CN104776845B - 一种基于组合模式的自主星识别方法 - Google Patents
一种基于组合模式的自主星识别方法 Download PDFInfo
- Publication number
- CN104776845B CN104776845B CN201510213434.4A CN201510213434A CN104776845B CN 104776845 B CN104776845 B CN 104776845B CN 201510213434 A CN201510213434 A CN 201510213434A CN 104776845 B CN104776845 B CN 104776845B
- Authority
- CN
- China
- Prior art keywords
- star
- primary
- annulus
- nautical
- feature
- 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
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
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于组合模式的自主星识别方法,采用组合主星在径向模式和编码模式组合模式下的特征作为主星的特征向量;识别过程中,利用主星所对应的编码值缩小其在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库中的向量进行匹配比较,完成星的自主识别。本发明中主星的组合模式具有平移旋转不变性,具有较高的识别率,使得更适合于星的自主识别;同时,具有较快的星识别速度,利于提高***的灵敏性。
Description
技术领域
本发明属于导航技术领域,尤其涉及一种基于组合模式的自主星识别方法。
背景技术
在天文导航定位中,对天空中恒星的定位以及识别,能够有效地确定飞行器的方向信息;基于科学研究和硬件成本方面考虑,自主星***被视为大多数飞行器上姿态测量设备的首选;一个自主星***能够自动地进行星的识别以及飞行器姿态的解算;星识别精度直接影响着飞行器姿态解算的精度。因此,在星敏感器中,有效、精确的星识别算法是非常关键的。
在过去的几十年里,许多学者致力于星识别算法的研究,基于此基础上的星***被广泛应用于飞行器的姿态解算和控制;星识别算法可以分成两个基本类别:子图同构和模式识别;在这些算法中,没有利用任何有关飞行器姿态的先验信息;在第一个分类中,星点作为图的顶点,使用星对间的平面距离,或者三颗星间的平面距离(可能还包括星点的亮度信息)作为星识别的特征,这类算法主要包括三角形算法、多边形算法和组匹配算法等等;而在第二类的算法中,使用视场内的某些观测星或者全部观测星来构建易于定义的模式,其代表算法有网格算法、神经网络算法和遗传算法。
近年来,由于模式识别的发展,其在星识别中得到了广泛的应用。张广军等人提出了基于星模式的径向和循环特征的全天自主星识别算法,这一算法与网格算法相比,具有更稳健的识别性能。在这一算法中,径向模式具有可靠的旋转不变特征。然而,该算法依赖于存储空间的大小以及识别时间的开销来获取更好的性能;同时,循环特征对位置噪声敏感,为了降低星识别算法的复杂度以及加快星识别的速度,Youngwoo Yoon提出了编码模式的思想,将模式匹配问题简化为整数值间的比较。然而,这一算法需要选取一个合适的邻星来构建星模式的基轴。而选取到合适的邻星的概率往往比较低,因此,若选取了不合适的邻星将会生成错误的基轴,从而导致星识别不成功。此外,其他的学者在模式识别的基础上提出了不同的星识别算法。
在星敏感器中,要求尽可能快速和可靠地实现星的识别,从而为后续的处理提高更精准的识别信息。随着深空探测的发展,对星识别算法的要求越来越高。因此建立快速、精确、鲁棒的星识别算法具有重要的意义。
发明内容
本发明的目的在于提供一种基于组合模式的自主星识别方法,旨在解决现有的星识别算法识别率低,识别速度慢的问题。
本发明是这样实现的,一种基于组合模式的自主星识别方法,该基于组合模式的自主星识别方法将主星的邻域范围由内向外划分为等间距的环带,主星与每一环带上的邻星的平均平面距离构成主星在径向模式下的特征;每一环带上邻星的个数,利用编码基数得到的编码值为主星在编码模式下的特征;组合主星在径向模式和编码模式下的特征构成主星在组合模式下的特征向量;将CCD的光轴逐一指向基本星表中的导航星,生成导航星所对应的特征向量,并且保存为数据库的形式,形成导航星的特征库;利用主星所对应的编码值缩小在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库想中的向量进行匹配比较,计算主星的特征向量与导航星特征库中的向量的相似度,从而得到识别的结果。
进一步,在得到主星在组合模式下的特征向量之前需要:
计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
确定主星的星模式:取视场内的某一观测星作为主星,根据邻域半径的大小,确定主星的邻星,由主星以及邻星组成主星的星模式。
进一步,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,此导航星投影到星图图像的中心。
进一步,选取视场中心或者靠近视场中心的观测星作为主星,以求获得主星完整的星模式;根据邻域的大小以及主星的位置,确定主星的邻星的位置信息,由主星以及邻星的位置信息构成主星的星模式。
进一步,主星在径向模式下的特征:将主星的邻域沿主星的径向方向平均划分为n个环带,统计每一环带上的邻星与主星的平均平面距离,使用n个环带上的平均平面距离作为主星在径向模式中的特征。
进一步,每一环带上的邻星与主星的平均平面距离具体方法为:
n个环带由内到外依次标记为C0,C1,…,Cn-1,主星的邻域半径为R,则第i(i=0,…,n-1)个环带的内边界和外边界分别表示为i*R/n和(i+1)*R/n,位于第i个环带上的邻星的坐标应该满足以下的条件:
i=0,…,n-1;
其中,(x0,y0)和(x,y)分别为主星和邻星在星图图像上的质心坐标,n为主星邻域被平均划分的环带数;
每一环带上邻星的个数分别表示为Ni(i=0,…,n-1),主星与第i个环带上的邻星的平均平面距离表示为:
i=0,…n-1;
其中,(xij,yij)为第i个环带上第j个邻星在星图图像上的质心坐标,Ni为第i个环带上邻星的个数,n个环带上的平均平面距离构成主星在径向模式下的特征,其表示为:
D_vector={D0,D1,…,Dn-1};
进一步,主星在编码模式下的特征:统计每一环带上邻星的个数,使用预设的编码基数,根据一定的编码规则进行编码,得到的编码值作为主星在编码模式中的特征。
进一步,编码值的获取方法为:
第i个环带上的邻星的个数为Ni(i=1,…,n),则主星在编码模式下所对应的编码值表示为:
其中b为编码基数。
进一步,主星在组合模式下的特征向量表示为:
Vector={Vs,D_vector};
在导航星特征库中,每一导航星所对应的记录表示为:
Record={id,Vector}={id,Vs,D_vector};
其中,id为导航星的标号,Vs为导航星所对应的编码值,即导航星作为主星在编码模式下的特征,D_vector为导航星作为主星与其邻域内n个环带上的邻星的平均平面距离所构成的主星在径向模式下的特征。
进一步,主星识别的过程表示为:
result=min{diff{Vectors,Vectorc}},Vs∈Vectors,Vc∈Vectorc,Vc∈[Vs-ε1,Vs-ε2];
其中,Vs为导航星s所对应的特征向量中的编码值,Vc为特征库中的导航星c所对应的特征向量中的编码值,ε1和ε2为编码值所容许的误差。
本发明提供的基于组合模式的自主星识别方法,导航星的特征向量表征了导航星在径向模式和编码模式下的特征,具有平移旋转不变性,适用于星敏感器中的自主星识别,星识别过程中无需搜索整个导航星特征库,能够快速地得到识别的结果,星识别的过程简化为特征向量间的单一比较。
本发明的有益效果在于:
1、径向模式下的特征具有平移不变性,编码模式下的特征具有旋转不变性,基于组合模式下的特征集合了径向模式和编码模式的优点,适于复杂环境下的星识别;
2、利用主星所对应的编码值限定搜索的范围,提高了星识别的速度,增强了***的灵敏性;
3、基于组合模式的星识别方法简单、易于操作,简化了星识别的过程,为星识别提供了新的思路;
4、本发明提供的基于组合模式的自主星识别方法,与现有技术在同一条件下,性能优于现有的金字塔星识别方法以及基于改进的网格的星识别算法;
5、本发明简单、快速和稳定的基于组合模式的星识别方法,能够为飞行器的姿态解算和导航定位提供更精准的识别信息。
附图说明
图1是本发明实施例提供的基于组合模式的自主星识别方法流程图;
图2是本发明实施例提供的在星敏感器中恒星由惯性坐标系投影到星图图像平面坐标系的成像原理图;
图3是本发明实施例提供的主星邻域划分的环带;
图4是本发明实施例提供的导航星特征库的结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的基于组合模式的自主星识别方法包括以下步骤:
S101:计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
S102:确定主星的星模式:取视场内的某一观测星作为主星,根据邻域半径的大小,确定此主星的邻星,由主星以及其邻星组成主星的星模式;
S103:提取主星在径向模式下的特征:将主星的邻域沿主星的径向方向平均划分为n个环带,统计每一环带上的邻星与主星的平均平面距离,使用n个环带上的平均平面距离作为主星在径向模式中的特征;
S104:提取主星在编码模式下的特征:统计每一环带上邻星的个数,使用预设的编码基数,根据一定的编码规则进行编码,得到的编码值作为主星在编码模式中的特征;
S105:建立主星的特征向量:根据主星在径向模式和编码模式中的特征,得到主星在组合模式下的特征向量;
S106:生成导航星的特征数据库:将CCD的光轴逐一指向基本星表中导航星,生成导航星所对应的特征向量,并且保存为数据库的形式;
S107:确定星识别的结果:根据导航星特征向量的特点,利用主星所对应的编码值限定其在导航星特征库中的搜索范围,计算主星的特征向量与导航星特征库中的向量的相似度,从而得到识别的结果。
步骤S101中,所述的导航星是从基本恒星库中依据一定的规则选取的;使用第谷2星表作为基本恒星库;在星表中,有些星缺少亮度信息,而有些星缺少位置信息,这些星都不能用作导航星;由于星敏感器中CCD分辨率的限制,当两颗星相距较近时,不能明确地将其区分开来;设定当两颗星相隔少于20个像素(大约0.39°)时,被视为双星;双星也不能用于作为导航星;因此,在第谷2星表中,有6685颗恒星可以作为导航星,其星等范围从1.0mv到6.5mv;导航星在惯性坐标系中的坐标从基本恒星库中得到,所以导航星的位置信息组成导航星的基本数据库。
步骤S101中,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,此导航星投影到星图图像的中心。
步骤S102中由于CCD视场大小的限制,位于视场边缘的观测星缺失了一部分邻星,造成其星模式的大量几何信息缺失,所以其所对应的星模式是不完整的;故而,选取视场中心或者靠近视场中心的观测星作为主星,以求获得主星完整的星模式;根据邻域的大小以及主星的位置,确定主星的邻星的位置信息,由主星以及其邻星的位置信息构成主星的星模式。
步骤S103中围绕主星具有一定半径范围的圆形区域为主星的邻域,将主星的邻域沿主星的径向方向平均划分为n个环带,邻域内的邻星只属于某一环带,根据主星以及其邻星在星图图像上的位置信息,统计每一环带上的邻星与主星的平均平面距离;具体做法为:
设n个环带由内到外依次标记为C0,C1,…,Cn-1,主星的邻域半径为R,则第i(i=0,…,n-1)个环带的内边界和外边界分别表示为i*R/n和(i+1)*R/n;因此,位于第i个环带上的邻星的坐标应该满足以下的条件:
i=0,…,n-1;
其中,(x0,y0)和(x,y)分别为主星和邻星在星图图像上的质心坐标,n为主星邻域被平均划分的环带数;
设每一环带上邻星的个数分别表示为Ni(i=0,…,n-1),主星与第i个环带上的邻星的平均平面距离可以表示为:
i=0,…n-1
其中,(xij,yij)为第i个环带上第j个邻星在星图图像上的质心坐标,Ni为第i个环带上邻星的个数。
步骤S104中统计每一环带上邻星的个数,使用预设的编码基数,根据一定的编码规则进行编码,得到的编码值作为主星在编码模式中的特征;设第i个环带上的邻星的个数为Ni(i=1,…,n),则主星在编码模式下所对应的编码值可以表示为:
其中b为编码基数。
步骤S105中结合径向模式和编码模式的优点,使用主星与每一环带上的邻星的平均平面距离来表述主星在径向模式中的特征,使用编码值来描述主星在编码模式中的特征,主星的特征向量由主星在径向模式和编码模式的组合模式下的特征来表示,故而主星在组合模式下的特征向量可以表示为:
Vector={Vs,D0,D1,…,Dn+1}={Vs,D_vector}。
步骤S106中特征数据库保存了所有导航星所对应的特征向量信息;星敏感器中的CCD逐一指向所选择的导航星,得到视场内分布的观测星在星图图像上的位置,根据特征向量的生成规则,得到主星所对应的特征向量,并保存在导航星特征库中;导航星特征库中的向量,是在没有任何噪声的情况下,观测星作为主星所对应的特征向量;从上面的描述可知,在导航星特征库中,每一导航星所对应的记录可以表示为:
Record={id,Vector}={id,Vs,D_vector}
其中,id为导航星的标号,Vs为导航星所对应的编码值,也即导航星作为主星在编码模式下的特征,D_vector为导航星作为主星与其邻域内n个环带上的邻星的平均平面距离所构成的主星在径向模式下的特征。
步骤S107中所述的星识别过程为对于任意的一幅星图图像,选取星图图像上的某一观测星作为主星,构建此主星在径向模式和编码模式下的特征,利用主星所对应的编码值限定其在导航星特征库中的搜索范围,计算主星的特征向量与导航星特征库中的向量的相似度,判定两特征向量是否一致或者相似,从而确定此观测星是否为所对应的导航星,从而得到识别的结果。
在步骤S107中所述的限定星识别时在导航星特征库中的搜索范围即为利用主星所对应的编码值限定其在导航星特征库中的搜索范围。因噪声或者其他干扰因素的影响,观测星作为主星所对应的编码值与在没有任何噪声的情况下同一观测星作为主星所对应的编码值相比,具有一定的差异。星识别时,只允许特征库中在一定差异范围内的编码值所对应的导航星进行匹配识别,在限定的搜索范围内,使用少量的比较快速地得到识别的结果,而无需搜索整个导航星特征库。星识别的过程可以表示为:
result=min{diff{Vectors,Vectorc}},Vs∈Vectors,Vc∈Vectorc,Vc∈[Vs-ε1,Vs-ε2]
其中,Vs为导航星s所对应的特征向量中的编码值,Vc为特征库中的导航星c所对应的特征向量中的编码值,ε1和ε2为编码值所容许的误差。
如图2所示,导航星在星图图像中采用在x轴和y轴上的坐标来表征其在像平面上的位置;导航星从基本星表中根据一定的规则选取,导航星需要包含完整的位置信息以及亮度信息,并且相邻较近的恒星被视为双星,不能作为导航星;到达星敏感器的来自恒星的光线认为为平行光线,其在星敏感器的CCD像平面上弥散为一个亮点,CCD光轴所指向的恒星投影到像平面的中心;导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置。
如图3所示,选取视场中心或者靠近视场中心的观测星作为主星Ss,根据主星的邻域大小R,位于邻域范围内的观测星被视为主星的邻星,将主星的邻域沿主星的径向方向平均划分为n个环带,邻域内的邻星只属于某一环带,根据主星以及其邻星在星图图像上的位置信息,统计每一环带上的邻星与主星的平均平面距离;具体做法为:
设n个环带由内到外依次标记为C0,C1,…,Cn-1,主星的邻域半径为R,则第i(i=0,…,n-1)个环带的内边界和外边界分别表示为i*R/n和(i+1)*R/n;因此,位于第i个环带上的邻星的坐标应该满足以下的条件:
i=0,…,n-1;
其中,(x0,y0)和(x,y)分别为主星和邻星在星图图像上的质心坐标,n为主星邻域被平均划分的环带数;
设每一环带上邻星的个数分别表示为Ni(i=0,…,n-1),主星与第i个环带上的邻星的平均平面距离可以表示为:
i=0,…n-1
其中,(xij,yij)为第i个环带上第j个邻星在星图图像上的质心坐标,Ni为第i个环带上邻星的个数。
如图4所示,不同的导航星可能具有相同的编码值,而有的编码值只对应某一导航星,即导航星与编码值之间存在着一对一和一对多的关系;利用这一特点,提出了先根据观测星的编码值确定候选匹配结果,再利用主星与邻星间的平均平面距离从候选匹配结果中得到最终的识别结果;另外,由于噪声的影响,同一观测星的编码值会有一定的浮动,因此,在识别时,只需对比位于某一变动范围的编码值就可以得到候选匹配结果,而无需搜索整个导航星特征库;如此,就根据少量的比较,就可以得到识别的结果,加快了星识别的速度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于组合模式的自主星识别方法,其特征在于,
将主星的邻域范围由内向外划分为等间距的环带,主星与每一环带上的邻星的平均平面距离构成主星在径向模式下的特征;每一环带上邻星的个数,利用编码基数得到的编码值为主星在编码模式下的特征;组合主星在径向模式和编码模式下的特征构成主星在组合模式下的特征向量;
每一环带上的邻星与主星的平均平面距离具体方法为:
n个环带由内到外依次标记为C0,C1,…,Cn-1,主星的邻域半径为R,则第i(i=0,…,n-1)个环带的内边界和外边界分别表示为i*R/n和(i+1)*R/n,位于第i个环带上的邻星的坐标满足以下的条件:
其中,(x0,y0)和(x,y)分别为主星和邻星在星图图像上的质心坐标,n为主星邻域被平均划分的环带数;
每一环带上邻星的个数分别表示为Ni(i=0,…,n-1),主星与第i个环带上的邻星的平均平面距离表示为:
其中,(xij,yij)为第i个环带上第j个邻星在星图图像上的质心坐标,Ni为第i个环带上邻星的个数,n个环带上的平均平面距离构成主星在径向模式下的特征,表示为:
D_vector={D0,D1,…,Dn-1};
将CCD的光轴逐一指向基本星表中的导航星,生成导航星所对应的特征向量,并且保存为数据库的形式,形成导航星的特征库;
利用主星特征向量中的编码值缩小在导航星特征库中的搜索范围,将主星的特征向量与导航星特征库中的特征向量进行匹配,计算主星的特征向量与导航星特征库中的特征向量的相似度,从而得到识别的结果。
2.如权利要求1所述的基于组合模式的自主星识别方法,其特征在于,在得到主星在组合模式下的特征向量之前需要:
计算导航星在星图图像中的坐标:根据导航星在惯性坐标系中的坐标,依据一定的转换规则,计算导航星在星图图像中的坐标;
确定主星的星模式:取视场内的某一观测星作为主星,根据邻域半径的大小,确定主星的邻星,由主星以及邻星组成主星的星模式。
3.如权利要求2所述的基于组合模式的自主星识别方法,其特征在于,导航星在惯性坐标系中的坐标转换到星图图像中的坐标的转换公式如下:
其中,(Nx,Ny)为星敏感器中CCD的分辨率,(FOVx,FOVy)为CCD视场的大小,(αi,δi)分别为观测星的赤经赤纬,(α,δ)为CCD的光轴方向;CCD的光轴始终指向导航星在惯性坐标中的位置,此导航星投影到星图图像的中心。
4.如权利要求2所述的基于组合模式的自主星识别方法,其特征在于,选取视场中心或者靠近视场中心的观测星作为主星,以求获得主星完整的星模式;根据邻域的大小以及主星的位置,确定主星的邻星的位置信息,由主星以及邻星的位置信息构成主星的星模式。
5.如权利要求1所述的基于组合模式的自主星识别方法,其特征在于,主星在编码模式下的特征:统计每一环带上邻星的个数,使用预设的编码基数,根据一定的编码规则进行编码,得到的编码值作为主星在编码模式中的特征。
6.如权利要求5所述的基于组合模式的自主星识别方法,其特征在于,编码值的获取方法为:
第i个环带上的邻星的个数为Ni(i=1,…,n),则主星在编码模式下所对应的编码值表示为:
其中b为编码基数。
7.如权利要求1所述的基于组合模式的自主星识别方法,其特征在于,结合主星在径向模式和编码模式下的特征构成主星在组合模式下的特征,主星在组合模式下的特征向量表示为:
Vector={Vs,D_vector};
在导航星特征库中,每一导航星所对应的记录表示为:
Record={id,Vector}={id,Vs,D_vector};
其中,id为导航星的标号,Vs为导航星所对应的编码值,即导航星作为主星在编码模式下的特征,D_vector为导航星作为主星与邻域内n个环带上的邻星的平均平面距离所构成的主星在径向模式下的特征。
8.如权利要求1所述的基于组合模式的自主星识别方法,其特征在于,主星识别的过程表示为:
result=min{diff{Vectors,Vectorc}},Vs∈Vectors,Vc∈Vectorc,Vc∈[Vs-ε1,Vs-ε2];
其中,Vs为导航星s所对应的特征向量中的编码值,Vc为特征库中的导航星c所对应的特征向量中的编码值,ε1和ε2为编码值所容许的误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510213434.4A CN104776845B (zh) | 2015-04-29 | 2015-04-29 | 一种基于组合模式的自主星识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510213434.4A CN104776845B (zh) | 2015-04-29 | 2015-04-29 | 一种基于组合模式的自主星识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104776845A CN104776845A (zh) | 2015-07-15 |
CN104776845B true CN104776845B (zh) | 2017-05-03 |
Family
ID=53618459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510213434.4A Expired - Fee Related CN104776845B (zh) | 2015-04-29 | 2015-04-29 | 一种基于组合模式的自主星识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104776845B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132263B (zh) * | 2019-05-28 | 2023-01-31 | 北京航空航天大学 | 一种基于表示学习的星图识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6478260B1 (en) * | 2000-02-17 | 2002-11-12 | Hughes Electronics Corporation | Star detection and location system |
KR20050105370A (ko) * | 2004-04-30 | 2005-11-04 | 한국과학기술원 | 원형 그리드를 이용하는 별센서 |
CN1796939A (zh) * | 2004-12-28 | 2006-07-05 | 北京航空航天大学 | 一种基于lpt变换的星图识别方法 |
CN1958394A (zh) * | 2006-12-01 | 2007-05-09 | 北京航空航天大学 | 一种快速星图识别方法 |
CN101004349A (zh) * | 2007-01-22 | 2007-07-25 | 北京航空航天大学 | 一种非标定的星图识别方法 |
CN105659819B (zh) * | 2007-07-16 | 2011-08-31 | 北京航空航天大学 | 一种神经网络星图识别方法 |
RU2010144278A (ru) * | 2010-10-28 | 2012-05-10 | Государственное Образовательное Учреждение Высшего Профессионального Образования Военно-Космическая Академия Имени А.Ф. Можайского (R | Способ автономной навигации и ориентации космических аппаратов на основе виртуальных измерений зенитных расстояний звезд |
CN103217163A (zh) * | 2013-04-02 | 2013-07-24 | 北京航空航天大学 | 一种混合冗余特征的星模式识别方法及装置 |
CN103453905A (zh) * | 2013-08-07 | 2013-12-18 | 北京航空航天大学 | 一种基于平面三角形主成分分析的星图识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9073648B2 (en) * | 2013-02-15 | 2015-07-07 | The Boeing Company | Star tracker rate estimation with kalman filter enhancement |
-
2015
- 2015-04-29 CN CN201510213434.4A patent/CN104776845B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6478260B1 (en) * | 2000-02-17 | 2002-11-12 | Hughes Electronics Corporation | Star detection and location system |
KR20050105370A (ko) * | 2004-04-30 | 2005-11-04 | 한국과학기술원 | 원형 그리드를 이용하는 별센서 |
CN1796939A (zh) * | 2004-12-28 | 2006-07-05 | 北京航空航天大学 | 一种基于lpt变换的星图识别方法 |
CN1958394A (zh) * | 2006-12-01 | 2007-05-09 | 北京航空航天大学 | 一种快速星图识别方法 |
CN101004349A (zh) * | 2007-01-22 | 2007-07-25 | 北京航空航天大学 | 一种非标定的星图识别方法 |
CN105659819B (zh) * | 2007-07-16 | 2011-08-31 | 北京航空航天大学 | 一种神经网络星图识别方法 |
RU2010144278A (ru) * | 2010-10-28 | 2012-05-10 | Государственное Образовательное Учреждение Высшего Профессионального Образования Военно-Космическая Академия Имени А.Ф. Можайского (R | Способ автономной навигации и ориентации космических аппаратов на основе виртуальных измерений зенитных расстояний звезд |
CN103217163A (zh) * | 2013-04-02 | 2013-07-24 | 北京航空航天大学 | 一种混合冗余特征的星模式识别方法及装置 |
CN103453905A (zh) * | 2013-08-07 | 2013-12-18 | 北京航空航天大学 | 一种基于平面三角形主成分分析的星图识别方法 |
Non-Patent Citations (5)
Title |
---|
Autonomous Star Identification using Pattern Code;Youngwoo Yoon;《IEEE transaction on aerospace and electronic systems》;20130712;第49卷(第3期);第2065-2072页 * |
一种非标定的快速星图识别方法;杨建 等;《光学技术》;20080131;第34卷(第1期);第26-28、32页 * |
利用径向和环向分布特征的星图识别方法;魏新国 等;《光学工程》;20040831;第31卷(第8期);第4-7页 * |
基于Log-Polar变换的星图识别方法;魏新国 等;《光学技术》;20060930;第32卷(第5期);第678-681页 * |
改进的基于主星的星图识别算法;王海涌 等;《光学精密工程》;20090131;第17卷(第1期);第220-224页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104776845A (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Anchor-free oriented proposal generator for object detection | |
Wang et al. | Active machine learning approach for crater detection from planetary imagery and digital elevation models | |
Costea et al. | Aerial image geolocalization from recognition and matching of roads and intersections | |
CN109492580B (zh) | 一种基于全卷积网络的邻域显著性参照的多尺寸航拍图像定位方法 | |
CN103791902B (zh) | 适用于高机动载体的星敏感器自主导航方法 | |
CN107451593A (zh) | 一种基于图像特征点的高精度gps定位方法 | |
Pink et al. | Automated map generation from aerial images for precise vehicle localization | |
CN103017762A (zh) | 地基光电望远镜的空间目标快速捕获定位方法 | |
CN104019818B (zh) | 一种基于预测轨迹的行星导航轨道器布局优化方法 | |
CN105021190A (zh) | 反卫星导航欺诈的方法以及基于该方法的无人*** | |
Cruz et al. | MagLand: Magnetic landmarks for road vehicle localization | |
CN108021886A (zh) | 一种无人机重复纹理影像局部显著特征点匹配方法 | |
Li et al. | Automatic construction of radio maps by crowdsourcing PDR traces for indoor positioning | |
Wei et al. | Vehicle localization based on odometry assisted magnetic matching | |
Fervers et al. | Continuous self-localization on aerial images using visual and lidar sensors | |
CN104776845B (zh) | 一种基于组合模式的自主星识别方法 | |
Wang et al. | Efficient terrain matching with 3-D Zernike moments | |
CN103925922A (zh) | 一种适用于高动态条件下iccd星图的恒星识别方法 | |
CN112729277B (zh) | 基于动态夹角匹配的星敏感器星图识别方法 | |
CN104819715B (zh) | 一种基于一维矢量模式的自主星识别方法 | |
Gakne et al. | Tackling the scale factor issue in a monocular visual odometry using a 3D city model | |
Kim | Aerial map-based navigation using semantic segmentation and pattern matching | |
Lu et al. | Toward Designing an Attentive Deep Trajectory Predictor Based on Bluetooth Low Energy Signal | |
Yang et al. | Real-time infrastructureless indoor tracking for pedestrian using a smartphone | |
Kim et al. | Vision-based map-referenced navigation using terrain classification of aerial images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20170503 |