CN103925922A - 一种适用于高动态条件下iccd星图的恒星识别方法 - Google Patents
一种适用于高动态条件下iccd星图的恒星识别方法 Download PDFInfo
- Publication number
- CN103925922A CN103925922A CN201310335888.XA CN201310335888A CN103925922A CN 103925922 A CN103925922 A CN 103925922A CN 201310335888 A CN201310335888 A CN 201310335888A CN 103925922 A CN103925922 A CN 103925922A
- Authority
- CN
- China
- Prior art keywords
- triangle
- navigational
- star
- image
- error
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种适用于高动态条件下ICCD星图的恒星识别方法,属于恒星识别领域。本发明以特征三角形之间的空间关系为基础,通过两级特征匹配从识别阈值范围内筛选出最优导航三角形组合作为识别结果,可以在星点定位误差大、伪星较多的情况下,获得较稳定的恒星识别正确率。
Description
技术领域
本发明涉及恒星识别技术领域,具体涉及一种适用于高动态条件下ICCD星图的恒星识别方法。
背景技术
星图识别算法是高精度星敏感器信息处理的核心,其通过将图像中提取的星点信息与导航数据库中的特征相匹配,从而获得星点在惯性天球坐标系中的指向,再通过姿态解算获得星敏感器视轴指向的惯性姿态四元数。星图识别算法的性能,如导航数据库的容量、识别率、识别时间等,直接决定了星敏感器能否稳定定姿。
从文献调研情况来看,现有星敏感器产品多采用CCD(Charge Coupled Device,电荷耦合元件)、CMOS作为探测器件,应用环境较为理想,视场大,干扰杂光少,环境振动小,姿态角变化也较慢,星图信噪比高,且视场内亮星多,相应的星图识别算法多以星等、三角形边长等作为主要匹配特征,原理简单,识别率较高,适合工程应用。
高灵敏度CCD相机ICCD作为一种微光增强器件,具有灵敏度高,动态响应快速,防强光,防拖尾,防光晕等特点,一方面可以探测到近红外波段的暗星,另一方面可避免在姿态高速变化时产生较大的星点拖尾。但是使用ICCD相机也带来以下问题:一是ICCD探测波段与可见光不同,需要做仪器星等标定,二是ICCD包含像增强部分,所拍星图背景噪声大,呈非高斯分布,容易引入伪星,三是ICCD成像的星点能量不稳定,给星点的提取与定位,星图识别算法的设计带来困难。此外,由于光学***设计视场较小(5.86°×5.86°方形),视场内亮星少,暗星多,容易受噪声和角运动的影响。
此外,将星敏感器应用在高动态环境中,高动态一方面指载体的 高频振动,另一方面指载体的姿态角速率变化。前者会造成星点模糊,能量耗散,星点定位精度下降,匹配阈值升高,引入大量相似三角形特征,造成误匹配;后者则会导致星点拖尾,暗星被噪声湮没,提取伪星增多,造成大量误识和拒识。
现有方法已不能满足实际工程的需求,需要一种能够适应并克服较大星点定位误差,较多伪星干扰,且不依赖星等能量信息的恒星识别方法,且满足一定的实时性和稳定性,具备原理简洁、可调性强等特点。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何设计一种恒星识别方法,在星点定位误差大、伪星较多的情况下,获得较稳定的恒星识别正确率。
(二)技术方案
为了解决上述技术问题,本发明提供了一种适用于高动态条件下ICCD星图的恒星识别方法,包括以下步骤:
S1、执行全天三角形一次特征匹配,得到候选导航三角形矩阵;
S2、根据所述候选导航三角形矩阵执行三角形空间最优二次特征匹配,得到识别结果;
步骤S1具体包括:
S11、对在天球上均匀分布的导航星所组成的星表中提取的星点按能量降序排列,取前预设个数的星点构建星敏感器坐标系下的图像三角形maptri[i],若三角形maptri[i]边长满足[0.5°,5.0°],且满足任意两边长度差>0.02°,则进入S12,否则舍弃,继续构建下一个图像三角形,若星表中所有星点构造的图像三角形均参与匹配完毕,则跳出循环,所述星敏感器为采用ICCD作为成像器件的星敏感器,i为正整数;
S12、利用折半查找法,从天球上均匀分布的导航三角形表中查 找与图像三角形maptri[i]的次长边b满足匹配误差容限的导航三角形集合GT[i],并在集合GT[i]中对图像三角形maptri[i]的最长边a和最短边c进行比较,确定三边均满足所述匹配误差容限的导航三角形,若无满足条件的导航三角形,则返回步骤S11,继续构建下一个图像三角形,若有满足条件的导航三角形,则进入步骤S13,若集合GT[i]中所有导航三角形均比较完毕,且满足条件的候选导航三角形数不为0,则返回步骤S11;
S13、判断图像三角形和导航三角形的旋转方向是否一致,若一致,则将导航三角形放入候选导航三角形子集CaGT[i],候选导航三角形数+1,返回步骤S12,在GT[i]中寻找下一个满足误差容限的导航三角形,所有满足条件的导航三角形组成候选导航三角形矩阵;若不一致,则直接返回步骤S12,在集合GT[i]中寻找下一个满足误差容限的导航三角形;
步骤S2具体包括:
S21、令指针ptr1和指针ptr2分别指向候选导航三角形矩阵的第一行和第二行,并顺序扫描这两个导航三角形子集,判断其空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均不满足要求,则使指针依次顺序后移至下一行,并重新扫描,若候选导航三角形矩阵中所有行均遍历完毕,则进入S25,若存在满足空间关系的导航三角形,则固定ptr1和ptr2,并计算这两个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S22,如果该误差值不是最小值,则不记录,直接进入S22;
S22、建立指针ptr3,指向ptr2的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3之间的空间关系是否满足对应图像三角形之间的空间关系;若子集中所有导航三角形均扫描完毕,则返回S21,继续扫描下一组ptr1和ptr2,若子 集中所有导航三角形均不满足要求,则撤销ptr3,返回S11,继续扫描下一组ptr1和ptr2,若存在满足空间关系的导航三角形,则固定ptr1、ptr2和ptr3,并计算这三个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S23,如果该误差值不是最小值,则不记录,直接进入S23;
S23、建立指针ptr4,指向ptr3的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4之间的空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均扫描完毕,则返回S22,继续扫描下一组ptr3,若子集中所有导航三角形均不满足要求,则撤销ptr4,返回S22,继续扫描下一组ptr3,若存在满足空间关系的导航三角形,则固定ptr1、ptr2、ptr3和ptr4,并计算这四个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S24,如果该误差值不是最小值,则不记录,直接进入S24;
S24、建立指针ptr5,指向ptr4的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4、ptr5之间的空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均扫描完毕,则返回S23,继续扫描下一组ptr4,若子集中所有导航三角形均不满足要求,则撤销ptr5,返回S24,继续扫描下一组ptr4,若存在满足空间关系的导航三角形,则固定ptr1、ptr2、ptr3、ptr4和ptr5,并计算这五个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S25,如果该误差值不是最小值,则不记录,直接进入S25;
S25、采用满足空间关系的导航三角形中数量最多、且总误差最 小的一组图像和导航三角形作为最终识别结果,返回对应的导航星、图像三角形、导航三角形信息;若候选矩阵中所有行均遍历后,满足空间关系的导航三角形数量<2,则最优二次匹配失败。
优选地,在步骤S2之后还包括三角形匹配后验的步骤,具体包括:
S31、根据识别结果解算姿态,并获得已识别的图像提取星点和相应的导航星信息;
S32、根据仿真星图原理,利用姿态矩阵、视场角、ICCD相机分辨率,将视场内已识别的导航星位置坐标由天球坐标系转换至图像坐标系;
S33、比较已识别星点的仿真星图位置坐标和真实星图提取位置坐标,若小于误差容限,则判断识别正确,否则,为判断识别错误。
(三)有益效果
本发明以特征三角形之间的空间关系为基础,通过两级特征匹配从识别阈值范围内筛选出最优导航三角形组合作为识别结果,可以在星点定位误差大、伪星较多的情况下,获得较稳定的恒星识别正确率。
附图说明
图1是星敏感器成像原理模型;
图2是匹配特征三角形的标记;
图3是全天球模式下的星图识别方法流程图;
图4是三角形的旋转方向及其镜像示意图;
图5是两个三角形的空间关系定义;
图6-1、图6-2是三角形空间最优二次特征匹配示意图;
图7是局部天区模式下的星图识别方法流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
首先介绍本发明的方法中所使用的星敏感器定姿原理和模型。
星敏感器的定姿原理如图1所示。该模型借鉴小孔成像的原理,将无限远处恒星的平行光在星敏感器成像面上投影出不同大小的弥散斑,通过星点提取和定位,计算得到星点在像平面坐标系中的位置。再利用星点构成的三角形,通过图像三角形与导航三角形间的匹配,获得图像星点在天球惯性坐标系中的位置。最后根据双星定姿原理,解算出成像器坐标系相关惯性系的姿态四元数。
恒星间的角距即为三角形的边长,其计算公式如下:
其中,当恒星的赤经值为α,赤纬值为δ时, 和 分别对应导航星i和j的方向矢量。
设星敏感器焦距为f,那么观测星点间的角距计算公式如下:
其中,当星点1、2在成像面的坐标为(X1,Y1)和(X2,Y2)时,
若观测星1、2与导航星i、j分别一一对应,则二者满足
|d(i,j)-d12|≤ε.......................................(3)
其中ε表示角距测量的不确定度,即匹配阈值。且观测星与导航星之间存在:
s1=Asi,s2=Asj.......................................(4)
其中A为星敏感器坐标系相对惯性空间的姿态矩阵,由A可解得姿态四元数
下面介绍本发明的方法中所使用的导航数据库的组织结构。
导航数据库包含如下数据表:
(1)导航星表GStar_data
根据已知的在全天范围内分布,并具备一定星等和位置精度的基本星表源数据,经过仪器星等修正、星等阈值筛选、双变星剔除,以及导航星选取,获得一组在全天球均匀分布的导航星序列,其数量应满足在全天随机视场内≥3颗恒星可见的概率≥99%的条件。
导航星表中包含如下字段:每颗星在原始星表中的序号、仪器星等、赤经值(弧度)、赤纬值(弧度)、方向矢量x坐标、方向矢量y坐标、方向矢量z坐标。
排列顺序:各恒星数据之间按照序号大小升序排列。
数据精度:各字段的数据精度与识别算法、定姿精度相适应。
写入方式:数据以二进制格式顺序写入。
(2)导航三角形表GTri_data(全天),GTriPart_data(局部)
根据已知的导航星表数据,经过边长条件限制和导航三角形筛选,获得一组在全天球均匀分布的导航三角形序列,其数量需满足在全天随机视场内≥2个三角形可用的概率≥99%的条件。
导航三角形表中包含如下字段:三角形三边a、b、c的长度(弧度),三颗恒星的编号(恒星在导航星表中的顺序编号)Star1、Star2、Star3。边长满足a>b>c关系,三角形边长与星号的标记如图2所示。
排列顺序:全天球模式对应的导航三角形表中各三角形数据按照边长大小升序排列。局部天区模式对应的导航三角形表中各三角形数据按照三角形质心位置升序排列,并与三角形信息索引表相一致。三角形质心位置的定义如公式(5)所示,α、β分别为赤经值和赤纬值(角度):
表间索引:导航星表和导航三角形表之间的关联通过恒星在星表中的排列顺序索引。
数据精度:各字段的数据精度与识别算法、定姿精度相适应。
写入方式:数据以二进制格式写入。
(3)局部天区导航三角形信息索引表GTriPart_index
局部天区模式对应的导航三角形数据与全天导航三角形数据内容一致,但是排列顺序不同。以下简述三角形信息索引表的制作过程,以及与之相对应的局部天区模式导航三角形数据的排列方式。
第一步:结合球面按赤经、赤纬的划分方式,设计一种存储单元结构,该结构从南天极点开始,首先固定赤纬值,然后遍历赤经圈,之后赤纬值增加,再遍历赤经圈,以此循环上升,直到到达北天极点,遍历步长1°,以此共划分得到180×360个单元,如表1所示:
表1存储单元结构(单位°)
(0,-90) | (1,-90) | (2,-90) | (3,-90) | ... | (358,-90) | (359,-90) |
(0,-89) | (1,-89) | (2,-89) | (3,-89) | ... | (358,-89) | (359,-89) |
... | ||||||
(0,0) | (1,0) | (2,0) | (3,0) | ... | (358,0) | (359,0) |
... | ||||||
(0,89) | (1,89) | (2,89) | (3,89) | ... | (358,89) | (359,89) |
第二步:生成局部天区模式下的导航三角形表。首先求解各导航三角形的质心向下取整后得到并将其存入对应的存储单元中。例如一个三角形的质心为(31.2,20.5),取整后将该导航三角形信息存入标号为(31,20)的存储单元中,若质心为(31.2,-20.5),取整后将该三角形存入(31,-21)存储单元中。按上述方法遍历所有导航三角形,将其分别放入对应的存储单元中。由此得到一个按上述存储单元顺序排列的导航三角形表GTriPart_data。
第三步:生成局部导航三角形信息索引表GTriPart_index。表的前两行分别为180和360,表示分块方式和维数,从第三行开始用一维数组index[]记录每个存储单元的起始点在局部三角形表GTriPart_data中的位置。
表内索引:存储单元([α],[β])在索引表一维数组index[]中的索引位置为360*([β]+90)+[α]。例如单元格(0,-90)在局部星表中的位置是第1个三角形到第10个三角形,则把“0”存入一维数组index[0]中,将“10”存入index[1]中,该单元格的索引位置为0。
写入方式:数据以二进制格式写入。
(4)导航数据库总索引表Guide_info
总索引表相当于导航数据库的索引文件,内容包含导航星表文件名、导航三角形文件名、导航星总数、导航三角形总数等信息。
全天球模式下的星图识别算法流程如图3所示,主要包括全天三角形一次特征匹配,三角形空间最优二次特征匹配。
首先,对图像中提取的星点按能量降序排列,并取前Nes个星点参与构建三角形。Nes的数量由星图质量、识别率统计数据等决定。
然后,对Nes个星点进行次全组合,根据星间角距计算公式和三角形边长限制条件依次生成图像三角形。
最后,对图像三角形三边与星点间的构成关系做调整,使之与导航三角形相同,如图2所示,最终得到一个图像三角形集合MTri_data,数量为Nmt。
S1、全天三角形一次特征匹配
首先定义三角形的旋转方向。尽管三角形与其镜像三角形互为全等,但是在匹配时会导致误识。因此需要定义三角形的旋转方向,并在匹配过程中对镜像三角形进行剔除。三角形的旋转方向及其镜像示意图如图4所示,定义按照1→2→3→1的顺序依次连接三角形各顶点所形成的闭合曲线的旋转方向即为三角形的旋转方向。当两个三角形的边矢量符号相同时,其旋转方向也相同。
然后,根据星点定位误差大小设定匹配阈值ε,并依次将图像三角形MTri_data与导航三角形集合GTri_data进行比较,当图像三角形MTri[i]的三边与导航三角形GTri[j]对应边的大小在匹配阈值ε范围 内,且旋转方向一致时,则认为导航三角形GTri[j]为图像三角形MTri[i]的一次候选导航三角形,若没有满足条件的导航三角形,则继续比较下一个图像三角形,直至图像三角形遍历结束。
经过上述比较,最终得到图像三角形集合的一次候选导航三角形矩阵CaGT[Nmt][]。该矩阵中的每一行均对应一个图像三角形的一次候选导航三角形序列,每个序列的数量均不同。
全天三角形一次特征匹配的具体步骤:
S11)对提取星点按能量降序排列,取前12~16颗能量较稳定的星点,依次从最亮星、第二亮星、第三亮星......顺序构建星敏感器坐标系下的图像三角形maptri[i]。三角形边长需满足[0.5°,5.0°](视场5.86°×5.86°),且任意两边长度差>0.02°,三边与顶点满足图2所示的关系。若不满足,则舍弃,继续构造下一个图像三角形。若满足,则进入S12)。若图像中所有星点构造的图像三角形均参与匹配完毕,则跳出循环。
S12)利用折半查找法,在导航三角形表中查找与图像三角形maptri[i]的次长边b满足匹配误差容限的导航三角形集合GT[i],并在该集合中对图像三角形的最长边a和最短边c进行比较,确定三边均满足误差容限的导航三角形。若无满足条件的导航三角形,则返回false,并返回S11),继续构建下一个图像三角形。若有满足条件的导航三角形,则进入S13)。若GT[i]中所有导航三角形均比较完毕,且满足条件的候选三角形数不为0,则返回true,进入S11)。
S13)判断图像三角形和导航三角形的旋转方向是否一致,若一致,则将其放入候选导航三角形子集CaGT[i],候选三角形数+1,返回S12),在GT[i]中寻找下一个满足误差容限的导航三角形;若不一致,则直接返回S12),在GT[i]中寻找下一个满足误差容限的导航三角形。
上述三个步骤循环运行,得到一个候选导航三角形矩阵CaGT[Nmt][],矩阵中行与行之间的维数互不相同。Nmt值与被使用的提取星点的组合数量相同,在实际工程应用中,为了加快算法运行速度,一般在获取到Nmt=50~100个候选导航三角形数不为空的图像三角形后,便结束上述循环。
S2、三角形空间最优二次特征匹配
三角形空间最优二次特征匹配的目的是获得置信度最高的一组导航三角形作为识别结果,其根据星敏感器坐标系下各图像三角形之间的空间位置关系,对候选导航三角形矩阵进行筛选,从而获得位置关系最接近的一组导航三角形。
首先定义两个三角形的空间关系。将两个空间三角形顺序顶点对应恒星间的角距关系集合定义为两个三角形的空间关系,如图5所示。
dstar11′=arccos(star1·star1′)
dstar22′=arccos(star2·star2′)
dstar33′=arccos(star3·star3′)
由上述三角形之间的空间关系,结合三角形的边长、顶点顺序、旋转 方向等信息,可以确定特征三角形位置、形状等信息的唯一性。
然后,计算第1、2个图像三角形的空间关系,及其对应的候选导航三角形序列之间的空间关系,得到满足匹配条件的导航三角形,之后计算第1、3,2、3个图像三角形的空间关系,及其对应的候选导航序列空间关系,得到满足匹配条件的导航三角形,依此类推,直到获得满足空间关系匹配条件的5个导航三角形,如图6-1、图6-2所示。其中,图6-1示出了实际三角形空间关系,图6-2为匹配三角形寻优后验示意图。
若满足空间关系匹配条件的5个导航三角形仅有一组,则将其与对应的星图三角形一起作为最优匹配结果,若不止一组,则选择其中空间关系匹配误差和最小的一组作为最优匹配结果。如果不存在5个满足条件的导航三角形,则选择最优三角形数量≥2的导航三角形和星图三角形组合作为最优匹配结果。
最终得到一组置信度最优的星图三角形和导航三角形组合RecTri,作为星图的识别结果。
三角形空间最优二次特征匹配的具体步骤为:
S21)令指针ptr1和指针ptr2分别指向候选导航三角形矩阵的第一行和第二行,并顺序扫描这两个导航三角形子集,判断其空间关系是否满足对应图像三角形之间的空间关系。若子集中所有导航三角形均不满足要求,则使指针依次顺序后移至下一行,并重新扫描。若候选矩阵中所有行均遍历完毕,则结束循环,进入S25)。若存在满足空间关系的导航三角形,则固定ptr1和ptr2,并计算这两个导航三角形 与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S22),如果该误差值不是最小值,则不记录,直接进入S22)。
S22)建立指针ptr3,指向ptr2的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3之间的空间关系是否满足对应图像三角形之间的空间关系。若子集中所有导航三角形均扫描完毕,则返回S21),继续扫描下一组ptr1和ptr2。若子集中所有导航三角形均不满足要求,则撤销ptr3,返回S21),继续扫描下一组ptr1和ptr2。若存在满足空间关系的导航三角形,则固定ptr1、ptr2和ptr3,并计算这三个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S23),如果该误差值不是最小值,则不记录,直接进入S23)。
S23)建立指针ptr4,指向ptr3的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4之间的空间关系是否满足对应图像三角形之间的空间关系。若子集中所有导航三角形均扫描完毕,则返回S22),继续扫描下一组ptr3。若子集中所有导航三角形均不满足要求,则撤销ptr4,返回S22),继续扫描下一组ptr3。若存在满足空间关系的导航三角形,则固定ptr1、ptr2、ptr3和ptr4,并计算这四个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S24),如果该误差值不是最小值,则 不记录,直接进入S24)。
S24)建立指针ptr5,指向ptr4的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4、ptr5之间的空间关系是否满足对应图像三角形之间的空间关系。若子集中所有导航三角形均扫描完毕,则返回S23),继续扫描下一组ptr4。若子集中所有导航三角形均不满足要求,则撤销ptr5,返回S24),继续扫描下一组ptr4。若存在满足空间关系的导航三角形,则固定ptr1、ptr2、ptr3、ptr4和ptr5,并计算这五个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S25),如果该误差值不是最小值,则不记录,直接进入S25)。
S25)采用满足空间关系的导航三角形中数量最多(≤5)、且总误差最小的一组图像和导航三角形作为最终识别结果,返回对应的导航星、图像三角形、导航三角形信息,并返回true。若候选矩阵中所有行均遍历后,满足空间关系的导航三角形数量<2,则最优二次匹配失败,返回false。
在最优二次特征匹配步骤中,设置满足匹配条件的置信度最大的导航三角形数为5,从理论上可以证明其构成的匹配模式唯一,即为正确的识别结果。
S3、三角形匹配后验
根据仿真分析结果可知,导航数据库中的导航三角形、四边形之 间在某一误差容限内存在不同程度的相似性,当识别星点数<5时,易出现误识,因此设置三角形匹配后验步骤,以判断识别结果是否正确。
根据仿真星图原理,利用识别和姿态解算结果,将识别出的导航星投影至星敏感器图像坐标系中,获得识别星点的仿真位置坐标,比较该坐标与真实星图中对应星点位置坐标之间的偏差是否在设定的误差容限内,若满足,则识别正确,若不满足,则识别失败。最后根据姿态矩阵和仿真星图原理,判断图像中其他提取星点的真伪,并重新解算姿态。
三角形匹配后验的具体步骤为:
S31)根据识别结果解算姿态,并获得已识别的图像提取星点和相应的导航星信息。
S32)根据仿真星图原理,利用姿态矩阵、视场角,相机分辨率等,将视场内已识别的导航星位置坐标由天球坐标系转换至图像坐标系。
S33)比较已识别星点的仿真星图位置坐标和真实星图提取位置坐标,若小于误差容限(5个像素),则判断识别成功,否则,为判断识别失败。
S34)根据姿态矩阵求解视场内所有其他导航星在图像中的仿真位置坐标,并与真实星图中的提取星点位置进行比较,判断提取星点的真伪。
S35)根据重新得到的识别星信息(图像星点和导航星点)解算 姿态。
下面介绍局部天区模式的星图识别方法。
局部天区模式下的星图识别是在已知星敏感器视轴指向粗姿态的情况下,利用星图识别算法实现观测星点与导航星之间的匹配,从而获得视轴精确指向的过程。本发明采用惯导与星敏组合定姿的方式,利用惯导提供的姿态数据预测星敏感器视场可能覆盖的天区,再根据该天区范围从导航三角形表中获取局部导航三角形数据,之后对图像三角形和局部导航三角形进行匹配,匹配步骤与全天模式下的识别算法步骤相同,最终得到星图的匹配结果。局部天区模式下的星图识别流程如图7所示。
(1)预测视场大小
已知当前时刻惯导提供的星敏感器视轴指向的惯性系姿态赤经、赤纬坐标(αI,δI)和惯导误差εR(包含惯导***的位置和姿态误差),根据星敏感器设计视场大小FOVx×FOVy,并考虑视场绕视轴的旋转,星敏感器预测视场边长的计算公式如下:
其中,设视场为方形,FOVx=FOVy。
(2)计算局部天区
预测视场覆盖的天区范围可用以下简化公式计算:
采用上述公式计算局部天区,可以适应相同视场覆盖的赤经跨度随赤纬升高而逐渐增加的特点。
(3)确定局部天区范围内的导航三角形子集
在局部天区导航三角形表、局部天区导航信息索引表的基础上,根据局部天区范围求取预测视场范围内包含的所有导航三角形的子集PreFovTri。
(4)三角形特征匹配与匹配后验
与全天球模式下的星图识别算法相同,在计算完图像三角形匹配特征量之后,以上述步骤中生成的局部天区导航三角形子集PreFovTri为参考,分别进行全天三角形一次特征匹配,三角形空间最优二次特征匹配,最终得到一组置信度最优的星图三角形和导航三角形组合RecTri,作为星图的识别结果。
最后根据仿真星图原理对识别结果进行验证,若满足匹配误差限,则识别正确,若不满足,则识别失败。同时判断图像中其他提取星点的真伪,并重新解算姿态。
以下用仿真试验对本发明所设计的方法进行性能评估。
在5.86°×5.86°视场中,设置图像中星点提取上限为12,一次匹配三角形数限制为25,依次对每颗星点坐标添加0°、0.005°、0.01°、0.015°、0.02°和0.025°的均匀误差,对应星角距误差分别为0°、0.01°、 0.02°、0.03°、0.04°和0.05°。按照上述误差量,对于分辨率为1024×1024的图像,则星点质心坐标误差分别为0pixel、0.064pixel、1.28pixel、1.92pixel、2.56pixel、3.2pixel。分别对1000张仿真星图进行全天识别和局部识别,其中部分星图由于没有足够的恒星而拒识别。星图识别结果如下表2、3:
表25.86°×5.86°视场全天球星图识别结果
表35.86°×5.86°视场局部天区星图识别结果
从表2、3所示的仿真星图识别结果来看,在星点定位误差较大的情况下,本发明所述的方法仍能够获得较高的识别率。
由以上实施例可以看出,本发明与现有技术相比的有益效果是:
(1)通过选取在天球上均匀分布的导航星和导航三角形,有效避免了因星敏感器探测星等高而引起的暗星多、分布差,原始恒星和三角形数据存在大量冗余和空洞的缺点。
(2)通过引入三角形空间最优二次匹配过程,有效避免了由伪星、星点定位误差引入的大量错误相似三角形,提高了识别正确率。
(3)通过简化预测视场覆盖的局部天区范围的计算公式,有效提高了局部天区范围的计算效率。
(4)通过特征三角形质心的定义和局部天区导航三角形信息索引表的设计,有效提高了局部天区导航三角形的搜索效率。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种适用于高动态条件下ICCD星图的恒星识别方法,其特征在于,包括以下步骤:
S1、执行全天三角形一次特征匹配,得到候选导航三角形矩阵;
S2、根据所述候选导航三角形矩阵执行三角形空间最优二次特征匹配,得到识别结果;
步骤S1具体包括:
S11、对在天球上均匀分布的导航星所组成的星表中提取的星点按能量降序排列,取前预设个数的星点构建星敏感器坐标系下的图像三角形maptri[i],若三角形maptri[i]边长满足[0.5°,5.0°],且满足任意两边长度差>0.02°,则进入S12,否则舍弃,继续构建下一个图像三角形,若星表中所有星点构造的图像三角形均参与匹配完毕,则跳出循环,所述星敏感器为采用高灵敏度CCD相机ICCD作为成像器件的星敏感器,i为正整数;
S12、利用折半查找法,从天球上均匀分布的导航三角形表中查找与图像三角形maptri[i]的次长边b满足匹配误差容限的导航三角形集合GT[i],并在集合GT[i]中对图像三角形maptri[i]的最长边a和最短边c进行比较,确定三边均满足所述匹配误差容限的导航三角形,若无满足条件的导航三角形,则返回步骤S11,继续构建下一个图像三角形,若有满足条件的导航三角形,则进入步骤S13,若集合GT[i]中所有导航三角形均比较完毕,且满足条件的候选导航三角形数不为0,则返回步骤S11;
S13、判断图像三角形和导航三角形的旋转方向是否一致,若一致,则将导航三角形放入候选导航三角形子集CaGT[i],候选导航三角形数+1,返回步骤S12,在GT[i]中寻找下一个满足误差容限的导航三角形,所有满足条件的导航三角形组成候选导航三角形矩阵;若不一致,则直接返回步骤S12,在集合GT[i]中寻找下一个满足误差 容限的导航三角形;
步骤S2具体包括:
S21、令指针ptr1和指针ptr2分别指向候选导航三角形矩阵的第一行和第二行,并顺序扫描这两个导航三角形子集,判断其空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均不满足要求,则使指针依次顺序后移至下一行,并重新扫描,若候选导航三角形矩阵中所有行均遍历完毕,则进入S25,若存在满足空间关系的导航三角形,则固定ptr1和ptr2,并计算这两个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S22,如果该误差值不是最小值,则不记录,直接进入S22;
S22、建立指针ptr3,指向ptr2的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3之间的空间关系是否满足对应图像三角形之间的空间关系;若子集中所有导航三角形均扫描完毕,则返回S21,继续扫描下一组ptr1和ptr2,若子集中所有导航三角形均不满足要求,则撤销ptr3,返回S11,继续扫描下一组ptr1和ptr2,若存在满足空间关系的导航三角形,则固定ptr1、ptr2和ptr3,并计算这三个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S23,如果该误差值不是最小值,则不记录,直接进入S23;
S23、建立指针ptr4,指向ptr3的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4之间的空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均扫描完毕,则返回S22,继续扫描下一组ptr3,若子集中所有导航三角形均不满足要求,则撤销ptr4,返回S22,继续扫描下一组ptr3,若存在满足空间关系的导航三角形,则固定ptr1、ptr2、 ptr3和ptr4,并计算这四个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S24,如果该误差值不是最小值,则不记录,直接进入S24;
S24、建立指针ptr5,指向ptr4的后一行候选导航三角形子集,并顺序扫描该子集中的导航三角形,判断ptr1、ptr2、ptr3、ptr4、ptr5之间的空间关系是否满足对应图像三角形之间的空间关系,若子集中所有导航三角形均扫描完毕,则返回S23,继续扫描下一组ptr4,若子集中所有导航三角形均不满足要求,则撤销ptr5,返回S24,继续扫描下一组ptr4,若存在满足空间关系的导航三角形,则固定ptr1、ptr2、ptr3、ptr4和ptr5,并计算这五个导航三角形与图像三角形之间的空间关系总误差,如果该误差值最小,则记录误差值,以及对应的图像三角形和导航三角形的序号,然后进入S25,如果该误差值不是最小值,则不记录,直接进入S25;
S25、采用满足空间关系的导航三角形中数量最多、且总误差最小的一组图像和导航三角形作为最终识别结果,返回对应的导航星、图像三角形、导航三角形信息;若候选矩阵中所有行均遍历后,满足空间关系的导航三角形数量<2,则最优二次匹配失败。
2.如权利要求1所述的方法,其特征在于,在步骤S2之后还包括三角形匹配后验的步骤,具体包括:
S31、根据识别结果解算姿态,并获得已识别的图像提取星点和相应的导航星信息;
S32、根据仿真星图原理,利用姿态矩阵、视场角、ICCD相机分辨率,将视场内已识别的导航星位置坐标由天球坐标系转换至图像坐标系;
S33、比较已识别星点的仿真星图位置坐标和真实星图提取位置坐标,若小于误差容限,则判断识别正确,否则,为判断识别错误。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310335888.XA CN103925922B (zh) | 2013-08-05 | 2013-08-05 | 一种适用于高动态条件下iccd星图的恒星识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310335888.XA CN103925922B (zh) | 2013-08-05 | 2013-08-05 | 一种适用于高动态条件下iccd星图的恒星识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103925922A true CN103925922A (zh) | 2014-07-16 |
CN103925922B CN103925922B (zh) | 2016-12-28 |
Family
ID=51144223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310335888.XA Active CN103925922B (zh) | 2013-08-05 | 2013-08-05 | 一种适用于高动态条件下iccd星图的恒星识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103925922B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501016A (zh) * | 2019-08-21 | 2019-11-26 | 中国科学院软件研究所 | 卫星姿态的测量方法及装置 |
CN110887474A (zh) * | 2019-11-19 | 2020-03-17 | 中国科学院国家天文台长春人造卫星观测站 | 一种用于精密跟踪型望远镜的星图识别方法 |
CN110926456A (zh) * | 2019-12-16 | 2020-03-27 | 西安航光仪器厂 | 亮星坐标差匹配方法 |
WO2021135161A1 (zh) * | 2019-12-31 | 2021-07-08 | 中国科学院紫金山天文台 | 基于指向自动测定的空间碎片实时天文定位和测光方法 |
WO2022042350A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州振旺光电有限公司 | 一种获取天区目标图像的方法和天文摄影设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2013
- 2013-08-05 CN CN201310335888.XA patent/CN103925922B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (3)
Title |
---|
MARIJA S. SCHOFI: ""Autonomous star field identification using intelligent CCD-based cameras"", 《OPTICAL ENGINEERING》, vol. 33, no. 1, 31 January 1994 (1994-01-31) * |
张磊等: ""快速全天自主星图识别"", 《光学精密工程》, vol. 17, no. 4, 28 April 2009 (2009-04-28) * |
田金文等: ""基于恒星识别的微型航天器自主导航技术研究"", 《红外与激光工程》, vol. 35, 31 October 2006 (2006-10-31) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501016A (zh) * | 2019-08-21 | 2019-11-26 | 中国科学院软件研究所 | 卫星姿态的测量方法及装置 |
CN110501016B (zh) * | 2019-08-21 | 2021-04-23 | 中国科学院软件研究所 | 卫星姿态的测量方法及装置 |
CN110887474A (zh) * | 2019-11-19 | 2020-03-17 | 中国科学院国家天文台长春人造卫星观测站 | 一种用于精密跟踪型望远镜的星图识别方法 |
CN110926456A (zh) * | 2019-12-16 | 2020-03-27 | 西安航光仪器厂 | 亮星坐标差匹配方法 |
CN110926456B (zh) * | 2019-12-16 | 2023-03-24 | 西安航光仪器厂 | 亮星坐标差匹配方法 |
WO2021135161A1 (zh) * | 2019-12-31 | 2021-07-08 | 中国科学院紫金山天文台 | 基于指向自动测定的空间碎片实时天文定位和测光方法 |
WO2022042350A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州振旺光电有限公司 | 一种获取天区目标图像的方法和天文摄影设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103925922B (zh) | 2016-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | SigVox–A 3D feature matching algorithm for automatic street object recognition in mobile laser scanning point clouds | |
CN110866079B (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
CN105069743B (zh) | 探测器拼接实时图像配准的方法 | |
JP5800494B2 (ja) | 特定領域選択装置、特定領域選択方法及びプログラム | |
CN100504300C (zh) | 一种非标定的星图识别方法 | |
CN103925922A (zh) | 一种适用于高动态条件下iccd星图的恒星识别方法 | |
CN104061929B (zh) | 共光路多视场星敏感器及其星体姿态测量方法 | |
CN106056605B (zh) | 一种基于图像匹配的在轨高精度图像定位方法 | |
CN103017762A (zh) | 地基光电望远镜的空间目标快速捕获定位方法 | |
CN104748728A (zh) | 智能机姿态矩阵计算方法及其应用于摄影测量的方法 | |
CN102865865A (zh) | 一种采用十字链表的星敏感器筛选导航星的方法 | |
CN109376208A (zh) | 一种基于智能终端的定位方法、***、存储介质及设备 | |
CN103363987A (zh) | 一种多视场星敏感器的星图识别方法 | |
CN114166211B (zh) | 一种双视场星敏感器星图识别方法 | |
CN115390082A (zh) | 一种基于虚拟描述符的全局定位方法及其*** | |
CN107907126A (zh) | 一种基于三角形匹配的星图识别方法、装置及*** | |
CN113483751B (zh) | 一种基于径向三角形映射矩阵的星图识别方法 | |
US11935189B2 (en) | Method and device for generating a photogrammetric corridor map from a set of images | |
CN113865581A (zh) | 基于多层级地图的封闭场景定位方法 | |
CN109540129A (zh) | 一种机载式全天时星敏感器导航星库的制作方法 | |
CN116953744A (zh) | 一种导航卫星非视距信号识别方法和导航卫星定位方法 | |
CN103852079A (zh) | 一种基于双星顶点剖分弧度集合模糊匹配的船舶天文导航方法 | |
CN104819715A (zh) | 一种基于一维矢量模式的自主星识别方法 | |
Venable | Improving real-world performance of vision aided navigation in a flight environment | |
Venable | Improving Real World Performance for Vision Navigation in a Flight Environment |
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 |