition using acoustic features in conjunction with distance information
CN110096929A (zh) 基于神经网络的目标检测
CN112284400B (zh) 车辆的定位方法、装置、电子设备及计算机可读存储介质
US20110267459A1 (en) Portable apparatus for processing measurement data and method thereof
CN110162604B (zh) 语句生成方法、装置、设备及存储介质
US11501069B2 (en) Electronic device for inputting characters and method of operation of same
CN110969159B (zh) 图像识别方法、装置及电子设备
CN114543797B (zh) 位姿预测方法和装置、设备、介质
CN112487871A (zh) 笔迹数据处理方法、装置及电子设备
KR20220100813A (ko) 자율주행 차량 정합 방법, 장치, 전자 기기 및 차량
CN109829431B (zh) 用于生成信息的方法和装置
CN111368860A (zh) 重定位方法及终端设备
CN112528514B (zh) 一种高精度亚像素星斑重塑方法及装置
CN111275769B (zh) 一种单目视觉参数的校正方法及装置
KR20220145807A (ko) 신경 네트워크를 사용한 깊이 추정
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
US20160223675A1 (en) Mobile terminal, position identification method, and position identification device
CN113706606B (zh) 确定隔空手势位置坐标的方法及装置
CN113283821B (zh) 虚拟场景处理方法、装置、电子设备及计算机存储介质
CN114202799A (zh) 被控对象变化速度确定方法、装置、电子设备及存储介质
CN112528513B (zh) 一种快速宽灰度星斑灰度分配方法及装置
CN110245231A (zh) 一种针对乱码的训练样本特征提取方法、装置及设备
CN116071527B (zh) 一种对象处理方法、装置、存储介质及电子设备
CN114095719B (zh) 图像展示方法及图像展示装置、存储介质

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