CN103363987B - 一种多视场星敏感器的星图识别方法 - Google Patents
一种多视场星敏感器的星图识别方法 Download PDFInfo
- Publication number
- CN103363987B CN103363987B CN201310279876.XA CN201310279876A CN103363987B CN 103363987 B CN103363987 B CN 103363987B CN 201310279876 A CN201310279876 A CN 201310279876A CN 103363987 B CN103363987 B CN 103363987B
- Authority
- CN
- China
- Prior art keywords
- star
- fixed
- visual field
- sensor
- image
- 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.)
- Expired - Fee Related
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 54
- 235000019892 Stellar Nutrition 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 206010019133 Hangover Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012464 large buffer Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明涉及一种多视场星敏感器的星图识别方法,该方法从所有视场内选取一定数量的恒星,根据各视场光轴指向的关系,把其它视场的恒星星像坐标转换到第一视场像空间坐标下,然后利用双视场星敏感器的星图识别方法进行识别,最后计算出多视场星敏感器的姿态,把该姿态发送给导航计算机。与传统多视场星敏感器识别过程相比,该方法只需要进行一次识别过程和姿态计算过程,在同等条件下能提高了星敏感器的数据更新率、实时性以及动态性能。
Description
技术领域
本发明涉及一种多视场星敏感器的星图识别方法。
背景技术
星敏感器是以天球坐标系为参照系,以恒星为探测目标的高精度姿态测量仪器,它为卫星、深空探测器等各类航天器提供高精度的姿态信息。星敏感器的基本原理是通过光学***将瞬间视场中的若干恒星成像于图像传感器光敏面上,然后通过星图识别算法来识别恒星在天球上的位置,根据这些位置来计算飞行器的姿态信息,星敏感器的核心问题是星图识别,衡量一个星图识别算法的关键指标是识别速度和识别成功率。
星图识别的方法是从单星识别发展起来的,单星识别法是直接匹配法,这种方法是对恒敏感器视场内的一颗恒星星像与位于规定容差范围内的一颗星表直接进行匹配,20世纪80年代末,美国的JPL的Bezooi jen才开始考虑星图的整体特征,星图识别所利用的主要几何特征是星对角距,由于星等的测量精度较低,可作为辅助特征利用。角距匹配法就是对星敏感器视场内的利用直接匹配法已经匹配成功的一对恒星图像的角距d(Oi,Oj)与一对星表星的角距d(Si,Sj)进行匹配,角距匹配法现在已经不作为一种方法单独使用,而是作为新的星图识别方法的基础。三角形匹配法是当前使用最为广泛的识别方法,该算法的优点是实现简单,占存储容量小,利用了整幅星图特征,不易出现误匹配,可以用于全天球星图识别。快速星图识别算法是对三角形匹配法的一种改进。主要改进包括星组和匹配特征的选择规则以及采用二元树搜索法两方面。主要特点是大大提高了识别速度,降低了计算机存储量。1997年Mortari提出采用k-vector方法来进行星图识别。为了降低由于星等不确定性带来的误识别,该算法只采用星对角距来识别,该算法起到了快速初定位的作用,减少了查找次数。实验发现:随着星对信息表增加,拟合曲线y=f(x)精度降低。而由于拟合精度降低,不能确保最佳匹配星对落在(y-δ)和(y+δ)之间的子集(δ为角距误差)。因此该算法只在局部区域内起到了快速初定位的作用。神经网络法是近年来出现的一种新算法,大多数算法都采用直接匹配的形式,预先在导航星数据库中存储恒星的特征矢量,在识别过程中,把测量的特征矢量跟存储的特征矢量比较,随着特征矢量地增加,识别时间也随着增加。神经网络法是利用神经网络和专家***的优点,可以提高识别精度,且能降低由于星等测量精度引起的误差,但神经网络算法训练需要较大计算量,要求很大的训练集合,以完成多种模式识别,因此具有识别时间长的缺点;精度易受到训练集合大小和训练时间长短的影响;潜在地需要较大存储量来存储权值,所以对硬件要求较高。由 于以上星图识别方法的优点,这些星图识别方法广泛应用于单视场星敏感器中。
然而单视场的星敏感器受到受自身结构的限制,其滚动角精度低,一般比偏航角和俯仰角约低一个量级。为了提高星敏感器滚动角的精度,当前把星敏感器设计为多个视场,采用数据融合的方法利用多个视场的数据来提高星敏感器的精度,多视场星敏感器由于视场的有效扩充,带来更丰富的观测信息,可以进一步提高星敏感器的测量精度和工作可靠性。当前多视场星敏感器采用以下处理过程:首先征对不同视场分别采用单视场星敏感器的星图识别方法进行识别,其次采用单视场星敏感器的姿态计算计算各视场姿态,再次根据各视场光轴指向之间的夹角关系(为了提高多视场星敏感器精度,一般各视场之间夹角是90度),把其他视场的姿态转换到某一个视场坐标下的姿态,最后采用双矢量姿态确定方法计算多视场星敏感器。该方法虽然局部能把星敏感器的姿态精度提高,但是其还是把多视场星敏感器作为单视场星敏感器处理,不可能提高星敏感器的灵敏度、动态性能等当前星敏感器的关键指标。此外,采用当前的多视场星敏感器由于需要对所有视场恒星分别进行识别,因此增加了识别次数,对星敏感器处理器提出了更高的要求,而且由于识别次数增加,降低了星敏感器的数据更新率。
发明内容
基于以上不足之处,本发明提供一种多视场星敏感器的星图识别方法,本方法提高了星敏感器的数据更新率、实时性以及动态性能。
本发明所采用的技术手段如下:一种多视场星敏感器的星图识别方法,步骤如下:
步骤1:接收到星敏感器两个视场的恒星星像坐标;
步骤2:利用公式(1)分别计算第一视场和第二视场恒星星像坐标分别在第一视场和第二视场的像空间坐标;
其中:
(Xi,Yi)——视场内恒星星像坐标;
(X0,Y0)——星敏感器透镜中心在像平面下的坐标;
f——星敏感器透镜焦距;
步骤3:利用公式(2)计算第二视场所有恒星星像的像空间坐标在第一视场像空间坐标系下的坐标;
其中,
W12——第二视场恒星星像的像空间坐标在第一视场像空间坐标系下的坐标,
W2——第二视场恒星星像的像空间坐标在第二视场像空间坐标系下的坐标;
步骤4:采用冒泡排序方法把第一视场和第二视场的所有恒星星像按照恒星星等从亮到暗的顺序进行排序;
步骤5:选择最亮的三个恒星星像,分别为S1、S2和S3三颗恒星,三颗恒星从亮到暗的顺序为:S1、S2和S3,分别恒星S1和恒星S2的星对角距DS1S2,恒星S1和恒星S3的星对角距DS1S3以及恒星S2和恒星S3的星对角距DS2S3;
步骤6:计算S1、S2和S3三颗恒星的三个星对角距的和SD123=D12+D13+D23;
步骤7:采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD123-E,并且小于等于SD123+E的三颗恒星信息,该集合为SDA∈[SD123-E,SD123+E],其中E为识别误差;
步骤8:集合SDA中只有一组三颗恒星的信息,此时识别成功;集合SDA中有多组三颗恒星的信息,执行步骤9;
步骤9:再选取一颗恒星,设为Si(i∈[4,n]),其中n是两个视场恒星总和;
步骤10:分别计算恒星Si与恒星S1、S2的星对角距D1i和D2i;
步骤11:计算此时三个星对角距的和SD12i=D12+D1i+D2i;
步骤12:采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD12i-E,并且小于等于SD12i+E的三颗恒星信息,该集合为SDi∈[SD12i-E,SD12i+E];
步骤13:取集合SDA和集合SDi的交集SD=SDA∩SDi;
步骤14:交集SD中只有一组三颗恒星的信息,此时识别成功;交集SD有多组三颗恒星的信息,再取第5颗恒星,重复重复步骤9-步骤13,直到所有交集只有一组三颗恒星的信息为止。
本发明的特点和优点:
第一:与传统多视场星敏感器识别过程相比,该方法只需要进行一次识别过程和姿态计算过程,在同等条件下能提高了星敏感器的数据更新率和实时性。
第二:由于采用该方法进行多视场星敏感器识别过程时,减少了计算量,因此降低了星敏感器数据处理部分硬件平台的要求,从而降低了星敏感器硬件平台的成本。
第三:在识别过程中,由于只需要从各个视场中选择2-3颗最亮的恒星进行识别,根据星敏感器工作原理,如果视场中降低成像恒星的数量,可以减少曝光时间,使星敏感器在较少的曝光时间内能使恒星在视场内足够数量的恒星星像,因此不但能够增加星敏感器的动态性能数据,而且能够提高星敏感器的数据更新率。
第四:传统识别方法为了增加星敏感器视场内的恒星数量,需要增加曝光时间,而由于曝光时间的增加,必然增加了恒星星像的“拖尾”,而采用该方法进行识别是只需要视场内“少量”恒星,必然可以降低曝光时间,使恒星成像的“拖尾”缩短,提高了获取恒星星像坐标,从而提高了星敏感器的姿态精度。
附图说明
图1视场敏感器总体结构示意图;
图2种双视场星敏感器星图识别方法工作流程图;
图3视场星敏感器姿态误差离线曲线图;
图4种双视场星敏感器识别方法的实施图。
具体实施方式
实施例1
多视场星敏感器(这里以双视场星敏感器为例说明多视场星敏感器的星图识别方法,下同)在***构成上主要分为三个部分:第一视场成像***部分、第二视场成像部分以及数据处理部分。主要工作过程如下:恒星通过第一视场的镜头,成像在第一视场的第一图像传感器中,第一图像传感器驱动将接收到的图像,发送到第一图像预处理单元中,第一图像预处理单元利用重心法从第一视场拍摄的图像中提取所有恒心星像坐标,并通过接口发送给数据处理部分。同理,第二图像预处理单元利用重心法从第二视场拍摄的图像中提取所有恒心星像坐标,并通过接口发送给数据处理部分。数据处理部分接收到第一视场和第二视场的所有恒星星像坐标,采用排序法把恒星星像按照从亮到暗的顺序进行排序,然后采用本发明的多视场星敏感器星图识别方法识别第一视场和第二视场的所有恒星星像,最后采用QUEST算法计算***结构如图1所示。
根据多视场星敏感器姿态计算原理,星敏感器视场之间光轴指向应该两两正交,这样才能 保证多视场星敏感器输出的姿态精度最高。因此双视场星敏感器光轴指向之间的夹角是90度。
双视场星敏感器星图识别原理(这里以星敏感器的极性与第一视场的极性一致为例,下同):首先接收到星敏感器两个视场的恒星星像坐标,利用
其中,
(Xi,Yi)——视场内恒星星像坐标;
(X0,Y0)——星敏感器透镜中心在像平面下的坐标;
f——星敏感器透镜焦距。
计算第一视场和第二视场恒星星像坐标分别在第一视场和第二视场的像空间坐标,利用
计算第二视场所有恒星星像的像空间坐标在第一视场像空间坐标系下的坐标。
其中,
W12——第二视场恒星星像的像空间坐标在第一视场像空间坐标系下的坐标;
W2——第二视场恒星星像的像空间坐标在第二视场像空间坐标系下的坐标。
采用冒泡排序方法把第一视场和第二视场的所有恒星星像按照恒星星等从亮到暗的顺序进行排序,选择最亮的三个恒星星像(分别为S1,S2和S3三颗恒星,三颗恒星从亮到暗的顺序为:S1,S2和S3),分别恒星S1和恒星S2的星对角距DS1S2,恒星S1和恒星S3的星对角距DS1S3以及恒星S2和恒星S3的星对角距DS2S3,计算三个星对角距的和SD123=D12+D13+D23,假设识别误差为E,采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD123-E,并且小于等于SD123+E的三颗恒星信息,该集合为SDA∈[SD123-E,SD123+E],此时集合SDA有多组三颗恒星的信息,再选取一颗恒星,设为Si(i∈[4,n]),其中n是两个视场恒星总和,分别计算恒星Si与恒星S1、S2的星对角距D1i和D2i,计算此时三个星对角距的和SD12i=D12+D1i+D2i,采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD12i-E,并且小于等于 SD12i+E的三颗恒星信息,该集合为SDi∈[SD12i-E,SD12i+E],取集合SDA和集合SDi的交集SD=SDA∩SDi,交集SD中只有一组三颗恒星的信息,此时识别成功;如果交集SD有多组三颗恒星的信息,再选取一颗恒星,上述步骤,直到所有交集只有一组三颗恒星的信息为止。
实施例2
星敏感器两个视场主要性能指标:
视场:6°×6°
面阵:512×512
探测星等:4Mv
数据更新率:15Hz
星敏感器数据处理部分主要技术指标:
处理器:TMS320VC33
工作频率:50MHz
SRAM存储器大小:512K×32位
FLASH存储器大小:512K×32位
我们选取了某型号双视场星敏感器和一个多视场星模拟器,模拟器的型号SSM-1,实验前,把双视场星敏感器和一个多视场多星模拟器放置到暗室中进行半物理仿真***进行验证,仿真结果验证算法的有效性、准确性、鲁棒性等。把双视场星敏感器放置到实验平台,连接星敏感器的电源,星敏感器和上位机采用RS422串口连接,把多恒星模拟器放到星敏感器的镜头前,多恒星模拟器根据轨道参数和星敏感器参数,实时显示星图,两个视场拍摄实时显示的星图,并从拍摄的星图中提取恒星星像坐标,把提取的恒星星像坐标各自地发送给星敏感器数据处理部分,数据处理部分接收到两个视场的恒星星像坐标后采用双视场星敏感器识别方法进行识别,对星敏感器的星图识别时间、识别率、姿态计算误差等主要指标进行了试验。
(1)星图识别时间
随机选择双视场星敏感器拍摄的星图,根据多视场星敏感器星图识别方法原理,统计进行一次多视场星敏感器星图识别方法时加、减、乘、除以及开方运算等次数,经统计,进行一次多视场星敏感器星图识别方法时执行了4680次正弦运算,3120次余弦运算,4680次乘法运算,9984次加法运算,1872次减法运算,312次平方根运算,由于处理器工作频率是50MHz,因此识别时间是85毫秒,满足工程实时性的要求。
(2)识别率
双视场星敏感器连续拍摄6000幅星图,如果星敏感器识别成功输出1,如果星敏感器识别就输出0,上位机接收到识别结果后对这些结果进行统计,经统计,输入星敏感器的总星图为6000帧,识别成功为5953帧,那么识别率是99.22%,满足工程使用不少于98%的要求。
(3)姿态误差统计
利用QUEST方法计算识别后的姿态,并把双视场星敏感器识别后的姿态结果实时通过RS422发送给上位机,上位机软件接收到姿态结果后立刻显示姿态结果误差,并实时保存姿态结果误差。双视场星敏感器连续工作30分钟后,切断三视场星敏感器电源,离线显示姿态误差(如图3所示),并统计三视场星敏感器姿态的精度,经统计,星敏感器的,偏航角,俯仰角和滚动角的精度分别为1.7909″(3σ),1.3829″(3σ),1.1727″(3σ)。
实施例3
如图4所示,是一种双视场星敏感器实验室测试方法的具体实施例,其中星敏感器的数据处理部分的处理器选择了TMS320VC33,处理器的工作频率:50MHz,运行识别算法和保存星库的SRAM存储器大小:512K×32位,保存星图识别算法和星库的FLASH存储器大小:512K×32位,为了压缩存储空间,优化后三颗恒星的星号以及星对角距的特征量数据库的数据结构为:
假设d1表示导航三角形星座最亮恒星和导航三角形星座次亮恒星星对角距,d2表示导航三角形星座最亮恒星和导航三角形星座最暗恒星星对角距,d3表示导航三角形星座次亮恒星和导航三角形星座最暗恒星星对角距。根据存储器的位数,移位存储d1,d2和d3,由于假如TMS320VC33处理器的存储器为32位,则d3左移20位,d2左移10位有:
其中表示左移。
显然,这样的存储方式使得星座星对间角距的关系即相对独立又统一。最直接的表现在节省了存储空间,但更重要的在于,在相同的算法计算条件下,大大提高了导航星座特征量的检索速率,提高了***的数据更新率。
利用星敏感器拍摄的实时星图完成星像坐标提取和星光矢量的归一化,根据视场内观测星的星等构造观测三角形星座,并计算出观测三角形星座优化特征量DisABC′,如果DisABC′∈[DisABC-E,DisABC+E](其中E是识别误差)则认为匹配成功,如果观测三角形在经过多次摄动后仍然没有找到相同的导航星座优化特征量,则认为匹配失败。
Claims (1)
1.一种多视场星敏感器的星图识别方法,其特征在于,方法如下:
步骤1:接收到星敏感器两个视场的恒星星像坐标;
步骤2:利用公式(1)分别计算第一视场和第二视场恒星星像坐标分别在第一视场和第二视场的像空间坐标;
其中,
(Xi,Yi)——视场内恒星星像坐标;
(X0,Y0)——星敏感器透镜中心在像平面下的坐标;
f——星敏感器透镜焦距;
步骤3:利用公式(2)计算第二视场所有恒星星像的像空间坐标在第一视场像空间坐标系下的坐标;
其中,
W12——第二视场恒星星像的像空间坐标在第一视场像空间坐标系下的坐标,
W2——第二视场恒星星像的像空间坐标在第二视场像空间坐标系下的坐标;
步骤4:采用冒泡排序方法把第一视场和第二视场的所有恒星星像按照恒星星等从亮到暗的顺序进行排序;
步骤5:选择最亮的三个恒星星像,分别为S1、S2和S3三颗恒星,三颗恒星从亮到暗的顺序为:S1、S2和S3,恒星S1和恒星S2的星对角距DS1S2,恒星S1和恒星S3的星对角距DS1S3以及恒星S2和恒星S3的星对角距DS2S3;
步骤6:计算S1、S2和S2三颗恒星的三个星对角距的和SD123=DS1S2+DS1S3+DS2S3;
步骤7:采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD123-E,并且小于等于SD123+E的三颗恒星信息,该集合为SDA∈[SD123-E,SD123+E],其中E为识别误差;
步骤8:集合SDA中只有一组三颗恒星的信息,此时识别成功;集合SDA中有多组三颗恒星的信息,执行步骤9;
步骤9:再选取一颗恒星,设为Si(i∈[4,n]),其中n是两个视场恒星总和;
步骤10:分别计算恒星Si与恒星S1、S2的星对角距D1i和D2i;
步骤11:计算此时三个星对角距的和SD12i=D12+D1i+D2i;
步骤12:采用二分法从星表中搜索出所有三颗恒星的星对角距的和大于等于SD12i-E,并且小于等于SD12i+E的三颗恒星信息,该集合为SDi∈[SD12i-E,SD12i+E];
步骤13:取集合SDA和集合SDi的交集SD=SDA∩SDi;
步骤14:交集SD中只有一组三颗恒星的信息,此时识别成功;交集SD有多组三颗恒星的信息,再取第5颗恒星,重复重复步骤9-步骤13,直到所有交集只有一组三颗恒星的信息为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310279876.XA CN103363987B (zh) | 2013-06-26 | 2013-06-26 | 一种多视场星敏感器的星图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310279876.XA CN103363987B (zh) | 2013-06-26 | 2013-06-26 | 一种多视场星敏感器的星图识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103363987A CN103363987A (zh) | 2013-10-23 |
CN103363987B true CN103363987B (zh) | 2015-09-02 |
Family
ID=49365862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310279876.XA Expired - Fee Related CN103363987B (zh) | 2013-06-26 | 2013-06-26 | 一种多视场星敏感器的星图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103363987B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954981B (zh) * | 2014-04-18 | 2017-09-05 | 中国人民解放军国防科学技术大学 | 一种基于正交变换的gnss可见卫星星座选择方法 |
CN103983264A (zh) * | 2014-05-13 | 2014-08-13 | 哈尔滨工业大学 | 一种多路输出图像传感器的星敏感器实时提取星像坐标方法 |
CN107607127B (zh) * | 2017-07-28 | 2020-07-10 | 湖北航天技术研究院总体设计所 | 一种基于外场的星敏感器内部参数标定及精度快速验证*** |
CN107883947B (zh) * | 2017-12-28 | 2020-12-22 | 常州工学院 | 基于卷积神经网络的星敏感器星图识别方法 |
CN109238269A (zh) * | 2018-09-05 | 2019-01-18 | 南京航空航天大学 | 一种跨非连续视场融合的星图匹配方法 |
CN109341720A (zh) * | 2018-10-10 | 2019-02-15 | 中国科学院上海技术物理研究所 | 一种基于恒星轨迹的遥感相机几何标定方法 |
CN109489657B (zh) * | 2018-11-22 | 2022-04-19 | 北京航天计量测试技术研究所 | 一种双视场星敏感器姿态融合测量装置及方法 |
CN113483751B (zh) * | 2021-06-29 | 2022-07-05 | 北京航空航天大学 | 一种基于径向三角形映射矩阵的星图识别方法 |
CN114166211B (zh) * | 2021-12-13 | 2022-09-09 | 自然资源部国土卫星遥感应用中心 | 一种双视场星敏感器星图识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1609549A (zh) * | 2004-11-23 | 2005-04-27 | 清华大学 | 双视场星敏感器及利用其进行星图识别的方法 |
CN1796938A (zh) * | 2004-12-28 | 2006-07-05 | 北京航空航天大学 | 一种基于三角形特征的星图识别方法 |
CN101441082A (zh) * | 2008-12-22 | 2009-05-27 | 中国科学院长春光学精密机械与物理研究所 | 快速三角形星图识别方法 |
CN102072730A (zh) * | 2010-11-04 | 2011-05-25 | 北京航空航天大学 | 一种三角形星图识别方法 |
CN103148850A (zh) * | 2013-01-24 | 2013-06-12 | 哈尔滨工业大学 | 一种高精度的星敏感器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6766227B2 (en) * | 2002-11-19 | 2004-07-20 | The Boeing Company | Attitude-acquisition methods and systems for controlled spacecraft attitude |
-
2013
- 2013-06-26 CN CN201310279876.XA patent/CN103363987B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1609549A (zh) * | 2004-11-23 | 2005-04-27 | 清华大学 | 双视场星敏感器及利用其进行星图识别的方法 |
CN1796938A (zh) * | 2004-12-28 | 2006-07-05 | 北京航空航天大学 | 一种基于三角形特征的星图识别方法 |
CN101441082A (zh) * | 2008-12-22 | 2009-05-27 | 中国科学院长春光学精密机械与物理研究所 | 快速三角形星图识别方法 |
CN102072730A (zh) * | 2010-11-04 | 2011-05-25 | 北京航空航天大学 | 一种三角形星图识别方法 |
CN103148850A (zh) * | 2013-01-24 | 2013-06-12 | 哈尔滨工业大学 | 一种高精度的星敏感器 |
Non-Patent Citations (2)
Title |
---|
一种基于星三角形的星图识别算法;孙晓雄等;《传感器与微***》;20091231;第28卷(第12期);全文 * |
快速全天自主星图识别;张磊等;《光学精密工程》;20090430;第17卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103363987A (zh) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103363987B (zh) | 一种多视场星敏感器的星图识别方法 | |
CN105371870B (zh) | 一种基于星图数据的星敏感器在轨精度测量方法 | |
CN103047985B (zh) | 一种空间目标的快速定位方法 | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及*** | |
CN103674021B (zh) | 基于捷联惯导与星敏感器的组合导航***及方法 | |
CN102435188B (zh) | 一种用于室内环境的单目视觉/惯性全自主导航方法 | |
CN101441082B (zh) | 快速三角形星图识别方法 | |
CN103017762B (zh) | 地基光电望远镜的空间目标快速捕获定位方法 | |
CN102155945B (zh) | 一种提高ccd星敏感器动态性能的方法 | |
CN103727937B (zh) | 一种基于星敏感器的舰船姿态确定方法 | |
CN101957203B (zh) | 一种星敏感器高精确度的星跟踪方法 | |
CN102116641A (zh) | 一种深空自主导航星敏感器的半物理仿真试验***及方法 | |
CN111156989B (zh) | 基于指向自动测定的空间碎片实时天文定位方法 | |
CN103017772A (zh) | 一种基于可观性分析的光学和脉冲星融合自主导航方法 | |
CN103591966A (zh) | 一种星模拟器测试平台及测试标定方法 | |
CN110095123A (zh) | 不规则小天体表面路标观测信息评价优化方法 | |
CN110515110A (zh) | 数据评估的方法、装置、设备和计算机可读存储介质 | |
CN114166211B (zh) | 一种双视场星敏感器星图识别方法 | |
CN104154931A (zh) | 一种交会测量***的光机定位测量方法 | |
CN103925922B (zh) | 一种适用于高动态条件下iccd星图的恒星识别方法 | |
Yang et al. | Robust and efficient star identification algorithm based on 1-D convolutional neural network | |
WO2021135161A1 (zh) | 基于指向自动测定的空间碎片实时天文定位和测光方法 | |
CN102117199A (zh) | 利用并行流水线机制提高星敏感器数据更新率的方法 | |
CN111156991A (zh) | 基于指向误差自动测定的空间碎片实时天文定位方法 | |
CN109029451A (zh) | 基于网络信标矫正的小型无人机自主定位方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150902 |