CN110345919A - 基于三维空间向量与二维平面坐标的空间碎片检测方法 - Google Patents
基于三维空间向量与二维平面坐标的空间碎片检测方法 Download PDFInfo
- Publication number
- CN110345919A CN110345919A CN201910445030.6A CN201910445030A CN110345919A CN 110345919 A CN110345919 A CN 110345919A CN 201910445030 A CN201910445030 A CN 201910445030A CN 110345919 A CN110345919 A CN 110345919A
- Authority
- CN
- China
- Prior art keywords
- image
- astrology
- space
- dimensional
- vector
- 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
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于三维空间向量与二维平面坐标的空间碎片检测方法,包括:对图像背景进行估计;获取图像上所有星像的二维平面坐标;通过天文定位的方式,获得所有星像对应的惯性空间的三维向量;根据预设的筛选条件从图像的所有星象中初步筛选出包括背景恒星的疑似星象:结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,识别并剔除所有图像中的背景恒星;结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片。本发明能够灵活地采用多帧图像,对图像上的空间碎片进行检测,降低亮恒星等因素产生的检测虚警,提高暗弱的空间碎片的检测成功率。
Description
技术领域
本发明涉及空间碎片识别技术领域,具体而言涉及一种基于三维空间向量与二维平面坐标的空间碎片检测方法和***。
背景技术
在科研、军事等许多领域,都需要对空间碎片进行监视,给出空间碎片的每一个瞬间在天空中的位置及其变化,确定空间碎片的运行轨道,从而获取空间碎片精确的信息。
CCD的发明,替代了传统的照相观测,成为了空间碎片监视的有效手段之一,尤其对中高轨道的空间碎片。对于科学级CCD来说,通常有三种读出方式:全帧读出、行间转移读出及帧转移读出方式。由于采用帧转移和行间转移读出的CCD通常具有靶面小、读出速度快以及读出的图像上星象几乎没有脱尾现象的优点;采用全帧读出的CCD通常具有靶面大优点,同时具有读出速度慢以及在无快门配合时读出的图像上星象存在脱尾现象的缺点。随着sCMOS技术的发展,sCMOS具有具有靶面大、读出速度快以及读出的图像上星象几乎没有脱尾现象的优点。因此科学级CCD和sCMOS在空间碎片监视中得到了较为广泛的应用。
由于空间碎片监视过程中,由于图像的不同,检测方法有很多种,传统的空间碎片检测方法的空间碎片检测流程通常如下:
步骤1、单帧图像背景估计。步骤2、单帧图像扫描,获得图像上所有星像的二维平面坐标(x,y)。步骤3、单帧图像二值化。步骤4、多帧二值化图像帧差处理。步骤5、多帧二值化帧差图像扫描。步骤6、多帧空间碎片航迹关联。
传统的空间碎片检测方法的空间碎片检测流程存在两个方面的问题:
一方面由于CCD在进行图像实时采集的过程中不仅有来自CCD自身读出电路误差因素,而且有CCD工作环境及云层的影响因素,会影响CCD图像的背景起伏,给空间碎片的检测带来影响,特别对暗弱的空间碎片的影响,从而增加了虚警概率,影响了检测成功率。
另一方面由于图像相邻帧的时间间隔不一致、空间碎片运动特性不同造成空间碎片漏检。另外更为重要的是观测模式的不同,处理方法也有所不同。
发明内容
本发明目的在于针对前述基于图像二维平面的单帧或者多帧帧差空间碎片检测方法的不足,提供一种基于三维空间向量与二维平面坐标的空间碎片检测方法和***,采集多帧CCD或者sCMOS图像,采用全帧扫描及天文定位方式,获取图像上所有星象的在图像上的二维平面坐标和惯性空间的三维向量,通过获取的二维平面坐标和三维向量向量相结合,实现空间碎片的检测。本发明能够根据预先设定的筛选条件,筛选出包括背景恒星的疑似星象,再结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,识别并且剔除不同观测模式下采集到的单帧图像上的恒星星象,继而灵活地采用多帧图像,对图像上的空间碎片进行检测,降低亮恒星等因素产生的检测虚警,提高暗弱的空间碎片的检测成功率。
为达成上述目的,结合图1,本发明提出一种基于三维空间向量与二维平面坐标的空间碎片检测方法,所述检测方法包括:
S1:接收至少一帧包括空间碎片和背景恒星的图像,对图像背景进行估计。
S2:根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y),其中,设图像的左上角为坐标原点(0,0),图像右侧为x轴增加方向,图像下侧为y轴增加方向,x为图像中星象所在位置在x轴方向上与坐标原点的距离,y为图像中星象所在位置在y轴方向上与坐标原点的距离。
S3:结合图像上所有星像的二维平面实测坐标(x,y),通过天文定位的方式,获得所有星像的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量。
S4:根据预设的筛选条件从每帧图像的所有星象中初步筛选出包括背景恒星的疑似星象:
1)如果采用跟踪观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
其中,为第i帧图像上第j个星象的灰度质心坐标,为第i+1帧图像上第k个星象的灰度质心坐标,ε为匹配门限。
2)如果采用搜索观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,三维向量满足以下门限的星像为背景恒星:
其中, 为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的三维向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε为相邻两帧某两个星象二维平面的最小检测门限。
识别并剔除所有图像中的背景恒星。
S5:结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片。
基于前述基于三维空间向量与二维平面坐标的空间碎片检测方法,本发明还提及一种基于恒星检索的空间碎片检测***,所述空间碎片检测***包括以下模块:
(1)用于接收包括空间碎片和背景恒星的图像的模块。
(2)用于对图像背景进行估计的模块。
(3)用于根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y)的模块,其中,设图像的左上角为坐标原点(0,0),图像右侧为x轴增加方向,图像下侧为y轴增加方向,x为图像中星象所在位置在x轴方向上与坐标原点的距离,y为图像中星象所在位置在y轴方向上与坐标原点的距离。
(4)用于结合图像上所有星像的二维平面实测坐标(x,y),通过天文定位的方式,获得所有星像的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量的模块。
(5)用于根据预设的筛选条件从图像的所有星象中初步筛选出包括背景恒星的疑似星象的模块:
1)如果采用跟踪观测模式,二维平面实测坐标(x,y)满足以下门限的星像为背景恒星:
其中,为第i帧图像上第j个星象的灰度质心坐标,为第i+1帧图像上第k个星象的灰度质心坐标,ε为匹配门限;
2)如果采用搜索观测模式,二维平面实测坐标(x,y)满足以下门限的星像为背景恒星:
(6)用于结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星的模块,三维向量满足以下门限的星像为背景恒星:
其中, 为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的三维向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε为相邻两帧某两个星象二维平面的最小检测门限。
(7)用于剔除所有图像中的背景恒星的模块。
(8)用于结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片的模块。
首先,通过测量***采集若干帧包括空间碎片和背景恒星的图像,所述图像可以采用CCD或者sCMOS的空间碎片测量***拍摄得到。对采集到的若干帧图像的图像背景进行估计,计算图像上所有星象的二维平面实测坐标(x,y)、所有星象的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量。
其次,根据预先设定的筛选条件,筛选出包括背景恒星的疑似星象,不同的观测模式具有不同的筛选条件。再结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,识别并且剔除不同观测模式下采集到的单帧图像上的恒星星象,前述识别条件和观测模式无关,只取决于相邻帧星象惯性空间的唯一三维向量。
最后,灵活地采用多帧图像,根据多帧图像恒星星象剔除结果,综合星象的多种判断特征,对图像上的空间碎片进行检测。由于已经剔除了图像中的背景恒星,可以尽可能地降低亮恒星等因素产生的检测虚警,提高暗弱的空间碎片的检测成功率。
以连续三帧图像为例,第一步,对三帧图像中的图像背景进行估计,计算每帧图像上所有星象的二维平面实测坐标(x,y),继而推算出每帧图像上所有星象的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量。第二步,将相邻两帧图像上的所有星象的二维平面实测坐标(x,y)做比对,例如将第二帧图像与第一帧图像做比对、将第三帧图像与第二帧图像做比对,识别出每帧图像上的疑似星象;结合相邻两帧图像上的所有疑似星象的三维向量,识别并剔除其中所包含的背景恒星。由前述可知,本发明所提及的背景恒星的识别方法只依赖于相邻帧图像上星象的二维平面实测坐标和对应的惯性空间的三维向量。具体的,依次计算相邻帧图像上的某两个星象的二维平面实测坐标(x,y)的差值绝对值,如果采用跟踪观测模式,且差值绝对值大于匹配门限ε,比如为1像素,判断该星象为疑似星象,如果采用搜索观测模式,且差值绝对值小于匹配门限ε,判断该星象为疑似星象,继而判断相邻两帧中某两个星象在惯性空间中向量的夹角,如果夹角小于最小检测门限ε3,判定其为背景恒星。第三步,结合第一帧、第二帧、第三帧图像上的星象坐标,生成除背景恒星之外的剩余星象的运行航迹,获取航迹特征,根据航迹特征检测出空间碎片,具体的,将空间碎片的航迹通过相邻帧的三维空间向量,转换为视运动角速度,根据预先设定的目标判断条件判断该航迹是否属于同一目标,如果符合目标判断条件,判断该航迹属于同一目标,否则,判断该航迹不属于同一目标,避免了帧频不固定和运动特性不一致造成空间碎片的漏检、观测模式不同空间碎片检测方法不同。
以上本发明的技术方案,与现有相比,其显著的有益效果在于:
1)采用全帧扫描及天文定位方式,以及单帧图像的二维平面实测坐标,结合不同的观测模式,快速剔除单帧图像上的背景恒星。
2)剔除图像中的背景恒星,降低亮恒星等因素产生的检测虚警,提高暗弱的空间碎片的检测成功率。
3)采用相邻帧中星象对应的惯性空间的三维向量将航迹转换成视运动角速度,以此作为同一目标的判断依据,避免了帧频不固定和运动特性不一致造成空间碎片的漏检、观测模式不同空间碎片检测方法不同。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的基于三维空间向量与二维平面坐标的空间碎片检测方法的流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
结合图1,本发明提及一种基于三维空间向量与二维平面坐标的空间碎片检测方法,所述检测方法包括:
S1:接收至少一帧包括空间碎片和背景恒星的图像,对图像背景进行估计。
S2:根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y),其中,设图像的左上角为坐标原点(0,0),图像右侧为x轴增加方向,图像下侧为y轴增加方向,x为图像中星象所在位置在x轴方向上与坐标原点的距离,y为图像中星象所在位置在y轴方向上与坐标原点的距离。
S3:结合图像上所有星像的二维平面实测坐标(x,y),通过天文定位的方式,获得所有星像的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量。
S4:根据预设的筛选条件从每帧图像的所有星象中初步筛选出包括背景恒星的疑似星象:
1)如果采用跟踪观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
其中,为第i帧图像上第j个星象的灰度质心坐标,为第i+1帧图像上第k个星象的灰度质心坐标,ε为匹配门限。
2)如果采用搜索观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,三维向量满足以下门限的星像为背景恒星:
其中, 为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的三维向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε为相邻两帧某两个星象二维平面的最小检测门限。
识别并剔除所有图像中的背景恒星。
S5:结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片。
下面对前述五个步骤逐一进行阐述。
一、图像背景估计
步骤S1中,采用图像背景估计模型对接收的图像中的背景进行估计。即,在接收多帧含有空间碎片及背景恒星的帧转移CCD图像或者sCMOS图像后,采用创建的图像背景估计的数学模型,对图像背景进行估计,以加快处理速度。
创建图像背景估计模型的方法为:对若干帧含有空间碎片和背景恒星的图像进行综合分析,创建图像背景估计模型,用于图像的背景估计。
优选的,可以采用机器学习等算法以创建图像背景估计模型。
二、星象扫描及二维平面实测坐标归算
步骤S2中,所述根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y)的过程包括以下步骤:
结合图像背景的估计结果和原始的含有空间碎片及背景恒星的图像,按照预先设定的阈值,对含有空间碎片及背景恒星的图像进行全帧扫描,给出图像上所有星像的二维平面坐标(x,y)归算结果。
三、三维空间向量归算
根据图像上所有星像的二维平面实测坐标(x,y)扫描结果,通过天文定位的方式,获得所有星像对应的赤经α和赤纬δ,再根据赤经α和赤纬δ计算得到每个星象在惯性空间的三维向量。
四、背景恒星剔除
对于背景恒星的剔除,包括两个步骤:(1)结合相邻帧在二维平面里进行初步筛选疑似星象,(2)根据疑似星象的三维空间向量进行进一步的识别。
第一个步骤,结合相邻帧在二维平面里进行初步筛选疑似星象
该步骤的目的是筛选出包括背景恒星的疑似星象,具体过程为:
判断采用的观测模式,再根据判断的观测模式选择对应的筛选条件,结合选择的筛选条件,通过比较相邻帧星象的二维平面坐标(x,y),对图像中的所有星象进行筛选。
1)对于空间碎片采用跟踪观测模式的情形,满足以下门限的星像为疑似星象。
2)对于空间碎片采用搜索观测模式的情形,满足以下门限的星像为疑似星象。
通过以上初步筛选可以快速找出包括背景恒星的疑似星象。
第二个步骤,根据疑似星象的三维空间向量进行进一步的识别
比较相邻帧星象惯性空间的三维向量,空间碎片无论采用跟踪观测模式或者搜索观测模式,满足以下门限的星像为背景恒星。
其中,
在剔除所有图像中的背景恒星后,降低了亮恒星等因素产生的检测虚警,有利于提高暗弱的空间碎片的检测成功率。
五、空间碎片检测
由于相邻帧的时间间隔难以保持一致,每个空间碎片的运动特性也不同,容易造成空间碎片的漏检。为了避免这一问题,本发明提出将空间碎片的航迹通过相邻帧的三维空间向量,转换为视运动角速度,根据预先设定的目标判断条件判断该航迹是否属于同一目标,如果符合目标判断条件,判断该航迹属于同一目标,否则,判断该航迹不属于同一目标。这样的判断方式,弱化了相邻帧的时间间隔对判定结果的影响,结合相邻帧的三维空间向量,判定获取的航迹是否属于同一目标,降低了漏检风险。
具体的,本发明提及的空间碎片的检测过程包括:根据多帧图像恒星星象剔除结果,综合星象的多种判断特征,检测出图像上的所有空间碎片。空间碎片无论采用跟踪或者搜索观测模式的情形,可以将空间碎片的航迹通过相邻帧的三维空间向量,转换为视运动角速度,以此作为同一目标的判断依据,从而避免了帧频不固定和运动特性不一致造成空间碎片的漏检、观测模式不同导致的空间碎片检测方法不同。判断标准如下:
其中
其中,为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;为为第i+2帧图像上第l个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε1为相邻两帧某两个星象在惯性空间中的向量的夹角最小检测门限;ε2为连续三帧中第i帧中第j个星象和第i+1帧某中第k个星象在惯性空间中的向量夹角,与第i+1帧中第k个星象和第i+2帧中第l个星象在惯性空间中的向量夹角的之差的最大检测门限。
进一步的,关于检测数据的应用,包括以下几种方式:
第一种方式
将图像上的所有空间碎片的检测结果反馈至测量***的跟踪模块,以实现对图像上空间碎片的跟踪。
第二种方式
将图像上的所有空间碎片的检测结果存储至存储器中,如存储在计算机***的存储介质中,以作数据备份。
第三种方式
将图像上的所有空间碎片的检测结果通过显示***以显示,具体的,图像、图像背景估计结果、图像的全帧扫描结果及图像中运动星象的检测结果都可以通过显示***显示出来,便于用户随时查看。
基于前述基于三维空间向量与二维平面坐标的空间碎片检测方法,本发明还提及一种基于恒星检索的空间碎片检测***,所述空间碎片检测***包括以下模块:
(1)用于接收包括空间碎片和背景恒星的图像的模块。
(2)用于对图像背景进行估计的模块。
(3)用于根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y)的模块,其中,设图像的左上角为坐标原点(0,0),图像右侧为x轴增加方向,图像下侧为y轴增加方向,x为图像中星象所在位置在x轴方向上与坐标原点的距离,y为图像中星象所在位置在y轴方向上与坐标原点的距离。
(4)用于结合图像上所有星像的二维平面实测坐标(x,y),通过天文定位的方式,获得所有星像的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量的模块。
(5)用于根据预设的筛选条件从图像的所有星象中初步筛选出包括背景恒星的疑似星象的模块:
1)如果采用跟踪观测模式,二维平面实测坐标(x,y)满足以下门限的星像为背景恒星:
其中,为第i帧图像上第j个星象的灰度质心坐标,为第i+1帧图像上第k个星象的灰度质心坐标,ε为匹配门限;
2)如果采用搜索观测模式,二维平面实测坐标(x,y)满足以下门限的星像为背景恒星:
(6)用于结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星的模块,三维向量满足以下门限的星像为背景恒星:
其中, 为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的三维向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε3为相邻两帧某两个星象二维平面的最小检测门限。
(7)用于剔除所有图像中的背景恒星的模块。
(8)用于结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片的模块。
本发明是一种基于三维空间向量与二维平面坐标的空间碎片检测方法,能够根据给定的门限,剔除单帧图像上恒星星象,灵活地采用多帧图像,对图像上的空间碎片进行检测,降低亮恒星等因素产生的检测虚警,提高暗弱的空间碎片的检测成功率,避免了帧频不固定和运动特性不一致造成空间碎片的漏检、观测模式不同空间碎片检测方法不同,是一种的非常好的空间碎片检测方法。
经过测试,对于信噪比大于3的空间碎片,本发明的检测成功率几乎可以达到100%,对于对于信噪比小于3,而大于2的空间碎片,本发明的检测成功率几乎可以达到90%以上。该方法的实际处理效果好,能够广泛地应用到科研、及工程领域中。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (9)
1.一种基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述检测方法包括:
S1:接收至少一帧包括空间碎片和背景恒星的图像,对图像背景进行估计;
S2:根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y),其中,设图像的左上角为坐标原点(0,0),图像右侧为x轴增加方向,图像下侧为y轴增加方向,x为图像中星象所在位置在x轴方向上与坐标原点的距离,y为图像中星象所在位置在y轴方向上与坐标原点的距离;
S3:结合图像上所有星像的二维平面实测坐标(x,y),通过天文定位的方式,获得所有星像的赤经α和赤纬δ,根据赤经α和赤纬δ推算出所有星象对应的惯性空间的三维向量;
S4:根据预设的筛选条件从每帧图像的所有星象中初步筛选出包括背景恒星的疑似星象:
1)如果采用跟踪观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
其中,为第i帧图像上第j个星象的灰度质心坐标,为第i+1帧图像上第k个星象的灰度质心坐标,ε为匹配门限;
2)如果采用搜索观测模式,二维平面实测坐标(x,y)满足以下门限的星像为疑似星象:
结合相邻帧星象惯性空间的三维向量,根据预设的识别条件从疑似星象中识别出背景恒星,三维向量满足以下门限的星像为背景恒星:
其中, 为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的三维向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε3为相邻两帧某两个星象二维平面的最小检测门限;
识别并剔除所有图像中的背景恒星;
S5:结合所有剔除背景恒星的图像,获取剩余星象的航迹特征,检测出图像上的所有空间碎片。
2.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,步骤S1中,采用图像背景估计模型对接收的图像中的背景进行估计。
3.根据权利要求2所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述检测方法还包括:
对若干帧含有空间碎片和背景恒星的图像进行综合分析,创建图像背景估计模型。
4.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,步骤S2中,所述根据图像背景的估计结果,对图像进行全帧扫描,计算得到图像上所有星像的二维平面坐标(x,y)的过程包括以下步骤:
结合图像背景的估计结果和原始的含有空间碎片及背景恒星的图像,按照预先设定的阈值,对含有空间碎片及背景恒星的图像进行全帧扫描,给出图像上所有星像的二维平面坐标(x,y)归算结果。
5.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,步骤S5中,所述获取剩余星象的航迹特征,检测出图像上的所有空间碎片的过程包括以下步骤:
将空间碎片的航迹通过相邻帧的三维空间向量,转换为视运动角速度,根据预先设定的目标判断条件判断该航迹是否属于同一目标,如果符合目标判断条件,判断该航迹属于同一目标,否则,判断该航迹不属于同一目标。
6.根据权利要求5所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述预先设定的目标判断条件为:
其中
其中,为第i帧图像上第j个星象根据其所对应的赤经为和赤纬计算得到惯性空间中的向量;为第i+1帧图像上第k个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;为为第i+2帧图像上第l个星象根据其所对应的赤经和赤纬计算得到的惯性空间中的向量;ε1为相邻两帧某两个星象在惯性空间中的向量的夹角最小检测门限;ε2为连续三帧中第i帧中第j个星象和第i+1帧某中第k个星象在惯性空间中的向量夹角,与第i+1帧中第k个星象和第i+2帧中第l个星象在惯性空间中的向量夹角的之差的最大检测门限。
7.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述检测方法还包括:
将图像上的所有空间碎片的检测结果反馈至测量***的跟踪模块。
8.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述检测方法还包括:
将图像上的所有空间碎片的检测结果存储至存储器中。
9.根据权利要求1所述的基于三维空间向量与二维平面坐标的空间碎片检测方法,其特征在于,所述检测方法还包括:
将图像上的所有空间碎片的检测结果通过显示***以显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445030.6A CN110345919B (zh) | 2019-05-27 | 2019-05-27 | 基于三维空间向量与二维平面坐标的空间碎片检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445030.6A CN110345919B (zh) | 2019-05-27 | 2019-05-27 | 基于三维空间向量与二维平面坐标的空间碎片检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110345919A true CN110345919A (zh) | 2019-10-18 |
CN110345919B CN110345919B (zh) | 2020-12-29 |
Family
ID=68173979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910445030.6A Active CN110345919B (zh) | 2019-05-27 | 2019-05-27 | 基于三维空间向量与二维平面坐标的空间碎片检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110345919B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126131A (zh) * | 2019-10-30 | 2020-05-08 | 北京控制工程研究所 | 一种高效率暗弱空间目标识别方法 |
CN113295147A (zh) * | 2021-05-14 | 2021-08-24 | 中国科学院紫金山天文台 | 一种基于惯性空间的空间碎片检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030202682A1 (en) * | 2002-04-30 | 2003-10-30 | National Aerospace Laboratory Of Japan | Moving object detection method |
CN102506829A (zh) * | 2011-11-15 | 2012-06-20 | 中国科学院紫金山天文台 | 快速星图匹配方法 |
JP2014051211A (ja) * | 2012-09-07 | 2014-03-20 | Ihi Corp | 移動体検出方法 |
CN106373141A (zh) * | 2016-09-14 | 2017-02-01 | 上海航天控制技术研究所 | 空间慢旋碎片相对运动角度和角速度的跟踪***和跟踪方法 |
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 |
-
2019
- 2019-05-27 CN CN201910445030.6A patent/CN110345919B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030202682A1 (en) * | 2002-04-30 | 2003-10-30 | National Aerospace Laboratory Of Japan | Moving object detection method |
CN102506829A (zh) * | 2011-11-15 | 2012-06-20 | 中国科学院紫金山天文台 | 快速星图匹配方法 |
JP2014051211A (ja) * | 2012-09-07 | 2014-03-20 | Ihi Corp | 移動体検出方法 |
CN106373141A (zh) * | 2016-09-14 | 2017-02-01 | 上海航天控制技术研究所 | 空间慢旋碎片相对运动角度和角速度的跟踪***和跟踪方法 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126131A (zh) * | 2019-10-30 | 2020-05-08 | 北京控制工程研究所 | 一种高效率暗弱空间目标识别方法 |
CN111126131B (zh) * | 2019-10-30 | 2021-08-10 | 北京控制工程研究所 | 一种高效率暗弱空间目标识别方法 |
CN113295147A (zh) * | 2021-05-14 | 2021-08-24 | 中国科学院紫金山天文台 | 一种基于惯性空间的空间碎片检测方法 |
CN113295147B (zh) * | 2021-05-14 | 2022-06-07 | 中国科学院紫金山天文台 | 一种基于惯性空间的空间碎片检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110345919B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110345918A (zh) | 基于恒星检索的空间碎片检测方法和*** | |
CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
CN105844621A (zh) | 一种印刷品质量检测方法 | |
CN106375755A (zh) | 一种视频数据卡顿检测方法及*** | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN105893957B (zh) | 基于视觉湖面船只检测识别与跟踪方法 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
Lipschutz et al. | New methods for horizon line detection in infrared and visible sea images | |
CN110084258A (zh) | 基于视频人脸识别的人脸优选方法、设备及存储介质 | |
CN112509044A (zh) | 一种基于点线特征融合的双目视觉slam方法 | |
CN110399866A (zh) | 基于ccd相机不同曝光时间交替的空间碎片观测方法 | |
CN109767428A (zh) | 一种摄像模组脏污检测方法 | |
CN108664970A (zh) | 一种快速目标检测方法、电子设备、存储介质及*** | |
CN114781514A (zh) | 一种融合注意力机制的漂浮物目标检测方法及*** | |
CN110428442A (zh) | 目标确定方法、目标确定***和监控安防*** | |
CN116665095B (zh) | 一种运动舰船检测方法、***、存储介质和电子设备 | |
CN112200163A (zh) | 水下底栖生物检测方法及*** | |
CN107578424A (zh) | 一种基于时空分类的动态背景差分检测方法、***及装置 | |
CN110345919A (zh) | 基于三维空间向量与二维平面坐标的空间碎片检测方法 | |
CN113657423A (zh) | 适用于小体积零件与堆叠零件的目标检测方法及其应用 | |
Li et al. | A center-line extraction algorithm of laser stripes based on multi-Gaussian signals fitting | |
CN110472085A (zh) | 三维图像搜索方法、***、计算机设备和存储介质 | |
CN113537397B (zh) | 基于多尺度特征融合的目标检测与图像清晰联合学习方法 | |
CN105930813B (zh) | 一种在任意自然场景下检测行文本的方法 | |
CN107123105A (zh) | 基于fast算法的图像匹配缺陷检测方法 |
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 |