CN103968833A - 一种星图匹配前选取观测三角形的方法 - Google Patents
一种星图匹配前选取观测三角形的方法 Download PDFInfo
- Publication number
- CN103968833A CN103968833A CN201410182261.XA CN201410182261A CN103968833A CN 103968833 A CN103968833 A CN 103968833A CN 201410182261 A CN201410182261 A CN 201410182261A CN 103968833 A CN103968833 A CN 103968833A
- Authority
- CN
- China
- Prior art keywords
- star
- observation
- triangle
- bright
- execution step
- 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)
Abstract
本发明涉及一种星图匹配前选取观测三角形的方法,包括以下步骤:初选观测三角形;对观测三角形进行二次优化筛选,筛选条件包括:像面上组成观测三角形的最小边应大于dmin个像素;像面上观测三角形中最小夹角应大于θmin。本发明的星图匹配前选取观测三角形的方法相对现有的方法,可提高60.8%一次匹配成功并姿态输出的概率,在实际工程中,可以优先选取三组较亮星组成的观测三角形进行识别和验证,即有77.5%的概率可提高对三次匹配定姿成功的速率,并且每帧全天球定姿输出的时间一致性也被大大提高。
Description
技术领域
本发明涉及卫星自主导航技术领域,特别涉及一种星图匹配前选取观测三角形的方法。
背景技术
在实际工程中,星敏感器主要以三角形星图识别算法为主,从而确定姿态。三角形星图识别算法利用星敏感器视场中出现的观测星组成观测三角形,以全等三角形原理为匹配识别标准。选取合适的观测三角形可提高星图识别算法的成功率、减少匹配过程中的计算量,进而提高星敏感器实时输出姿态的性能。张广军等人提出一种选取观测三角形方法,其选取观测三角形原则:选取星敏感器视场中数量为NB的一组亮星,任意组成观测三角形,优先选取最亮的星构成的观测三角形进行识别。如果某一观测三角形组合识别失败,则按顺序选取剩余的观测三角形组合来进行识别,直到得到正确的识别结果为止。由于在实际情况中,所选取的NB颗观测星中可能存在双星或者其中三颗亮星在视场中的位置近似成一条直线的情况,因此这将出现大量冗余匹配,延长识别时间,进而导致星图识别失败或输出误差较大的姿态。取NB=6,对全天球遍历成像,统计视场中出现无法识别或输出较大误差姿态的观测三角形数目的概率分布,如图1所示,在全天球视场范围内,优先选取的20个观测三角形中,平均有7.74个观测三角形无法识别或输出较大误差姿态,即在每次星图识别时,有38.7%的概率无法一次直接输出最终姿态,在实际星图识别过程中,由于星图匹配一次的计算量要远大于视场中选取出最优观测三角形所需要的计算量,而且有时即使星图识别成功,但因观测星在视场中的位置近似一条直线,导致无法输出正常的姿态,需要重新选取观测三角形进行匹配识别,因此,这将严重影响星敏感器输出姿态的实时性。
发明内容
本发明要解决现有技术中的技术问题,提供一种星图匹配前选取观测三角形的方法。
为了解决上述技术问题,本发明的技术方案具体如下:
一种星图匹配前选取观测三角形的方法,包括以下步骤:
初选观测三角形;
对观测三角形进行二次优化筛选,筛选条件包括:
像面上组成观测三角形的最小边应大于dmin个像素;
像面上观测三角形中最小夹角应大于θmin。
在上述技术方案中,该方法具体包括:
步骤1:将星敏感器视场中出现的观测星按其星等信息进行升序排列;
步骤2:以第N颗亮星为基准,依序选取第N+1、N+2颗亮星组成三角形,将N+3的值赋给n;N的初始值设为1;
步骤3:计算组成的三角形三边边长,判断最小边长是否大于dmin,如果是,执行步骤4进一步判断;如果不是,输出“观测三角形存在双星”,执行步骤7;
步骤4:判断三角形中最小夹角是否大于θmin,如果是,将此三颗亮星记录在观测三角形备选组里,剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,执行步骤5;如果不是,输出“三颗观测星近似一条直线”,执行步骤10;
步骤5:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤6;如果不是,n+1的值赋给n,执行步骤3;
步骤6:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,观测三角形备选组选取完毕;如果不是,执行步骤2;
步骤7:判断第n颗亮星是否为视场中最后一颗亮星,如果是,输出“最亮星为某星云中一颗星”,将N+1的值赋给N,执行步骤8;如果不是,执行步骤9;
步骤8:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,选星失败;如果不是,执行步骤2;
步骤9:剔除组成最小边长的次亮星,选取第n颗亮星组成三角形,然后将n+1的值赋给n,执行步骤3;
步骤10:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤8;如果不是,执行步骤11;
步骤11:剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,然后将n+1的值赋给n,执行步骤3。
本发明具有以下的有益效果:
本发明的星图匹配前选取观测三角形的方法可以加快星敏感器定姿输出速度、提高所选观测三角形可一次成功匹配输出最终姿态的概率。
本发明的星图匹配前选取观测三角形的方法相对现有的张广军等人提出的方法,可提高60.8%一次匹配成功并姿态输出的概率,在实际工程中,可以优先选取三组较亮星组成的观测三角形进行识别和验证,即有77.5%的概率可提高对三次匹配定姿成功的速率,并且每帧全天球定姿输出的时间一致性也被大大提高。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是遍历全天球视场中出现无法识别或输出较大误差姿态的观测三角形数目的概率分布。
图2是星敏感器像空间坐标系示意图。
图3是遍历全天球视场中满足约束条件1、2的观测三角形数目的概率分布图。
图4是优化观测三角形选取方法流程图。
具体实施方式
本发明的发明思想为:
为加快星敏感器定姿输出速度、提高所选观测三角形可一次成功匹配输出最终姿态的概率,本发明提供一种星图匹配前“二次优化”选取观测三角形方法。
观测三角形只有满足一定的条件,才能实现一次匹配、定姿有效计算。为提高计算效率,本发明在初选观测三角形的基础上,对观测三角形进行二次优化筛选,最后再匹配的星图识别算法。观测三角形优化选取,要根据同时满足正确匹配与高精度定姿计算的双重约束,为提高在轨计算速率,需要通过深入分析、转化为具体、易计算的像面直接约束条件。
在星图匹配过程中,为提高星点质心精度,一般采用离焦技术,同时双星对匹配识别的影响不可忽略,为使两颗观测星质心完全分离,其边长距离应至少大于某一阈值。以上因素作为二次优化筛选观测三角形约束条件1,该约束条件决定观测三角形最小边长dmin阈值的选取。
组成观测三角形的三颗星在视场中的位置关系对星敏感器最终输出姿态的结果影响很大,例如某三颗观测星近似一条直线时,这将直接导致星敏感器定姿失败,这主要是因为参考矢量阵V3×k=(V1V2…Vk)在矩阵求逆的计算过程中,当观测三角形三颗星位置相关性较强的时候,(VTV)高度近似奇异。将观测三角形的边与夹角的约束关系转换到像平面上分析,如图2所示,星敏感器像空间坐标系示意图,O是星敏感器像空间坐标系的原点,Star1、Star2、Star3是恒星在像平面上的投影,f是星敏感器的焦距,h是Star2到底边c的垂线,θ是三角形中最小夹角,即a边与c边的夹角,β是h边对应的夹角。由图2三角形关系得:
h=a·sinθ (1)
为避免双星对星图识别的干扰,同时减小三颗观测星在像平面上位置的相关性,即三颗观测星在像面上不共线,从QUEST定姿原理分析,h应至少大于双星门限阈值,即:
h=f·tanβ>双星门限阈值 (2)
(1)、(2)式作为二次优化筛选观测三角形约束条件2,该约束条件决定了观测三角形最小夹角θmin阈值的选取。
本发明在初选观测三角形的基础上,对观测三角形进行二次优化筛选。初选观测三角形是指优先选取视场中最亮的N(N=5~6)颗星任意组成观测三角形,将这些观测三角形组成待选观测三角形集合。二次优化筛选观测三角形以如下约束条件为基础进行:
约束条件1:像面上,组成观测三角形的最小边应大于dmin个像素。
约束条件2:像面上,观测三角形中最小夹角应大于θmin。
在技术效果方面本发明有如下表现。采用QUEST定姿算法,设dmin=10、θmin=15°,对全天球进行遍历,统计视场中出现可直接输出姿态的观测三角形数目的概率分布,即满足约束条件1、2的观测三角形数目的概率分布,如图3所示,在全天球视场范围内,平均每个视场中有12.2个观测三角形可直接输出姿态,相对现有的方法,可提高60.8%一次匹配成功并姿态输出的概率,在实际工程中,可以优先选取三组较亮星组成的观测三角形进行识别和验证,即有77.5%的概率可提高对三次匹配定姿成功的速率,并且每帧全天球定姿输出的时间一致性也被大大提高。
下面结合附图对本发明做以详细说明。
图4是优化观测三角形选取方法流程图。m为观测视场中出现观测星的数目,dmin是观测三角形最小边长阈值,θmin是观测三角形最小夹角阈值,N为观测星序号,初始值设为1,n为所选三颗亮星以外第四颗亮星序号。
步骤1:将星敏感器视场中出现的观测星按其星等信息进行升序排列(星等越小亮度越高)。
步骤2:以第N(N的初始值设为1)颗亮星为基准,依序选取第N+1、N+2颗亮星组成三角形,将N+3的值赋给n。
步骤3:计算组成的三角形三边边长,判断最小边长是否大于dmin,如果是,执行步骤4进一步判断;如果不是,输出“观测三角形存在双星”,执行步骤7。
步骤4:判断三角形中最小夹角是否大于θmin,如果是,将此三颗亮星记录在观测三角形备选组里,剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,执行步骤5;如果不是,输出“三颗观测星近似一条直线”,执行步骤10。
步骤5:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤6;如果不是,n+1的值赋给n,执行步骤3。
步骤6:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,观测三角形备选组选取完毕;如果不是,执行步骤2。
步骤7:判断第n颗亮星是否为视场中最后一颗亮星,如果是,输出“最亮星为某星云中一颗星”,将N+1的值赋给N,执行步骤8;如果不是,执行步骤9。
步骤8:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,选星失败;如果不是,执行步骤2。
步骤9:剔除组成最小边长的次亮星,选取第n颗亮星组成三角形,然后将n+1的值赋给n,执行步骤3。
步骤10:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤8;如果不是,执行步骤11。
步骤11:剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,然后将n+1的值赋给n,执行步骤3。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (2)
1.一种星图匹配前选取观测三角形的方法,其特征在于,包括以下步骤:
初选观测三角形;
对观测三角形进行二次优化筛选,筛选条件包括:
像面上组成观测三角形的最小边应大于dmin个像素;
像面上观测三角形中最小夹角应大于θmin。
2.根据权利要求1所述的方法,其特征在于,该方法具体包括:
步骤1:将星敏感器视场中出现的观测星按其星等信息进行升序排列;
步骤2:以第N颗亮星为基准,依序选取第N+1、N+2颗亮星组成三角形,将N+3的值赋给n;N的初始值设为1;
步骤3:计算组成的三角形三边边长,判断最小边长是否大于dmin,如果是,执行步骤4进一步判断;如果不是,输出“观测三角形存在双星”,执行步骤7;
步骤4:判断三角形中最小夹角是否大于θmin,如果是,将此三颗亮星记录在观测三角形备选组里,剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,执行步骤5;如果不是,输出“三颗观测星近似一条直线”,执行步骤10;
步骤5:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤6;如果不是,n+1的值赋给n,执行步骤3;
步骤6:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,观测三角形备选组选取完毕;如果不是,执行步骤2;
步骤7:判断第n颗亮星是否为视场中最后一颗亮星,如果是,输出“最亮星为某星云中一颗星”,将N+1的值赋给N,执行步骤8;如果不是,执行步骤9;
步骤8:判断第N颗亮星是否为视场中倒数第二颗亮星,如果是,选星失败;如果不是,执行步骤2;
步骤9:剔除组成最小边长的次亮星,选取第n颗亮星组成三角形,然后将n+1的值赋给n,执行步骤3;
步骤10:判断第n颗亮星是否为视场中最后一颗亮星,如果是,将N+1的值赋给N,执行步骤8;如果不是,执行步骤11;
步骤11:剔除已选三颗星中最暗的一颗星,引入第n颗星组成新三角形,然后将n+1的值赋给n,执行步骤3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182261.XA CN103968833B (zh) | 2014-04-30 | 2014-04-30 | 一种星图匹配前选取观测三角形的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182261.XA CN103968833B (zh) | 2014-04-30 | 2014-04-30 | 一种星图匹配前选取观测三角形的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103968833A true CN103968833A (zh) | 2014-08-06 |
CN103968833B CN103968833B (zh) | 2017-01-04 |
Family
ID=51238626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410182261.XA Expired - Fee Related CN103968833B (zh) | 2014-04-30 | 2014-04-30 | 一种星图匹配前选取观测三角形的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103968833B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928509A (zh) * | 2016-06-22 | 2016-09-07 | 中国人民解放军63680部队 | 基于最大内角散列函数的三角形识别方法 |
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 |
CN111024063A (zh) * | 2019-12-23 | 2020-04-17 | 上海交通大学 | 一种基于星点重提取的大机动条件下星图识别算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6324475B1 (en) * | 1997-02-13 | 2001-11-27 | Centre National D'etudes Spatiales | Method for identifying in a pre-established catalogue stars detected by a star sensor |
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 |
CN102313549A (zh) * | 2011-07-28 | 2012-01-11 | 北京航空航天大学 | 一种基于惯性比特征的三角形星图识别方法 |
-
2014
- 2014-04-30 CN CN201410182261.XA patent/CN103968833B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6324475B1 (en) * | 1997-02-13 | 2001-11-27 | Centre National D'etudes Spatiales | Method for identifying in a pre-established catalogue stars detected by a star sensor |
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 |
CN102313549A (zh) * | 2011-07-28 | 2012-01-11 | 北京航空航天大学 | 一种基于惯性比特征的三角形星图识别方法 |
Non-Patent Citations (2)
Title |
---|
张广军: "星图识别", 《北京:国防工业出版社》 * |
李立宏等: "一种改进的全天自主三角形星图识别算法", 《光学技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928509A (zh) * | 2016-06-22 | 2016-09-07 | 中国人民解放军63680部队 | 基于最大内角散列函数的三角形识别方法 |
CN105928509B (zh) * | 2016-06-22 | 2018-10-30 | 中国人民解放军63680部队 | 基于最大内角散列函数的三角形识别方法 |
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 |
CN111024063A (zh) * | 2019-12-23 | 2020-04-17 | 上海交通大学 | 一种基于星点重提取的大机动条件下星图识别算法 |
Also Published As
Publication number | Publication date |
---|---|
CN103968833B (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784333A (zh) | 基于点云带权通道特征的三维目标检测方法及*** | |
CN107564069A (zh) | 标定参数的确定方法、装置及计算机可读存储介质 | |
EP3296953A1 (en) | Method and device for processing depth images | |
CN104537709A (zh) | 一种基于位姿变化的实时三维重建关键帧确定方法 | |
CN102411778A (zh) | 一种机载激光点云与航空影像的自动配准方法 | |
CN105809687A (zh) | 一种基于图像中边沿点信息的单目视觉测程方法 | |
CN104463851A (zh) | 一种基于机器人的鞋底边缘线自动跟踪方法 | |
CN109766887A (zh) | 一种基于级联沙漏神经网络的多目标检测方法 | |
CN105303615A (zh) | 一种图像二维拼接与三维表面重建的组合方法 | |
CN103868510A (zh) | 一种快速全天星图自主恒星识别方法 | |
CN106251326B (zh) | 一种利用鬼影像的建筑物遮挡检测及遮挡区域补偿方法 | |
CN107146239A (zh) | 卫星视频运动目标检测方法及*** | |
CN109766758A (zh) | 一种基于orb特征的视觉slam方法 | |
CN104197933A (zh) | 一种望远镜视场中高星等滑动恒星的增强和提取方法 | |
CN103968833A (zh) | 一种星图匹配前选取观测三角形的方法 | |
CN105913435A (zh) | 一种适用于大区域的多尺度遥感影像匹配方法及*** | |
CN104949677A (zh) | 一种漂移扫描同步卫星实时定轨方法 | |
CN102982524A (zh) | 玉米果穗有序图像的拼接方法 | |
Stucker et al. | ResDepth: Learned residual stereo reconstruction | |
Zhou et al. | MonoEF: Extrinsic parameter free monocular 3D object detection | |
CN103913166A (zh) | 一种基于能量分布的星点提取方法 | |
CN104751487B (zh) | 一种基于彩色rgb三平面色变帧差的运动目标检测方法 | |
CN105046691A (zh) | 一种基于正交消失点的相机自标定方法 | |
CN103488801A (zh) | 一种基于地理信息空间库的机场目标检测方法 | |
CN108389221A (zh) | 三维图像的扫描方法及*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170104 |