CN117011344B - 一种两步在轨校正星敏感器内参数的方法 - Google Patents

一种两步在轨校正星敏感器内参数的方法 Download PDF

Info

Publication number
CN117011344B
CN117011344B CN202311280568.9A CN202311280568A CN117011344B CN 117011344 B CN117011344 B CN 117011344B CN 202311280568 A CN202311280568 A CN 202311280568A CN 117011344 B CN117011344 B CN 117011344B
Authority
CN
China
Prior art keywords
star
representing
parameters
feature
star sensor
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
CN202311280568.9A
Other languages
English (en)
Other versions
CN117011344A (zh
Inventor
赵汝进
易晋辉
马跃博
龙鸿峰
朱梓健
梁震
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.)
Institute of Optics and Electronics of CAS
Original Assignee
Institute of Optics and Electronics of CAS
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 Institute of Optics and Electronics of CAS filed Critical Institute of Optics and Electronics of CAS
Priority to CN202311280568.9A priority Critical patent/CN117011344B/zh
Publication of CN117011344A publication Critical patent/CN117011344A/zh
Application granted granted Critical
Publication of CN117011344B publication Critical patent/CN117011344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种两步在轨校正星敏感器内参数的方法，涉及星敏感器在轨内参数校正技术领域，将星敏感器图像中恒星视为特征点并提取位置信息，然后通过LK光流法快速完成特征跟踪匹配，一旦匹配成功的特征点小于10则进入局部天区星图识别，补充特征点数量。在内参数校正部分，前20帧图像采用非线性优化进行内参数（包括焦距，主点，径向畸变系数和切向畸变系数等7个系数）粗校正，有助于加快参数的收敛；其后的图像利用粗校正结果和扩展卡尔曼滤波（EKF）对内参数进行精确校正。本发明通过优化和滤波对内参数进行两步校正，能有效提高滤波收敛的速度和精度。

Description

一种两步在轨校正星敏感器内参数的方法
技术领域
本发明涉及星敏感器在轨内参数校正技术领域，尤其涉及一种两步在轨校正星敏感器内参数的方法。
背景技术
星敏感器是目前航天器上测量精度最高的姿态传感器，它以探测恒星为目标，通过星图识别为航天器提供天球坐标系下的姿态信息。由于其本质仍是视觉探测器，因此使用前需要对其光学参数进行标定。需要标定的主要参数包括焦距，主点，畸变（径向畸变和切向畸变）。
星敏感器的标定方法分为地面标定和在轨标定。地面标定通常是常温常压下进行的，这与在轨应用环境有很大不同。同时发射时的振动，在轨长时间服役导致器件的老化都会导致光学参数发生变化从而影响星敏感器的探测精度。因此针对星敏感器的光学参数进行实时在轨标定具有较高的工程意义。
中国专利申请CN202211290287.7提出的高精度星敏感器光学系统内参数微变化量在轨标定方法仅对焦距和主点进行标定并未考虑畸变参数，此外该方法通过星图识别而不是LK光流进行星点的匹配。中国专利申请CN201310136159.1提出利用光矢量方向夹角固定的原理校正星敏感器透镜畸变，并未考虑焦距和主点。综上所述，上述方法均未涉及利用两步在轨校正星敏感器内参数。
发明内容
为解决上述技术问题，本发明提供一种两步在轨校正星敏感器内参数的方法，首先通过LK光流法快速完成恒星特征跟踪匹配；在参数校正部分，首先通过引入非线性优化方法完成内参数的粗校正，有助于加快参数的收敛。然后利用初始校正的内参数和扩展卡尔曼滤波对内参数进行精确估计。本发明有效提高了星敏感器内参数在轨校正的精度和收敛速度。
为达到上述目的，本发明采用的技术方案如下：
一种两步在轨校正星敏感器内参数的方法，包括如下步骤：
步骤（1）星敏感器捕获新一帧图像后，将星点视为特征点进行特征提取，获得只包含位置坐标的特征点集合；
步骤（2）利用LK光流法对前一帧星敏感器捕获的图像提取到的特征点集合在当前帧中进行特征跟踪，得到位置坐标集合/>；当特征点集合/>中某一特征点与位置坐标集合/>中的特征点的欧式距离小于3个像素，则视为匹配成功，此时将特征点集合/>中对应的特征点存储的恒星信息传递给特征点集合/>中的特征点；所述恒星信息包括星号、赤经赤纬；
步骤（3）当步骤（2）中匹配成功的特征点的数量大于或等于10，则筛选出离图像中心点距离最远的10个特征点用于内参数的校正；当步骤（2）中匹配成功的特征点的数量小于10，则计算星敏感器当前姿态并进行局部天区星图识别，重新对特征点集合进行特征匹配；
步骤（4）对前20帧图像采用非线性优化进行内参数的粗校正，获得粗校正结果，所述内参数包括焦距，主点/>，径向畸变系数/>和切向畸变系数/>；
步骤（5）将步骤（4）得到的粗校正结果作为扩展卡尔曼滤波初值，对内参数进行精确估计，直到所有内参数均收敛。
有益效果：
首先，本发明提出了基于LK光流的快速星点匹配，其不同于传统星图识别，大大节省了星点匹配的时间；此外在参数校正部分，引入了非线性优化和滤波两步法进行内参数的校正，即使当在轨内参数初始误差较大时，也能保证高精度的估计，同时基于优化的粗校正提供了良好的参数初值，提升了滤波校正的收敛速度。
附图说明
图1为本发明的一种两步在轨校正星敏感器内参数的方法的流程图。
图2为仿真条件下7项内参数估计结果图；其中，（a）为焦距，（b）为主点u 0 ，（c）为主点v 0 ，（d）为径向畸变系数k 1 ，（e）为径向畸变系数k 2， （f）为切向畸变系数p1，（g）为切向畸变系数p2。
图3为畸变校正前后的效果图；其中，（a）为校正前，（b）为校正后。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
首先设置星敏感器的仿真参数，如表1所示：
表1
，
将史密松天文台星表中星等亮度超过6Mv的恒星映射到图像中，施加0.05pixel的星点位置误差。并设置航天器的三轴角速度为，连续生成1200幅星图，如图1所示，两步在轨校正星敏感器内参数的方法的具体步骤如下：
步骤（1）星敏感器捕获新一帧图像后，将星点视为特征点进行特征提取，获得只包含位置坐标的特征点集合。
步骤（2）利用 Lucas-Kanade(LK)光流法对前一帧星图提取到的特征点在当前帧中进行特征跟踪，得到位置坐标集合/>。当/>中某一特征点与/>中的特征点的欧式距离小于3个像素，则视为匹配成功，此时将/>中对应特征点存储的恒星信息（星号、赤经赤纬）传递给/>中的特征点。
步骤（3）当步骤（2）匹配成功的特征点的数量大于或等于10，则筛选出离图像中心点距离最远的10个特征点用于内参数校正；当匹配成功的特征数小于10，采用SVD算法计算星敏感器当前姿态和光轴指向信息确定局部天区，对重新匹配。
步骤（4）对前20帧图像通过非线性优化进行内参数的粗校正。遍历步骤（3）中筛选出的10个特征点，计算任意两点星角距，根据星角距不变原理获得残差项并构建最小二乘问题：
，
其中，X表示所有待估计内参数的集合；上标T表示矩阵的转置，表示任意两个不同的星点i和j之间的星焦距估计值，/>表示星点i和j之间的星焦距观测值，表示星角距残差，即估计值与观测值的差；/>表示X最优化的结果。/>表示求解/>使括号内表达式值最小，/>表示求和任意两个不同星点的星角距，表示二范数的平方，大小或等于矢量所有元素求欧式距离的平方。内参数包括焦距/>，主点/>，径向畸变系数/>和切向畸变系数/>。
最小二乘的求解采用高斯牛顿法：
，
其中，表示施加在X上的微小增量，/>表示参数为X的星角距残差，表示参数为/>的星角距残差。/>是每一项残差相对于X的雅各比矩阵。经过20幅星图最终得到粗校正结果/>。
步骤（5）将步骤（4）得到的内参数的粗校正结果作为扩展卡尔曼滤波(EKF)的初值，即当k=1时，已知内参数/>的后验概率估计：/>。因此从k=1开始逐步对内参数/>和其协方差矩阵/>进行估计，步骤如下：
，
其中，表示第k步内参数/>的先验估计；/>是转移矩阵，此处为单位阵I；表示k-1步内参数/>的后验估计,当k=1时，等于粗校正结果/>；/>表示第k步协方差矩阵/>的先验估计；/>表示第k-1步协方差矩阵/>的后验估计，当k=1时，等于单位阵I；/>是观测矩阵，此处为残差项/>关于X的雅各比矩阵；/>表示卡尔曼增益；表示k步内参数/>的后验估计；/>表示观测值，这里表征观测星角距；/>表示第k步协方差矩阵/>的后验估计，I是单位矩阵。/>是转移噪声，这里取大小为1e-8的单位阵；/>是观测噪声，这里取大小为1e-6的单位阵；焦距f初始值为14.5mm；主点初始值为(512,512)；/>。如图2所示为上述仿真条件下7项内参数估计结果。其中，图2的（a）为焦距/>，图2的（b）为主点u 0 ，图2的（c）为主点v 0 ，图2的（d）为径向畸变系数k 1 ，图2的（e）为径向畸变系数k 2， 图2的（f）为切向畸变系数p1，图2的（g）为切向畸变系数p2；
如图3所示为畸变校正前后的效果图，其中，图3的（a）为校正前，图3的（b）为校正后。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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)

1.一种两步在轨校正星敏感器内参数的方法，其特征在于，包括如下步骤：
步骤（1）星敏感器捕获新一帧图像后，将星点视为特征点进行特征提取，获得只包含位置坐标的特征点集合；
步骤（2）利用LK光流法对前一帧星敏感器捕获的图像提取到的特征点集合在当前帧中进行特征跟踪，得到位置坐标集合/>；当特征点集合/>中某一特征点与位置坐标集合/>中的特征点的欧式距离小于3个像素，则视为匹配成功，此时将特征点集合中对应的特征点存储的恒星信息传递给特征点集合/>中的特征点；所述恒星信息包括星号、赤经赤纬；
步骤（3）当步骤（2）中匹配成功的特征点的数量大于或等于10，则筛选出离图像中心点距离最远的10个特征点用于内参数的校正；当步骤（2）中匹配成功的特征点的数量小于10，则计算星敏感器当前姿态并进行局部天区星图识别，重新对特征点集合进行特征匹配；
步骤（4）对前20帧图像采用非线性优化进行内参数的粗校正，获得粗校正结果，所述内参数包括焦距，主点/>，径向畸变系数/>和切向畸变系数/>；
步骤（5）将步骤（4）得到的粗校正结果作为扩展卡尔曼滤波初值，对内参数进行精确估计，直到所有内参数均收敛。
2.根据权利要求1所述的一种两步在轨校正星敏感器内参数的方法，其特征在于，所述步骤（3）包括：当匹配成功的特征数小于10，采用SVD算法计算星敏感器当前姿态，过程为：
对于匹配成功的第i个特征点，根据赤经赤纬计算天球坐标系下的矢量/>：
，
根据像素坐标，星敏感器的内参数以及像元大小ps计算相机坐标系下的矢量/>：
，
其中，是考虑像元尺寸的像素坐标，/>是考虑畸变的像素坐标；/>表示点到图像坐标系原点的距离；
针对匹配成功的N个特征点，构建如下最小二乘问题并利用SVD算法对当前姿态进行数值求解：
，
其中，表示/>最优化的结果，/>表示求解/>使得括号内表达式值最小，表示二范数的平方，大小或等于矢量所有元素求欧式距离的平方，/>表示i从1到N括号内所有元素求和；
根据当前姿态计算星敏感器的光轴指向，确定局部天区位置，进行局部天区星图识别，重新对特征点集合/>进行特征匹配。
3.根据权利要求1所述的一种两步在轨校正星敏感器内参数的方法，其特征在于，所述步骤（4）包括：遍历步骤（3）中筛选出的10个特征点，计算任意两点星角距，根据星角距不变原理获得残差项并构建最小二乘问题：
，
其中，X表示所有待估计内参数的集合；上标T表示矩阵的转置，表示任意两个不同的星点i和j之间的星焦距估计值，/>表示星点i和j之间的星焦距观测值，表示星角距残差，即估计值与观测值的差；/>表示X最优化的结果；/>表示求解/>使括号内表达式值最小，/>表示求和任意两个不同星点的星角距；
通过求解上述最小二乘问题对内参数进行粗校正。
4.根据权利要求1所述的一种两步在轨校正星敏感器内参数的方法，其特征在于，所述步骤（5）包括：利用步骤（4）得到的内参数的粗校正结果，通过扩展卡尔曼滤波对内参数进行精确估计；第k步的内参数和其协方差矩阵/>的估计步骤如下：
,
其中， 表示第k步内参数/>的先验估计；/>是转移矩阵，此处为单位阵；/>表示k-1步内参数/>的后验估计；/>表示第k步协方差矩阵/>的先验估计；/>表示第k-1步协方差矩阵/>的后验估计；/>是观测矩阵，此处为星角距残差/>关于X的雅各比矩阵；/>表示卡尔曼增益；/>表示k步内参数/>的后验估计；/>表示观测值，表征星焦距观测值；/>表示第k步协方差矩阵/>的后验估计，/>是单位矩阵，/>和/>分别为转移噪声和观测噪声。
CN202311280568.9A 2023-10-07 2023-10-07 一种两步在轨校正星敏感器内参数的方法 Active CN117011344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311280568.9A CN117011344B (zh) 2023-10-07 2023-10-07 一种两步在轨校正星敏感器内参数的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311280568.9A CN117011344B (zh) 2023-10-07 2023-10-07 一种两步在轨校正星敏感器内参数的方法

Publications (2)

Publication Number Publication Date
CN117011344A CN117011344A (zh) 2023-11-07
CN117011344B true CN117011344B (zh) 2024-02-02

Family

ID=88567593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311280568.9A Active CN117011344B (zh) 2023-10-07 2023-10-07 一种两步在轨校正星敏感器内参数的方法

Country Status (1)

Country Link
CN (1) CN117011344B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851408A (zh) * 2006-05-31 2006-10-25 哈尔滨工业大学 基于多天体路标的星际巡航自主导航方法
CN1939807A (zh) * 2006-10-10 2007-04-04 北京航空航天大学 基于weng模型的星敏感器在轨校准方法
CN109798921A (zh) * 2019-02-22 2019-05-24 中国科学院光电技术研究所 一种星敏感器内方位元素室内校准方法
CN110807809A (zh) * 2019-10-25 2020-02-18 中山大学 基于点线特征和深度滤波器的轻量级单目视觉定位方法
CN111798523A (zh) * 2020-06-19 2020-10-20 武汉大学 星相机在轨定标定姿及遥感影像几何定位方法、系统
CN113066050A (zh) * 2021-03-10 2021-07-02 天津理工大学 一种基于视觉的空投货台航向姿态解算方法
CN114509066A (zh) * 2022-01-29 2022-05-17 中国科学院光电技术研究所 一种高速目标天文定位方法
CN115630254A (zh) * 2022-10-21 2023-01-20 长春工业大学 高精度星敏感器光学系统内参数微变化量的在轨标定方法
CN115689915A (zh) * 2022-10-10 2023-02-03 中国科学院微小卫星创新研究院 一种基于二维勒让德神经网络实现在轨星图几何畸变校正方法及星敏感器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7822572B2 (en) * 2007-07-06 2010-10-26 Beihang University Method and device for calibration of digital celestial sensor

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1851408A (zh) * 2006-05-31 2006-10-25 哈尔滨工业大学 基于多天体路标的星际巡航自主导航方法
CN1939807A (zh) * 2006-10-10 2007-04-04 北京航空航天大学 基于weng模型的星敏感器在轨校准方法
CN109798921A (zh) * 2019-02-22 2019-05-24 中国科学院光电技术研究所 一种星敏感器内方位元素室内校准方法
CN110807809A (zh) * 2019-10-25 2020-02-18 中山大学 基于点线特征和深度滤波器的轻量级单目视觉定位方法
CN111798523A (zh) * 2020-06-19 2020-10-20 武汉大学 星相机在轨定标定姿及遥感影像几何定位方法、系统
CN113066050A (zh) * 2021-03-10 2021-07-02 天津理工大学 一种基于视觉的空投货台航向姿态解算方法
CN114509066A (zh) * 2022-01-29 2022-05-17 中国科学院光电技术研究所 一种高速目标天文定位方法
CN115689915A (zh) * 2022-10-10 2023-02-03 中国科学院微小卫星创新研究院 一种基于二维勒让德神经网络实现在轨星图几何畸变校正方法及星敏感器
CN115630254A (zh) * 2022-10-21 2023-01-20 长春工业大学 高精度星敏感器光学系统内参数微变化量的在轨标定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于事件的高动态星敏感器星点提取方法;曾思康等;《光子学报》;第51卷(第09期);351-362 *

Also Published As

Publication number Publication date
CN117011344A (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN107101648B (zh) 基于区域网内恒星影像的星相机定标定姿方法及系统
CN109345588A (zh) 一种基于Tag的六自由度姿态估计方法
CN110807809B (zh) 基于点线特征和深度滤波器的轻量级单目视觉定位方法
CN105222788B (zh) 基于特征匹配的飞行器航路偏移误差的自校正方法
KR101282718B1 (ko) 선형배열 영상센서와 자세제어 센서 간의 절대 오정렬 보정방법
CN111076733A (zh) 一种基于视觉与激光slam的机器人室内建图方法及系统
CN107564057B (zh) 顾及大气折光校正的高轨面阵光学卫星在轨几何标定方法
CN104406583B (zh) 双星敏感器联合确定载体姿态方法
CN110986998B (zh) 一种基于有理函数模型的卫星视频相机在轨几何定标方法
CN115578448B (zh) 一种基于ccd观测数据批处理的天文定位方法及系统
CN105318871A (zh) 双星敏感器载体安装矩阵动态标定方法
Zhou et al. Novel autonomous on-orbit calibration method for star sensors
CN111238485B (zh) 一种基于导航敏感器拍摄火星图像的系统误差自补偿方法
CN114255263A (zh) 一种基于背景辨识的自适应空间暗弱星体识别方法
CN114758011B (zh) 融合离线标定结果的变焦相机在线标定方法
CN112489091A (zh) 一种基于直瞄模板的全捷联图像导引头目标跟踪方法
CN117011344B (zh) 一种两步在轨校正星敏感器内参数的方法
CN107240077B (zh) 一种基于椭圆构像偏差迭代矫正的视觉测量方法
CN104484647B (zh) 一种高分辨率遥感图像云高度检测方法
CN116681733B (zh) 一种空间非合作目标近距离实时位姿跟踪方法
CN112767481A (zh) 一种基于视觉边缘特征的高精度定位及建图方法
CN115630254A (zh) 高精度星敏感器光学系统内参数微变化量的在轨标定方法
CN113049006B (zh) 一种基于模型参数估计的星光矢量蒙气差修正方法
CN112017108B (zh) 基于独立模型法平差的卫星影像颜色相对校正方法
CN117073691B (zh) 基于优化的视觉惯性紧耦合航天器姿态测量方法

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
GR01 Patent grant
GR01 Patent grant