CN102116626B - 星点轨迹图像的节点预测修正方法 - Google Patents
星点轨迹图像的节点预测修正方法 Download PDFInfo
- Publication number
- CN102116626B CN102116626B CN2009102169102A CN200910216910A CN102116626B CN 102116626 B CN102116626 B CN 102116626B CN 2009102169102 A CN2009102169102 A CN 2009102169102A CN 200910216910 A CN200910216910 A CN 200910216910A CN 102116626 B CN102116626 B CN 102116626B
- Authority
- CN
- China
- Prior art keywords
- node
- asterism
- optical guidance
- guidance sensor
- coordinate
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种星点轨迹图像的节点预测修正方法,该方法步骤如下:(1)带有节点的星点动态轨迹预测成像;(2)节点判断及模板选取;(3)修正。本发明星点轨迹图像的节点预测修正方法对星点轨迹线上的节点进行了特征突出的选择判断和位置修正,保证了节点处模板的突出性和位置精度,从而保证了深空星点轨迹图像的处理精度,以利于提高下一步的匹配精度。
Description
技术领域
本发明属于深空光学自主导航的图像处理领域,具体涉及一种深空光学图像处理算法的前期预处理技术。
背景技术
深空飞行段不同于近地球轨道,光学导航所采用的导航星目标除了视场中的恒星之外,还选择了巡航段周围分时出现的小行星,由于探测星等很低,为9~12等星,需要光学导航敏感器长时间的曝光,曝光时间内探测器姿态的晃动影响明显,导航天体成像不再是单个星点,而是随着扰动改变在图像中的位置,形成轨迹线,对其图像处理方法和仿真方法带来新的挑战,需要重新进行研究。
AIAA的文献《Optical Navigation for the Galileo GASPRA Encounter》描述了一种在Deep Space One中应用的针对轨迹图像的处理方法,采用了Multiple Cross Correlation的方法,利用多个目标不同节点之间的交叉相关来提取高精度的相对中心。但是文献中认为节点的提取是预测得到,没有详述预测的方法以及节点的筛选。
节点为星点轨迹图像上运动变化剧烈、特征突出的点。
本发明在研究中发现,节点本身的特性是否突出对结果的精度影响较大,所以结合导航***的测量特点,提出对星点轨迹上的节点进行预测修正的方法。
发明内容
本发明的目的在于提供一种星点轨迹图像的节点预测修正方法,其对星点轨迹线上的节点进行了特征突出的选择判断和位置修正,保证了节点处模板的突出性和位置精度,从而保证了深空星点轨迹图像的处理精度,以利于提高下一步的匹配精度。
实现本发明目的的技术方案:一种星点轨迹图像的节点预测修正方法,该方法步骤如下:
(1)带有节点的星点动态轨迹预测成像
根据星表数据和光学导航敏感器的初始姿态矩阵及姿态扰动矩阵,将导航星点从惯性坐标系转换为光学导航敏感器坐标系,得到导航星点在光学导航敏感器焦平面的位置坐标;再根据导航星点在光学导航敏感器焦平面的位置坐标模拟星点的静态成像;对上述静态成像的星点按照时间序列连接,得到带有节点的星点动态轨迹图像;
(2)节点判断及模板选取
对步骤(1)得到的星点动态轨迹图像的每个节点进行运动是否突出的判断;当判断某节点时,设定该时刻节点为中心节点、其上一时刻和下一时刻的节点为相邻节点,利用这些节点连线之间的夹角进行判断:
假设中心节点坐标为(u0,v0),相邻两节点分别为(u1,v1)和(u2,v2),则以中心点为起始点,两个矢量描述为:a:(u1-u0)i+(v1-v0)j,b:(u2-u0)i+(v2-v0)j,则夹角为
当时,该中心节点认为是满足要求的节点,thred阈值取值范围为[-1,1];
以满足要求的节点为中心,取一定大小的窗口为节点模板;
(3)修正
根据导航测量值得到带有误差的节点预估位置,在真实星点轨迹图像上的节点预估位置处取窗口,对窗口内轨迹进行判断,将满足亮度及宽度要求的节点进行保留;
然后利用步骤(2)得到的节点模板与上述保留的位置窗口进行粗匹配,修正节点位置,Rij出现最大值的地方就是最佳节点;
式中:B表示节点模板矩阵,Sij表示保留的位置窗口区域,i、j表示保留的位置窗口的行和列。
如上所述的一种星点轨迹图像的节点预测修正方法,其步骤(1)所述的根据星表数据和光学导航敏感器的初始姿态矩阵及姿态扰动矩阵,将导航星点从惯性坐标系转换为光学导航敏感器坐标系,得到导航星点在光学导航敏感器焦平面的位置坐标,具体为:
光学导航敏感器的初始姿态矩阵已知,若其视轴在天体坐标系中的指向为赤经赤纬(αz,δz),其X轴指向为(αx,δx),则从天球坐标系O-UVW到光学导航敏感器坐标系O-XYZ的变换矩阵M为:
其中
a11=cosαxcosδx,
a12=sinαxcosδx,
a13=sinδx,
a31=cosαzcosδz,
a32=sinαzcosδz,
a33=sinδz。
又:
则可得:
a21=sinαzcosδzsinδx-sinδzsinαxcosδx;
a22=sinδzcosαxcosδx-cosαzcosδzsinδx;
a23=sinαxcosδxcosαxcosδz-sinαzcosδzcosαxcosδx;
此时矩阵M可确定下来;
对视场中出现的星点R,假定它的赤经赤纬为(αi,δi),在惯性坐标系中可表示为ri=(cosαxcosδx,sinαxcosδx,sinδx)T,由变换矩阵,则可知它在光学导航敏感器中的坐标为rs=MTri;假设星点在光学导航敏感器坐标系中的坐标为rs=(X,Y,Z),则星点在光学导航敏感器焦平面的位置坐标(x,y)为:x=f×X/Z,y=f×Y/Z,f为光学导航敏感器光学***的焦距;对上式进行归一化处理,得x=f/s×X/Z,y=f/s′×Y/Z,式中s,s′分别为焦平面XY方向上像元的大小。
如上所述的一种星点轨迹图像的节点预测修正方法,其步骤(1)所述的根据导航星点在光学导航敏感器焦平面的位置坐标模拟星点的静态成像,具体为:
根据星点光斑能量分布由高斯点扩散函数来表示,得像素下收集的光电子数I(m,n),即:
上式中:m,n表示像素坐标,I(m,n)表示此像素下收集的光电子数,I0为单位时间投射到光敏面上的光信号能量产生的光电子数;T为积分时间;(x0,y0)为星点像能量中心;σPSF为高斯弥散半径;
以积分时间T为单位时间;(x0,y0)取为上述获得的焦平面位置坐标,为浮点数;m,n取为像斑面积内的像素整型坐标;按照离散点的积分原则,对同一m,n处的I(m,n)进行累加,即可得该点的成像灰度值;对像斑面积内的所有点进行计算即可得该像斑的成像。
如上所述的一种星点轨迹图像的节点预测修正方法,其步骤(1)所述的对上述静态成像的星点按照时间序列连接,得到带有节点的星点动态轨迹图像,具体为:
将上述天球坐标系O-UVW到光学导航敏感器坐标系O-XYZ的变换矩阵M改写为如下公式:
Δθ=ωΔt
Mk+1=Mk·(E-Δθ×) 式4)
式中:E为单位矩阵,ω为光学导航敏感器的角速度,θ为欧拉主轴旋转角,Δθ×为在步长时间Δt内转动角的矩阵形式dA为步长时间内x方向的转动角度,dB为步长时间内y方向的转动角度,dC为步长时间内z方向的转动角度;Mk为k时刻变换矩阵,Mk+1为k+1时刻变换矩阵;
设定光学导航敏感器曝光积分时间的时间步长Δt,此时k时刻像素下的收集光电子数计算公式为:
式中:Δt为步长时间;m,n表示像素坐标,取为像斑面积内的像素整型坐标;Ik(m,n)表示k时刻像素下收集的光电子数;Ik-1(m,n)表示k-1时刻像素下收集的光电子数;I0为单位时间投射到光敏面上的光信号能量产生的光电子数;(x0(k),y0(k))为k时刻星点像能量中心,取为上述获得的焦平面位置坐标;σPSF为高斯弥散半径;
对每一步k根据式6)更新变换矩阵Mk,然后代入式1)解得当前步长运动对应的焦平面位置坐标(x0(k),y0(k)),再按照式7)计算该点的像斑成像;k步循环后,同一像素处的灰度累加即得动态轨迹的灰度图像。
本发明的有益效果在于:
(1)提出了利用导航测量值,借鉴图像仿真的方法来预估星点动态轨迹并修正节点坐标的思路,将初始的节点预测精度由10个像素提高到2个像素左右,有效提高了节点模板选取的准确性,达到了有利于提高匹配精度的目的。
(2)节点的判断可保留运动轨迹变化更明显的节点,使得节点模板特性更突出,有利于提高匹配的精度。利用节点进行轨迹特性的判断,即提高了节点模板的独特性,又减少了利用真实星点轨迹进行分析判断的算法处理复杂度。
(3)对导航直接预测得到的数据具有很强的修正能力,并且能保证采用更为简洁的方法选择更加有利于匹配的节点作为模板,能显著提高匹配处理的精度。可广泛应用于具有预测信息的图像前期预处理阶段,保证后续的处理精度。
附图说明
图1为星点坐标转换示意图;
图2为理想星点成像数据情况;
图3为仿真图像实例;
图4为带有节点的星点动态轨迹预测图像;
图5为节点修正选取的效果。
具体实施方式
下面结合附图和具体实施例对本发明所述的星点轨迹图像的节点预测修正方法作进一步描述。
本发明所述的星点轨迹图像的节点预测修正方法步骤如下:
(1)带有节点的星点动态轨迹预测成像
根据星表数据和光学导航敏感器的初始姿态矩阵及姿态扰动矩阵,将导航星点从惯性坐标系转换为光学导航敏感器坐标系,得到导航星点在光学导航敏感器焦平面的位置坐标;再根据导航星点在光学导航敏感器焦平面的位置坐标模拟星点的静态成像;对上述静态成像的星点按照时间序列连接,得到带有节点的星点动态预测图像。具体为:
(a)获得导航星点在光学导航敏感器焦平面的位置坐标
光学导航敏感器的初始姿态矩阵已知,若其视轴在天体坐标系中的指向为赤经赤纬(αz,δz),其X轴指向为(αx,δx),则从天球坐标系O-UVW(坐标原点O位于地球中心,U轴指向春分点,W轴为地球自旋轴)到光学导航敏感器坐标系O-XYZ的变换矩阵M为:
其中
a11=cosαxcosδx,
a12=sinαxcosδx,
a13=sinδx,
a31=cosαzcosδz,
a32=sinαzcosδz,
a33=sinδz。
又:
则可得:
a21=sinαzcosδzsinδx-sinδzsinαxcosδx;
a22=sinδzcosαxcosδx-cosαzcosδzsinδx;
a23=sinαxcosδxcosαxcosδz-sinαzcosδzcosαxcosδx;
此时矩阵M可确定下来;
对视场中出现的星点R,假定它的赤经赤纬为(αi,δi),在惯性坐标系中可表示为ri=(cosαxcosδx,sinαxcosδx,sinδx)T,由变换矩阵,则可知它在光学导航敏感器中的坐标为rs=MTri;假设星点在光学导航敏感器坐标系中的坐标为rs=(X,Y,Z),则星点在光学导航敏感器焦平面的位置坐标(x,y)为:x=f×X/Z,y=f×Y/Z,f为光学导航敏感器光学***的焦距;对上式进行归一化处理,得x=f/s×X/Z,y=f/s′×Y/Z,式中s,s′分别为焦平面XY方向上像元的大小。
(b)模拟星点的静态成像
恒星可以看作无穷远处具有一定光谱特性的点光源,光学导航敏感器采用离焦的方法获得一定大小的弥散星像,在传感器的感光面成像为较暗背景上的点状光斑;这种情况下星点光斑能量分布可近似地由高斯点扩散函数来表示:
把I0换算成恒星产生的光电子数目的多少,对相应的像素坐标进行积分,则可得这个像素下收集的光电子数目I(m,n);即:
上式中:m,n表示像素坐标,I(m,n)表示此像素下收集的光电子数,I0为单位时间投射到光敏面上的光信号能量产生的光电子数;T为积分时间;(x0,y0)为星点像能量中心(即质心);σPSF为高斯弥散半径(以像素为单位);
在实际模拟成像的过程中,可假设积分时间T为单位时间;(x0,y0)取为上述获得的焦平面位置坐标,为浮点数m,n取为像斑面积(可提前设定)内的像素整型坐标;按照离散点的积分原则,对同一m,n处的I(m,n)进行累加,即可得该点的成像灰度值;对像斑面积内的所有点进行计算即可得该像斑的成像。
(c)获得带有节点的星点动态轨迹图像
光学导航敏感器曝光积分时间很短,且对三轴稳定卫星来说,其角速度不大,在较短的时间内可认为是常数,这时其角位移量很小,Euler参数可用一阶近似为:
将上述天球坐标系O-UVW到光学导航敏感器坐标系O-XYZ的变换矩阵M改写为如下公式:
Mk+1=Mk·(E-Δθ×) 式11)
式中:E为单位矩阵,ω为光学导航敏感器的角速度,θ为欧拉主轴旋转角,Δθ×为在步长时间Δt内转动角θ的矩阵形式dA为步长时间内x方向的转动角度,dB为步长时间内y方向的转动角度,dC为步长时间内z方向的转动角度;Mk为k时刻变换矩阵,Mk+1为k+1时刻变换矩阵;
对光学导航敏感器曝光积分时间选择合适的时间步长Δt,此时k时刻像素下的收集光电子数计算公式为:
式中:Δt为步长时间;m,n表示像素坐标,取为像斑面积内的像素整型坐标;Ik(m,n)表示k时刻像素下收集的光电子数;Ik-1(m,n)表示k-1时刻像素下收集的光电子数;I0为单位时间投射到光敏面上的光信号能量产生的光电子数;T为积分时间;(x0(k),y0(k))为k时刻星点像能量中心(即质心),取为上述获得的焦平面位置坐标;σPSF为高斯弥散半径(以像素为单位);
对每一步k根据式6)更新变换矩阵Mk,然后代入式1)解得当前步长运动对应的焦平面位置坐标(x0(k),y0(k)),再按照式7)计算该点的像斑成像;k步循环后,同一像素处的灰度累加即得动态轨迹的灰度图像。N越大,像点的密度越大,轨迹线越连续。
(2)节点判断及模板选取
对步骤(1)得到的星点动态轨迹图像的每个节点进行运动是否突出的判断;当判断某节点时,设定该时刻节点为中心节点、其上一时刻和下一时刻的节点为相邻节点,利用这些节点连线之间的夹角进行判断:
假设中心节点坐标为(u0,v0),相邻两节点分别为(u1,v1)和(u2,v2),则以中心点为起始点,两个矢量描述为:a:(u1-u0)i+(v1-v0)j,b:(u2-u0)i+(v2-v0)j,则夹角为
以满足要求的节点为中心,取一定大小的窗口为节点模板;
(3)修正
根据光学导航敏感器的初始姿态矩阵及姿态扰动矩阵得到节点预估位置,在节点预估位置处取窗口,对窗口内的星点轨迹进行判断,如果星体的亮度偏暗,不满足设定的阈值要求,将该节点舍弃;如果星体的轨迹出现断裂或宽度过小,则也认为不满足相关要求,将该节点舍弃;即满足亮度要求,又满足宽度要求的节点进行保留;
然后利用步骤(2)得到的节点模板与上述保留的位置窗口进行粗匹配,修正节点位置,Rij出现最大值的地方就是最佳节点;
式中:B表示节点模板矩阵,Sij表示保留的位置窗口区域,i、j表示保留的位置窗口的行和列。
下面以附图3的仿真图像为例,说明具体的实施步骤:
(1)带有节点的星点动态轨迹预测成像
假设光学导航敏感器在曝光时间内测得10个姿态变化,在日心黄道坐标系下的10个旋转阵分别为:
初始姿态1
0.750785991 -0.646890743 0.133614231
0.000000000 -0.202278609 -0.979328017
0.660545529 0.735265755 -0.151867946
姿态2
0.750708916 -0.646893753 0.134032070
-0.000024210 -0.202911210 -0.979197141
0.660633122 0.735088779 -0.152342915
姿态3
0.751079762 -0.646403472 0.134319550
0.000092203 -0.203346580 -0.979106817
0.660211468 0.735399700 -0.152669901
姿态4
0.751459820 -0.645959646 0.134328984
0.000211810 -0.203360782 -0.979103849
0.659778822 0.735785654 -0.152680636
姿态5
0.751685363 -0.645687443 0.134375745
0.000282835 -0.203431597 -0.979089120
0.659521823 0.736004967 -0.152733931
姿态6
0.751503818 -0.646012253 0.133828927
0.000225843 -0.202602551 -0.979261025
0.659728703 0.73 5948623 -0.152110693
姿态7
0.751547218 -0.646017081 0.133561637
0.000239436 -0.202197352 -0.979344768
0.659679257 0.736055815 -0.151806177
姿态8
0.751597019 -0.645915991 0.133770155
0.000255012 -0.2025 13481 -0.979279442
0.659622510 0.736057622 -0.152043813
姿态9
0.751668989 -0.645869250 0.133591329
0.000277725 -0.202242133 -0.979335511
0.659540487 0.736173235 -0.151839766
姿态10
0.751809798 -0.645749746 0.133376514
0.000321913 -0.201916158 -0.979402757
0.659379955 0.736367524 -0.151594671
心,后续迭代时,按照式1)和式2)进行计算更新。
按照式4)计算单个星点的像斑亮度分布。然后将相邻两个姿态之间的旋转角等分20份,按照式4)计算每个小角度下的光斑分布,再按照式7)进行累加,就得到带有节点的星点动态轨迹图像,如图4所示。从图4可以看出,大致形状和运动规律上与图3是一致的。
(2)节点判断及模板选取
对得到星点动态轨迹图像的每个节点进行运动是否突出的判断;
当判断某节点时,设定该时刻节点为中心节点、其上一时刻和下一时刻的节点为相邻节点,利用这些节点连线之间的夹角进行判断:
假设中心节点坐标为(u0,v0),相邻两节点分别为(u1,v1)和(u2,v2),则以中心点为起始点,两个矢量描述为:a:(u1-u0)i+(v1-v0)j,b:(u2-u0)i+(v2-v0)j,则夹角为
644,311 | 311,516 | 882,582 | 411,813 | 789,456 | 666,89 | 510,496 |
654,279 | 311,476 | 871,539 | 416,742 | 773,397 | 676,58 | 520,481 |
0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 |
0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 |
750,277 | 408,459 | 967,534 | 532,753 | 883,386 | 773,43 | 602,469 |
0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 |
734,357 | 391,524 | 959,579 | 505,814 | 876,461 | 770,94 | 592,526 |
738,312 | 405,520 | 958,581 | 526,790 | 886,446 | 783,100 | 595,498 |
0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 | 0,0 |
767,360 | 415,556 | 1004,604 | 534,841 | 887,480 | 786,131 | 631,546 |
以上述满足要求的节点为中心,取一定大小的窗口为节点模板;
(3)修正节点的输入参考坐标值
在图3上,根据导航测量值得到带误差的节点预估位置,在节点预估位置处取50*50大小的窗口,对窗口内的星点轨迹进行判断,如果星体的亮度偏暗,不满足设定的阈值要求,将该节点舍弃;如果星体的轨迹出现断裂或宽度过小,则也认为不满足相关要求,将该节点舍弃;即满足亮度要求,又满足宽度要求的节点进行保留;
然后利用步骤(2)得到的节点模板与上述保留的位置窗口进行粗匹配,按照公式9)修正节点位置,Rij出现最大值的地方就是最佳节点;
得到修正的结果如下表所示。
可以看出修正后的节点坐标比直接得到的导航预测值精度提高很多,误差在2个像素左右,有效保证了模板的准确性。图5显示了被保留的修正过后的节点位置,直观上看轨迹上平滑的节点已经被过滤掉了,保留的都是姿态变化剧烈的节点且相对节点的位置比较准确。
Claims (3)
1.一种星点轨迹图像的节点预测修正方法,其特征在于:该方法步骤如下:
(1)带有节点的星点动态轨迹预测成像
根据星表数据和光学导航敏感器的初始姿态矩阵及姿态扰动矩阵,将导航星点从惯性坐标系转换为光学导航敏感器坐标系,得到导航星点在光学导航敏感器焦平面的位置坐标;再根据导航星点在光学导航敏感器焦平面的位置坐标模拟星点的静态成像;对上述静态成像的星点按照时间序列连接,得到带有节点的星点动态轨迹图像;
(2)节点判断及模板选取
对步骤(1)得到的星点动态轨迹图像的每个节点进行运动是否突出的判断;当判断某节点时,设定该时刻节点为中心节点、其上一时刻和下一时刻的节点为相邻节点,利用这些节点连线之间的夹角进行判断:
假设中心节点坐标为(u0,v0),相邻两节点分别为(u1,v1)和(u2,v2),则以中心点为起始点,两个矢量描述为:a:(u1-u0)i+(v1-v0)j,b:(u2-u0)i+(v2-v0)j,则夹角为
以满足要求的节点为中心,取一定大小的窗口为节点模板;
(3)修正
根据导航测量值得到带有误差的节点预估位置,在真实星点轨迹图像上的节点预估位置处取窗口,对窗口内轨迹进行判断,将满足亮度及宽度要求的节点进行保留;
然后利用步骤(2)得到的节点模板与上述保留的位置窗口进行粗匹配,修正节点位置,Rij出现最大值的地方就是最佳节点;
式中:B表示节点模板矩阵,Sij表示保留的位置窗口区域,i、j表示保留的位置窗口的行和列,m,n表示像素坐标。
2.根据权利要求1所述的一种星点轨迹图像的节点预测修正方法,其特征在于:步骤(1)所述的根据星表数据和光学导航敏感器的初始姿态矩阵及姿态扰动矩阵,将导航星点从惯性坐标系转换为光学导航敏感器坐标系,得到导航星点在光学导航敏感器焦平面的位置坐标,具体为:
光学导航敏感器的初始姿态矩阵已知,若其视轴在天体坐标系中的指向为赤经赤纬(αz,δz),其X轴指向为(αx,δx),则从天体坐标系O-UVW到光学导航敏感器坐标系O-XYZ的变换矩阵M为:
其中
a11=cosαxcosδx,
a12=sinαxcosδx,
a13=Sinδx,
a31=cosαzcosδz,
a32=sinαzcosδz,
a33=sinδz,
又:
则可得:
a21=sinαzcosδzsinδx-sinδzsinαxcosδx;
a22=sinδzcosαxcosδx-cosαzcosδzsinδx;
a23=sinαxcosδxcosαxcosδz-sinαzcosδzcosαxcosδx;
此时矩阵M可确定下来;
对视场中出现的星点R,假定它的赤经赤纬为(αi,δi),在惯性坐标系中可表示为ri=(cosαxcosδx,sinαxcosδx,sinδx)T,由变换矩阵,则可知它在光学导航敏感器中的坐标为rs=MTri;假设星点在光学导航敏感器坐标系中的坐标为rs=(X,Y,Z),则星点在光学导航敏感器焦平面的位置坐标(x,y)为:x=f×X/Z,y=f×Y/Z,f为光学导航敏感器光学***的焦距;对上式进行归一化处理,得x=f/s×X/Z,y=f/s×Y/Z,式中s,s′分别为焦平面XY方向上像元的大小。
3.根据权利要求2所述的一种星点轨迹图像的节点预测修正方法,其特征在于:步骤(1)所述的根据导航星点在光学导航敏感器焦平面的位置坐标模拟星点的静态成像,具体为:
根据星点光斑能量分布由高斯点扩散函数来表示,得像素下收集的光电子数I(m,n),即:
上式中:m,n表示像素坐标,I(m,n)表示此像素下收集的光电子数,I0为 单位时间投射到光敏面上的光信号能量产生的光电子数;T为积分时间;(x0,y0)为星点像能量中心;σPSF为高斯弥散半径;
以积分时间T为单位时间;(x0,y0)取为上述获得的焦平面位置坐标,为浮点数;m,n取为像斑面积内的像素整型坐标;按照离散点的积分原则,对同一m,n处的I(m,n)进行累加,即可得该点的成像灰度值;对像斑面积内的所有点进行计算即可得该像斑的成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102169102A CN102116626B (zh) | 2009-12-31 | 2009-12-31 | 星点轨迹图像的节点预测修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102169102A CN102116626B (zh) | 2009-12-31 | 2009-12-31 | 星点轨迹图像的节点预测修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102116626A CN102116626A (zh) | 2011-07-06 |
CN102116626B true CN102116626B (zh) | 2012-05-16 |
Family
ID=44215500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102169102A Active CN102116626B (zh) | 2009-12-31 | 2009-12-31 | 星点轨迹图像的节点预测修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102116626B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103968832B (zh) * | 2013-01-31 | 2016-12-28 | 北京航空航天大学 | 动态拖尾星像中心轨迹的模拟方法及装置 |
CN104182632B (zh) * | 2014-08-21 | 2017-04-26 | 北京航空航天大学 | 一种基于扰动图像的长时间曝光深空视景仿真图像合成方法 |
CN105139406B (zh) * | 2015-09-08 | 2018-02-23 | 哈尔滨工业大学 | 一种基于序列图像的跟踪精度反演方法 |
CN106528498B (zh) * | 2016-11-03 | 2019-01-18 | 上海卫星工程研究所 | 恒星遥感影像的点扩散函数提取方法 |
CN109579872B (zh) * | 2018-12-04 | 2020-05-15 | 上海航天控制技术研究所 | 一种星敏感器仪器星等估计方法 |
CN111121756B (zh) * | 2019-07-16 | 2021-12-07 | 上海航天控制技术研究所 | 一种高动态星敏感器图像处理控制方法 |
CN111105446B (zh) * | 2019-11-18 | 2023-04-18 | 上海航天控制技术研究所 | 一种星点提取与补偿方法 |
CN111426333B (zh) * | 2020-02-25 | 2022-03-04 | 上海航天控制技术研究所 | 基于几何方法的火星导航敏感器图像形心精确修正方法 |
CN113487367B (zh) * | 2021-07-28 | 2023-12-26 | 深圳优优互联网络科技有限公司 | 一种基于云计算的广告位预测*** |
CN114189631B (zh) * | 2022-02-16 | 2022-07-01 | 荣耀终端有限公司 | 一种拍摄方法及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1484042A (zh) * | 2003-07-03 | 2004-03-24 | 上海交通大学 | 红外图像序列中缓动弱小目标的能量投影检测方法 |
CN101196561A (zh) * | 2007-12-26 | 2008-06-11 | 北京理工大学 | 一种无线测距全向图像组合定位*** |
CN101520891A (zh) * | 2009-03-17 | 2009-09-02 | 西北工业大学 | 星空图像目标轨迹检测方法 |
-
2009
- 2009-12-31 CN CN2009102169102A patent/CN102116626B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1484042A (zh) * | 2003-07-03 | 2004-03-24 | 上海交通大学 | 红外图像序列中缓动弱小目标的能量投影检测方法 |
CN101196561A (zh) * | 2007-12-26 | 2008-06-11 | 北京理工大学 | 一种无线测距全向图像组合定位*** |
CN101520891A (zh) * | 2009-03-17 | 2009-09-02 | 西北工业大学 | 星空图像目标轨迹检测方法 |
Non-Patent Citations (3)
Title |
---|
张健等.空间目标运动轨迹提取算法研究.《红外技术》.2007,(第08期), * |
张春华等.运动背景星空图像中小目标的运动轨迹提取算法.《光学精密工程》.2008,(第03期), * |
徐华平等.分布式小卫星合成孔径雷达三维地形成像的最优垂直轨迹基线.《电子与信息学报》.2006,(第02期), * |
Also Published As
Publication number | Publication date |
---|---|
CN102116626A (zh) | 2011-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102116626B (zh) | 星点轨迹图像的节点预测修正方法 | |
EP3940421A1 (en) | Positioning method and device based on multi-sensor fusion | |
Song et al. | Deep learning-based spacecraft relative navigation methods: A survey | |
CN102607526B (zh) | 双介质下基于双目视觉的目标姿态测量方法 | |
Vivacqua et al. | A low cost sensors approach for accurate vehicle localization and autonomous driving application | |
Johnson et al. | Overview of terrain relative navigation approaches for precise lunar landing | |
CN103575267B (zh) | 使图像与用于导航的地形高程地图相关的方法 | |
CN102168980B (zh) | 一种基于小行星交会的深空探测器自主天文导航方法 | |
CN106017463A (zh) | 一种基于定位传感装置的飞行器定位方法 | |
CN103871075B (zh) | 一种大椭圆遥感卫星地球背景相对运动估计方法 | |
CN103033189A (zh) | 一种深空探测巡视器惯性/视觉组合导航方法 | |
Pasqualetto Cassinis et al. | Cnn-based pose estimation system for close-proximity operations around uncooperative spacecraft | |
CN101907463B (zh) | 一种星敏感器恒星像点位置提取方法 | |
CN102607534A (zh) | 基于运动恢复结构的卫星相对姿态测量方法 | |
CN103697883B (zh) | 一种基于天际线成像的飞行器水平姿态确定方法 | |
CN104764449A (zh) | 一种基于星历修正的捕获段深空探测器自主天文导航方法 | |
CN110412868A (zh) | 一种使用星间光学图像的非合作航天器轨道确定方法 | |
CN102116633B (zh) | 深空光学导航图像处理算法仿真验证方法 | |
CN114690229A (zh) | 一种融合gps的移动机器人视觉惯性导航方法 | |
CN105389819A (zh) | 一种鲁棒的半标定下视图像极线校正方法及*** | |
CN103017773A (zh) | 一种基于天体表面特征和天然卫星路标的环绕段导航方法 | |
Jovanovic et al. | Multi-angle geometric processing for globally geo-located and co-registered MISR image data | |
Palmer et al. | Mercator—Independent rover localization using stereophotoclinometry and panoramic images | |
Bak et al. | Multi-sensor localization-visual odometry as a low cost proprioceptive sensor | |
CN102818570B (zh) | 利用sins/图像匹配组合导航进行火星捕获的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |