CN115290100A - 一种基于姿态信息的分区快速星图识别方法 - Google Patents
一种基于姿态信息的分区快速星图识别方法 Download PDFInfo
- Publication number
- CN115290100A CN115290100A CN202210600826.6A CN202210600826A CN115290100A CN 115290100 A CN115290100 A CN 115290100A CN 202210600826 A CN202210600826 A CN 202210600826A CN 115290100 A CN115290100 A CN 115290100A
- Authority
- CN
- China
- Prior art keywords
- star
- navigation
- distance
- vector
- included angle
- 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
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- 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
- G01C21/165—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 combined with non-inertial navigation instruments
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
本发明涉及一种基于姿态信息的分区快速星图识别方法。以最靠近图像中心的恒星作为参考星,利用参考星及其邻星的夹角特征和距离特征构造夹角特征矢量、距离特征矢量和距离映射矢量;基于距离映射矢量计算参考星与导航星之间的离散度得到候选导航星;利用夹角、距离信息对搜索参考星夹角特征矢量与候选导航星夹角特征矢量的对应起始边并循环移位;最终得到相似度最高的星即为正确的导航星;进行实时预测的快速识别。本发明同现有技术相比的优越性在于,构造了参考星的夹角特征矢量,计算得到含抗干扰码的距离映射矢量以提高算法的鲁棒性;最大程度的降低计算量,提高实时性能;保证了算法的识别正确性;提高算法的可靠性。
Description
技术领域
本发明属于航空航天领域,涉及一种基于姿态信息的分区快速星图识别方法。
背景技术
运载体在执行空间任务时需要时刻知道自身的三轴精确指向,因此,高精度地确定运 载体姿态历来都是研究热点之一。其中,姿态信息主要由姿态敏感器实时测量,常见的姿 态敏感器有星敏感器、陀螺、地平仪、磁强计等等。星敏感器是目前精度最高的姿态敏感 器之一,其以恒星为参考,可以将姿态数据提升至角秒级,且稳定性很好。星敏感器有空间迷失模式和跟踪模式两种,大部分时间星敏感器是处于跟踪模式下。当星敏感器处于空间迷失模式时,首先,需要对星图进行预处理并提取出星点质心坐标;然后,通过星图识 别方法确定提取出的星点在导航星表中对应的星号及其相关信息;最后,利用恒星在星敏 感器坐标系与天球坐标系中的坐标矢量求解姿态。其中,星图识别步骤最为关键。SILANI 等人于2006年发表在《IEEE Transactions on Aerospace and Electronic Systems》42 卷第4期的文章《Star identification algorithms:novel approach&comparison study》中提出polestar方法,该方法以角距为特征,在选定参考星后,挑选出某一半径内所有 邻星,并得到这些邻星与参考星之间的角距,接着以某种映射方式得到二进制矢量并通过 投票的思想在导航星库中进行匹配识别。ZHANG等人于2008年发表在《Image and VisionComputing》26卷第7期的文章《Full-sky autonomous star identification based onradial and cyclic features of star pattern》中将星图识别过程分为两个步骤,先利用参考星与邻星间的径向距离特征初始匹配,缩小搜索范围,再利用环向特征匹配参考星唯一对应的导航星。LEE等人于2007年发表在《IEEE Transactions on Aerospace andElectronic Systems》43卷第3期的文章《Star pattern identification technique bymodified grid algorithm》中开发了改进的栅格方法,将传统的笛卡尔坐标系替换为极坐标系并构造极坐标栅格,提高了现有栅格方法的鲁棒性。NA等人于2009年发表在《IEEETransactions on Aerospace and Electronic Systems》45卷第2期的文章《Modifiedgrid algorithm for noisy all-sky autonomous star identification》中将优化问题中的最 小损失函数思想引入到星图识别中,以最小损失函数来衡量参考星模式与导航星模式之间 的差异。而且,在识别过程中添加了新的星等特征,并将其作为损失函数的权重,使得算 法更加合理。然而,现有算法或使用了主星的最近邻星作为校准星,而最近邻星容易匹配 错误导致算法完全失效,导致算法识别精度低;或由于数据库过于庞大、识别步骤较为繁 琐,导致算法实时性较差;此外,某些算法在星图中存在伪星、缺失星和较大星点位置噪 声时,会出现识别精度较低等问题。因此,想要将星图中星点可靠、快速地识别出来,是 一项很有挑战性的任务。
发明内容
为了解决现有技术中存在的问题,本发明提出了一种基于姿态信息的分区快速星图识 别方法,其解决了恶劣环境下的星图识别问题,其在保证良好识别精度与实时性的基础上, 具有更广泛的适用范围。
现将本发明构思及技术解决方案叙述如下:
本发明的基本思路是,首先,本发明方法以最靠近图像中心的恒星作为参考星,利用 参考星及其邻星的夹角特征和距离特征构造夹角特征矢量、距离特征矢量和距离映射矢量。 其次,基于距离映射矢量计算参考星与导航星之间的离散度,缩短导航星库列表,得到候 选导航星。接着,利用夹角、距离信息对搜索参考星夹角特征矢量与候选导航星夹角特征 矢量的对应起始边并循环移位。然后,基于夹角特征矢量构造累积夹角特征矢量,并计算 参考星与符合条件的导航星之间的相似度,最终得到相似度最高的星即为正确的导航星。 最后,基于惯导系统提供的姿态信息,对星点在CCD平面上的位置进行实时预测,以实现 后续拍摄星图中恒星的快速识别。
本发明一种基于姿态信息的分区快速星图识别方法,其特征在于:包括特征提取、导 航星库构建、候选导航星筛选、参考星识别与基于姿态信息的快速星图识别五大步骤,具 体如下:
步骤1:特征提取
本发明采用了两种旋转和平移不变的特征—邻星与中心导航星的欧式距离Di、连续 相邻恒星与中心导航星构成的相对角Φi,并基于这两种特征构造每颗导航星的星模式, 如图2所示。令每颗导航星处在视场的中心,并考虑所有位于半径R内的邻星来提取上述 两个特征,邻星按照逆时针的顺序分别记为S={S1,S2,…,SN}。R与星敏视场角FOV之间的关系为:
式中,f为焦距,ρ为像素尺寸,半径R为距离中心的最大距离。
步骤2:导航星库构建
导航星库中,每颗导航星分别有夹角特征矢量Φ、距离特征矢量D和距离映射矢量Λ。 利用各个邻星与导航星在图像坐标系中的位置坐标,再结合Φi和Di的表达式可以求得导 航星与邻星之间的夹角特征矢量Φ=(Φ1,Φ2,…,ΦN)以及距离特征矢量D=(D1,D2,…,DN)。 其中,Φi和Di分别为理想星图中参考星位于CCD中心时,两颗邻星的相邻夹角和邻星与 参考星的径向距离。上述特征统一按照逆时针的方式进行排列。此外,还需要构造导航星 距离映射矢量用于缩短导航星库列表,得到候选导航星分区(即筛选 出来的一个导航星集合)。其中,Λi为理想星图得到的映射值,ND为距离映射矢量的维 数。有了候选导航星分区,后续便可利用夹角特征矢量Φ和距离特征矢量D识别出参考星 唯一对应的导航星。
步骤3:候选导航星分区
步骤3.1:对于星敏感器拍摄的星图而言,在星点质心定位过程完成之后,选定距离 图像中心最近的星点作为参考星,并提取出参考星和邻星之间的夹角特征矢量以及距离特征矢量d=(d1,d2,…,dN),然后构建ND维参考星距离映射矢量其中,和di分别为实拍星图中参考星位于CCD中心附近时,两颗邻 星的相邻夹角和邻星与参考星的径向距离;λi为实拍星图得到的映射值。
步骤3.2:下面,基于距离映射矢量λ对导航星库中的恒星列表进行分区,即筛选出符合条件的候选导航星,组成一个新的区域(集合)。如此,步骤4的参考星识别过程便 只需在该分区内的导航星中进行。利用图像信号求解星点的二维质心坐标时,会面临杂散 光、仪器噪声、质心算法精度低等问题,使得质心坐标存在一定偏差,进而导致参考星与 邻星间的径向距离di产生偏差,Ti值计算不准确,Ti代表第i个邻星的映射位置。为提高 本发明方法的抗噪性能,在计算Ti值时,若di/(R/ND)满足相关约束条件,则说明该Ti值 很容易受到噪声影响,需在距离映射矢量中添加抗干扰码,ζ1为抗干扰 码阈值。
步骤4:参考星识别
步骤4.1:由于星敏感器拍摄星图时旋转角的随机性,导致参考星和导航星构造特征 矢量的起始边不一致。为了后续能够得到正确的参考星、导航星累积夹角特征矢量ε、E,并计算二者之间的相似度P(含义见后文),必须保证导航星与参考星的夹角特征矢量Φ、是从同一起始边开始构造的,即矢量Φ、中的第一位与矢量D、d中的第一位都相等。 因此,应以参考星的某一个距离、夹角信息对为基础,依次遍历候选导航星分区内 所以导航星的夹角特征矢量Φ与距离特征矢量D,筛选出包含的导航星,并进行下 一步累积夹角特征矢量与相似度的计算。
步骤5:基于姿态信息的快速星图识别
针对星敏感器的在k、k+1时刻拍摄而言,两次拍摄时所处的姿态显然发生了变化,则恒星在CCD成像平面上的投影也会随之发生移动,为快速得到k+1时刻拍摄星图中的星点质心预测位置,避免全天区星图识别以提高系统的整体处理速度,可利用惯导提供的短时高精度姿态变化信息对星点的位置进行实时精确预测,如下:
式中,A、D、θ分别为k+1时刻星敏感器的光轴指向和旋转角,可基于惯导提供的 姿态信息解算出来。基于惯导系统提供的姿态信息得到星点在CCD平面上的坐标预测值后,即可以坐标预测值为中心,在该中心较小的邻域内进行星点提取与质心定位操作,并对所有提取出来的星点进行快速验证性识别,以防错误提取星点。得到已知恒星在载体坐标系下的实际质心坐标后,便可利用QUEST等定姿算法计算出当前时刻在载体坐标系与天球坐标系之间的姿态转换矩阵。
本发明同现有技术相比的优越性在于,构造了参考星的夹角特征矢量与距离特征矢 量d,并在距离特征矢量d的基础上,计算得到含抗干扰码的距离映射矢量λ以提高算法 的鲁棒性;通过参考星与导航星之间的离散度计算得到候选导航星分区,最大程度的降低 计算量,提高实时性能;通过在导航星的距离特征矢量D与夹角特征矢量Φ中搜索是否包 含参考星的距离、夹角信息对以寻找起始边,并通过循环移位操作,得到参考星与 导航星新的夹角特征矢量Φ′,保证了算法的识别正确性;计算夹角特征矢量Φ′的累积夹角特征矢量ε、Ε,并求出参考星与导航星之间的相似度P,进一步提高算法的 可靠性。识别出正确的导航星后,基于惯导系统提供的姿态信息实时递推预测在当前新的 时刻,恒星投影在星图中的质心位置。对所有提取出来的星点进行快速验证性识别后,剔 除错误提取的星点后,便可利用QUEST等定姿算法计算出当前时刻在载体坐标系与天球坐 标系之间的姿态转换矩阵。
附图说明
图1:本发明中的星图识别过程示意图
图2:导航星模式示意图
图3:参考星模式示意图
图4:匹配示意图1
图5:匹配示意图2
具体实施方式
现结合附图对本发明做进一步详细说明。
本发明提出了一种基于姿态信息的分区快速星图识别方法,包括特征提取、导航星库 构建、候选导航星筛选、参考星识别与基于姿态信息的快速星图识别五大步骤。
如图1所示。总体工作流程为:计算参考星的夹角特征矢量距离特征矢量d,并基于距离特征矢量d,得到含抗干扰码的距离映射矢量λ;对于邻星数量符合阈值范围的 导航星,计算参考星与导航星距离映射矢量λ、Λ的离散度X以得到候选导航星分区;在 导航星的距离特征矢量D与夹角特征矢量Φ中搜索参考星的距离、夹角信息对并对 齐起始边,得到参考星与导航星新的夹角特征矢量Φ′;计算夹角特征矢量Φ′的 累积夹角特征矢量ε=(ε1,ε2,…,εm)、E=(E1,E2,…,En),并求出参考星与导航星之间的相似 度P,以识别出正确的导航星。其中,εi和Ei分别为参考星和导航星的第i个累计夹角值。 基于惯导系统提供的姿态信息实时递推预测恒星的质心位置,以实现基于姿态信息的快速 星图识别。
实施例1
步骤1:特征提取
参见图2:具体包括:
两种旋转和平移不变的特征—邻星与中心导航星的欧式距离Di、连续相邻恒星与中 心导航星构成的相对角Φi计算如下:
式中,xi和yi分别为第i个邻星在图像坐标系中的坐标,N是视场中所有邻星的总数目,xc和yc为导航星在图像坐标系中的坐标。
步骤2:导航星库构建
构造距离特征矢量D=(D1,D2,…,DN)时,起始边Di选取的不同,对应到夹角特征矢量 Φ和距离特征矢量D上只是进行了循环移位,并不影响矢量的本质特征,以Dmin为起始边构造D与Φ,其中,Dmin=min{D1,D2,…,DN},选择哪条边作为起始边并不影响。
前面已得到导航星和邻星之间的距离特征矢量D=(D1,D2,…,DN),下面通过距离特征 矢量D计算导航星距离映射矢量Λ。导航星与邻星间的径向距离Di最大为R,距离映射矢量是一个ND维矢量信号,ND值由下式给出,其中k值由试验测试确定。矢量中每一位 的取值为0或者1,具体取值方法如下。首先令ND维距离特征矢量全为0,将D1代入下 式,得到T1,则距离映射矢量Λ的第T1位置1。依次遍历距离特征矢量D中的Di(i∈1~N) ,即得ND维导航星距离映射矢量
ND=2k;k∈Z (5)
步骤3:候选导航星筛选分区
添加抗干扰码时,对于满足式(6)的径向距离di,在第Ti位和第Ti+1位都置1,满足式(7)的径向距离di,在第Ti位和第Ti-1位都置1。如此,在后续对参考星与导航星的距 离映射矢量λ、Λ做离散度计算时,成功匹配率更高,可保证分区内的候选导航星包含正 确参考星的概率更高。抗干扰码的引入,使得本发明方法具有较好的抗噪性能(该噪声主 要指位置噪声)。ζ1为抗干扰码阈值。
计算参考星距离映射矢量与导航星距离映射矢量之间的离散度X时,首先将λ与Λ做按位与运算并累计求和得到B值,B值代表参考星与 该颗导航星能够匹配上的邻星数量。再用该颗导航星的邻星数量之和减去B值,即可得到 离散度X。具体计算公式如下。
某导航星的离散度X越小,代表参考星与该导航星越匹配,该导航星是待识别导航星的可能性越大。将离散度X小于等于离散度阈值ζ2的导航星确定为候选导航星,归入 候选导航星分区,为步骤4的参考星识别做准备,如下式所示:
X≤ζ2 (10)
此外,主星的邻星数量也是一个很好的星图特征,对参考星和导航星的邻星数量进行 比较,可以快速剔除掉不符合要求的导航星。因此,只需要对邻星数量在一定阈值范围内 的导航星进行离散度计算,这有助于提高整体执行效率。
实施例2
步骤4:参考星识别
参见图2、图3、图4、图5:
步骤4.1:对齐起始边。以图2中导航星的星模式为例,若S1为起始边,则导航星的距离特征矢量D、夹角特征矢量Φ如下所示。
以参考星的某一个距离、夹角信息对为基础,依次遍历所有候选导航星的夹角 特征矢量Φ与距离特征矢量D,筛选出包含的导航星,并进行下一步累积夹角特征 矢量与相似度的计算,识别出正确的导航星。此外,实拍星图在星点质心定位时,会面临杂散光、仪器噪声、质心算法精度低等问题,使得距离、夹角信息对存在一定的误 差,因此在遍历过程中只要某导航星的(Dj,Φj)满足下式的约束,即符合匹配条件,可以 进行后续相似度的计算。
求出Φ′、的累积夹角特征矢量Ε、ε,如下式所示,并计算相似度P(具体方法见后文),可得P=10。可以看出,在实拍星图存在两颗缺失星、三颗伪星的恶劣环境下, 只要夹角特征矢量Φ、的起始位置匹配正确,参考星与其对应的正确导航星之间仍然能 够得到非常好的匹配效果,而其余非正确导航星的相似度会非常低。针对实拍星图中缺失 星和伪星的问题,本发明方法具有很强的鲁棒性。
步骤4.2:下面说明参考星与导航星的夹角特征矢量Φ在对齐起始边(起始夹角) 后,如何计算二者之间的相似度(下文Φ看成是已经对齐了起始边)。分别利用参考星 和导航星的夹角特征矢量Φ构造各自的累积夹角特征矢量ε=(ε1,ε2,…,εm)和 E=(E1,E2,…,En),其中各个元素分别定义为:
计算累积夹角特征矢量ε与E之间的相似度P,P的初值置0,计算方法如下:
步骤4.2.1:εi和Εj中,下标i、j分别从1开始计数,即i=j=1。
步骤4.2.2:ε1对Εj遍历(j从1到n),若ε1与Εk(k∈1~n)接近,即满足累积夹角约束式(18),则认为ε1与Εk匹配,相似度P=1,且令i=i+1=2,j=k+1,ε2对Εj遍历(j从 k+1到n),ζ5为累计夹角阈值;
|εi-Εi|≤ζ5 (17)
步骤4.2.3:若ε1与Ε1~Εn都不匹配,则令i=i+1=2,j=1,ε2对Εj遍历(j从1到n) ,此时P=0;
步骤4.2.4:当满足i>m或者j>n时,累积夹角特征矢量匹配结束,此时的相似度P表示待识别参考星与某颗候选导航星之间累积夹角特征矢量匹配成功的对数。
实施例3
为便于直观理解,仍以图2、3为例,给出具体的夹角值(忽略噪声),导航星S的夹角特征矢量Φ=(23,10,32,25,50,40,25,30,35,10,30,50),累积夹角特征矢量 Ε=(23,33,65,90,140,180,205,235,270,280,310,360);参考星S′的夹角特征矢量累积夹角特征矢量 ε=(23,65,90,115,140,180,205,222,235,255,270,310,360)。按照步骤4.2.1~4.2.4计算累积夹角特征 矢量ε与E之间的相似度P,可得P=10,图5中具体标注了累积夹角特征矢量ε和Ε之间 的匹配情况。
此外,若不采用上述先将夹角特征栅格Φ循环移位对齐,再通过求累积夹角特征 矢量ε与E,计算相似度P的方法,转而采用直接将夹角特征矢量Φ按从小到大排列 ,计算Φ相似度的方法。则排序后导航星S的夹角特征矢量 Φ=(10,10,23,25,25,30,30,32,35,40,50,50),参考星S′的夹角特征矢量 按照步骤Step1~Step4计算Φ之间的相似 度P,可得P=5,容易看出,本发明方法的识别能力更具优势,鲁棒性更强。
步骤5:基于姿态信息的快速星图识别
针对星敏感器的在k、k+1时刻拍摄而言,两次拍摄时所处的姿态显然发生了变化,则恒星在CCD成像平面上的投影也会随之发生移动,为快速得到k+1时刻拍摄星图中的星点质心,避免全天区星图识别以提高实时性,可利用惯导提供的短时高精度姿态变化信息对星点的位置进行实时预测,见公式(2)。
基于惯导系统提供的姿态信息得到星点在CCD平面上的坐标预测值后,即可以坐标预 测值为中心,在该中心较小的邻域内进行星点提取与质心定位操作,并对所有提取出来的 星点进行快速验证性识别,以防错误提取星点。得到已知恒星在载体坐标系下的实际质心 坐标后,便可利用QUEST等定姿算法计算出当前时刻在载体坐标系与天球坐标系之间的姿 态转换矩阵。
选取SAO J2000星表中星等小于6的恒星作为导航星来完成星图匹配任务,利用无噪 声仿真星图进行性能测试。此外,在仿真过程中分别加入位置噪声、伪星以及星等噪声等, 以分析算法的性能表现。仿真参数如表1所示。
表1仿真参数
随机生成10000幅理想仿真图像开展仿真实验,然后在10000幅理想仿真星图中分别 添加不同强度的位置噪声、星等噪声和不同数量的伪星进行性能测试,以验证本发明方法 的可靠性和鲁棒性。理想仿真星图的测试结果如表2所示。测试中,选择栅格方法(gridmethod)作为对比。
在理想情况下,仿真图像中不存在星点位置噪声、星等噪声和伪星。表2总结了两种 方法在理想情况下的性能。
表2理想情况下的算法性能
表2中的结果表明,本发明方法在识别精度上优于栅格方法,平均耗时上也保持在一 个较好的水平,但比栅格方法略微差一些。下面通过在仿真图像中添加位置噪声、星等不 确定性和伪星测试本发明方法的鲁棒性。
表3含位置噪声的算法性能
表3可知,本发明方法对位置噪声的敏感度较低。这主要是因为本发明方法通过将径 向距离特征映射到高维矢量上得到距离映射矢量,再加上抗干扰码的辅助,在一定程度上 降低了对位置噪声的敏感度。因此,该技术得以将识别率保持在96%以上。
表4含星等噪声的算法性能
本发明方法通过匹配夹角特征矢量的对应起始边,并在循环移位后进行相似度计算, 使得本发明方法在存在多颗缺失星时仍能以很高的准确度识别出对应的导航星,如表4 所示。
表5含伪星的算法性能
星图中含有伪星时,本发明方法的识别率变化较为平稳,在存在4颗伪星的恶劣条件 下仍然能够保持在一个较高的水平。在存在伪星时,本发明方法识别率高的原因与存在缺 失星时识别率较高的原因相同,简单来说,就是在存在多颗缺失星与伪星的条件下,本发 明方法依旧能够保证参考星与导航星具有较高的相似度P,具体可参考图5的解释。
综上所述,本发明首先计算得到夹角特征矢量距离特征矢量d,为后续步骤的处 理奠定了良好的基础;接着,在距离特征矢量d的基础上,计算得到含抗干扰码的距离映射矢量λ,对于邻星数量符合阈值范围的导航星,计算参考星与导航星距离映射矢量λ、 Λ的离散度X,最终得到候选导航星分区,缩小恒星的查找范围,提高处理速度;接着, 寻找导航星与参考星特征矢量的起始边,并基于起始边对夹角特征矢量Φ循环移位, 得到各自新的夹角特征矢量Φ′;然后,利用夹角特征矢量Φ′计算出累积夹角特 征矢量ε、Ε,并求出参考星与导航星之间的相似度P,相似度P最大者即为正确的导航 星;最后,一旦全天区星图识别完成后,即可基于惯导提供的姿态信息对后续拍摄星图进 行快速星图识别,以提高系统的整体计算速度。
Claims (9)
1.一种基于姿态信息的分区快速星图识别方法,其特征在于:包括特征提取、导航星库构建、候选导航星筛选、参考星识别与基于姿态信息的快速星图识别五大步骤,具体如下:
步骤1:特征提取
采用两种旋转和平移不变的特征—邻星与中心导航星的欧式距离Di、连续相邻恒星与中心导航星构成的相对角Φi,并基于这两种特征构造每颗导航星的星模式,如图2所示,令每颗导航星处在视场的中心,并考虑所有位于半径R内的邻星来提取上述两个特征,邻星按照逆时针的顺序分别记为S={S1,S2,…,SN}。R与星敏视场角FOV之间的关系为:
式中,f为焦距,ρ为像素尺寸,半径R为距离中心的最大距离;
步骤2:导航星库构建
导航星库中,每颗导航星分别有夹角特征矢量Φ、距离特征矢量D和距离映射矢量Λ,利用各个邻星与导航星在图像坐标系中的位置坐标,再结合Φi和Di的表达式可以求得导航星与邻星之间的夹角特征矢量Φ=(Φ1,Φ2,…,ΦN)以及距离特征矢量D=(D1,D2,…,DN)。其中,Φi和Di分别为理想星图中参考星位于CCD中心时,两颗邻星的相邻夹角和邻星与参考星的径向距离。上述特征统一按照逆时针的方式进行排列。此外,还需要构造导航星距离映射矢量用于缩短导航星库列表,得到候选导航星分区(即筛选出来的一个导航星集合),其中,Λi为理想星图得到的映射值,ND为距离映射矢量的维数。有了候选导航星分区,后续便可利用夹角特征矢量Φ和距离特征矢量D识别出参考星唯一对应的导航星;
步骤3:候选导航星分区
步骤3.1:对于星敏感器拍摄的星图而言,在星点质心定位过程完成之后,选定距离图像中心最近的星点作为参考星,并提取出参考星和邻星之间的夹角特征矢量以及距离特征矢量d=(d1,d2,…,dN),然后构建ND维参考星距离映射矢量其中,和di分别为实拍星图中参考星位于CCD中心附近时,两颗邻星的相邻夹角和邻星与参考星的径向距离;λi为实拍星图得到的映射值;
步骤3.2:基于距离映射矢量λ对导航星库中的恒星列表进行分区,即筛选出符合条件的候选导航星,组成一个新的区域(集合),如此,步骤4的参考星识别过程便只需在该分区内的导航星中进行,利用图像信号求解星点的二维质心坐标时,会面临杂散光、仪器噪声、质心算法精度低等问题,使得质心坐标存在一定偏差,进而导致参考星与邻星间的径向距离di产生偏差,Ti值计算不准确,Ti代表第i个邻星的映射位置。为提高本发明方法的抗噪性能,在计算Ti值时,若di/(R/ND)满足相关约束条件,则说明该Ti值很容易受到噪声影响,需在距离映射矢量中添加抗干扰码,ζ1为抗干扰码阈值;
步骤4:参考星识别
步骤4.1:由于星敏感器拍摄星图时旋转角的随机性,导致参考星和导航星构造特征矢量的起始边不一致,为后续得到正确的参考星、导航星累积夹角特征矢量ε、E,并计算二者之间的相似度P,必须保证矢量Φ、中的第一位与矢量D、d中的第一位都相等;以参考星的某一个距离、夹角信息对为基础,依次遍历候选导航星分区内导航星的夹角特征矢量Φ与距离特征矢量D,筛选出包含的导航星,并进行下一步累积夹角特征矢量与相似度的计算;
步骤5:基于姿态信息的快速星图识别
针对星敏感器的在k、k+1时刻拍摄而言,两次拍摄时所处的姿态显然发生了变化,则恒星在CCD成像平面上的投影也会随之发生移动,为快速得到k+1时刻拍摄星图中的星点质心预测位置,避免全天区星图识别以提高系统的整体处理速度,可利用惯导提供的短时高精度姿态变化信息对星点的位置进行实时精确预测,如下:
式中,A、D、θ分别为k+1时刻星敏感器的光轴指向和旋转角,可基于惯导提供的姿态信息解算出来。基于惯导系统提供的姿态信息得到星点在CCD平面上的坐标预测值后,即可以坐标预测值为中心,在该中心较小的邻域内进行星点提取与质心定位操作,并对所有提取出来的星点进行快速验证性识别,以防错误提取星点。得到已知恒星在载体坐标系下的实际质心坐标后,便可利用QUEST等定姿算法计算出当前时刻在载体坐标系与天球坐标系之间的姿态转换矩阵。
3.根据权利要求1所属述的一种基于姿态信息的分区快速星图识别方法,其特征在于:在步骤2“导航星库构建”过程中,构造距离特征矢量D=(D1,D2,…,DN)时,起始边Di选取的不同,对应到夹角特征矢量Φ和距离特征矢量D上只是进行了循环移位,并不影响矢量的本质特征,以Dmin为起始边构造D与Φ,其中,Dmin=min{D1,D2,…,DN},选择哪条边作为起始边并不影响;根据前面已得到导航星和邻星之间的距离特征矢量D=(D1,D2,…,DN),通过距离特征矢量D计算导航星距离映射矢量Λ;导航星与邻星间的径向距离Di最大为R,距离映射矢量是一个ND维矢量信号,ND值由下式给出,其中k值由试验测试确定,矢量中每一位的取值为0或者1,具体取值方法如下:首先令ND维距离特征矢量全为0,将D1代入下式,得到T1,则距离映射矢量Λ的第T1位置1,依次遍历距离特征矢量D中的Di(i∈1~N),即得ND维导航星距离映射矢量
ND=2k;k∈Z (5)
6.根据权利要求4所属述的一种基于姿态信息的分区快速星图识别方法,其特征在于:在对参考星与导航星的距离映射矢量λ、Λ做离散度计算时过程中,导航星的离散度X越小,代表参考星与该导航星越匹配,该导航星是待识别导航星的可能性越大;将离散度X小于等于离散度阈值ζ2的导航星确定为候选导航星,归入候选导航星分区,为步骤4的参考星识别做准备,如下式所示:
X≤ζ2 (10)。
8.根据权利要求1所属述的一种基于姿态信息的分区快速星图识别方法,其特征在于:步骤4.1“对齐起始边”的过程中,以参考星的某一个距离、夹角信息对为基础,依次遍历所有候选导航星的夹角特征矢量Φ与距离特征矢量D,筛选出包含的导航星,并进行下一步累积夹角特征矢量与相似度的计算,识别出正确的导航星;实拍星图在星点质心定位时,面临杂散光、仪器噪声、质心算法精度低问题,距离、夹角信息对存在一定的误差,在遍历过程中只要某导航星的(Dj,Φj)满足下式的约束,即符合匹配条件,可以进行后续相似度的计算:
式中,di为参考星第i个距离特征,Dj为导航星第j个距离特征,为参考星第i个夹角特征,Φj为导航星第j个夹角特征,ζ3为距离阈值,ζ4为夹角阈值;夹角特征矢量Φ、中都包含Φ6处于Φ中第6位,处于中第3位,将Φ向左循环移5位、向左循环移2位得:
9.根据权利要求1所属述的一种基于姿态信息的分区快速星图识别方法,其特征在于:步骤4.2“参考星与导航星的夹角特征矢量Φ在对齐起始边(起始夹角)后”,分别利用参考星和导航星的夹角特征矢量Φ构造各自的累积夹角特征矢量ε=(ε1,ε2,…,εm)和E=(E1,E2,…,En),其中各个元素分别定义为:
计算累积夹角特征矢量ε与E之间的相似度P,P的初值置0,计算方法如下:
步骤4.2.1:εi和Εj中,下标i、j分别从1开始计数,即i=j=1,
步骤4.2.2:ε1对Εj遍历(j从1到n),若ε1与Εk(k∈1~n)接近,即满足累积夹角约束式(18),则认为ε1与Εk匹配,相似度P=1,且令i=i+1=2,j=k+1,ε2对Εj遍历(j从k+1到n),ζ5为累计夹角阈值;
|εi-Εi|≤ζ5 (17)
步骤4.2.3:若ε1与Ε1~Εn都不匹配,则令i=i+1=2,j=1,ε2对Εj遍历(j从1到n),此时P=0;
步骤4.2.4:当满足i>m或者j>n时,累积夹角特征矢量匹配结束,此时的相似度P表示待识别参考星与某颗候选导航星之间累积夹角特征矢量匹配成功的对数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600826.6A CN115290100A (zh) | 2022-05-30 | 2022-05-30 | 一种基于姿态信息的分区快速星图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600826.6A CN115290100A (zh) | 2022-05-30 | 2022-05-30 | 一种基于姿态信息的分区快速星图识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115290100A true CN115290100A (zh) | 2022-11-04 |
Family
ID=83820062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210600826.6A Pending CN115290100A (zh) | 2022-05-30 | 2022-05-30 | 一种基于姿态信息的分区快速星图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115290100A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659485A (zh) * | 2023-07-28 | 2023-08-29 | 中国科学院光电技术研究所 | 一种快速鲁棒的全局星图识别方法 |
-
2022
- 2022-05-30 CN CN202210600826.6A patent/CN115290100A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659485A (zh) * | 2023-07-28 | 2023-08-29 | 中国科学院光电技术研究所 | 一种快速鲁棒的全局星图识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105371870B (zh) | 一种基于星图数据的星敏感器在轨精度测量方法 | |
Zhang et al. | Full-sky autonomous star identification based on radial and cyclic features of star pattern | |
US5870486A (en) | Method of inferring sensor attitude through multi-feature tracking | |
US8798357B2 (en) | Image-based localization | |
Wei et al. | A star identification algorithm based on radial and dynamic cyclic features of star pattern | |
Xu et al. | RPNet: A representation learning-based star identification algorithm | |
CN109813303B (zh) | 一种基于角模式簇投票的不依赖标定参数的星图识别方法 | |
Jiang et al. | Redundant-coded radial and neighbor star pattern identification algorithm | |
Dor et al. | Visual SLAM for asteroid relative navigation | |
CN103954280A (zh) | 一种快速和高鲁棒性自主恒星识别方法 | |
CN115290100A (zh) | 一种基于姿态信息的分区快速星图识别方法 | |
CN112729277B (zh) | 基于动态夹角匹配的星敏感器星图识别方法 | |
Yang et al. | Robust and efficient star identification algorithm based on 1-D convolutional neural network | |
CN113759928B (zh) | 用于复杂大尺度室内场景的移动机器人高精度定位方法 | |
Du et al. | Star identification based on radial triangle mapping Matrix | |
CN113532438A (zh) | 一种大初始定位误差下的改进iccp地形匹配方法 | |
Yoon | Autonomous star identification using pattern code | |
Xie et al. | An autonomous star identification algorithm based on the directed circularity pattern | |
Wei et al. | Star identification algorithm based on oriented singular value feature and reliability evaluation method | |
CN113483751B (zh) | 一种基于径向三角形映射矩阵的星图识别方法 | |
Sadat et al. | Star tracking and attitude determination using fuzzy based positional pattern and rotation compensation in Fourier domain | |
CN111024063B (zh) | 一种基于星点重提取的大机动条件下星图识别算法 | |
CN114719844A (zh) | 基于空间投影的全天球星图识别方法、装置及介质 | |
Miri et al. | Star identification using Delaunay triangulation and distributed neural networks | |
Fan et al. | Multi-FOV star identification based on wedge-shaped triangle pattern |
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 |