CN114777763A - 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 - Google Patents
基于姿态信息辅助的小视场星敏感器星图识别方法及装置 Download PDFInfo
- Publication number
- CN114777763A CN114777763A CN202210256680.8A CN202210256680A CN114777763A CN 114777763 A CN114777763 A CN 114777763A CN 202210256680 A CN202210256680 A CN 202210256680A CN 114777763 A CN114777763 A CN 114777763A
- Authority
- CN
- China
- Prior art keywords
- star
- navigation
- pix
- block
- stars
- 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.)
- Pending
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
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于姿态信息辅助的小视场星敏感器星图识别方法及装置,利用导航系统提供的姿态信息推算出星敏感器当前时刻的姿态,选择光轴指向附近的天球区域中的恒星作为候选星,利用得到的候选星先验信息,再与三角形算法结合进行星图识别匹配过程,提高匹配的冗余度,从而达到减少误匹配和多匹配概率的目的。
Description
技术领域
本发明涉及航天器导航、制导与控制领域,特别是一种基于姿态信息辅助的小视场星敏感器星图识别方法及装置。
背景技术
姿态测量是航天器飞行控制的前提,对保证航天器高性能飞行、高精度观测及顺利完成各种空间任务具有重要意义。星敏感器通过观测恒星进行姿态解算,具有高可靠性,高精度,自主性强以及无误差积累等优点,目前广泛应用于航天器的姿态测量中。其工作原理为:星敏感器通过其光学成像系统获取当前视场范围内的星图,提取星图中恒星所在位置坐标(或再加亮度信息),并由星图识别算法完成观测星与数据库中导航星的对应匹配,最终利用匹配星对计算得到星敏感器的三轴姿态信息。上述工作流程中,星图识别算法是星敏感器完成姿态测量的核心部分。
现有星图识别方法可分为三大类:子图同构算法(如三角形算法,金字塔算法,最大匹配组算法,几何投票法等)、人工智能算法(如遗传算法,自适应蚁群算法等)与模式识别算法(如栅格算法,主星环形模式算法等)。
其中,三角形算法是目前研究最成熟、应用最广泛的星图识别算法。该算法的基本原理如下:事先将导航星构成的l存储起来,识别时比较特征三角形和观测三角形的三对角距,如果三对角距对应的误差在一个设定的不确定度范围之类,则认为观测三角形与特征三角形匹配。但是通常情况下,该算法构建的特征三角形数量太多,在星图识别的过程中冗余匹配多,计算量大,时间长,且对噪声的鲁棒性差。
对三角形星图识别方法的改进,主要体现在一下两个方面:一是通过三角形构造其他的特征来减少冗余匹配;二是减少导航星库的容量,从而减少匹配搜索的时间。文献1:C.L.Cole,J.L.Crassidis.Fast star-pattern recognition using planar triangles[J].Journal of Guidance Control and Dynamics,2006,29(64):1-38.提出一种快速的提出一种快速的平面三角形识别方法,将星图中三个星点构成的平面三角形的面积作为识别的特征之一,该方法同时利用面积和星角距进行匹配从而降低冗余,但是特征三角形数目依然很庞大,星图识别时间长。文献2:杨建,张广军,江洁.P向量实现快速星图识别的方法[J].航空学报,2007,28(4):897-900. 提出一种P向量实现快速星图识别的方法,该方法构建特征三角形时,规定每一颗主星只有一个三角形,由导航星和周围最亮的两颗星构成。该方法能够快速完成星图识别,并降低冗余,但三角形数目过于精简,从而使得观测三角形构建条件苛刻,且星图识别结果易受星等噪声影响。三角形算法存在的冗余匹配多、计算计算量大时间长、对噪声鲁棒性差的问题,难以得到同时解决,此外,在小视场观测条件下,星图中的三角形数量少构建条件苛刻,使得星图识别的难度进一步增大。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种基于姿态信息辅助的小视场星敏感器星图识别方法及装置,在视场内可见星数较少、图像噪声较大的情况下,有效提高星图识别的准确率,同时缩短识别算法的运行时间。
为解决上述技术问题,本发明所采用的技术方案是:一种基于姿态信息辅助的小视场星敏感器星图识别方法,包括以下步骤:
S1、查找光轴指向所在区块对应的8个邻域区块的编码,分别获取9个区块对应的导航星库的起始地和末尾地,将9个区块包含的恒星作为候选星,根据导航星表,得到全部候选星序号的集合S={S1...Sn};
S2、对于图像上的两个星点,由图像坐标计算得到s系内的星光矢量分别为(u1,v1)、(u2,v2)分别为图像上的两个星点的图像坐标;(u0,v0)和f分别为相机主点和焦距;两个星点之间星角距计算公式为:
S3、对于余弦值cosθ12,利用k矢量查找表对应的线性映射K,定位导航星库的搜索区间上限K[cosθ12-δ]和下限K[cosθ12+δ],得到定位恒星序号;将定位出的恒星序号与候选星序号的集合S={S1...Sn}取交集后,使用三角形算法完成星表的匹配,完成星图识别;其中,δ为设定的误差值(据星点提取精度确定,一般取值0.5×10-6~4×10-6)。
本发明利用姿态先验信息的辅助,极大地减少了星图识别过程中的冗余匹配,从而减小计算量和运算时间,同时增强识别率和噪声鲁棒性。本发明利用星敏感器上一时刻的姿态信息,估计当前时刻的光轴指向,从而筛选出当前视场内可能存在的恒星作为候选星,将图像上观测到的星点信息与候选星直接进行匹配;而传统的三角形算法是与导航星库中所有的定位恒星进行匹配,候选星相对于星角距直接定位出的恒星来说,数量非常少,可以有效避免星图识别的过程中冗余匹配多、计算量大、时间长、噪声鲁棒性差等问题。
步骤S1中,通过邻域区块索引表查找光轴指向所在区块对应的8个邻域区块的编码;其中,邻域区块索引表的构建过程包括:邻域区块索引表的第1列为中央区块索引号,根据每个区块中心的赤经赤纬,分别查找与每个中央区块相邻的8个区块,并将相邻区块的索引号存储于邻域区块索引表的2~9列中;筛选出位于中央区块里的导航星,将导航星在导航星表中的起始地址和末尾地址存储到邻域区块索引表的第10~11列中,从而得到邻域区块索引表。
本发明中,在已知光轴指向所在的中央区块后,可利用该表格查找相邻的8 个区块,从而实现候选星所在的9个区块的快速查找。
每个区块中心的赤经赤纬计算过程包括:
1)将天球分为等面积的12个基本网格,然后将每个网格细分为k层,细分后的边长是Nside,设定不同层级对应的菱形区块总数量Npix和区块大小θpix;其中,对于视场大小为θFOV的星敏感器,区块大小选择满足条件下的最大细分层数k;
其中,函数I[x]表示取小于x的最大整数,[x]mod[y]表示x对y进行求余运算。
在网格细分层级k确定之后,可以根据上述公式计算得到编号为p的区块的中心赤经赤纬,进而确定每个区块其相邻的8个区块编号,构建邻域索引表。
不同层级对应的菱形区块总数量Npix和区块大小θ设定为:
k=0时,Nside=1,Npix=12,θpix=58.6°;
k=1时,Nside=2,Npix=48,θpix=29.3°;
k=2时,Nside=4,Npix=192,θpix=14.7°;
k=3时,Nside=8,Npix=768,θpix=7.33°;
k=4时,Nside=16,Npix=3072,θpix=3.66°;
k=5时,Nside=32,Npix=12288,θpix=1.83°;
k=6时,Nside=1,Npix=49152,θpix=55.0′。
区块大小的设定包含两个原则:一是大于星敏感器半视场,从而保证选定的 9个区块大于视场范围;二是区块尽量小,以达到减少候选星数量的目的。在满足原则一的基础上,根据原则二选择区块大小,网格细分层级k和菱形区块总数量Npix随之确定。这种方式可以确保图像上观测到的星点全部包含在候选星内,同时更大程度地减少冗余匹配。
所述导航星表的构建过程包括:
筛选出星等小于极限探测星等的恒星作为导航星,根据导航星的赤经赤纬θs计算导航星对应的区块索引编码ps,得到所有导航星的区块索引编码,并将其存储于基本星表中,再按区块索引编码进行升序排列,对索引编码相同的恒星按其赤经进行升序排列,导航星表构建完成;其中,区块索引编码ps的计算过程包括:
已知区块编码的情况下,可以对区块内的导航星进行快速查找,从而筛选出候选星。
所述k矢量查找表的构建过程包括:
A)计算导航星表中所有星对的星角距余弦值,对于恒星a和恒星b,赤经、赤纬分别为和星光矢量va、vb之间的夹角,即星角距为θab,星角距余弦值vab的计算公式如下:vab=cosθab=va·vb;a、b代表恒星在2MASS星表中的序号,a≠b;
B)所有导航星对的星角距余弦值构成集合Y,在星敏感器视场θFOV和最小星角距分辨率θmin的限制下,对集合Y进行筛选,即Y的取值范围在 cosθmin和cosθFOV之间;将星角距余弦值从小到大进行排列,第1列储存星角距余弦值排列序号,第2、3列储存星对的序号a、b,第4列星角距余弦值,由此获得按角距余弦值排列的k矢量查找表。
C)根据k矢量查找表建立星角距余弦值排列序号k和余弦值cosθab之间的线性映射kab=K[cosθab]=(cosθab-A0)/A1,其中,A0、A1是在对k 矢量查找表中的第1列和第4列数据进行线性拟合后得到的拟合系数。
构建出k矢量查找表以及建立相应的线性映射K,可以在计算图像上星点星角距之后,对满足星角距误差阈值的导航星进行快速定位,从而减少搜索时间,提高算法效率。
本发明还提供了一种计算机装置,包括存储器、处理器及存储在存储器上的计算机程序;所述处理器执行所述计算机程序,以实现本发明所述方法的步骤。
本发明还提供了一种计算机程序产品,包括计算机程序/指令;该计算机程序/指令被处理器执行时实现本发明所述方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序/指令;所述计算机程序/指令被处理器执行时实现本发明所述方法的步骤。
与现有技术相比,本发明所具有的有益效果为:本发明利用姿态信息辅助,识别速度和识别成功率都远优于传统三角形算法;特别是小视场星敏感器星点较少的条件,可有效减少误匹配或者多匹配的情况,具有较强的鲁棒性和实用性;在视场内可见星数较少、图像噪声较大的情况下,有效提高了星图识别的准确率,同时缩短了识别算法的运行时间。
附图说明
图1为本发明提出的星图识别算法的流程图。
图2为姿态信息辅助确定候选星的示意图。
图3为三角形算法构造特征模式的示意图。
图4为本发明提出的星图识别算法在不同姿态误差下的识别率。
图5为本发明提出的星图识别算法在不同星角距误差阈值时的识别率。
图6为本发明提出的星图识别算法在不同星角距误差阈值时的运行时间。
具体实施方式
本发明利用导航系统提供的姿态信息推算出星敏感器当前时刻的姿态,选择光轴指向附近的天球区域(完全覆盖视场)中的恒星作为候选星,利用得到的候选星先验信息,再与三角形算法结合进行星图识别匹配过程,提高匹配的冗余度,从而达到减少误匹配和多匹配概率的目的。具体包括以下主要步骤:
步骤1.构建基于天球等面积分割的导航星表
1.1.利用HEALPix(Hierarchical Equal Area iso Latitude Pixelisation)算法进行划分,首先将天球分为等面积的12个基本网格,然后将每个网格细分为k层,细分后的边长是Nside,不同层级对应的菱形区块总数量Npix和区块大小θ如下表1所示:
表1 HEALPix划分级别、划分数量和区块大小
1.2.从北至南对所有区块进行编号,并计算每个区块中心对应的经纬度,区块的索引编号为p(p∈[0,Npix-1])时,其中心经纬度计算公式如下:
对于北极区域,0≤p<2Nside(Nside-1),对应的纬度圈索引值 1≤i<Nside,1≤j≤4i,可以由公式(1)和公式(2)分别计算:
在南、北半球赤道区域,2Nside(Nside-1)≤p<2Nside(5Nside+1),对应的纬度圈索引值Nside≤i≤2Nside,1≤j≤4Nside,可以由公式(5)和公式(6) 分别计算:
j=[p-2Nside(Nside-1)]mod[4Nside]+1 (6)
其中,函数I[x]表示取小于x的最大整数,[x]mod[y]表示x对y进行求余运算。
j=p+1-2i(i-1) (10)
上述公式(1)~(12)用于计算全天球中Npix个区块的中心点对应的赤经赤纬。
1.3.利用基本星库中的恒星来构建导航星表,提取出2MASS星库中恒星的赤经、赤纬、H波段星等、恒星序号构成基本星表,然后筛选出星等小于极限探测星等的恒星作为导航星,根据导航星的赤经赤纬θs计算其对应的区块索引编码ps:
ps=2Nside(Nside-1)+4(i-1)Nside+j (9)
对应的纬度圈索引值:
i=Nside+1+jp-jm (10)
对应的纬度圈索引值:
i=jp+jm+1 (13)
得到所有导航星的区块索引编码,并将其存储于筛选后的基本星表中,再按区块索引编码进行升序排列,对索引编码相同的恒星按其赤经进行升序排列,此时导航星表构建完成。
1.4.邻域区块索引表的第1列为中央区块索引号,根据步骤1.2计算出的每个区块中心的赤经赤纬,分别查找与每个中央区块相邻的8个区块,并将相邻区块的索引号存储于区块索引表的2~9列中。同时,筛选出位于中央区块里的导航星,将导航星在导航星表(步骤1.3构建)中的起始地址和末尾地址,存储到邻域索引表的10~11列中,从而得到邻域区块索引表。
步骤2.建立导航星k矢量查找表
2.1.计算导航星表中所有星对的星角距余弦值,对于恒星a和恒星b,星光矢量va、vb之间的夹角(即星角距)为θab,星角距余弦值vab的计算公式如下:
vab=cosθab=va·vb(a≠b) (15)
2.2.所有导航星对的星角距余弦值构成集合Y={…cosθab…}T,在星敏感器视场θFOV和最小星角距分辨率θmin的限制下,对集合Y进行筛选,即Y的取值范围在cosθmin和cosθFOV之间。将星角距余弦值从小到大进行排列,第1列储存星角距余弦值排列序号,第2、3列储存星对的序号a、b,第4列星角距余弦值,由此获得按角距余弦值排列的k矢量查找表。
2.3.建立星角距余弦值排列序号k和余弦值cosθab之间的线性映射 k=K[cosθab]=(cosθab-A0)/A1,对于任意的星角距θcal,在一定的余弦值误差范围δ内(误差范围根据星点提取精度确定,一般取值0.5×10-6~4×10-6),可以得到对应的查找表中序号的起始值K[cosθcal-δ]和终止值K[cosθcal+δ],从而实现对导航星对的快速定位。
步骤3.候选星信息辅助星图识别(步骤1、步骤2是导航数据库的建立过程,在进行星图识别前完成,只需要进行一次;在实际应用过程中,通过调用导航数据库,进行步骤3.1-3.3,从而完成星图识别过程)
3.1星敏感器在使用过程中可以输出载体的姿态信息,当载体的角运动速度不大的情况下,相邻采样时刻输出的姿态偏差较小。所以将上一时刻的姿态信息近似作为当前时刻的姿态,得到姿态转换矩阵利用公式(18)计算光轴在i系下的三维矢量,并得到其对应的赤经和赤纬θaxis。
3.2.将公式(19)计算出的光轴赤经和赤纬θaxis分别作为θs,代入公式(9)~(14)计算光轴指向对应的区块编码,通过步骤1.4得到的邻域区块索引表,查找光轴指向所在区块对应的8个邻域区块的编码,可以分别获取9个区块对应的导航星库的起始和末尾地址。将9个区块中的所包含的恒星作为候选星,根据步骤1.3构建的导航星表,最终得到全部侯选星序号的集合S={S1...Sn}。
3.3.对星图进行星点提取,得到星点的图像坐标(u,v),该恒星在星敏感器坐标系(s系)内的矢量为rs=(u-u0,v-v0,f),其中(u0,v0)和f分别为相机主点和焦距。
由此计算星图中星点之间的星角距余弦值,对于给定的余弦值cosθ12,利用 k矢量查找表快速定位导航星库的搜索区间上下限K[cosθ12-δ]和K[cosθ12+ δ],得到定位恒星序号。将定位出的恒星序号与候选星S={S1...Sn}取交集后,再使用三角形算法即可完成星表的匹配,即利用视场内的候选星序号辅助实现星图识别。
现根据一个具体实施例对本方法作进一步的介绍,如图1所示,该方法包括以下步骤:
步骤1.构建导航星表
1.1.利用HEALPix算法将天球分为等面积的菱形区块,区块大小θ如表一所示。所述的小视场星敏感器为3°×3°,选择的区块必须大于半视场1.5°,因此选择5级划分,平均区块大小为1.83°,对应的区块数为12288个。
1.2.当k=5时,Nside=32,代入公式(1)~(8)计算出每个区块中心对应的赤经赤纬。
1.3.选取2MASS星表中的恒星序号、赤经、赤纬、H波段星等4项信息构成基本星库,筛选出星等小于4.5的恒星作为导航星。利用导航星的赤经赤纬信息,代入公式(9)~(14)计算导航星所属区块的编码,并将其存储于基本星表中,再按区块索引编码进行升序排列,对索引编码相同的恒星按其赤经进行升序排列,此时导航星表构建完成。
表2导航星表局部
1.4.构建邻域区块索引表,根据步骤1.2计算出的区块中心赤经赤纬,分别查找与每个区块相邻的8个区块,并将相邻区块的索引号存储于区块索引表中。同时,筛选出位于该区块中的导航星,并储存导航星在导航星表(步骤1.3构建) 中的起始地址和末尾地址。
表3邻域区块索引表局部
步骤2.建立k矢量查找表
2.1.根据导航星的赤经赤纬,由公式(15)计算导航星表中所有星对的星角距余弦值,记录余弦值对应的两颗恒星的星号。
2.2.所有导航星对的星角距余弦值构成集合Y={…cosθab…}T,在星敏感器视场3°和最小星角距分辨率0.1°的限制下,对集合Y进行筛选,即Y的取值范围在cos 3°和cos0.1°之间。将星角距余弦值从小到大进行排列,第1列储存星角距余弦值排列序号,第2、3列储存星对的序号a、b,第4列星角距余弦值,由此获得按角距余弦值排列的星对查找表。
表4按角距余弦值排列的星对查找表
2.3.建立星角距序号和余弦值之间的线性映射k=K[cosθ]=(cosθ-A0)/ A1,对于任意的星角距θ,在一定的角度误差范围内,可以得到对应的查找表中序号的起始值K[cosθ-δ′]和终止值K[cosθ-δ′],从而实现对导航星对的快速定位。
步骤3.候选星信息辅助星图识别
3.2.根据公式(9)~(14)计算光轴指向对应的区块编码,通过表三查找中心区块对应的8个邻域区块的编码,可以分别获取9个区块对应的导航星库的起始和末尾地址。通过表二可以定位9个区块包含的所有恒星(即候选星),最终得到全部侯选星序号的集合S={S1...Sn}
3.3.对采集到的星图进行星点提取,得到星点的图像坐标,计算星图中每三颗恒星之间的星角距,利用k矢量查找表定位误差范围内的星对序号,通过与候选星取交集,可以快速实现三颗星的匹配,若所有三角形均成功匹配且星号一一对应,则说明识别成功,否则识别失败。对于识别成功的星图,进行姿态解算,将输出的姿态信息作为下一帧星图识别的辅助信息。
实施例
姿态信息辅助星图识别算法利用星敏感器先验的姿态信息获取候选的恒星,从而为星图匹配过程提供额外的参考信息,提高星图识别速度。姿态信息可以由星敏感器自身上一时刻输出的姿态给定,当有惯导系统辅助的时候可以利用惯导系统直接给出。由于先验姿态信息一般带有误差,因此将对识别的成功率产生影响。本小节通过在不同姿态误差条件下进行仿真,姿态误差从0.02°逐渐增大到 1°,考察算法的识别成功率,其识别结果如图4。根据图4的识别情况,发现在姿态误差较小的条件下,星图识别的成功率几乎不受任何影响,当姿态误差增大到约0.2°后,星图识别成功率逐渐下降,当姿态误差达到1°时仍能保持大于45%的星图识别成功率。仿真结果表明:该算法对先验姿态信息的要求较低,算法表现出较强的鲁棒性。
为了评估本发明方法的性能,利用该星图识别算法对小视场星敏感器拍摄到的星图进行处理。所述的小视场星敏感器为3°×3°,分辨率为256×320像素,像元尺寸为20μm×20μm,光学系统的焦距为100mm,静止条件下连续拍摄 1000帧图像。改变星角距余弦值误差设定,对应的识别率和运行时长如图5和6。可以看出,本发明提出的方法,受星角距误差阈值设置的影响较小,由于具备候选星作为先验信息,对噪声的鲁棒性明显优于传统的三角形星图识别方法。
Claims (9)
1.一种基于姿态信息辅助的小视场星敏感器星图识别方法,其特征在于,包括以下步骤:
S1、查找光轴指向所在区块对应的8个邻域区块的编码,分别获取9个区块对应的导航星库的起始地和末尾地,将9个区块包含的恒星作为候选星,根据导航星表,得到全部候选星序号的集合S={S1…Sn};
S3、对于余弦值cosθ11,利用k矢量查找表对应的线性映射K,定位导航星库的搜索区间上限K[cosθ12-δ]和下限K[cosθ12+δ],得到定位恒星序号;将定位出的恒星序号与候选星序号的集合S={S1…Sn}取交集后,使用三角形算法完成星表的匹配,完成星图识别;其中,δ为设定的误差值。
2.根据权利要求1所述的基于姿态信息辅助的小视场星敏感器星图识别方法,其特征在于,步骤S1中,通过邻域区块索引表查找光轴指向所在区块对应的8个邻域区块的编码;其中,邻域区块索引表的构建过程包括:邻域区块索引表的第1列为中央区块索引号,根据每个区块中心的赤经赤纬,分别查找与每个中央区块相邻的8个区块,并将相邻区块的索引号存储于邻域区块索引表的2~9列中;筛选出位于中央区块里的导航星,将导航星在导航星表中的起始地址和末尾地址存储到邻域区块索引表的第10~11列中,从而得到邻域区块索引表。
3.根据权利要求2所述的基于姿态信息辅助的小视场星敏感器星图识别方法,其特征在于,每个区块中心的赤经赤纬计算过程包括:
1)将天球分为等面积的12个基本网格,然后将每个网格细分为k层,细分后的边长是Nside,设定不同层级对应的菱形区块总数量Npix和区块大小θpix;其中,对于视场大小为θFOV的星敏感器,区块大小选择满足条件下的最大细分层数k;
其中,函数I[x]表示取小于x的最大整数,[x]mod[y]表示x对y进行求余运算。
4.根据权利要求3所述的基于姿态信息辅助的小视场星敏感器星图识别方法,其特征在于,不同层级对应的菱形区块总数量Npix和区块大小θ设定为:
k=0时,Nside=1,Npix=12,θpix=58.6°;
k=1时,Nside=2,Npix=48,θpix=29.3°;
k=2时,Nside=4,Npix=192,θpix=14.7°;
k=3时,Nside=8,Npix=768,θpix=7.33°;
k=4时,Nside=16,Npix=3072,θpix=3.66°;
k=5时,Nside=32,Npix=12288,θpix=1.83°;
k=6时,Nside=1,Npix=49152,θpix=55.0′。
6.根据权利要求1所述的基于姿态信息辅助的小视场星敏感器星图识别方法,其特征在于,所述k矢量查找表对应的线性映射K的获取过程包括:
A)计算导航星表中所有星对的星角距余弦值,对于恒星a和恒星b,赤经、赤纬分别为和星光矢量va、vb之间的夹角,即星角距为θab,星角距余弦值vab的计算公式如下:vab=cosθab=va·vb;a、b代表恒星在2MASS星表中的序号,a≠b;
B)所有导航星对的星角距余弦值构成集合Y,在星敏感器视场θFoV和最小星角距分辨率θmin的限制下,对集合Y进行筛选,即Y的取值范围在cosθmin和cosθFOV之间;将星角距余弦值从小到大进行排列,第1列储存星角距余弦值排列序号,第2、3列分别储存星对的序号a、b,第4列储存星角距余弦值,由此获得按角距余弦值排列的k矢量查找表;
C)建立星角距余弦值排列序号k和余弦值cosθab之间的线性映射K[cosθab]=(cosθab-A0)/A1,其中,A0、A1是对k矢量查找表中的第1列和第4列数据进行线性拟合后得到的拟合系数;对于给定的星角距θcal,在误差范围δ内,得到对应的查找表中序号的起始值K[cosθcal-δ]和终止值K[cosθcal+δ]。
7.一种计算机装置,包括存储器、处理器及存储在存储器上的计算机程序;其特征在于,所述处理器执行所述计算机程序,以实现权利要求1~6之一所述方法的步骤。
8.一种计算机程序产品,包括计算机程序/指令;其特征在于,该计算机程序/指令被处理器执行时实现权利要求1~6之一所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序/指令;其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1~6之一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256680.8A CN114777763A (zh) | 2022-03-16 | 2022-03-16 | 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256680.8A CN114777763A (zh) | 2022-03-16 | 2022-03-16 | 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114777763A true CN114777763A (zh) | 2022-07-22 |
Family
ID=82425917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256680.8A Pending CN114777763A (zh) | 2022-03-16 | 2022-03-16 | 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114777763A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326061A (zh) * | 2022-10-17 | 2022-11-11 | 中国人民解放军国防科技大学 | 一种基于已编目空间目标序贯观测的自主导航方法 |
CN116952206A (zh) * | 2023-09-19 | 2023-10-27 | 中国科学院光电技术研究所 | 一种基于星光测姿的空间目标检测方法 |
-
2022
- 2022-03-16 CN CN202210256680.8A patent/CN114777763A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326061A (zh) * | 2022-10-17 | 2022-11-11 | 中国人民解放军国防科技大学 | 一种基于已编目空间目标序贯观测的自主导航方法 |
CN116952206A (zh) * | 2023-09-19 | 2023-10-27 | 中国科学院光电技术研究所 | 一种基于星光测姿的空间目标检测方法 |
CN116952206B (zh) * | 2023-09-19 | 2024-02-02 | 中国科学院光电技术研究所 | 一种基于星光测姿的空间目标检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109631855B (zh) | 基于orb-slam的高精度车辆定位方法 | |
CN105371870B (zh) | 一种基于星图数据的星敏感器在轨精度测量方法 | |
CN114777763A (zh) | 基于姿态信息辅助的小视场星敏感器星图识别方法及装置 | |
CN108534782A (zh) | 一种基于双目视觉系统的地标地图车辆即时定位方法 | |
CN103727937B (zh) | 一种基于星敏感器的舰船姿态确定方法 | |
CN111366148B (zh) | 适用于机载光电观瞄系统多次观察的目标定位方法 | |
CN102128623B (zh) | 一种星敏感器快速星图识别方法 | |
CN103047985A (zh) | 一种空间目标的快速定位方法 | |
CN111256696B (zh) | 多特征多层次景象匹配的飞行器自主导航方法 | |
CN108021886B (zh) | 一种无人机重复纹理影像局部显著特征点匹配方法 | |
CN113495575B (zh) | 一种基于注意力机制的无人机自主着陆视觉引导方法 | |
CN117253029B (zh) | 基于深度学习的图像匹配定位方法及计算机设备 | |
CN114241464A (zh) | 基于深度学习的跨视角影像实时匹配地理定位方法及系统 | |
CN111812978B (zh) | 一种多无人机协作slam方法与系统 | |
CN110715656B (zh) | 一种基于降维星表的自主星图识别方法 | |
CN115471748A (zh) | 一种面向动态环境的单目视觉slam方法 | |
CN111626307A (zh) | 一种基于l-orb算法的植株图像实时拼接方法 | |
CN117036666B (zh) | 基于帧间图像拼接的无人机低空定位方法 | |
CN106871908B (zh) | 星上自然地标库优化选择策略 | |
CN107742295A (zh) | 一种基于视觉的立方星对接重构方法 | |
CN113916217B (zh) | 一种基于分区平流层大气折射模型的星光定位方法 | |
CN113074719B (zh) | 一种快速可靠的星图识别方法 | |
CN115031735A (zh) | 基于结构特征的单目视觉惯性里程计系统的位姿估计方法 | |
CN111899222A (zh) | 一种利用风向全自动初步定位热带气旋中心的方法及系统 | |
CN111024063A (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 |