CN114485668B - 光学双星定位多运动目标关联方法及系统 - Google Patents
光学双星定位多运动目标关联方法及系统 Download PDFInfo
- Publication number
- CN114485668B CN114485668B CN202210050935.5A CN202210050935A CN114485668B CN 114485668 B CN114485668 B CN 114485668B CN 202210050935 A CN202210050935 A CN 202210050935A CN 114485668 B CN114485668 B CN 114485668B
- Authority
- CN
- China
- Prior art keywords
- satellite
- target
- coordinate system
- targets
- positions
- 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
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种光学双星定位多运动目标关联方法及系统,包括:步骤S1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的可能的运动目标在图像中的位置;步骤S2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;步骤S3:在与步骤S2相同的参考坐标系中分别获取两颗卫星的位置向量;步骤S4:对多目标两两计算匹配性评分值,构造适配矩阵;步骤S5:根据适配矩阵计算目标最优匹配结果。本发明能够为场景中存在多个运动目标时提供最优的关联方案,实施方便且能普遍适用光学双星立体定位多目标关联。
Description
技术领域
本发明涉及目标关联方法技术领域,具体地,涉及光学双星定位多运动目标关联方法及系统。
背景技术
在光学遥感领域,常需要对感兴趣的运动目标进行位置确定、跟踪与预报,如城市交通系统、气象环境监测等。传统单颗光学卫星仅能获取目标的测角信息,无法获取距离信息,故而需要双星联合观测,通过双星立体定位获取目标三维位置信息。
由于运动目标在背景环境中的相对运动,导致基于图像配准方式的目标关联方法无法适用。当双星的视场中均观测到多目标时,如何将目标进行同一性的判断与关联,是实施高精度定位的前提。
专利《一种基于测角信息的多目标同一性识别方法》(专利号CN 107607904 A)公开了一种基于测角信息的多目标关联方法,通过在地心地固坐标系计算两个目标的公垂线长度,利用阈值比较进行多目标关联。文献1(刘馨基于多源测向数据的多目标同一性识别和无源定位系统实现,郑州大学硕士论文,2018)针对机载观测平台对单个或多个静止目标进行测向的无源定位系统,给出了一种基于密度聚类算法DBSCAN,将相同目标的测向线进行分组。文献2(夏智权基于关联度的多目标同一性识别,现代防御技术,2015,第43卷,第2期)针对分布式多站探测系统在跟踪多目标过程中所面临的测量数据组合模糊问题,提出了基于关联度的多站多目标两级同一性识别方法。首先根据主站测量数据建立判决门限进行一次预关联,然后建立关联函数进行细关联,最后依据最大关联度准则获取最优的关联组合。通过仿真验证了对4个目标的同一性识别。文献3(董爱基于距离分辨的多目标同一性识别方法,现代防御技术,2018,第46卷,第6期)针对分布式多站探测系统在跟踪多目标过程中所面临的测量数据组合模糊问题,分析了T/R R3分布式时差测量系统设备的多目标分辨能力,给出了基于距离分辨、通过时序组合进行多目标同一性识别的方法,仿真验证了对4个目标的同一性识别。
针对光学双星立体定位,目前在运动目标较少的前提下,可以通过阈值比较的方法进行关联。当运动目标较多时(≥10个),同一目标存在多个满足适配阈值的待匹配目标的概率大大增加,也就增加了双星多运动目标关联的难度,故而亟需一种多运动目标关联方法能够普遍适用多个运动目标的同一性识别与关联。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种光学双星定位多运动目标关联方法及系统。
根据本发明提供的一种光学双星定位多运动目标关联方法,包括:
步骤S1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
步骤S2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
步骤S3:在与步骤S2相同的参考坐标系中分别获取两颗卫星的位置向量;
步骤S4:对多目标两两计算匹配性评分值,构造适配矩阵;
步骤S5:根据适配矩阵计算目标最优匹配结果。
优选地,所述步骤S1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数。
优选地,所述步骤S2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量。
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
优选地,所述步骤S4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号| |表示计算向量的模值,αij≤100。
优选地,适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
优选地,所述步骤S5采用:
步骤S5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
步骤S5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0。若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发步骤S5.2直至无匹配冲突。
根据本发明提供的一种光学双星定位多运动目标关联系统,包括:
模块M1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
模块M2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
模块M3:在与模块M2相同的参考坐标系中分别获取两颗卫星的位置向量;
模块M4:对多目标两两计算匹配性评分值,构造适配矩阵;
模块M5:根据适配矩阵计算目标最优匹配结果。
优选地,所述模块M1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数;
所述模块M2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量。
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
优选地,所述模块M4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号| |表示计算向量的模值,αij≤100;
适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
优选地,所述模块M5采用:
模块M5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
模块M5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0。若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发模块M5.2直至无匹配冲突。
与现有技术相比,本发明具有如下的有益效果:
1、本发明能够适用于利用光学双星对多个运动目标进行关联,尤其在目标数量较多(≥10个)时能够以较小的计算开销快速获得多运动目标的最优关联结果;
2、本发明方法合理、计算简单、实施简易,能够普遍应用于双星立体定位多运动目标关联;
3、本发明能够为场景中存在多个运动目标时提供最优的关联方案,实施方便且能普遍适用光学双星立体定位多目标关联。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为光学双星定位多运动目标关联方法流程图。
图2为光学双星相机图像中分别检测出的目标点。
图3为实施本发明方法得到的最优匹配关联结果。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种光学双星定位多运动目标关联方法,如图1所示,包括:
步骤S1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
步骤S2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
步骤S3:在与步骤S2相同的参考坐标系中分别获取两颗卫星的位置向量;
步骤S4:对多目标两两计算匹配性评分值,构造适配矩阵;
步骤S5:根据适配矩阵计算目标最优匹配结果。
具体地,所述步骤S1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数。
具体地,所述步骤S2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量。
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
具体地,所述步骤S4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号| |表示计算向量的模值,αij≤100。
具体地,适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
具体地,所述步骤S5采用:
步骤S5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
步骤S5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0。若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发步骤S5.2直至无匹配冲突。
根据本发明提供的一种光学双星定位多运动目标关联系统,包括:
模块M1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
模块M2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
模块M3:在与模块M2相同的参考坐标系中分别获取两颗卫星的位置向量;
模块M4:对多目标两两计算匹配性评分值,构造适配矩阵;
模块M5:根据适配矩阵计算目标最优匹配结果。
具体地,所述模块M1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数;
所述模块M2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量。
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
具体地,所述模块M4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号| |表示计算向量的模值,αij≤100;
适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
具体地,所述模块M5采用:
模块M5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
模块M5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0。若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发模块M5.2直至无匹配冲突。
实施例2
实施例2是实施例1的优选例
下面结合附图给出本发明较佳实施例,以详细说明本发明的技术方案。
针对多运动目标,光学双星定位首先需要依据图像实施目标检测,获取两颗卫星的可能的运动目标在图像中的位置。由于各种非理想因素的存在,目标检测总是可能存在一定程度的错检和漏检。另外,由于光学双星观测的区域不可能完全重合,故而两颗卫星目标检测输出的目标数量是没有必然联系的。而且由于光学双星成像几何关系,目标在图像中的位置也无简单映射关系。通过检测获取的目标在图像中的位置表示为行位置lrow、列位置lcol,该数值为实数。需将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量。同一坐标系可以选取地心固联坐标系(如WGS84坐标系)、地心惯性坐标系(如J2000.0地心天球坐标系)等。
将行位置、列位置转化为同一坐标系下单位指向向量的方法可以选择坐标系转换法或者相对定位方法。前者利用已知的行位置、列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体系下的单位指向向量转换至同一坐标系。后者利用天文定位、地标定位等手段,直接获取多目标在同一坐标系中的单位指向向量。同时还需要分别获取同时刻两颗卫星的位置向量作为输入。
若卫星1检测出M个可能目标,卫星2检测出N个可能目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i(1≤i≤M)个可能目标(指向向量为Ui)与卫星2的第j(1≤j≤N)个可能目标(指向向量为Vj)之间的匹配性评分值αij计算方法为
其中,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘(内积),符号| |表示计算向量的模值,由公式1可知αij≤100。
适配矩阵A维数为M×N维,采用阈值c进行初步遴选,减小不必要的匹配计算开销,适配矩阵A中的元素aij满足,
获得适配矩阵A后需要计算目标最优匹配结果,若采用枚举搜索最优结果,其运算复杂度将为MN量级,这显然是不可接受的。为了提升匹配速度,除了通过阈值进行初步的选择之外,本发明采用动态基数方法。
对卫星2的N个目标,设置动态基数值bj(1≤j≤N)初值为0。
对卫星1的M个目标,由第1个目标开始,依次其寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj,
bj=bj+q1-q2+0.0001 (公式3)
其中,q1为qij(1≤j≤N)中最大值,q2为qij(1≤j≤N)中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0。若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象。
若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,依据步骤5.2中的选择依据重新匹配,直至无匹配冲突。动态基数的更新保证了若某个目标未能匹配到最大值后立即可以匹配至次大值对应的目标。
采用一组仿真场景对该发明方法进行验证,设置光学双星位置测量误差10m,指向向量测量误差2角秒,图2所示为光学双星相机图像中分别检测出的可能目标点,卫星1共15个目标,依次编号为目标1,目标2,……,目标15,卫星2共10个目标,依次编号为目标a,目标b,……,目标j。采用本发明方法构建得到的适配矩阵A为
通过最终的最优匹配,关联的目标如图3所示,关联关系为{目标1:无;目标2:无;目标3:目标a;目标4:无;目标5:目标b;目标6:目标c;目标7:目标d;目标8:无;目标9:目标e;目标10:目标f;目标11:目标g;目标12:目标h;目标13:目标i;目标14:目标j;目标15:无},所有目标均正确关联。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (5)
1.一种光学双星定位多运动目标关联方法,其特征在于,包括:
步骤S1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
步骤S2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
步骤S3:在与步骤S2相同的参考坐标系中分别获取两颗卫星的位置向量;
步骤S4:对多目标两两计算匹配性评分值,构造适配矩阵;
步骤S5:根据适配矩阵计算目标最优匹配结果;
所述步骤S4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号||表示计算向量的模值,αij≤100;
适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
所述步骤S5采用:
步骤S5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
步骤S5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0;若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发步骤S5.2直至无匹配冲突。
2.根据权利要求1所述的光学双星定位多运动目标关联方法,其特征在于,所述步骤S1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数。
3.根据权利要求1所述的光学双星定位多运动目标关联方法,其特征在于,所述步骤S2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量;
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
4.一种光学双星定位多运动目标关联系统,其特征在于,包括:
模块M1:对光学双星同时获取的图像分别实施目标检测,获取两颗卫星的多运动目标在图像中的位置;
模块M2:将多目标在双星图像中的位置转化至同一坐标系中的单位指向向量;
模块M3:在与模块M2相同的参考坐标系中分别获取两颗卫星的位置向量;
模块M4:对多目标两两计算匹配性评分值,构造适配矩阵;
模块M5:根据适配矩阵计算目标最优匹配结果;
所述模块M4采用:若卫星1检测出M个目标,卫星2检测出N个目标,卫星1位置为P1,卫星2位置为P2,卫星1的第i个目标指向向量为Ui与卫星2的第j个目标指向向量为Vj之间的匹配性评分值aij为:
其中,1≤i≤M,1≤j≤N,向量P12=P2-P1,表示卫星2相对卫星1的指向,符号×表示向量叉乘,符号·表示向量点乘,符号||表示计算向量的模值,αij≤100;
适配矩阵A维数为M×N维,采用阈值c进行初步遴选;
所述模块M5采用:
模块M5.1:对卫星2的N个目标,设置动态基数值bj初值为0,1≤j≤N;
模块M5.2:对卫星1的M个目标,由第1个目标开始,依次寻找在卫星2中关联对象,选择依据为若存在qij=aij-bj>0,则选择其中最大者,并更新对应的动态基数值bj;
bj=bj+q1-q2+0.0001 (3)
其中,q1为qij中最大值,q2为qij中次大值,对于只存在一个qij=aij-bj>0的情况,次大值q2=0;若不存在qij=aij-bj>0,则卫星1中的该目标在卫星2中未找到合适的关联对象;若出现匹配冲突,则对存在冲突的目标,根据当前的动态基数重新计算qij,重复触发模块M5.2直至无匹配冲突。
5.根据权利要求4所述的光学双星定位多运动目标关联系统,其特征在于,所述模块M1采用:通过目标检测获取目标在图像中的位置,目标在图像中的位置表示为行位置和列位置,数值均为实数;
所述模块M2采用:将多目标在双星图像中的位置利用坐标系转换法或相对定位方法转化至同一坐标系中的单位指向向量;
所述坐标系转换法采用:利用多目标在双星图像中已知的行位置和列位置在卫星本体系下的单位指向向量,根据坐标系转换矩阵将多目标在各自卫星本体下的单位指向向量转换至同一坐标系;
所述相对定位方法采用:利用天文定位和地标定位方法获取多目标在同一坐标系中的单位指向向量;
所述同一坐标系包括地心固联坐标系和地心惯性坐标系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210050935.5A CN114485668B (zh) | 2022-01-17 | 2022-01-17 | 光学双星定位多运动目标关联方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210050935.5A CN114485668B (zh) | 2022-01-17 | 2022-01-17 | 光学双星定位多运动目标关联方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485668A CN114485668A (zh) | 2022-05-13 |
CN114485668B true CN114485668B (zh) | 2023-09-22 |
Family
ID=81511584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210050935.5A Active CN114485668B (zh) | 2022-01-17 | 2022-01-17 | 光学双星定位多运动目标关联方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485668B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575274A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 高性能星图匹配自主导航定位系统 |
CN103852079A (zh) * | 2014-03-21 | 2014-06-11 | 哈尔滨商业大学 | 一种基于双星顶点剖分弧度集合模糊匹配的船舶天文导航方法 |
CN104299228A (zh) * | 2014-09-23 | 2015-01-21 | 中国人民解放军信息工程大学 | 一种基于精确点位预测模型的遥感影像密集匹配方法 |
JP2017130067A (ja) * | 2016-01-20 | 2017-07-27 | インスペース カンパニー リミテッド | 衛星映像の位置正確度改善のための自動映像処理システム及びその方法 |
CN109299305A (zh) * | 2018-10-30 | 2019-02-01 | 湖北工业大学 | 一种基于多特征融合的空间图像检索系统及检索方法 |
CN111948687A (zh) * | 2020-08-07 | 2020-11-17 | 上海卫星工程研究所 | 一种适用于多星编队的分布式多源信息融合系统 |
CN112461231A (zh) * | 2020-10-23 | 2021-03-09 | 中国人民解放军火箭军工程大学 | 一种多星图融合的天文定位方法 |
-
2022
- 2022-01-17 CN CN202210050935.5A patent/CN114485668B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103575274A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 高性能星图匹配自主导航定位系统 |
CN103852079A (zh) * | 2014-03-21 | 2014-06-11 | 哈尔滨商业大学 | 一种基于双星顶点剖分弧度集合模糊匹配的船舶天文导航方法 |
CN104299228A (zh) * | 2014-09-23 | 2015-01-21 | 中国人民解放军信息工程大学 | 一种基于精确点位预测模型的遥感影像密集匹配方法 |
JP2017130067A (ja) * | 2016-01-20 | 2017-07-27 | インスペース カンパニー リミテッド | 衛星映像の位置正確度改善のための自動映像処理システム及びその方法 |
CN109299305A (zh) * | 2018-10-30 | 2019-02-01 | 湖北工业大学 | 一种基于多特征融合的空间图像检索系统及检索方法 |
CN111948687A (zh) * | 2020-08-07 | 2020-11-17 | 上海卫星工程研究所 | 一种适用于多星编队的分布式多源信息融合系统 |
CN112461231A (zh) * | 2020-10-23 | 2021-03-09 | 中国人民解放军火箭军工程大学 | 一种多星图融合的天文定位方法 |
Non-Patent Citations (6)
Title |
---|
Jia-Xin Wang等.RanPaste_Paste_Consistency_and_Pseudo_Label_for_Semisupervised_Remote_Sensing_Image_Semantic_Segmentation.IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING.2021,第60卷1-16. * |
孙龙 ; 蔡佳楠 ; 姜建华 ; .小视场星敏感器的星图识别算法.电子科技.2017,(第12期),75-78. * |
朱建丰 ; 何新生 ; 郝本建 ; .基于双星TDOA和主星DOA的空中动目标联合定位技术.电子学报.2018,(第06期),101-106. * |
王卫兵 ; 王挺峰 ; 郭劲 ; .基于双星双目跟踪方式的空间目标定轨技术研究.光学学报.2015,(第01期),204-211. * |
郭敬明 ; 何昕 ; 魏仲慧 ; 张同双 ; .基于双星敏感器的船体姿态测量系统设计.光电子技术.2014,(第01期),5-10,20. * |
魏文斌 ; 闫世强 ; 张燕 ; 肖锐 ; .基于多恒星背景的目标视位置测量方法研究.空军预警学院学报.2017,(第01期),23-26,31. * |
Also Published As
Publication number | Publication date |
---|---|
CN114485668A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
David et al. | Softposit: Simultaneous pose and correspondence determination | |
US10527705B2 (en) | System and method for multi-sensor multi-target 3D fusion using an unbiased measurement space | |
Chou et al. | Efficient and accurate tightly-coupled visual-lidar slam | |
CN111862126A (zh) | 深度学习与几何算法结合的非合作目标相对位姿估计方法 | |
US20060008119A1 (en) | Visual object recognition and tracking | |
Juan et al. | A scene matching algorithm based on surf feature | |
CN114088081B (zh) | 一种基于多段联合优化的用于精确定位的地图构建方法 | |
CN112990228A (zh) | 图像特征匹配方法和相关装置、设备及存储介质 | |
Wang et al. | Few-shot SAR ATR based on conv-BiLSTM prototypical networks | |
Klaus et al. | Camera calibration from a single night sky image | |
CN114485668B (zh) | 光学双星定位多运动目标关联方法及系统 | |
CN116343056A (zh) | 基于循环匹配的低分辨星图目标识别方法 | |
Jo et al. | Mixture density-PoseNet and its application to monocular camera-based global localization | |
CN104964684A (zh) | 一种高动态下快速星跟踪方法 | |
CN116883457A (zh) | 一种基于检测跟踪联合网络和混合密度网络的轻量化多目标跟踪方法 | |
Sui et al. | An accurate indoor localization approach using cellphone camera | |
Xie et al. | An autonomous star identification algorithm based on the directed circularity pattern | |
CN115631444A (zh) | 一种无人机航拍图像目标检测算法 | |
Liubchenko et al. | Automation of vehicle plate numbers identification on one-aspect images | |
Hofstetter et al. | Reliable data association for feature-based vehicle localization using geometric hashing methods | |
CN114543789B (zh) | 一种基于一维卷积神经网络的星图识别方法及系统 | |
Shan et al. | Intelligent association algorithm for multi-angle SAR images based on multi-feature fusion | |
US20240104773A1 (en) | Data processing apparatus and method for determining a pose | |
Pizarro et al. | Localization and geometric reconstruction of mobile robots using a camera ring |
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 |