CN109238269A - 一种跨非连续视场融合的星图匹配方法 - Google Patents
一种跨非连续视场融合的星图匹配方法 Download PDFInfo
- Publication number
- CN109238269A CN109238269A CN201811033219.6A CN201811033219A CN109238269A CN 109238269 A CN109238269 A CN 109238269A CN 201811033219 A CN201811033219 A CN 201811033219A CN 109238269 A CN109238269 A CN 109238269A
- Authority
- CN
- China
- Prior art keywords
- star
- angular distance
- navigational
- fixed
- double
- 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.)
- Pending
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
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)
- Navigation (AREA)
Abstract
本发明公开一种跨非连续视场融合的星图匹配方法,确定星敏感器坐标系间的转换矩阵;确定光学探头视轴指向间的角距;利用视星等阈值过滤法对天文基本星表中恒星进行筛选,获得备选恒星集合;计算基于双视轴安装关系的环状恒星筛选区域,遍历筛选备选集合中所有恒星,获得导航星恒星集合,依据分组存储原则,建立双视场适应性全天导航星表;接收星敏感器处理后的双视场星图,获得同视轴下的虚拟非连续视场星图;遍历大视场星图中所有星点,构建导航三角形特征集合;利用导航星表与导航三角形特征进行三角形星图匹配,输出识别结果。此种方法利用多小视场合成弥补了可见星少、几何构型差的问题,针对性地构建导航星表,增强算法的效率与鲁棒性。
Description
技术领域
本发明属于星图匹配识别技术领域,特别涉及一种基于跨非连续视场融合的星图匹配方法,。
背景技术
星图匹配是天文导航的关键技术之一,是实现目前乃至未来空天飞行器空天一体化自主飞行的可靠及有效途径。当前大视场星图匹配技术广泛应用于航天器,而在航空领域,受限于飞行器特点与观星条件,多为小视场应用。
随着新型高超声速及空天一体化飞行器的发展,超高速飞行环境下的气动光学效应响为大气层内星图匹配的应用提出了新的要求。受气动光学效应在飞行器尖部和头部影响较大的研究事实,星敏感器的视场大小与安装角度进一步受限,导航可用的可见星数目进一步下降,且几何构型较差,对匹配识别后的测姿定位精度带来不利影响。
常规大视场与多大视场的星图匹配方法适用于大气层外弱气动光学效应、良好观星条件的航天飞行环境,而针对大气层内的高超声速飞行环境则无法很好过度衔接。小视场星图匹配技术作为一项应对技术,多注重连续星跟踪功能,较少考虑单次匹配识别的鲁棒性问题;对于多视场合成算法,多停留在星图部分重叠拼接的研究,也少有针对性构建导航星表的算法提出。
发明内容
本发明的目的,在于针对大气层内高超声速及空天飞行器星图识别存在的观星条件恶劣问题,提供一种跨非连续视场融合的星图匹配方法,该方法利用多小视场合成弥补了可见星少、几何构型差的问题,针对性地构建导航星表,增强算法的效率与鲁棒性。
为了达成上述目的,本发明的解决方案是:
一种跨非连续视场融合的星图匹配方法,包括如下步骤:
步骤1,根据双视场星敏感器的安装关系,以单光头探头为基准,确定星敏感器坐标系间的转换矩阵;确定光学探头视轴指向间的角距;
步骤2,利用视星等阈值过滤法对天文基本星表中恒星进行筛选,获得备选恒星集合;利用步骤1计算获得的双视场视轴角距结果,计算基于双视轴安装关系的环状恒星筛选区域,遍历筛选备选集合中所有恒星,获得导航星恒星集合,依据分组存储原则,建立双视场适应性全天导航星表;
步骤3,接收星敏感器处理后的双视场星图,利用步骤1计算获得的转换矩阵,获得同视轴下的虚拟非连续视场星图;遍历大视场星图中所有星点,构建导航三角形特征集合;
步骤4,利用步骤2建立的导航星表与步骤3构建的导航三角形特征进行三角形星图匹配,输出识别结果。
采用上述方案后,本发明利用多小视场合成星图,克服可见星数目少、几何构型差的问题,且星图合成不受星敏感器安装角度限制,适应高超速飞行器的发展现状;同时也针对性的提出了适应上述多视场合成条件的全天导航星表,为匹配方法进一步提高效率与鲁棒性。
附图说明
图1是本发明的流程图。
具体实施方式
以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
如图1所示,本发明提供一种跨非连续视场融合的星图匹配方法,包括如下步骤:
1、根据双视场星敏感器的安装关系,确定星敏感器坐标系(以单光头探头为基准)间的转换矩阵;确定光学探头视轴指向间的角距;
1.1:定义星敏感器坐标系为s系,其中以投影中心O为坐标原点,以光学探头的视轴方向为Z轴,平行于矩形感光面两边为X轴和Y轴。即对于双视场星敏感器,存在s1和s2两个星敏感器坐标系;定义“右前上”载体系为b系。
1.2:根据双视场星敏感器与载体的安装关系,可确定s系与b系转换的方向余弦矩阵和不妨设双光学探头的视轴在s1和s2系下的矢量和为:和其中T表示转置。则双视轴指向在载体系中的位置矢量和的表达式为:
那么,两个视轴指向的角距dbore,其表达式为:
式(2)中,arccos()为反余弦函数,|·|表示矢量的模。
2、构建适应性全天导航星表;
2.1:选定某天文基本星表,恒星stari被包含其中,其基本信息为:坐标赤经赤纬为(αi,δi),星等为Mi,恒星编号为i。根据视星等阈值过滤法,以M为阈值筛选基本星表中所有恒星,获得备选恒星集合RS,集合中存储满足条件恒星的基本信息,条件的表达式为:
RS{starj∈RS,Mj≤M} (3)
式(3)中,starj为集合RS的元素。
2.2:以备选恒星集合RS中恒星starj为中心,筛选附近邻域范围内其他恒星stark。计算半径为R的圆形邻域与内外径为(dbore-R)、(dbore+R)圆环邻域搜索范围,当附近恒星stark满足条件时,则其存在于上述两个区域之一,条件的表达式为:
或
记录下恒星starj与其邻域内(即满足公式(4)或(5))的所有恒星stark,构成邻域集合SS。
2.3:重复步骤2.2,遍历备选恒星集合RS中所有恒星starj后,获得j个邻域集合SS,构成导航星表恒星集合CS。
2.4:利用步骤2.3获得的导航星表恒星集合CS,计算其中每个邻域集合SS中任意两恒星间的角距,记录角距值、星对编号及星等信息。计算角距的表达式为:
式(6)中,rm、rn为选定邻域集合SS中任意两恒星在第二天球赤道坐标系中的单位矢量,其计算表达式为:
2.5:重复步骤2.4,直至遍历导航星表恒星集合CS中的所有恒星,获得记录角距值、星对编号及星等信息的导航星表角距信息集合CD,对其中角距值子集{dnm}各角距元素从小到大排序,获得升序子集{dnm}′,取升序子集中角距最大值、最小值分别为dmax和dmin。
2.6:对步骤2.5中升序子集中相邻两个角距元素作差,取绝对值后获得角距差集合{Δd},取角距差集合中最大元素Δdmax,则角距分组间隔D表达式为:
则需要角距组数目N表达式为:
式(9)中,表示向0取整运算。
2.7:根据步骤2.6的角距间隔与角距分组数,将升序子集分为N个角距组G,则第n个角距组(1≤n≤N)的角距上下限表达式为:
[dmin+(n-1)D,dmin+nD] (10)
式(10)中,[·]表示闭区间。
2.8:重复步骤2.7共N次,获得N个角距组上下限;遍历升序子集中所有角距值,当角距满足第n个角距组的上下限条件,将该角距存入第n个角距组中,并同时存储星对编号与星等信息,构成导航星表SC。其中,第n个角距组中的上下限的条件表达式为:
dmin+(n-1)D≤dnm≤dmin+nD (11)
其中,dnm表示第n个角距组中的第m个角距,dmin表示升序子集中角距最小值,D表示角距分组间隔。
3、合成虚拟非连续视场星图,构建导航三角形特征集合;
3.1:接收星敏感器处理后的双视场星图map1和map2,其包含恒星个数分别为N1和N2。若星点p在星图map1中,则可知其坐标为(xp,yp)1,星等为(Mp)1;同理,存在星图map2中的星点q的坐标、星等分别为(xq,yq)2、(Mq)2。
3.2:令星敏感器双光学探头1和2的镜头等效焦距分别为f1和f2;对存在于星图map2中的星点q坐标扩维,扩维后坐标为(xq,yq,f2)2,即扩维后星点q存在于以光学探头2为基准的星敏感器坐标系s2系。
3.3:利用步骤1.2获得的s系与b系转换的方向余弦矩阵和可获得由s2系转换到s1系的方向余弦矩阵,其表达式如下:
则设星点q通过从s2系转换到s1系的坐标为(x′q,y′q,z′q)1,则转换表达式为:
3.4:利用步骤3.3中星点q在s1系的坐标,通过投影变换可以获得星点q转换后在星图map1的坐标为(xq,yq)1,其表达式为:
3.5:重复步骤3.2~3.4,遍历星图map2中共N2颗恒星,悉数转换至星图map1,记录其转换后坐标与星等,获得虚拟非连续视场合成星图map3,共(N1+N2)颗恒星。
3.6:利用步骤3.5获得的合成星图map3,遍历所有星点,选择三颗不共线星点组成导航三角形,记录其角距、星对编号和星点星等。其中,合成星图中星点p、q间角距表达式为:
式(15)中,rq和rp为扩维后单位矢量,其表达式为:
3.7:重复步骤3.6,遍历合成星图map3中所有星点,构成导航三角形特征集合TR。
4、进行三角形匹配,输出结果
4.1:利用步骤3.7获得的导航三角形特征集合TR,设存在TR中三角形的由星点p、q和t组成,计Δpqt的三边分别为dpq、dpt和dqt。
4.2:在步骤2获得的导航星表SC中的角距组G中搜索Δpqt的三边,当满足第i角距组Gn的上下限条件时,即可确认一边的搜索候选位于角距组Gn中,其上下限条件的表达式为:
dmin+(i-1)D≤dpq≤dmin+iD (17)
4.3:重复步骤4.2三次,确定Δpqt三边dpq、dpt和dqt分别位于角距组G1、G2和G3。在各角距组中搜索三边符合匹配阈值ε角距,分别记录其星对编号,组成3边星对编号集合HR1、HR2和HR3,其三边阈值搜索表达式为:
式(18)中,和表示在合成星图中的星点p、q和t三点之间的角距,和表示在导航星表SC中恒星i、j和k三颗星之间的角距。
4.4:重复步骤4.2~4.4,直至遍历所有导航三角形特征集合TR,获得更新后的星对编号集合HR1、HR2和HR3。
4.5:搜索步骤4.5获得的星对编号集合HR1、HR2和HR3,当存在搜索结果表达式为:
即在导航星表SC中,匹配到Δijk与合成星图Δpqt对应,记录Δijk三边星对编号(i,j,k)。
4.6:重复步骤4.5,直至搜索完星对编号集合HR1、HR2和HR3所有边。若记录的星对编号唯一,则匹配成功,输出结果;反之失败。
为验证本发明的一种基于多小视场的三角形星图匹配方法,此处给出多小视场合成的三角形星图匹配仿真实验。
首先,设定小视场星敏感器的仿真参数,如表1所示。而星敏感器双光学探头安装关系,s1系与“右前上”载体系重合,s2系的XYZ三轴分别指向载体系的前上右。
表1、星敏感器仿真参数表
其次,适应性导航星表按本发明提出方法预先生成,星图识别时直接载入预先生成的数据。使用HD星表(The Henry Draper Catalogue)作为天文基本星表,利用视星等过滤方法,以6等作为阈值,筛选后共计5076颗恒星,其恒星编号以1000~6076编制。
之后,随机生成光学探头1的视轴指向为:赤经55.7876°,赤纬68.3501°。利用旋转矩阵可得光学探头2的视轴指向为:赤经7.6569°,赤纬-14.8384°。则模拟合成的观测星图中包含8颗恒星,编号分别为:1051、1100、1104、1130、1290、1330、1332、1334。
以0.02°作为匹配阈值ε,利用本发明提出的匹配方法进行匹配,结果输出一个三角形,编号为1290、1332、1334。
综合上述,本发明一种跨非连续视场融合的星图匹配方法,针对非连续双视场星敏感器,根据非连续双光学探头的安装矩阵,确定双视轴在空间中的相对位置关系,在天文基本星表中利用环状区域搜索筛选恒星,构建适应双视场的导航星表;在匹配阶段,利用安装矩阵合成虚拟非连续视场观测星图,之后利用分组搜索的匹配算法进行匹配识别。本发明可适应安装角度任意的非连续双视场星敏感器星图匹配应用,提高了安装灵活性;与传统星图识别方法相比,本发明合成了虚拟非连续视场,具有更好的几何构型和更高的可识别性;与传统多视场星图识别方法相比,本发明提出了适应性的导航星表构建方法,可以提高多视场匹配算法的效率与鲁棒性。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (7)
1.一种跨非连续视场融合的星图匹配方法,其特征在于包括如下步骤:
步骤1,根据双视场星敏感器的安装关系,以单光头探头为基准,确定星敏感器坐标系间的转换矩阵;确定光学探头视轴指向间的角距;
步骤2,利用视星等阈值过滤法对天文基本星表中恒星进行筛选,获得备选恒星集合;利用步骤1计算获得的双视场视轴角距结果,计算基于双视轴安装关系的环状恒星筛选区域,遍历筛选备选集合中所有恒星,获得导航星恒星集合,依据分组存储原则,建立双视场适应性全天导航星表;
步骤3,接收星敏感器处理后的双视场星图,利用步骤1计算获得的转换矩阵,获得同视轴下的虚拟非连续视场星图;遍历大视场星图中所有星点,构建导航三角形特征集合;
步骤4,利用步骤2建立的导航星表与步骤3构建的导航三角形特征进行三角形星图匹配,输出识别结果。
2.如权利要求1所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤1中,根据双视场星敏感器的安装关系,以单光头探头为基准,确定星敏感器坐标系间的转换矩阵的具体内容是:
1.1:定义星敏感器坐标系为s系,其中以投影中心O为坐标原点,以光学探头的视轴方向为Z轴,平行于矩形感光面两边为X轴和Y轴;即对于双视场星敏感器,存在s1和s2两个星敏感器坐标系;定义“右前上”载体系为b系;
1.2:根据双视场星敏感器与载体的安装关系,确定s系与b系转换的方向余弦矩阵和设双光学探头的视轴在s1和s2系下的矢量和为:和其中T表示转置;则双视轴指向在载体系中的位置矢量r1 b和的表达式为:
3.如权利要求1所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤1中,光学探头视轴指向间的角距dbore表达式为:
其中,arccos()为反余弦函数,|·|表示矢量的模,r1 b和表示双视轴指向在载体系中的位置矢量。
4.如权利要求1所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤2的具体内容是:
2.1:选定某天文基本星表,恒星stari被包含其中,其基本信息为:坐标赤经赤纬为(αi,δi),星等为Mi,恒星编号为i;根据视星等阈值过滤法,以M为阈值筛选基本星表中所有恒星,获得备选恒星集合RS,集合中存储满足条件恒星的基本信息,条件的表达式为:
RS{starj∈RS,Mj≤M}
其中,starj为集合RS的元素;
2.2:以备选恒星集合RS中恒星starj为中心,筛选附近邻域范围内其他恒星stark;计算半径为R的圆形邻域与内外径为(dbore-R)、(dbore+R)圆环邻域搜索范围,当附近恒星stark满足条件时,则其存在于上述两个区域之一,条件的表达式为:
或
记录下恒星starj与其邻域内的所有恒星stark,构成邻域集合SS;
2.3:重复步骤2.2,遍历备选恒星集合RS中所有恒星starj后,获得j个邻域集合SS,构成导航星表恒星集合CS;
2.4:利用步骤2.3获得的导航星表恒星集合CS,计算其中每个邻域集合SS中任意两恒星间的角距,记录角距值、星对编号及星等信息;
2.5:重复步骤2.4,直至遍历导航星表恒星集合CS中的所有恒星,获得记录角距值、星对编号及星等信息的导航星表角距信息集合CD,对其中角距值子集{dnm}各角距元素从小到大排序,获得升序子集{dnm}′,取升序子集中角距最大值、最小值分别为dmax和dmin;
2.6:对步骤2.5中升序子集中相邻两个角距元素作差,取绝对值后获得角距差集合{Δd},取角距差集合中最大元素Δdmax,则角距分组间隔D表达式为:
则需要角距组数目N表达式为:
其中,表示向0取整运算;
2.7:根据步骤2.6的角距间隔与角距分组数,将升序子集分为N个角距组G,则第n个角距组的角距上下限表达式为:
[dmin+(n-1)D,dmin+nD]
其中,[·]表示闭区间,1≤n≤N;
2.8:重复步骤2.7共N次,获得N个角距组上下限;遍历升序子集中所有角距值,当角距满足第n个角距组的上下限条件,将该角距存入第n个角距组中,并同时存储星对编号与星等信息,构成导航星表SC。
5.如权利要求4所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤2.8中,导航星表SC将由N个角距组构成,则第n个角距组的上下限条件表达式为:
dmin+(n-1)D≤dnm≤dmin+nD
其中,dnm表示第n个角距组中的第m个角距,dmin表示升序子集中角距最小值,D表示角距分组间隔。
6.如权利要求1所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤3的具体内容是:
3.1:接收星敏感器处理后的双视场星图map1和map2,其包含恒星个数分别为N1和N2;若星点p在星图map1中,则其坐标为(xp,yp)1,星等为(Mp)1;同理,存在星图map2中的星点q的坐标、星等分别为(xq,yq)2、(Mq)2;
3.2:令星敏感器双光学探头1和2的镜头等效焦距分别为f1和f2;对存在于星图map2中的星点q坐标扩维,扩维后坐标为(xq,yq,f2)2,即扩维后星点q存在于以光学探头2为基准的星敏感器坐标系s2系;
3.3:利用s系与b系转换的方向余弦矩阵和获得由s2系转换到s1系的方向余弦矩阵其表达式如下:
则设星点q通过从s2系转换到s1系的坐标为(x′q,y′q,z′q)1,则转换表达式为:
3.4:利用步骤3.3中星点q在s1系的坐标,通过投影变换获得星点q转换后在星图map1的坐标为(xq,yq)1;
3.5:重复步骤3.2~3.4,遍历星图map2中共N2颗恒星,悉数转换至星图map1,记录其转换后坐标与星等,获得虚拟非连续视场合成星图map3,共N1+N2颗恒星;
3.6:利用步骤3.5获得的合成星图map3,遍历所有星点,选择三颗不共线星点组成导航三角形,记录其角距、星对编号和星点星等;
3.7:重复步骤3.6,遍历合成星图map3中所有星点,构成导航三角形特征集合TR。
7.如权利要求1所述的一种跨非连续视场融合的星图匹配方法,其特征在于:所述步骤4的具体内容是:
4.1:利用导航三角形特征集合TR,设存在TR中三角形的由星点p、q和t组成,计Δpqt的三边分别为dpq、dpt和dqt;
4.2:在步骤2获得的导航星表SC中的角距组G中搜索Δpqt的三边,当满足第i角距组Gn的上下限条件时,则确认一边的搜索候选位于角距组Gn中;
4.3:重复步骤4.2三次,确定Δpqt三边dpq、dpt和dqt分别位于角距组G1、G2和G3;在各角距组中搜索三边符合匹配阈值ε角距,分别记录其星对编号,组成3边星对编号集合HR1、HR2和HR3;
4.4:重复步骤4.2~4.4,直至遍历所有导航三角形特征集合TR,获得更新后的星对编号集合HR1、HR2和HR3;
4.5:搜索步骤4.5获得的星对编号集合HR1、HR2和HR3,当存在搜索结果表达式为:
(i,j)∈HR1
(i,k)∈HR2
(j,k)∈HR3
即在导航星表SC中,匹配到Δijk与合成星图Δpqt对应,记录Δijk三边星对编号(i,j,k);
4.6:重复步骤4.5,直至搜索完星对编号集合HR1、HR2和HR3所有边,若记录的星对编号唯一,则匹配成功,输出结果;反之失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811033219.6A CN109238269A (zh) | 2018-09-05 | 2018-09-05 | 一种跨非连续视场融合的星图匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811033219.6A CN109238269A (zh) | 2018-09-05 | 2018-09-05 | 一种跨非连续视场融合的星图匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109238269A true CN109238269A (zh) | 2019-01-18 |
Family
ID=65067435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811033219.6A Pending CN109238269A (zh) | 2018-09-05 | 2018-09-05 | 一种跨非连续视场融合的星图匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109238269A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110793529A (zh) * | 2019-12-18 | 2020-02-14 | 福州大学 | 一种快速匹配星图识别方法 |
CN112697136A (zh) * | 2020-11-26 | 2021-04-23 | 北京机电工程研究所 | 一种快速最小化区域星图模拟方法 |
CN114252088A (zh) * | 2020-09-25 | 2022-03-29 | 南京理工大学 | 基于平行光管的星图匹配半实物验证方法 |
CN114396935A (zh) * | 2021-12-02 | 2022-04-26 | 上海航天控制技术研究所 | 一种基于二次最优权重的星敏感器导航星库构建方法 |
CN115326059A (zh) * | 2022-10-17 | 2022-11-11 | 中国人民解放军国防科技大学 | 基于已知空间目标双方向矢量观测的自主导航方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6957222B1 (en) * | 2001-12-31 | 2005-10-18 | Ncr Corporation | Optimizing an outer join operation using a bitmap index structure |
CN101995248A (zh) * | 2010-11-12 | 2011-03-30 | 清华大学 | 一种快速搜索导航星表的方法 |
CN103344256A (zh) * | 2013-06-19 | 2013-10-09 | 哈尔滨工业大学 | 一种多视场星敏感器实验室测试方法 |
CN103363987A (zh) * | 2013-06-26 | 2013-10-23 | 哈尔滨工业大学 | 一种多视场星敏感器的星图识别方法 |
CN103868510A (zh) * | 2014-03-27 | 2014-06-18 | 北京控制工程研究所 | 一种快速全天星图自主恒星识别方法 |
CN108225307A (zh) * | 2017-12-29 | 2018-06-29 | 南京航空航天大学 | 一种惯性测量信息辅助的星图匹配方法 |
-
2018
- 2018-09-05 CN CN201811033219.6A patent/CN109238269A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6957222B1 (en) * | 2001-12-31 | 2005-10-18 | Ncr Corporation | Optimizing an outer join operation using a bitmap index structure |
CN101995248A (zh) * | 2010-11-12 | 2011-03-30 | 清华大学 | 一种快速搜索导航星表的方法 |
CN103344256A (zh) * | 2013-06-19 | 2013-10-09 | 哈尔滨工业大学 | 一种多视场星敏感器实验室测试方法 |
CN103363987A (zh) * | 2013-06-26 | 2013-10-23 | 哈尔滨工业大学 | 一种多视场星敏感器的星图识别方法 |
CN103868510A (zh) * | 2014-03-27 | 2014-06-18 | 北京控制工程研究所 | 一种快速全天星图自主恒星识别方法 |
CN108225307A (zh) * | 2017-12-29 | 2018-06-29 | 南京航空航天大学 | 一种惯性测量信息辅助的星图匹配方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110793529A (zh) * | 2019-12-18 | 2020-02-14 | 福州大学 | 一种快速匹配星图识别方法 |
CN110793529B (zh) * | 2019-12-18 | 2022-06-03 | 福州大学 | 一种快速匹配星图识别方法 |
CN114252088A (zh) * | 2020-09-25 | 2022-03-29 | 南京理工大学 | 基于平行光管的星图匹配半实物验证方法 |
CN114252088B (zh) * | 2020-09-25 | 2024-05-24 | 南京理工大学 | 基于平行光管的星图匹配半实物验证方法 |
CN112697136A (zh) * | 2020-11-26 | 2021-04-23 | 北京机电工程研究所 | 一种快速最小化区域星图模拟方法 |
CN112697136B (zh) * | 2020-11-26 | 2023-12-05 | 北京机电工程研究所 | 一种快速最小化区域星图模拟方法 |
CN114396935A (zh) * | 2021-12-02 | 2022-04-26 | 上海航天控制技术研究所 | 一种基于二次最优权重的星敏感器导航星库构建方法 |
CN114396935B (zh) * | 2021-12-02 | 2023-09-05 | 上海航天控制技术研究所 | 一种基于二次最优权重的星敏感器导航星库构建方法 |
CN115326059A (zh) * | 2022-10-17 | 2022-11-11 | 中国人民解放军国防科技大学 | 基于已知空间目标双方向矢量观测的自主导航方法 |
CN115326059B (zh) * | 2022-10-17 | 2022-12-13 | 中国人民解放军国防科技大学 | 基于已知空间目标双方向矢量观测的自主导航方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109238269A (zh) | 一种跨非连续视场融合的星图匹配方法 | |
Chen et al. | Filamentary Accretion Flows in the Infrared Dark Cloud G14. 225–0.506 Revealed by ALMA | |
CN104748728B (zh) | 智能机姿态矩阵计算方法及其应用于摄影测量的方法 | |
ES2885863T3 (es) | Procedimiento de determinación de la dirección de un objeto a partir de una imagen del mismo | |
CN105474033A (zh) | 智能机姿态测定、全景影像生成及目标识别方法 | |
CN110930508B (zh) | 二维光电视频与三维场景融合方法 | |
CN103148852A (zh) | 一种基于有向环的星图识别方法 | |
CN105182678B (zh) | 一种基于多通道相机观测空间目标的***及方法 | |
CN109708649A (zh) | 一种遥感卫星的姿态确定方法及*** | |
García-Díaz et al. | A Detailed Morpho-kinematic Model of the Eskimo, NGC 2392: A Unifying View with the Cat's Eye and Saturn Planetary Nebulae | |
CN109443359A (zh) | 一种地面全景影像的地理定位方法 | |
Moiseev | Ionized gas rotation curves in nearby dwarf galaxies | |
Cheng et al. | Autonomous landmark based spacecraft navigation system | |
CN109781635A (zh) | 一种分布式遥感卫星*** | |
CN117113645A (zh) | 一种大尺度空间试训任务场景快速生成*** | |
Walter et al. | The Web‐Based Interactive Mars Analysis and Research System for HRSC and the iMars Project | |
CN109540129B (zh) | 一种机载式全天时星敏感器导航星库的制作方法 | |
CN103020934A (zh) | 抗字幕干扰的图像无缝自动拼接方法 | |
CN109341685B (zh) | 一种基于单应变换的固定翼飞机视觉辅助着陆导航方法 | |
CN113063436A (zh) | 评估卫星稳定度及指向精度在轨性能的预报方法及*** | |
CN103884336A (zh) | 一种基于白昼星敏感器的红外恒星探测导航星表的建立方法 | |
Lei et al. | Inertial information based star detection for airborne star sensor | |
Vallée | Arm Tangents and the spiral structure of the Milky Way; the Age Gradient | |
Ancona et al. | Extending a mobile device with low-cost 3d modeling and building-scale mapping capabilities, for application in architecture and archaeology | |
Paar et al. | Vision and image processing |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |