CN108195370B - 一种星相机星图识别方法 - Google Patents
一种星相机星图识别方法 Download PDFInfo
- Publication number
- CN108195370B CN108195370B CN201711267403.2A CN201711267403A CN108195370B CN 108195370 B CN108195370 B CN 108195370B CN 201711267403 A CN201711267403 A CN 201711267403A CN 108195370 B CN108195370 B CN 108195370B
- Authority
- CN
- China
- Prior art keywords
- star
- stars
- navigation
- candidate
- satellites
- 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
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
一种星相机星图识别方法,包括导航星表模式生成、星点观测模式生成、径向角距匹配、环向中心角匹配、星相机视场角检测。其中导航星表模式生成过程需要预先完成,获得导航星表模式;然后进行后续算法匹配过程,即进行星点观测模式生成;将星点观测模式径向角距信息与导航星表模式径向角距信息对比,根据径向角距信息匹配门限筛选出星点的潜在候选星;将星点观测模式环向中心角与导航星表模式环向中心角对比,根据环向中心角匹配门限筛选出星点的候选星;对星点的候选星进行视场角检测,去除错误候选星,完成星图识别;完成星图识别后,由识别后的导航星的临星组成Cache,下次识别过程仅使用Cache中导航星进行,从而完成匹配加速。
Description
技术领域
本发明属于航天光学遥感技术领域,涉及一种星相机星图识别方法,应用于高分辨率对地观测遥感相机姿态测量。
背景技术
提高遥感影像的几何定位精度是高分辨率遥感应用的基础,实现高精度几何定位,首要的工作是检校和补偿高分辨率遥感相机的***误差。星上各类敏感器相对于遥感相机的姿态误差对影像定位精度的影响最直接。为实现高分辨率空间光学成像和准确的几何定位,国外先进的高分辨率光学卫星很多都采用了测量***与遥感相机一体化集成设计,提高了光轴指向确定精度,减少了姿态误差的传递。星相机作为星上姿态控制***中姿态测量精度最高的测量部件,实践中常用标校遥感相机和星相机之间的姿态关系矩阵实现***误差的补偿,并通过遥感相机和星相机主光轴之间交联角来直观反映。
随着遥感相机分辨率越来越高,这也对星相机的姿态测量精度提出了更高的要求。通常会采用减小星相机视场,提高光学***灵敏度的设计方式来获得较高的测量精度。由于观测星等提高,用于星图识别的导航星数量增加很多,直接影响星图识别算法效率和准确性,需要星图识别算法同时具备高识别效率和高准确率。
工程中应用的星图识别算法都是通过实际拍摄星图与所存储的导航星表匹配来实现星图识别的。星图识别算法大体分为两类,一类是子图同构算法,这类算法以星与星之间的角距为边,星为顶点,把观测星图看成是全天星图的子图。它们直接或者间接的利用角距,以线段(角距)、三角形、四边形等为基本匹配元素,并按照一定方式组织导航特征表。利用这些基本元素的组合,一旦在全天星图中找到唯一符合匹配条件的区域(子图),则它就是观测星图的对应匹配。这类算法主要包含多边形算法、三角形算法和匹配组算法等。由于一些星点构成的子图是相同的,这类算法会存在错误匹配的情形,影响其稳定性。
另一类是模式识别算法,这类算法为每颗星构造一个独一无二的特征,即星模式,通常以一定邻域内其他星的几个分布特征来构成。这样,星图识别实质上就是在导航星表中寻找与观测星模式最接近的导航星。这类算法最具代表性的为栅格算法。同其他算法相比,栅格算法具备较高识别率,导航星表体积小。由于栅格算法需要找出近临星来生成星模式,有时找出近临星的概率不高,在近临星确定错误时,将产生错误的星模式,严重影响正确识别率。
传统星图识别算法都会对导航星表进行划分,通常划分为很多块,在完成初始天区捕获后,将进入跟踪模式。跟踪模式下,星图识别过程只和局部几个天区的导航星表进行比对,以提高识别效率。尽管有多种方法来对天区进行均匀划分,但是很难保证完全均匀,局部天区导航星表中存储导航星数量较多,也一定程度上影响星图识别算法效率。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种星相机星图识别方法,解决了传统星图识别算法计算量大,导航星表划分不均匀影响识别效率的问题。
本发明的技术方案是:
一种星相机星图识别方法,包括如下步骤:
1)选取空中导航星分别作为对象星,获得对象星径向角距信息和环向中心角信息,建立导航星表;
2)将星相机拍摄星图中的各观测星分别作为对象星,获得对象星径向角距信息和环向中心角信息,建立星点观测表;
3)根据导航星表和径向角距匹配门限,从导航星中粗略筛选出潜在候选星;
4)根据星点观测表和环向中心角匹配门限,从潜在候选星中筛选出观测星的候选星;
5)从观测星的候选星中去除错误的候选星,完成星图识别;
6)由识别后的导航星的临星组成Cache,下次识别过程使用Cache中的导航星进行。
所述获得对象星径向角距信息和环向中心角信息的方法如下:
11)任意选取一颗对象星Ri为原点,建立极坐标系,选取角距大于星相机的最小角距的临星,根据临星与对象星连线的夹角大小将临星按顺序进行编号;
14)重复步骤11)至13)获得所有对象星的径向角距信息和环向中心角信息。
所述粗略筛选出观测星的潜在候选星的具体方法为:
根据导航星表,找出与星相机当前视场中观测星径向角距信息部分相同的导航星,计算导航星与观测星的相同角距的数量,若该数量大于等于径向角距匹配门限,则该导航星为观测星的潜在候选星。
所述从潜在候选星中筛选出观测星的候选星的具体方法为:
计算潜在候选星中径向角距相同的临星两两夹角构成的环向中心角,计算星点观测表中上述环向中心角相同的观测星数量,若该数量大于等于环向中心角匹配门限,则该潜在候选星为观测星的候选星。
所述去除错误候选星的具体方法为:
对筛选出观测星的候选星进行两两向量点乘运算,计算每一颗候选星与其他候选星点乘结果大于星相机视场角余弦值的数量,找出该数量小于等于视场匹配门限则的候选星,作为错误候选星,去除所有错误候选星。
所述径向角距匹配门限为0.3-0.5倍的星相机当前视场中观测星临星的数量。
所述环向中心角匹配门限为0.3-0.5倍的星相机当前视场中观测星临星的数量。
所述视场匹配门限为0.3-0.5倍已筛选出观测星的候选星的数量。
本发明与现有技术相比的有益效果是:
1)本星图识别算法计算量少,仅在星点观测模式生成中获取径向角距存在少量运算,而环向中心角通过预存查找表方式获取,不存在除法、开方和三角函数等消耗CPU资源的运算;
2)传统星图识别算法都会对导航星表进行划分,通常划分为很多块,在完成初始天区捕获后,将进入跟踪模式。跟踪模式下,星图识别过程只和局部几个天区的导航星表进行比对,以提高识别效率。尽管有多种方法来对天区进行均匀划分,但是很难保证完全均匀,局部天区导航星表中存储导航星数量较多,也一定程度上影响星图识别算法效率。本星图识别算法不再使用天区划分方法,所存星点数量根据具体指向动态调整,优于传统静态天球划分方法,识别效率高;
3)本星图识别算法鲁棒性高,本算法引入角距离散量、环向中心角离散量、径向角距匹配门限和环向中心角匹配门限,大大降低噪声影响。
附图说明
图1是本发明星图识别算法流程图;
图2是径向角距和环向中心角编号示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行进一步的详细描述。
本发明的流程图如图1所示,所述导航星表模式生成过程:使用选定的导航星表,根据最小角距Dmin、最大角距Dmax、星相机视场角FOV、角距离散量mierrD和环向中心角离散量mierrθ建立导航星表模式,并记录导航星表模式星点信息、径向角距信息和环向中心角信息入口地址。
对于导航星表中导航星Ri,模式生成方法如下:首先建立接近导航星Ri的子集V,即从Ri引出的角距大于Dmin而小于Dmax的临星组成V。导航星Ri为原点,建立极坐标系,根据临星与对象星连线的夹角大小将临星按顺序进行编号,如图2所示。
对于V中的元素Vj,Ri和Vj之间的径向角距为Dij,环向中心角为θij,使用角距离散量mierrD离散化Dij为 将编号相邻的两个元素Vj和Vi使用角距离散量mierrθ离散化环向中心角θij为 将导航星Ri所有临星径向角距离散化,获得导航星Ri径向角距信息同理将导航星Ri所有临星环向中心角离散化,获得导航星Ri环向中心角信息对选定的导航星表中每颗导航星进行前述处理,建立每颗导航星的径向角距信息和环向中心角信息。统计分析所有导航星的径向角距信息,按照导航星编号顺序编排径向角距信息。统计分析所有导航星的环向中心角信息,按照导航星编号顺序编排径向角距和环向中心角匹配对信息至此完成导航星表模式生成。
所述星点观测模式生成过程:使用星相机拍摄星图中检测到星点,根据最小角距Dmin、最大角距Dmax、星相机视场角FOV、角距离散量mierrD和环向中心角离散量mierrθ建立星点观测模式,包含径向角距信息和环向中心角信息。处理方法同导航星表模式生成过程,建立星点观测模式为径向角距信息径向角距和环向中心角匹配对信息
所述径向角距匹配过程:将星点k观测模式径向角距信息与导航星表模式径向角距信息对比,只要导航星表中导航星存在与星点观测模式相同的径向角距,导航星对应权值就加1,将星点观测模式径向角距与导航星表径向角距信息编排完成全部比对,设定匹配门限为δ,δ为0.3-0.5倍的星相机当前视场中观测星临星的数量,若导航星匹配观测星的角距数量大于等于δ,即认为此导航星为观测星点k潜在候选星。潜在候选星可能存在多个,作为后续环向中心角匹配的输入。
所述环向中心角匹配过程:将星点观测模式环向中心角与导航星表模式环向中心角对比,根据环向中心角匹配门限在潜在候选星中筛选出星点的候选星。由前述径向角距匹配结果获得导航星i为观测星点k的潜在候选星,导航星i径向角距和环向中心角匹配对信息观测星点k径向角距和环向中心角匹配对信息通过α小于等于2,获得导航星i匹配对和测星点k匹配对的比较入口,相同方式寻找导航星i匹配对和测星点k匹配对下一个比较入口,由两个入口获得两个子匹配对,分别统计导航星i子匹配对和观测星点k子匹配对的环向中心角数值为θi,γk,当|θi-γk|≤β,β小于等于5,即认为两个子匹配对相同,导航星i环向中心角权值加1。再次寻找下一个比较入口,直到导航星i环向中心角匹配门限达到ε,ε为0.3-0.5倍星相机当前视场中观测星临星的数量,即认为导航星i为观测星点k最终候选星。
所述星相机视场角检测过程:将所有星点对应的候选星进行视场角检测,去除错误候选星,完成星图识别。计算候选星归一化向量,候选星之间两两进行向量点乘运算,若点乘结果大于视场角余弦值,则认为两个候选星在一个视场内,否则不在一个视场内。计算每一颗候选星与其他候选星点乘结果大于星相机视场角余弦值的数量,若该数量大于视场匹配门限则判定为候选星,即认为候选星在一个视场内,最终完成星图识别。视场匹配门限为0.3-0.5倍已筛选出观测星的候选星的数量。
临星Cache匹配加速:前述过程完成星图识别后,由识别后导航星的临星组成Cache,下次识别过程仅使用Cache中导航星进行,从而完成从全天球捕获到局部天区跟踪过程,实现星图识别算法加速。
本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。
Claims (9)
1.一种星相机星图识别方法,其特征在于包括如下步骤:
1)选取空中导航星分别作为对象星,获得对象星径向角距信息和环向中心角信息,建立导航星表;
2)将星相机拍摄星图中的各观测星分别作为对象星,获得对象星径向角距信息和环向中心角信息,建立星点观测表;
3)根据导航星表和径向角距匹配门限,从导航星中粗略筛选出潜在候选星;
4)根据星点观测表和环向中心角匹配门限,从潜在候选星中筛选出观测星的候选星;
5)从观测星的候选星中去除错误的候选星,完成星图识别;
6)由识别后的导航星的临星组成Cache,下次识别过程使用Cache中的导航星进行;
步骤5)所述去除错误候选星的具体方法为:
对筛选出观测星的候选星进行两两向量点乘运算,计算每一颗候选星与其他候选星点乘结果大于星相机视场角余弦值的数量,找出该数量小于等于视场匹配门限的候选星,作为错误候选星,去除所有错误候选星。
3.根据权利要求1所述的一种星相机星图识别方法,其特征在于:所述粗略筛选出观测星的潜在候选星的具体方法为:
根据导航星表,找出与星相机当前视场中观测星径向角距信息部分相同的导航星,计算导航星与观测星的相同角距的数量,若该数量大于等于径向角距匹配门限,则该导航星为观测星的潜在候选星。
4.根据权利要求1所述的一种星相机星图识别方法,其特征在于:所述从潜在候选星中筛选出观测星的候选星的具体方法为:
计算潜在候选星中径向角距相同的临星两两夹角构成的环向中心角,计算星点观测表中上述环向中心角相同的观测星数量,若该数量大于等于环向中心角匹配门限,则该潜在候选星为观测星的候选星。
7.根据权利要求1-6任意一项所述的一种星相机星图识别方法,其特征在于:所述径向角距匹配门限为0.3-0.5倍的星相机当前视场中观测星临星的数量。
8.根据权利要求7所述的一种星相机星图识别方法,其特征在于:所述环向中心角匹配门限为0.3-0.5倍的星相机当前视场中观测星临星的数量。
9.根据权利要求8所述的一种星相机星图识别方法,其特征在于:所述视场匹配门限为0.3-0.5倍已筛选出观测星的候选星的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711267403.2A CN108195370B (zh) | 2017-12-05 | 2017-12-05 | 一种星相机星图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711267403.2A CN108195370B (zh) | 2017-12-05 | 2017-12-05 | 一种星相机星图识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108195370A CN108195370A (zh) | 2018-06-22 |
CN108195370B true CN108195370B (zh) | 2020-02-14 |
Family
ID=62573662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711267403.2A Active CN108195370B (zh) | 2017-12-05 | 2017-12-05 | 一种星相机星图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108195370B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111174776B (zh) * | 2020-01-22 | 2020-11-03 | 中国科学院西安光学精密机械研究所 | 一种基于径向与动态环向模式的星图识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
KR20110129000A (ko) * | 2010-05-25 | 2011-12-01 | 한국과학기술원 | 상관함수를 이용한 별 센서의 별 인식 방법 |
CN104833359A (zh) * | 2015-05-27 | 2015-08-12 | 北京航空航天大学 | 一种基于离散马尔科夫特征序列模型的星图模式识别方法 |
CN106289240A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种基于主星的两步匹配星图识别方法 |
CN106403929A (zh) * | 2016-08-22 | 2017-02-15 | 清华大学 | 星敏感器星图识别和姿态解算的快速鲁棒校验方法 |
-
2017
- 2017-12-05 CN CN201711267403.2A patent/CN108195370B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
KR20110129000A (ko) * | 2010-05-25 | 2011-12-01 | 한국과학기술원 | 상관함수를 이용한 별 센서의 별 인식 방법 |
CN104833359A (zh) * | 2015-05-27 | 2015-08-12 | 北京航空航天大学 | 一种基于离散马尔科夫特征序列模型的星图模式识别方法 |
CN106289240A (zh) * | 2016-08-18 | 2017-01-04 | 中国人民解放军国防科学技术大学 | 一种基于主星的两步匹配星图识别方法 |
CN106403929A (zh) * | 2016-08-22 | 2017-02-15 | 清华大学 | 星敏感器星图识别和姿态解算的快速鲁棒校验方法 |
Non-Patent Citations (2)
Title |
---|
Full-sky autonomous star identification based on radial and cyclic features of star pattern;Guangjun Zhang,et al.;《Image and Vision Computing》;20081231;第26卷;891-897 * |
添加补偿码的快速径向伴星特征星图识别;高扬等;《光学精密工程》;20170630;第25卷(第6期);1627-1634 * |
Also Published As
Publication number | Publication date |
---|---|
CN108195370A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109813303B (zh) | 一种基于角模式簇投票的不依赖标定参数的星图识别方法 | |
CN106056605B (zh) | 一种基于图像匹配的在轨高精度图像定位方法 | |
CN105354841B (zh) | 一种快速遥感影像匹配方法及*** | |
Li et al. | Iterative algorithm for autonomous star identification | |
CN103363987B (zh) | 一种多视场星敏感器的星图识别方法 | |
CN109376208A (zh) | 一种基于智能终端的定位方法、***、存储介质及设备 | |
Hernández et al. | Robust polygon recognition method with similarity invariants applied to star identification | |
Jiang et al. | Redundant-coded radial and neighbor star pattern identification algorithm | |
CN107907126B (zh) | 一种基于三角形匹配的星图识别方法、装置及*** | |
Samaan et al. | Nondimensional star identification for uncalibrated star cameras | |
Jiang et al. | Rapid star tracking algorithm for star sensor | |
CN108195370B (zh) | 一种星相机星图识别方法 | |
Zhu et al. | A robust and fast star identification algorithm based on an ordered set of points pattern | |
Zhou et al. | Calibration method for IATS and application in multi-target monitoring using coded targets | |
WO2017107866A1 (zh) | 图像检索服务器、***、相关检索及排错方法 | |
CN112179335B (zh) | 一种基于最简一般子图的星图识别方法 | |
CN112729288B (zh) | 一种重力梯度-地形异源数据匹配的导航定位*** | |
CN103925922A (zh) | 一种适用于高动态条件下iccd星图的恒星识别方法 | |
CN111174776B (zh) | 一种基于径向与动态环向模式的星图识别方法 | |
CN111156991B (zh) | 基于指向误差自动测定的空间碎片实时天文定位方法 | |
Wei et al. | Star identification algorithm based on oriented singular value feature and reliability evaluation method | |
CN115290100A (zh) | 一种基于姿态信息的分区快速星图识别方法 | |
Xie et al. | A robust autonomous star identification algorithm for ZY3 satellite | |
Zhang et al. | Star Identification Utilizing Modified Triangle Algorithms | |
Miri et al. | Star identification using Delaunay triangulation and distributed neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |