KR101099131B1 - 상관함수를 이용한 별 센서의 별 인식 방법 - Google Patents

상관함수를 이용한 별 센서의 별 인식 방법 Download PDF

Info

Publication number
KR101099131B1
KR101099131B1 KR1020100048381A KR20100048381A KR101099131B1 KR 101099131 B1 KR101099131 B1 KR 101099131B1 KR 1020100048381 A KR1020100048381 A KR 1020100048381A KR 20100048381 A KR20100048381 A KR 20100048381A KR 101099131 B1 KR101099131 B1 KR 101099131B1
Authority
KR
South Korea
Prior art keywords
star
image
stars
center
sensor
Prior art date
Application number
KR1020100048381A
Other languages
English (en)
Other versions
KR20110129000A (ko
Inventor
방효충
윤효상
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020100048381A priority Critical patent/KR101099131B1/ko
Publication of KR20110129000A publication Critical patent/KR20110129000A/ko
Application granted granted Critical
Publication of KR101099131B1 publication Critical patent/KR101099131B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법은, 별 센서에 내장된 별 카탈로그에 포함되어 있는 N개의 별들 중 K번째 별인 제K 별의 식별번호 및 상기 식별번호에 대응하는 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들이 기록된 이미지 카탈로그를 생성하는 단계; 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성하는 단계; 상기 제K 대상 이미지의 생성 단계를 반복 수행하여, 제1 별 및 상기 제1 별의 주변에 위치하는 별들에 대한 제1 대상 이미지 내지 제N 별 및 상기 제N 별의 주변에 위치하는 별들에 대한 제N 대상 이미지를 각각 생성하는 단계; 상기 별 센서에 의해 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성하는 단계; 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 중 어느 한 대상 이미지와 상기 원 이미지 사이의 상관으로 정의되는 비용함수를 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 각각에 대해 적용하여 상기 비용함수를 최대화시키는 대상 이미지를 추출하는 단계; 및 상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식하는 단계를 포함한다.

Description

상관함수를 이용한 별 센서의 별 인식 방법{New Star Pattern Identification using a Correlation Approach for Spacecraft Attitude Determination}
본 발명은 상관함수를 이용한 별 센서의 별 인식 방법에 관한 것으로, 더욱 상세하게는 원 이미지에 포함되어 있는 별들 각각이 대상 이미지에 포함되어 있는 별들 중 어떠한 것인지를 인식하는데 있어서 원 이미지와 대상 이미지 사이의 상관으로 정의되는 비용함수를 도입하여 비용함수를 최대화시키는 대상 이미지를 추출하고 추출된 대상 이미지에 포함되어 있는 별들의 분포 패턴을 참조하여 원 이미지에 포함되어 있는 별들의 식별번호를 인식하는 상관함수를 이용한 별 센서의 별 인식 방법에 관한 것이다.
우주비행체의 자세 결정은 거의 모든 우주 미션에서 매우 중요한 부분이다. 지구 관측부터 타 행성으로의 항해까지 우주 미션에서 자세 결정이 중요하지 않은 곳이 없다. 더욱이 자세 결정에 있어서 별 패턴은 우주선에 있어서 제일 믿을 만한 지표이다. 별들은 지구로부터 매우 멀리 떨어져 있기 때문에 관성 좌표계에서 볼 경우 별들은 거의 정지해 있다고 할 수 있다. 별들은 우주에 균등하게 퍼져 있어서 거의 모든 방향에서 별들의 사진을 찍는 것이 가능하다.
때문에 별 패턴으로부터 자세를 추정해 내는 별 센서(혹은 별 추적기)는 매우 유용한 자세 결정용 센서로 개발되고, 이용되어 왔다. 별 센서는 그 독특한 특성 때문에 우주 미션에 있어서 매우 자주 사용되어 왔다. 별 센서는 현존하는 자세 결정용 센서들 중 거의 제일 정밀한 센서로서 좋게는 수 초(1초 = 1/3600도)의 정밀도를 보여준다. 또한, 별 센서는 시간에 따른 누적 오차가 없다.
하지만 결과를 내기까지 수 초의 처리 시간이 걸린다는 단점이 있다. 처리 시간의 대부분은 별을 인식하는 과정으로, 이는 이미지에 찍힌 별들이 별 센서가 갖고 있는 별 카탈로그의 어떤 별인지 알아내는 작업이다. 결론적으로 별 인식 과정이 빠를수록 별 센서가 더 빨리 자세를 추정해 낼 것이다.
근래의 수십 년 동안에 별 인식 알고리즘에 대한 연구가 진행되어 왔다. 선행 연구들은 접근 방식에 따라 크게 두 가지로 분류할 수 있다. 첫 번째 접근 방식은 이미지에 나타난 별들 사이의 상관관계(거리, 각도 등)를 척도로 별들을 인식하는 방법이고, 두 번째 접근 방식은 이미지에 찍힌 별들이 나타내는 패턴을 척도로 별들을 인식하는 방법이다.
첫 번째 접근 방식은 이미지에 찍힌 별들 중 몇몇 밝은 별들을 우선적으로 뽑아 그 별들간의 상관관계로부터 별들을 추정해 낸다. 초창기의 별 인식 알고리즘이 이 방식의 범주에 들어가는데, 주로 이미지 상의 밝은 별들로 삼각형을 만들어, 미리 계산된 삼각형 패턴 중 제일 비슷한 것을 찾는 식의 별 인식 방법이다.
두 번째 접근 방식은 패턴을 이용한 별 인식 방법으로, 이미지 상에 나타난 별들이 나타내는 패턴 전체를 이용한다. 그리드 알고리즘(Grid Algorithm)이 패턴 인식 방식의 시초로, 별 몇 개만의 성질을 이용하는 것이 아니라 이미지에 찍힌 별 전체가 퍼져 있는 형상을 기반으로 별을 인식하기 때문에 조금 더 간단하고, 직관적이라는 장점이 있다.
본 발명에서 제안하는 별 인식 알고리즘은 두 번째 범주에 속하는 방식으로 찍힌 이미지와 별 센서 안에 저장되어 있는 목록간의 상관(Correlation)값을 기반으로 별을 인식한다. 상관(Correlation)은 두 함수 사이의 비슷함 혹은 닮음을 나타내는 수학적인 양이다.
따라서, 어떠한 두 패턴 사이의 상관값이 크면 클수록, 그 두 패턴이 실제 같은 패턴일 확률이 높아질 것이다. 본 발명에서 제안하는 알고리즘은 두 패턴 사이의 상관값을 비용함수로 정의하여, 그 비용함수를 최대화시키는 별 센서 안에 저장된 별들의 목록을 찾아낸다. 이를 통하여 본 발명에서 제안하는 알고리즘은 다른 패턴을 비교하는 알고리즘에 비해 더 안정적이고 빠르다.
본 발명은 상기와 같은 종래 기술을 개선하기 위해 안출된 것으로서, 원 이미지에 포함되어 있는 별들 각각이 대상 이미지에 포함되어 있는 별들 중 어떠한 것인지를 인식하는데 있어서 원 이미지와 대상 이미지 사이의 상관으로 정의되는 비용함수를 도입하여 비용함수를 최대화시키는 대상 이미지를 추출하고 추출된 대상 이미지에 포함되어 있는 별들의 분포 패턴을 참조하여 원 이미지에 포함되어 있는 별들의 식별번호를 인식할 수 있도록 하는 상관함수를 이용한 별 센서의 별 인식 방법을 제공하는 것을 목적으로 한다.
상기의 목적을 이루고 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법은, 별 센서에 내장된 별 카탈로그에 포함되어 있는 N개의 별들 중 K번째 별인 제K 별의 식별 번호 및 상기 식별 번호에 대응하는 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들이 기록된 이미지 카탈로그를 생성하는 단계; 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성하는 단계; 상기 제K 대상 이미지의 생성 단계를 반복 수행하여, 제1 별 및 상기 제1 별의 주변에 위치하는 별들에 대한 제1 대상 이미지 내지 제N 별 및 상기 제N 별의 주변에 위치하는 별들에 대한 제N 대상 이미지를 각각 생성하는 단계; 상기 별 센서에 의해 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성하는 단계; 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 중 어느 한 대상 이미지와 상기 원 이미지 사이의 상관으로 정의되는 비용함수를 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 각각에 대해 적용하여 상기 비용함수를 최대화시키는 대상 이미지를 추출하는 단계; 및 상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식하는 단계를 포함한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 별 카탈로그는 천구상의 별들에 대한 3차원 좌표값들을 포함하는 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성하는 단계는, 상기 제K 별을 화면의 중앙에 위치시킨 후 별 이미지를 촬영하는 단계; 및 상기 별 이미지에 포함되어 있는 별들 중에 상기 제K 별에 가장 가깝게 위치한 별이 상기 제K 별의 위치를 원점으로 하는 x축 상에 위치하도록 상기 별 이미지를 회전시키는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 별 센서에 의해 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성하는 단계는, 화면의 중심을 원점으로 해서 상기 별 이미지에 포함되어 있는 별들 중에 상기 원점에서 가장 가까운 위치에 있는 별이 상기 원점에 위치하도록 상기 별 이미지를 옮기는 단계; 및 상기 옮겨진 상기 별 이미지를 토대로 상기 원점에서 가장 가까운 위치에 있는 별이 x축 상에 위치하도록 상기 별 이미지를 회전시키는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식하는 단계는, 상기 추출된 상기 대상 이미지에 포함되어 있는 별들 및 상기 원 이미지에 포함되어 있는 별들의 분포 패턴을 비교하여 상기 원 이미지에 포함되어 있는 별들의 식별 번호를 인식하는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 원 이미지를 A(x,y), 상기 별 이미지에 포함되어 있는 i번째 별의 중심 좌표값을 (xi,yi), 상기 대상 이미지를 B(x,y), 상기 별 이미지에 포함되어 있는 j번째 별의 중심 좌표값을 (xj,yj)라 하는 경우, 상기 원 이미지 및 상기 대상 이미지는
Figure 112010033193239-pat00001
및
Figure 112010033193239-pat00002
인 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에서 상기 비용함수를 J, 상기 별 이미지에 포함되어 있는 i번째 별의 중심 좌표값을 (xi,yi), 상기 별 이미지에 포함되어 있는 j번째 별의 중심 좌표값을 (xj,yj)라 하는 경우, 상기 비용함수는
Figure 112010033193239-pat00003
인 것을 특징으로 한다.
본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에 따르면, 원 이미지에 포함되어 있는 별들 각각이 대상 이미지에 포함되어 있는 별들 중 어떠한 것인지를 인식하는데 있어서 원 이미지와 대상 이미지 사이의 상관으로 정의되는 비용함수를 도입하여 비용함수를 최대화시키는 대상 이미지를 추출하고 추출된 대상 이미지에 포함되어 있는 별들의 분포 패턴을 참조하여 원 이미지에 포함되어 있는 별들의 식별번호를 인식할 수 있도록 하는 효과를 얻을 수 있다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법이 오차에 대해 더 강인하고 빠르며 더 적은 메모리 사용량을 보임이 여러 시뮬레이션 연구를 통하여 증명되었다. 또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법에 따르면, 기존의 기법에 비해 별 인식 성공률이 크게 향상되는 효과를 얻을 수 있다.
도 1은 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법의 흐름을 도시한 순서도.
도 2는 별들을 2차원 가우시안 함수의 합으로 모델링하여 재구성된 이미지의 실시예를 나타낸 도면.
도 3은 이미지를 정렬하는 방법을 나타낸 도면.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법의 흐름을 도시한 순서도이다.
본 발명의 일실시예에 따른 별 센서는 별 카탈로그에 포함되어 있는 N개의 별들 중 K번째 별인 제K 별의 식별번호 및 상기 식별번호에 대응하는 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들이 기록된 이미지 카탈로그를 유지한다(단계(110)).
상기 별 카탈로그는 상기 별 센서에 내장되고 천구상의 별들에 대한 3차원 좌표값들을 포함한다. 즉, 천구상의 별들 각각에는 식별번호가 매겨지고 상기 별 카탈로그에는 이러한 식별번호에 대응하여 별들의 위치, 등급 등과 같은 정보가 기록되어 있다.
상기한 바와 같이, 본 발명의 일실시예에 따른 별 센서는 상기 별 카탈로그에 있는 각 별들에 대해 주위에 있는 별들의 위치를 미리 계산해서 데이터베이스로 구축해 놓고 이를 이용하여 별의 인식 과정을 수행할 수 있다.
본 발명의 일실시예에 따른 별 센서는 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성한다(단계(120)). 도 2는 별들을 2차원 가우시안 함수의 합으로 모델링하여 재구성된 이미지의 실시예를 나타낸 도면이다. 도 2a에서는 밝기가, 도 2b에서는 높이가 그 픽셀의 신호 세기를 나타낸다.
단계(120)에서, 상기 별 센서는 상기 제K 별을 화면의 중앙에 위치시킨 후 별 이미지를 촬영하고 상기 별 이미지에 포함되어 있는 별들 중에 상기 제K 별에 가장 가깝게 위치한 별이 상기 제K 별의 위치를 원점으로 하는 x축 상에 위치하도록 상기 별 이미지를 회전시킬 수 있다.
본 발명의 일실시예에 따른 별 센서는 상기 제K 대상 이미지의 생성 단계를 반복 수행하여, 제1 별 및 상기 제1 별의 주변에 위치하는 별들에 대한 제1 대상 이미지 내지 제N 별 및 상기 제N 별의 주변에 위치하는 별들에 대한 제N 대상 이미지를 각각 생성한다(단계(130)). 예를 들어, 천구상에 1000개의 별이 있다고 가정하면 상기 별 센서는 1000개의 대상 이미지를 생성할 수 있다.
본 발명의 일실시예에 따른 별 센서는 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성한다(단계(140)).
단계(140)에서, 상기 별 센서는 화면의 중심을 원점으로 해서 상기 별 이미지에 포함되어 있는 별들 중에 상기 원점에서 가장 가까운 위치에 있는 별이 상기 원점에 위치하도록 상기 별 이미지를 옮기고 상기 옮겨진 상기 별 이미지를 토대로 상기 원점에서 가장 가까운 위치에 있는 별이 x축 상에 위치하도록 상기 별 이미지를 회전시킬 수 있다.
즉, 도 2에 도시된 바와 같이 별들을 2차원 가우시안 함수의 합으로 모델링하여 이미지를 재구성하기에 앞서 고려해야 하는 것은 이미지를 정렬하는 것이다. 도 3은 이미지를 정렬하는 방법을 나타낸 도면이다. 이 정렬 방법은 그리드 알고리즘의 그것과 동일하다. 이와 같이 정렬된 별들의 중심 좌표값들을 이용하여 이미지를 재구성할 수 있다.
본 발명의 일실시예에 따른 별 센서는 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 중 어느 한 대상 이미지와 상기 원 이미지 사이의 상관으로 정의되는 비용함수를 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 각각에 대해 적용하여 상기 비용함수를 최대화시키는 대상 이미지를 추출한다(단계(150)).
본 발명의 일실시예에 따른 비용함수는 두 이미지를 서로 곱해서 적분하는 형태로 설정할 수 있다. 상기 두 이미지가 비슷하면 비슷할수록 두 함수의 곱의 적분값이 더 커진다. 이를 수식으로 표현하면 수학식 1과 같다.
Figure 112010033193239-pat00004
여기서, A(x,y)는 원 이미지이고
Figure 112010033193239-pat00005
로 구현될 수 있다. 또한, B(x,y)는 대상 이미지이고
Figure 112010033193239-pat00006
로 구현될 수 있다. (xi,yi) 및 (xj,yj)는 각각 상기 두 이미지에 포함되어 있는 i번째 별의 중심 좌표값 및 j번째 별의 중심 좌표값을 의미한다.
수학식 1은 결국 상관의 형태로 나타나는데 이는 퓨리에 변환을 통하여 쉽게 풀 수 있다.
우선, 1차원 신호의 경우를 생각해 보면, 비용함수가 수학식 2와 같다.
Figure 112010033193239-pat00007
여기서,
Figure 112010033193239-pat00008
이고
Figure 112010033193239-pat00009
이다.
상관 정리(Cross-correlation Theorem)에 의하면 다음이 성립한다.
Figure 112010033193239-pat00010
Figure 112010033193239-pat00011
수학식 3의 두 함수는 모두 실수 함수이다. 따라서 다음이 성립한다.
Figure 112010033193239-pat00012
1차원 신호의 퓨리에 변환은 수학식 6과 같이 주어진다.
Figure 112010033193239-pat00013
이에, 수학식 6을 수학식 4에 적용하여 계산하면 수학식 7이 된다.
Figure 112010033193239-pat00014
수학식 7에 역 퓨리에 변환을 취하면 수학식 8과 같다.
Figure 112010033193239-pat00015
최종적으로 1차원 신호의 비용함수는 수학식 9와 같이 나타낼 수 있다.
Figure 112010033193239-pat00016
수학식 9를 2차원으로 확장하여 2차원에서의 비용함수를 구할 수 있다. 이는 수학식 10과 같다.
Figure 112010033193239-pat00017
본 발명의 일실시예에 따른 별 인식 알고리즘을 보다 빠르게 실행하기 위해 수학식 10의 지수 함수의 계산을 건너뛸 수 있다. 또한, 별들을 인식하는데 쓰이는 별의 개수를 제한하는 방법도 인식 속도를 높이는데 도움이 된다. 본 발명의 일실시예에 따른 별 인식 방법은 상관값에 기반하여 제일 비슷한 패턴을 찾는 것이다. 상관값은 두 이미지의 유사성을 나타내는 지표로서 이를 최대화시킴으로써 별을 인식할 수 있다.
본 발명의 일실시예에 따른 별 센서는 상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식한다(단계(160)).
단계(160)에서, 상기 별 센서는 상기 추출된 상기 대상 이미지에 포함되어 있는 별들 및 상기 원 이미지에 포함되어 있는 별들의 분포 패턴을 비교하여 상기 원 이미지에 포함되어 있는 별들의 식별 번호를 인식할 수 있다. 예를 들어, 상기 추출된 이미지가 500번째 별인 제500 별 및 상기 제500 별의 주변에 위치하는 별들에 대한 제500 대상 이미지인 경우, 상기 원 이미지의 중심에 위치하는 별을 제500 별로 인식할 수 있다.
또한, 상기 제500 대상 이미지에 포함되어 있는 제501 별, 제502 별 등이 분포하는 모양을 비교 분석하여 상기 원 이미지에 포함되어 있는 나머지 별들 중에 어떤 별이 상기 제501 별인지 또 어떠한 별이 상기 제502 별인지 등을 판별할 수 있다.
상기와 같이 본 발명에 따르면, 원 이미지에 포함되어 있는 별들 각각이 대상 이미지에 포함되어 있는 별들 중 어떠한 것인지를 인식하는데 있어서 원 이미지와 대상 이미지 사이의 상관으로 정의되는 비용함수를 도입하여 비용함수를 최대화시키는 대상 이미지를 추출하고 추출된 대상 이미지에 포함되어 있는 별들의 분포 패턴을 참조하여 원 이미지에 포함되어 있는 별들의 식별번호를 인식할 수 있도록 하는 효과를 얻을 수 있다.
또한, 본 발명의 일실시예에 따른 상관함수를 이용한 별 센서의 별 인식 방법이 오차에 대해 더 강인하고 빠르며 더 적은 메모리 사용량을 보임이 여러 시뮬레이션 연구를 통하여 증명되었다.
또한, 본 발명에 따른 상관함수를 이용한 별 센서의 별 인식 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (8)

  1. 별 센서에 내장된 별 카탈로그에 포함되어 있는 N개의 별들 중 K번째 별인 제K 별의 식별 번호 및 상기 식별 번호에 대응하는 상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들이 기록된 이미지 카탈로그를 생성하는 단계;
    상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성하는 단계;
    상기 제K 대상 이미지의 생성 단계를 반복 수행하여, 제1 별 및 상기 제1 별의 주변에 위치하는 별들에 대한 제1 대상 이미지 내지 제N 별 및 상기 제N 별의 주변에 위치하는 별들에 대한 제N 대상 이미지를 각각 생성하는 단계;
    상기 별 센서에 의해 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성하는 단계;
    상기 제1 대상 이미지 내지 상기 제N 대상 이미지 중 어느 한 대상 이미지와 상기 원 이미지 사이의 상관으로 정의되는 비용함수를 상기 제1 대상 이미지 내지 상기 제N 대상 이미지 각각에 대해 적용하여 상기 비용함수를 최대화시키는 대상 이미지를 추출하는 단계; 및
    상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식하는 단계
    를 포함하는 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  2. 청구항 2은(는) 설정등록료 납부시 포기되었습니다.
    제1항에 있어서,
    상기 별 카탈로그는 천구상의 별들에 대한 3차원 좌표값들을 포함하는 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  3. 제1항에 있어서,
    상기 제K 별의 주변에 위치하는 별들의 2차원 좌표값들을 이용하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 제K 별 및 상기 제K 별의 주변에 위치하는 별들에 대한 제K 대상 이미지를 생성하는 단계는,
    상기 제K 별을 화면의 중앙에 위치시킨 후 별 이미지를 촬영하는 단계; 및
    상기 별 이미지에 포함되어 있는 별들 중에 상기 제K 별에 가장 가깝게 위치한 별이 상기 제K 별의 위치를 원점으로 하는 x축 상에 위치하도록 상기 별 이미지를 회전시키는 단계
    를 포함하는 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  4. 제1항에 있어서,
    상기 별 센서에 의해 촬영된 별 이미지에 포함되어 있는 별들의 중심 좌표값들을 산출하고 상기 중심 좌표값들을 이용하여 상기 별 이미지에 포함되어 있는 별들을 2차원 가우시안 함수의 합으로 모델링하여 상기 별 이미지에 포함되어 있는 별들에 대한 원 이미지를 생성하는 단계는,
    화면의 중심을 원점으로 해서 상기 별 이미지에 포함되어 있는 별들 중에 상기 원점에서 가장 가까운 위치에 있는 별이 상기 원점에 위치하도록 상기 별 이미지를 옮기는 단계; 및
    상기 옮겨진 상기 별 이미지를 토대로 상기 원점에서 가장 가까운 위치에 있는 별이 x축 상에 위치하도록 상기 별 이미지를 회전시키는 단계
    를 포함하는 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  5. 제1항에 있어서,
    상기 추출된 상기 대상 이미지의 중심에 위치하는 별을 상기 원 이미지의 중심에 위치하는 별로 인식하는 단계는,
    상기 추출된 상기 대상 이미지에 포함되어 있는 별들 및 상기 원 이미지에 포함되어 있는 별들의 분포 패턴을 비교하여 상기 원 이미지에 포함되어 있는 별들의 식별 번호를 인식하는 단계
    를 포함하는 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  6. 제1항에 있어서,
    상기 원 이미지를 A(x,y), 상기 별 이미지에 포함되어 있는 i번째 별의 중심 좌표값을 (xi,yi), 상기 대상 이미지를 B(x,y), 상기 별 이미지에 포함되어 있는 j번째 별의 중심 좌표값을 (xj,yj), 상기 별 중심 좌표값 오차의 표준편차를 σ라 하는 경우, 상기 원 이미지 및 상기 대상 이미지는
    Figure 112011084277699-pat00018
    및
    Figure 112011084277699-pat00019
    인 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  7. 제1항에 있어서,
    상기 비용함수를 J, 상기 별 이미지에 포함되어 있는 i번째 별의 중심 좌표값을 (xi,yi), 상기 별 이미지에 포함되어 있는 j번째 별의 중심 좌표값을 (xj,yj), 상기 별 중심 좌표값 오차의 표준편차를 σ라 하는 경우, 상기 비용함수는
    Figure 112011084277699-pat00020
    인 것을 특징으로 하는 상관함수를 이용한 별 센서의 별 인식 방법.
  8. 청구항 8은(는) 설정등록료 납부시 포기되었습니다.
    제1항 내지 제7항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020100048381A 2010-05-25 2010-05-25 상관함수를 이용한 별 센서의 별 인식 방법 KR101099131B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100048381A KR101099131B1 (ko) 2010-05-25 2010-05-25 상관함수를 이용한 별 센서의 별 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100048381A KR101099131B1 (ko) 2010-05-25 2010-05-25 상관함수를 이용한 별 센서의 별 인식 방법

Publications (2)

Publication Number Publication Date
KR20110129000A KR20110129000A (ko) 2011-12-01
KR101099131B1 true KR101099131B1 (ko) 2011-12-26

Family

ID=45498295

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100048381A KR101099131B1 (ko) 2010-05-25 2010-05-25 상관함수를 이용한 별 센서의 별 인식 방법

Country Status (1)

Country Link
KR (1) KR101099131B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903105B (zh) * 2012-09-17 2016-06-08 常州工学院 一种从星图中提取星像的方法
CN103322969B (zh) * 2013-05-30 2016-01-20 中国科学院长春光学精密机械与物理研究所 一种船载无线电测量设备天线变形测量方法
CN106403929B (zh) * 2016-08-22 2019-02-05 清华大学 星敏感器星图识别和姿态解算的快速鲁棒校验方法
CN108195370B (zh) * 2017-12-05 2020-02-14 北京空间机电研究所 一种星相机星图识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004224171A (ja) 2003-01-22 2004-08-12 Mitsubishi Electric Corp 人工衛星の姿勢決定装置
KR100780464B1 (ko) 2006-12-22 2007-11-28 한국항공우주연구원 별센서에서의 별 중심찾기 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004224171A (ja) 2003-01-22 2004-08-12 Mitsubishi Electric Corp 人工衛星の姿勢決定装置
KR100780464B1 (ko) 2006-12-22 2007-11-28 한국항공우주연구원 별센서에서의 별 중심찾기 방법

Also Published As

Publication number Publication date
KR20110129000A (ko) 2011-12-01

Similar Documents

Publication Publication Date Title
US20200327418A1 (en) Using Iterative 3D-Model Fitting for Domain Adaptation of a Hand-Pose-Estimation Neural Network
US8810779B1 (en) Shape matching automatic recognition methods, systems, and articles of manufacture
CN103310188A (zh) 用于姿态识别的方法和设备
CN108051002A (zh) 基于惯性测量辅助视觉的运输车空间定位方法及系统
Azad et al. 6-DoF model-based tracking of arbitrarily shaped 3D objects
KR102314038B1 (ko) 인공 신경망 기반으로 광학적 항법을 위하여 특이 영역을 결정하는 방법, 온보드 맵 생성 장치, 및 착륙선의 방향을 결정하는 방법
Chen et al. R‐CNN‐Based Satellite Components Detection in Optical Images
Yoon et al. New star-pattern identification using a correlation approach for spacecraft attitude determination
CN111709268B (zh) 一种深度图像中的基于人手结构指导的人手姿态估计方法和装置
CN110992404B (zh) 目标跟踪方法、装置和系统及存储介质
CN112036457B (zh) 训练目标检测模型的方法及装置、目标检测方法及装置
KR101099131B1 (ko) 상관함수를 이용한 별 센서의 별 인식 방법
CN109345460B (zh) 用于矫正图像的方法和装置
CN113034581A (zh) 基于深度学习的空间目标相对位姿估计方法
US20240160222A1 (en) Method and system for localizing a mobile robot
Downes et al. Neural network approach to crater detection for lunar terrain relative navigation
Yu et al. Database construction for vision aided navigation in planetary landing
CN112906573B (zh) 基于轮廓点集的行星表面导航路标匹配方法
CN106767841A (zh) 基于自适应容积卡尔曼滤波和单点随机抽样的视觉导航方法
CN113793251A (zh) 位姿确定方法、装置、电子设备和可读存储介质
CN117788572A (zh) 光学图像和激光点云的融合船舶精定位方法及系统
Toloei et al. A new composite algorithm for identifying the stars in the star tracker
CN114830185A (zh) 借助于神经网络的位置确定
CN117367404A (zh) 基于动态场景下slam的视觉定位建图方法及系统
CN116433722A (zh) 目标跟踪方法、电子设备、存储介质及程序产品

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20141127

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee