CN116933567B - 一种天基复杂多场景空间目标仿真数据集构建方法 - Google Patents
一种天基复杂多场景空间目标仿真数据集构建方法 Download PDFInfo
- Publication number
- CN116933567B CN116933567B CN202311189073.5A CN202311189073A CN116933567B CN 116933567 B CN116933567 B CN 116933567B CN 202311189073 A CN202311189073 A CN 202311189073A CN 116933567 B CN116933567 B CN 116933567B
- Authority
- CN
- China
- Prior art keywords
- space
- star
- target
- imaging
- observation camera
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 230000004907 flux Effects 0.000 claims description 2
- 230000004313 glare Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000002310 reflectometry Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种天基复杂多场景空间目标仿真数据集构建方法，涉及天基深空探测技术领域，包括如下步骤：（1）根据相机的极限探测能力，设置导航星库极限星等值，进而建立导航星库，完成恒星成像建模。（2）根据空间目标轨道参数及反射特性，完成空间目标成像建模。（3）根据噪声及杂散光形成机理，更加真实的模拟出复杂空间背景。（4）根据相机的工作模式与曝光时间，完成多空间场景下空间目标数据集仿真。本发明提供了一种多场景下的天基空间目标图像模拟方法，为天基空间目标探测方法的研究提供了一种丰富的数据集生成方法。
Description
技术领域
本发明涉及天基深空探测技术领域，具体涉及一种天基复杂多场景空间目标仿真数据集构建方法。
背景技术
空间态势感知是指通过天基或地基设备理解太空环境状态的能力，主要包括空间目标的识别、监视、跟踪进而对一些空间事件进行行为评估。因此，它对合理占据与利用空间资源，保卫空间安全起到至关重要的作用。早在20世纪90年代，美国林肯实验室就率先研制出了世界首个天基SBV探测器，并搭载在MSX卫星上验证了地球同步轨道目标监视系统的可行性。受此启发，其他国家也相继搭建了自己的空间目标监视系统。由于实拍的天基空间目标图像数据集难以获得，因此天基空间目标仿真研究对天基空间目标的监视与跟踪系统的搭建与验证具有重要的理论意义。天基空间目标仿真是指利用坐标系的旋转及平移变换，将恒星及空间目标从惯性坐标系投影至光学系统的像素坐标系下，获得光轴指向下的模拟空间图像的过程。
根据曾德贤等人的《天基空间目标光学观测的仿真与可视化》（参见《系统仿真学报》，2008年20(s1)：209-211页），在该文献中建立起了空间光学目标模拟系统，但对真实空间环境中噪声的考虑不够全面。
根据张健等人的《一种空间观测图像的仿真生成方法》（参见《电光与控制》，2014年21(11)：18-23页），在该文献中建立了恒星与空间目标的运动模型，但未对不同曝光时间下的拖尾图像进行分析，且未考虑空间杂散光模拟。
发明内容
本发明针对现有天基空间目标仿真模拟系统场景覆盖性不足的问题，提供了一种天基复杂多场景空间目标仿真数据集构建方法。该方法首先结合星敏感器成像原理完成了恒星背景的分析建模。其次，根据空间目标反射特性，提出了一种空间目标模拟成像方法。然后，根据相机不同的工作模式及曝光时间，考虑了多场景下的天基空间目标图像模拟方法。最后，为更加逼近真实空间目标图像，添加了高斯噪声，热噪声及杂散光。
为达到上述目的，本发明采用的技术方案如下：
一种天基复杂多场景空间目标仿真数据集构建方法，包括如下步骤：
步骤1、根据观测相机探测能力，筛选导航星库，完成恒星背景成像模拟；
步骤2、根据空间目标特性，完成空间目标成像模拟；
步骤3、根据观测相机固有噪声、天基观测噪声及杂散光背景来源，完成观测相机固有噪声、天基观测噪声及杂散光背景的模拟；
步骤4、根据观测相机工作模式及曝光时间，完成多空间场景下空间目标数据集构建。
本发明与现有技术相比的有益效果在于：
（1）本发明提供了一种多场景下的天基空间目标图像模拟方法，为天基空间目标探测方法的研究提供了一种丰富的数据集生成方法；
（2）本发明提出的模拟方法充分考虑了空间噪声及杂散光，更能逼近真实空间目标图像。
附图说明
图1为本发明的一种天基复杂多场景空间目标仿真数据集构建方法的流程图；
图2为本发明的恒星背景和空间目标均呈现点状仿真模拟图；其中，白色方框中的为空间目标。图（a）为未添加噪声及杂散光图，图（b）为添加噪声图，图（c）为添加杂散光图，图（d）为同时噪声和高斯杂散光图，图（e）为同时噪声和线性杂散光图。
图3为本发明的恒星背景划线且空间目标均呈现点状仿真模拟图；其中，白色方框中的为空间目标。图（a）为未添加噪声及杂散光图，图（b）为添加噪声图，图（c）为添加杂散光图，图（d）为同时噪声和高斯杂散光图，图（e）为同时噪声和高斯杂散光图。
图4为本发明的空间目标划线且恒星背景均呈现点状仿真模拟图；其中，白色方框中的为空间目标。图（a）为未添加噪声及杂散光图，图（b）为添加噪声图，图（c）为添加杂散光图，图（d）为同时噪声和高斯杂散光图，图（e）为同时噪声和高斯杂散光图。
具体实施方式
以下结合具体实施例对本发明作进一步详细描述。
本发明的一种天基复杂多场景空间目标仿真数据集构建方法首先对原始SAOJ2000导航星表进行星等阈值划分，得到5103颗导航星组成的星库。观测相机实验参数如表1所示。
表1
，
如图1所示，本发明的一种天基复杂多场景空间目标仿真数据集构建方法具体包括如下步骤：
步骤1、根据观测相机探测能力，筛选导航星库，完成恒星背景成像模拟，包括：
步骤11、以观测相机探测能力为基础，对SAO J2000导航星表进行筛选，即可完成观测相机在各光轴指向下的恒星背景模拟，筛选条件如下：
，
其中，S是筛选后的导航星库，主要包括第i颗导航星的赤经、赤纬/>及星等，N为筛选后的导航星目录总数，优选为5103颗，/>为观测相机的极限探测星等；
步骤12、只有当极限探测星等以下的恒星赤经、赤纬与观测相机的光轴指向满足视场范围约束条件时，恒星才能成像在成像面上，约束条件如下：
，
其中，和/>为观测相机光轴指向的赤经、赤纬，FOV为相机的视场大小。
步骤13、恒星在天球坐标系E下的坐标计算如下：
，
其中，分别为恒星在天球坐标系下三维坐标。
步骤14、通过旋转变换，可计算出恒星在观测相机坐标系S下的坐标如下：
，
其中，分别为恒星在观测相机坐标系下三维坐标，C为根据观测相机的三轴姿态角，偏航角、俯仰角、滚转角/>计算的姿态旋转矩阵，表达式如下：
，
步骤15、根据观测相机性能参数，恒星在像素坐标系下成像点坐标 遵循如下公式：
，
其中，f是焦距，和/>是像元尺寸，/>和/>是靶面尺寸。
步骤16、根据恒星星等与恒星亮度关系，恒星在观测相机成像面上单点最大灰度值可由如下等式估计：
，
其中，bitnum是观测相机的位数，和/>分别为导航星目录中第i颗恒星的星等及最大星等值。
步骤17、由于恒星距离地球远，采用如下模型描述能量弥散过程：
，
其中，为星点的能量中心坐标，/>为方差，用于表示星点的能量集中度，(x, y)为星点弥散区域各星点的坐标，I(x, y)为星点弥散区域能量，/>为星点总能量，exp()函数是以e为底的指数函数。至此，静态的恒星成像背景的模拟步骤完成，得到的图像记为/>。
步骤2、根据空间目标特性，完成空间目标成像模拟，包括：
步骤21、空间目标本身不发光，它主要通过反射太阳光的辐射能量完成在成像面上的成像，而太阳光在观测相机波长范围为的辐射强度/>可由普朗克方程得到：
，
其中，c是真空中光速，h是普朗克系数，T是黑体温度，k是玻尔兹曼常数，是波长。
步骤22、假设太阳向空间中辐射的能量是均匀分布的，则在空间点目标处的辐照度为：
，
其中，为太阳半径，/>为太阳与空间点目标的距离。由于太阳与地球的距离远大于/>，所以在这里用已知的日地距离/>代替/>进行计算。
步骤23、进入光学系统的空间点目标光子流量密度计算为：
，
其中，为观测相机的平均波长；/>为空间目标、太阳、观测相机连线在空间目标处的夹角；/>为空间目标截面上的平均反射率；/>为空间目标在太阳入射方向的等效截面积；/>为空间目标与观测相机间的距离。
步骤24、为更加直观的衡量空间目标的亮度，在这里将公式转化为视星等表达方式，转化关系式为：
，
其中，是模拟空间目标的星等。在成像面上的成像位置、灰度值及弥散状态同样可根据模拟空间目标的空间位置/>及模拟星等值/>，采用步骤13至步骤17的操作得到，得到的图像记为/>。
步骤3、根据观测相机固有噪声及天基观测噪声及杂散光背景来源，完成两种噪声及杂散光背景的模拟，包括：
步骤31、首先是线性分布的杂散光背景的模拟，这种杂散光灰度的分布规律是从图像的一端递增或递减，公式为：
，
其中，m为图像的宽度，b是偏执系数，、/>分别为长度为m且值为1的行向量与列向量，/>和/>分别为线性杂散光最大值与最小值。
步骤32、第二种是高斯分布的杂散光背景的模拟，这种杂散光从星图的一端开始，呈现高斯分布，从另外一端衰减至零，公式为：
，
其中，A为高斯系数，为高斯杂光背景中心坐标，/>为杂散光背景的高斯半径。至此，完成两种杂散光背景的模拟，分别记为/>和/>。
步骤33、为更加逼近真实空间噪声，添加高斯噪声进行模拟。
步骤34、为模拟观测相机内部单像素亮噪声，以一定概率添加噪声，表达式如下：
，
其中，hot_val是一个模拟热噪声的常数值，是概率阈值，/>是随机概率值。
步骤4、根据观测相机工作模式及曝光时间，完成多空间场景下空间目标数据集构建，包括：
步骤41、当观测相机与恒星或空间目标存在相对运动且曝光时间较长时，恒星或空间目标的成像形态将在成像面上拖尾。而曝光时间较短时，恒星和空间目标均呈现点状。
步骤42、将积分时间T切分为段/>的小区间, 每段小区间记为/>。由于成像时间极短，所以在小区间/>内的星点成像可近似认为平稳状态下的成像模型，即在第i个时间区间内星点能量/>为：
,
其中，分别为i时刻星点在像素坐标系下的坐标，/>为第i个时间区间内星点在成像面上的总能量。
步骤43、在积分时间T内，星点拖尾能量分布可由每个区间的能量叠加得到，计算为：
,
步骤44、假设在T内星点的运动为匀速直线运动，且在x和y轴方向的速度分别为。则在(x, y)处的星点能量最终可表示为：
,
其中，为曝光起始时刻的星点坐标，/>为时间T内总能量。至此，完成多空间场景下的恒星背景成像和空间目标成像的模拟，完成多空间场景下空间目标数据集构建。
实施例：
（1）实验条件：CPU采用Intel Core i7-6500U，主频2.5 GHz，内存12Gb，程序使用Matlab 2021a编写，观测相机实验参数如表1所示。
（2）光轴指向：模拟图像为光轴指向坐标为(30°, 10°, 0°)，且导航星等阈值为6时的情况。
（3）噪声参数：设置高斯噪声均值为10，方差为15，并以概率阈值为添加热噪声hot_val = 190。
（4）杂散光参数：高斯杂散光中心坐标为（120，10），高斯系数,高斯半径为/>；线性杂散光范围为[100, 240]。
为体现本方法的贡献，在此将给出如表1参数下的多场景下的空间目标模拟结果图。图2-图4均为在光轴指向为（30°,10°,0）时的仿真图像，白色方框中的为空间目标。其中，图2的图（a）为未添加噪声及杂散光图，图2的图（b）为添加噪声图，图2的图（c）为添加杂散光图，图2的图（d）为同时噪声和高斯杂散光图，图2的图（e）为同时噪声和线性杂散光图。图3的图（a）为未添加噪声及杂散光图，图3的图（b）为添加噪声图，图3的图（c）为添加杂散光图，图3的图（d）为同时噪声和高斯杂散光图，图3的图（e）为同时噪声和高斯杂散光图。图4的图（a）为未添加噪声及杂散光图，图4的图（b）为添加噪声图，图4的图（c）为添加杂散光图，图4的图（d）为同时噪声和高斯杂散光图，图4的图（e）为同时噪声和高斯杂散光图。
从图像中可看出，所示仿真图像能逼近真实空间目标图像。
本发明提出了一种天基复杂多场景空间目标仿真数据集构建方法，覆盖了相机所有工作模式下的仿真图像模拟步骤，解决了目前天基空间数据集难以获取的困难。
本发明未详述部分属于本技术领域的公知技术。以上所述仅为本发明的具体实例而已，并不用于以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种天基复杂多场景空间目标仿真数据集构建方法，其特征在于，包括如下步骤：
步骤1、根据观测相机探测能力，筛选导航星库，完成恒星背景成像模拟，包括：
步骤11、以观测相机探测能力为基础，对导航星表进行筛选，完成观测相机在各光轴指向下的恒星背景模拟，筛选条件如下：
，
其中，S是筛选后的导航星库，主要包括第i颗导航星的赤经、赤纬/>及星等/>，N为筛选后的导航星目录总数，/>为观测相机的极限探测星等；
步骤12、只有当极限探测星等以下的恒星的赤经、赤纬与观测相机的光轴指向满足视场范围约束条件时，恒星才能成像在成像面上，约束条件如下：
，
其中，和/>为观测相机光轴指向的赤经赤纬，FOV为相机的视场大小；
步骤13、恒星在天球坐标系E下的坐标计算如下：
，
其中， 分别为天球坐标系下三维坐标；
步骤14、通过旋转变换，计算出恒星在观测相机坐标系S下的坐标如下：
，
其中，分别为恒星在观测相机坐标系下三维坐标，C为根据观测相机的三轴姿态角，即偏航角、俯仰角、滚转角/> 计算的姿态旋转矩阵，表达式如下：
，
步骤15、根据观测相机性能参数，恒星在像素坐标系下成像点坐标遵循如下公式：
，
其中，f是焦距， 是像元尺寸，/>和/>是靶面尺寸；
步骤16、根据恒星星等与恒星亮度关系，恒星在观测相机成像面上单点最大灰度值Imax由如下等式获得：
，
其中，bitnum是观测相机的位数，和/>分别为导航星目录中第i颗恒星星等及最大星等值；
步骤17、采用如下模型描述能量弥散过程：
，
其中，I(x, y)为星点弥散区域能量，为星点的能量中心坐标，/>为方差，用于表示星点的能量集中度，(x, y)为星点弥散区域各星点的坐标，Imax为星点总能量，exp()函数是以e为底的指数函数；
至此，静态的恒星背景成像的模拟完成，得到的图像记为；
步骤2、根据空间目标特性，完成空间目标成像模拟；
步骤3、根据观测相机固有噪声、天基观测噪声及杂散光背景来源，完成观测相机固有噪声、天基观测噪声及杂散光背景的模拟；
步骤4、根据观测相机工作模式及曝光时间，完成多空间场景下空间目标数据集构建。
2.根据权利要求1所述的一种天基复杂多场景空间目标仿真数据集构建方法，其特征在于，所述步骤2包括：
步骤21、空间目标通过反射太阳光的辐射能量完成在成像面上的成像，太阳光在观测相机波长范围为的辐射强度/>由普朗克方程得到：
，
其中，c是真空中光速，h是普朗克系数，T是黑体温度，k是玻尔兹曼常数，是波长；
步骤22、假设太阳向空间中辐射的能量是均匀分布的，则在空间点目标处的辐照度Ee为：
，
其中，为太阳半径，/>为太阳与空间点目标的距离；由于太阳与地球的距离/>远大于太阳与空间点目标的距离/>，所以采用已知的太阳与地球距离/>代替/>进行计算；
步骤23、进入观测相机的空间点目标光子流量密度计算为：
，
其中，为观测相机的平均波长；/>为空间目标、太阳、观测相机连线在空间目标处的夹角；/>为空间目标截面上的平均反射率；/>为空间目标在太阳入射方向的等效截面积；为空间目标与观测相机间的距离；
步骤24、为更加直观的衡量空间目标的亮度，将公式转化为视星等表达方式，转化关系式为：
，
其中， 是模拟空间目标的星等；在成像面上的成像位置、灰度值及弥散状态根据模拟空间目标的空间位置/>及模拟星等值/>，采用步骤13至步骤17的操作得到，得到的图像记为/>。
3.根据权利要求2所述的一种天基复杂多场景空间目标仿真数据集构建方法，其特征在于，所述步骤3包括：
步骤31、对线性分布的杂散光背景进行模拟，公式为：
，
其中，m为图像的宽度，b是偏执系数，、/>分别为长度为m且值为1的行向量与列向量，Gmax和Gmin分别为线性杂散光最大值与最小值；
步骤32、对高斯分布的杂散光背景进行模拟，公式为：
，
其中，A为高斯系数，为高斯杂光背景中心坐标，/>为杂散光背景的高斯半径；
步骤33、为更加逼近真实空间噪声，添加高斯噪声进行模拟；
步骤34、为模拟观测相机内部单像素亮噪声In2，以一定概率添加噪声，表达式如下：
，
其中，hot_val是一个模拟热噪声的常数值，是概率阈值，/>是随机概率值。
4.根据权利要求3所述的一种天基复杂多场景空间目标仿真数据集构建方法，其特征在于，所述步骤4包括：
步骤41、当观测相机与恒星或空间目标存在相对运动且曝光时间较长时，恒星或空间目标的成像形态将在成像面上拖尾；当曝光时间较短时，恒星和空间目标均呈现点状；
步骤42、 将积分时间T切分为N段的小区间, 每段小区间记为/>， ；由于成像时间极短，所以在小区间/>内的星点成像近似认为平稳状态下的成像模型，即在第i个时间区间内星点能量/>为：
，
其中，分别为i时刻星点在像素坐标系下的坐标，/>为第i个时间区间内星点在成像面上的总能量；/>表示趋近于；
步骤43、在积分时间T内，星点拖尾能量分布由每个小区间的能量叠加得到，计算为：
，
步骤44、假设在T内星点的运动为匀速直线运动，且在x和y轴方向的速度分别为，/>，则在(x,y)处的星点拖尾能量最终表示为：
，
其中，为曝光起始时刻的星点坐标，I0为时间T内总能量；
至此，完成多空间场景下的恒星背景成像和空间目标成像的模拟，从而完成多空间场景下空间目标数据集构建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189073.5A CN116933567B (zh) | 2023-09-15 | 2023-09-15 | 一种天基复杂多场景空间目标仿真数据集构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311189073.5A CN116933567B (zh) | 2023-09-15 | 2023-09-15 | 一种天基复杂多场景空间目标仿真数据集构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116933567A CN116933567A (zh) | 2023-10-24 |
| CN116933567B true CN116933567B (zh) | 2024-02-02 |
Family
ID=88375685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311189073.5A Active CN116933567B (zh) | 2023-09-15 | 2023-09-15 | 一种天基复杂多场景空间目标仿真数据集构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933567B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117852283B (zh) * | 2024-01-09 | 2024-07-19 | 哈尔滨工业大学 | 一种复杂太空背景环境下的空间目标图像仿真方法及系统 |
| CN118133576A (zh) * | 2024-05-07 | 2024-06-04 | 中国人民解放军战略支援部队航天工程大学 | 一种太空物理环境数字孪生方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19737592A1 (de) * | 1996-08-30 | 1998-03-05 | Mitsubishi Electric Corp | Lagebestimmungssystem für künstliche Satelliten |
| DE19846690A1 (de) * | 1998-10-09 | 2000-04-13 | Daimler Chrysler Ag | Kombinierter Erd-Sternsensor für gleichzeitige Bahn- und Lagebestimmung |
| CN102944227A (zh) * | 2012-11-08 | 2013-02-27 | 哈尔滨工业大学 | 一种基于fpga实现实时提取恒星星像坐标的方法 |
| CN107101637A (zh) * | 2017-05-27 | 2017-08-29 | 电子科技大学天府协同创新中心 | 数字星图仿真方法及装置 |
| CN110455281A (zh) * | 2019-08-14 | 2019-11-15 | 北京理工大学 | 暗弱小天体光学导航特征成像模拟方法 |
| CN114255263A (zh) * | 2021-12-24 | 2022-03-29 | 中国科学院光电技术研究所 | 一种基于背景辨识的自适应空间暗弱星体识别方法 |
| CN114764845A (zh) * | 2022-04-16 | 2022-07-19 | 中国人民解放军战略支援部队航天工程大学 | 一种模拟事件相机在太空工作的成像方法 |
| CN115908554A (zh) * | 2022-12-16 | 2023-04-04 | 江苏科技大学 | 一种高精度亚像素模拟星图以及亚像素提取方法 |
-
2023
- 2023-09-15 CN CN202311189073.5A patent/CN116933567B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19737592A1 (de) * | 1996-08-30 | 1998-03-05 | Mitsubishi Electric Corp | Lagebestimmungssystem für künstliche Satelliten |
| DE19846690A1 (de) * | 1998-10-09 | 2000-04-13 | Daimler Chrysler Ag | Kombinierter Erd-Sternsensor für gleichzeitige Bahn- und Lagebestimmung |
| CN102944227A (zh) * | 2012-11-08 | 2013-02-27 | 哈尔滨工业大学 | 一种基于fpga实现实时提取恒星星像坐标的方法 |
| CN107101637A (zh) * | 2017-05-27 | 2017-08-29 | 电子科技大学天府协同创新中心 | 数字星图仿真方法及装置 |
| CN110455281A (zh) * | 2019-08-14 | 2019-11-15 | 北京理工大学 | 暗弱小天体光学导航特征成像模拟方法 |
| CN114255263A (zh) * | 2021-12-24 | 2022-03-29 | 中国科学院光电技术研究所 | 一种基于背景辨识的自适应空间暗弱星体识别方法 |
| CN114764845A (zh) * | 2022-04-16 | 2022-07-19 | 中国人民解放军战略支援部队航天工程大学 | 一种模拟事件相机在太空工作的成像方法 |
| CN115908554A (zh) * | 2022-12-16 | 2023-04-04 | 江苏科技大学 | 一种高精度亚像素模拟星图以及亚像素提取方法 |
Non-Patent Citations (4)
| Title |
|---|
| A blurred star image restoration method based on gyroscope data and enhanced sparse model;Jinhui Yi等;Measurement Science and Technology;第34卷(第11期);1-8 * |
| 天基光学空间目标监视图像仿真研究;李骏;高源;安玮;周一宇;;系统仿真学报(第15期);3951-3954+3961 * |
| 天基系统空间目标光学成像仿真方法研究;闫立波等;计算机仿真;第33卷(第4期);120-124 * |
| 红外星图预处理及星点定位精度分析;魏伟等;红外与激光工程;第43卷(第3期);991-996 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116933567A (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116933567B (zh) | 一种天基复杂多场景空间目标仿真数据集构建方法 | |
| CN103913148B (zh) | 航天tdi ccd相机全链路数值仿真方法 | |
| CN111563962A (zh) | 一种基于几何辐射一体化采样的遥感图像仿真方法 | |
| CN112857306B (zh) | 一种视频卫星任意视向点的连续太阳高度角确定方法 | |
| US20110178756A1 (en) | Integrated, Predictive, Radiance Sensor Apparatus and Method | |
| CN103234552A (zh) | 光学导航目标星模拟仿真图像生成方法 | |
| Schubert et al. | Detectability of space debris objects in the infrared spectrum | |
| JP5137039B2 (ja) | 熱放射エネルギーのシミュレーション装置、及び、方法 | |
| CN106202801B (zh) | 一种天基光学空间碎片监视图像中目标运动拖尾仿真方法 | |
| CN117421938B (zh) | 一种面向恒星跟踪观测的地面任务规划方法及系统 | |
| Xu et al. | Stellar radiation modeling and image simulation for airborne daytime star sensor | |
| CN109657679B (zh) | 一种应用卫星功能类型识别方法 | |
| CN109241554B (zh) | 一种临边全波段超光谱图像仿真方法 | |
| CN116702459A (zh) | 基于仿真红外成像导航模型的对抗仿真导航方法及系统 | |
| CN116187217A (zh) | 基于平行仿真的无人机智能算法学习训练平台构建方法 | |
| Zhang et al. | Research on digital imaging simulation method of space target navigation camera | |
| Zhang et al. | A diverse space target dataset with multidebris and realistic on-orbit environment | |
| Wang et al. | A Simulation Algorithm of The Space-based Optical Star Map with Any Length of Exposure Time | |
| CN101915581B (zh) | 一种用于深空探测的彗星光学面信号模拟方法 | |
| Cong et al. | Modeling and simulation for optical sensor imaging in space rendezvous and docking | |
| Ross et al. | Infrared imagery of the space shuttle at hypersonic entry conditions | |
| CN113742863B (zh) | 环火轨道中分全球及局部成像能力地面验证系统 | |
| CN117852283B (zh) | 一种复杂太空背景环境下的空间目标图像仿真方法及系统 | |
| Lane Fuller Jr et al. | Development of a versatile LiDAR point cloud simulation testbed for advanced RSO algorithms | |
| Borin | METODI DI ANALISI PER OSSERVAZIONI STEREO DI SUPERFICI PLANETARIE E LIBRAZIONI |
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 |