CN110793529B - 一种快速匹配星图识别方法 - Google Patents
一种快速匹配星图识别方法 Download PDFInfo
- Publication number
- CN110793529B CN110793529B CN201911307702.3A CN201911307702A CN110793529B CN 110793529 B CN110793529 B CN 110793529B CN 201911307702 A CN201911307702 A CN 201911307702A CN 110793529 B CN110793529 B CN 110793529B
- Authority
- CN
- China
- Prior art keywords
- star
- coordinate system
- distance
- stars
- fixed
- 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
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种快速匹配星图识别方法。本发明方法对已知的简易星表进行特征提取,构建全新的导航星表,利用本发明的星图识别算法,实现匹配计算,识别星敏感器视场内恒星。在识别过程中添加了恒星星对的相关性分析,增加识别的准确性;解决了现有识别算法存储空间需求大、反应速度慢、实时性差等缺陷。
Description
技术领域
本发明应用在星敏感器中的星图识别技术领域,具体涉及一种快速匹配星图识别方法。
背景技术
星敏感器是当前天文导航***中运用最广泛的天体敏感器。它以恒星作为参考源,为航天器的控制和天文导航提供精确的实时数据。在星敏感器中,全天自适应星图识别也是一项非常关键的技术。星图识别是通过星敏感器获取视场内星图平面,并将星图与导航星表中的参考星进行对应匹配,完成对视场中恒星的识别。完整的星图识别***一般包括导航星表构建、图像采集及预处理、算法匹配识别等。
现有的星图识别主要有三角形定位法、神经网络匹配算法等。但是现有的识别算法在不断提高准确度的过程中,也忽略了实际的应用性能。三角形算法具有简单易实现的特点,但由于恒星数量庞大,基于恒星构成的三角形导航星表需要大型数据库存储,对于实际应用硬件设备同时再外接存储器不是一个好的选择。如今随着神经网络算法的飞速发展,神经网络匹配也随之诞生。但神经网络匹配算法目前都基于仿真实验,并且由于恒星种类众多,整体网络需要大量神经元连接,训练时长久,同时前向计算也需要大量计算资源以及存储资源,在星敏感器的实际应用还无法有效发挥。
发明内容
本发明的目的在于提供一种快速匹配星图识别方法,对已知的简易星表进行特征提取,构建全新的导航星表,利用本发明的星图识别算法,实现匹配计算,识别星敏感器视场内恒星;在识别过程中添加了恒星星对的相关性分析,增加识别的准确性;解决了现有识别算法存储空间需求大、反应速度慢、实时性差等缺陷。
为实现上述目的,本发明的技术方案是:一种快速匹配星图识别方法,包括如下步骤:
步骤S1、构建导航星表:
首先,对原始星表中恒星星等级别进行筛选,剔除星等低的恒星,避免在星图识别的计算中造成偏差;
其次,令O1-X1Y1Z1表示星敏感器坐标系,O-XYZ表示天球坐标系;O为地球中心,O1为星敏感器光学***的中心;根据天球坐标系的定义可知,原点O与地心重合,OZ轴的方向由地心指向北极,OX轴的方向由地心指向春分点,OY轴的指向可根据右手坐标系确定;O-XYZ坐标与O1-X1Y1Z1坐标之间的关系可表示为:
[X1 Y1 Z1]=R[X Y Z]
按照坐标的旋转顺序,经过旋转完成天球坐标系O-XYZ到像平面坐标系O1-X1Y1Z1的变换;此时,OY轴与OY1轴相对应,OZ轴与OZ1轴相对应,OX轴与OX1轴相对应;
设观测星的赤经、赤纬为(αi,δi),由球面坐标系和直角坐标系的转换关系,可得恒星在天球直角坐标系下的单位矢量为:
[X Y Z]=[cosδicosαi cosδisinαi sinδi]
整理上述两个公式可得观测星在空间直角坐标系中的坐标位置;
至此,将求解的各恒星坐标值进行距离预计算,得到各星对之间的距离;以星对距离作为关键对象,构建全新的导航星表,其中每个样本还包含两颗恒星的对应编号编号,并删除其余信息;
步骤S2、星图信息采集:
首先,对星图进行图像预处理;
其次,对图像进行信息采集,以像元尺寸为基本单位,构建星敏感器镜像平面坐标系;
最后,由于星图成像于平面坐标系,因此需要根据星敏感器内的包括像元尺寸dh,dv、焦距f的信息,通过投影变换的关系,经过一次坐标变换,得到投影前恒星在直角坐标系下的坐标值;
步骤S3、星图识别:
首先,对星敏感器采集到的星图数据进行预处理,对采集到的恒星进行数据获取;
其次,基于天球直角坐标系下,再利用距离公式对各恒星对进行距离计算,构建对应星图的星对距离表;其中,Xi、Xj分别为恒星i、j在天球直角坐标系下X维度上的坐标值,Yi、Yj分别为恒星i、j在天球直角坐标系下Y维度上的坐标值,Zi、Zj分别为恒星i、j在天球直角坐标系下Z维度上的坐标值;
然后,从导航星表中查找与待识别恒星列表最相似的前K个恒星对作为识别恒星对邻近星对,利用方差公式其中实时星对的样本距离特征表示为x={x1,x2,x3,x4,...,xn},匹配导航星表星对的距离样本特征为将各实时星对的分量距离值与导航星表中的距离进行方差计算,将其进行比较,实现距离方差匹配;
最后,将得到的星对距离方差值集合,进行优先级排序,利用优先级队列,挑选出最小方差前N项集合δ={δ1,δ2,δ3,...,δN};
步骤S4、识别相关性分析:
根据挑选出的最小方差前N项集合δ={δ1,δ2,δ3,...,δN};匹配各星对共有的恒星编号(m1,m2,m3,...),将这些恒星作为基准恒星,以此来搜索基准星周围邻星。
相较于现有技术,本发明具有以下有益效果:本发明方法存储空间需求小,识别速度快,准确率高,便于搭载在硬件***上;在保证准确率的前提下,该星图识别***可提供星敏感器实时全天候星图识别,其主要优点总结如下:
存储空间需求方面:针对导航星表信息量大、存储空间需求高的问题,本发明对传统星表进行特征提取,剔除与本算法无关的恒星信息以及星等过低的恒星,并以星对距离作为样本关键对象,构建全新的导航星表,降低了导航星表数据库的内存需求;
星图识别算法方面:针对星图识别率高、速度快的问题,本发明基于距离方差匹配和最邻近相关性分析的集成来度量恒星相似性,针对实际情况进行方法设计优化,通过与构建导航星表中星对的相关性匹配分析,识别视场内恒星编号,保证最终识别结果的准确性。
附图说明
图1是星图识别流程图。
图2为星敏感器平面成像坐标图。
图3是星图识别算法实现框图。
图4是星图识别算法流程图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供了一种快速匹配星图识别方法,包括如下步骤:
步骤S1、构建导航星表:
首先,对原始星表中恒星星等级别进行筛选,剔除星等低的恒星,避免在星图识别的计算中造成偏差,具体的星等阈值由卫星传感器性能参数确定;
其次,令O1-X1Y1Z1表示星敏感器坐标系,O-XYZ表示天球坐标系;O为地球中心,O1为星敏感器光学***的中心;根据天球坐标系的定义可知,原点O与地心重合,OZ轴的方向由地心指向北极,OX轴的方向由地心指向春分点,OY轴的指向可根据右手坐标系确定;O-XYZ坐标与O1-X1Y1Z1坐标之间的关系可表示为:
[X1 Y1 Z1]=R[X Y Z]
按照坐标的旋转顺序,经过旋转完成天球坐标系O-XYZ到像平面坐标系O1-X1Y1Z1的变换;此时,OY轴与OY1轴相对应,OZ轴与OZ1轴相对应,OX轴与OX1轴相对应;
设观测星的赤经、赤纬为(αi,δi),由球面坐标系和直角坐标系的转换关系,可得恒星在天球直角坐标系下的单位矢量为:
[X Y Z]=[cosδicosαi cosδisinαi sinδi]
整理上述两个公式可得观测星在空间直角坐标系中的坐标位置;
至此,将求解的各恒星坐标值进行距离预计算,得到各星对之间的距离;以星对距离作为关键对象,构建全新的导航星表,其中每个样本包含两颗恒星的对应编号编号,并删除其余信息;
步骤S2、星图信息采集:
首先,对星图进行图像预处理;
其次,对图像进行信息采集,以像元尺寸为基本单位,构建星敏感器镜像平面坐标系;
最后,由于星图成像于平面坐标系,因此需要根据星敏感器内的包括像元尺寸dh,dv、焦距f的信息,通过投影变换的关系,经过一次坐标变换,得到投影前恒星在直角坐标系下的坐标值;
步骤S3、星图识别:
首先,对星敏感器采集到的星图数据进行预处理,对采集到的恒星进行数据获取;
其次,基于天球直角坐标系下,再利用距离公式对各恒星对进行距离计算,构建对应星图的星对距离表;其中,Xi、Xj分别为恒星i、j在天球直角坐标系下X维度上的坐标值,Yi、Yj分别为恒星i、j在天球直角坐标系下Y维度上的坐标值,Zi、Zj分别为恒星i、j在天球直角坐标系下Z维度上的坐标值;
然后,从导航星表中查找与待识别恒星列表最相似的前K个恒星对作为识别恒星对邻近星对,利用方差公式其中实时星对的样本距离特征表示为x={x1,x2,x3,x4,...,xn},匹配导航星表星对的距离样本特征为将各实时星对的分量距离值与导航星表中的距离进行方差计算,将其进行比较,实现距离方差匹配;
最后,将得到的星对距离方差值集合,进行优先级排序,利用优先级队列,挑选出最小方差前N项集合δ={δ1,δ2,δ3,...,δN};
步骤S4、识别相关性分析:
根据挑选出的最小方差前N项集合δ={δ1,δ2,δ3,...,δN};匹配各星对共有的恒星编号(m1,m2,m3,...),将这些恒星作为基准恒星,以此来搜索基准星周围邻星。
以下为本发明的具体实现过程。
本发明的星图识别流程图如图1所示。该星图识别***主要由构建导航星表、星图采集、星图识别、相关性分析四个部分构成,各部分的具体功能如下所述:
1、构建导航星表:
首先,由于星敏感器的视场照射光源、视野有限,所以无法充分捕捉到所有恒星,部分距离星等弱的恒星会造成误差。所以,我们将对原始星表中恒星星等级别进行筛选,剔除星等过低的恒星,避免在星图识别的计算中造成偏差。
其次,星表中恒星的位置信息是在天球坐标系中以赤经、赤纬表示的,而星敏感器是将星点成像在星敏感器坐标系下,因此需将观测星的赤经、赤纬转换坐标值。令O1-X1Y1Z1表示星敏感器坐标系,O1-X1Y1Z1表示天球坐标系。O为地球中心,O1为星敏感器光学***的中心。通过两次坐标轴的变换得到所需结果,由于恒星与地球之间的距离非常遥远,因此坐标平移带来的误差可忽略不计,只考虑坐标系之间的旋转变换即可。
根据天球坐标系的定义可知,原点O与地心重合,OZ轴的方向由地心指向北极,OX轴的方向由地心指向春分点,OY轴的指向可根据右手坐标系确定。O-XYZ坐标与O1-X1Y1Z1坐标之间的关系可表示为:
[X1 Y1 Z1]=R[X Y Z]
按照坐标的旋转顺序,经过旋转完成天球坐标系O-XYZ到像平面坐标系O1-X1Y1Z1的变换。此时,OY轴与OY1轴相对应,OZ轴与OZ1轴相对应,OX轴与OX1轴相对应;
设观测星的赤经、赤纬为(αi,δi),由球面坐标系和直角坐标系的转换关系,可得恒星在天球直角坐标系下的单位矢量为:
[X Y Z]=[cosδicosαi cosδisinαi sinδi]
整理上述两个公式可得观测星在空间直角坐标系中的坐标位置;
至此,将求解的各恒星坐标值进行距离预计算,得到各星对之间的距离。以星对距离作为关键对象,构建全新的导航星表,其中每个样本包含两颗恒星的对应编号编号。与此同时,为了减少存储空间的需求,其余信息不再保留。导航星表数据样本结构内容如表1所示。
表1
2、星图信息采集:
在星敏感器采集图像的过程中,由于受到信号、工作环境、电路结构等影响,会在图像生成中引入噪声。为了消除星图成像中不必要及多余的干扰信息,在进行星图识别前要对星图进行图像预处理,再获取相关的关键信息。其次,图像传感器对恒星亮度感知能力有限,有些亮度比较弱的恒星于星敏感器中成像不稳定,会对之后的星图识别造成一定误差。因此,由于星敏感器视场内的这些干扰星存在,也要消除干扰星这类不稳定因素。
由于星图中的主要为高斯噪声,可以利用高斯滤波器进行噪声消除。利用高斯模板扫描星图成像的每个像素点,以此确定邻域内的像素加权平均灰度值。通过二维高斯函数其中δ为标准差。将二维高斯函数离散化得到的数值作为模板系数,就可得到的高斯模板。模板中间数值为中心元素,经过计算,像素值将改变。经过高斯平滑滤波器处理后的图像,可以平滑成像图片,减少噪声。其次,为了解决干扰星所带来的误差,筛选掉星等过低的恒星,假设星敏感器的星等敏感的极限为5.5Mv,但是空间辐射对星敏感器的接收光学***以及最终性能评估会带来现实影响,我们可把星等阈值设为5Mv。然后,就可以对图像进行信息采集,以像元尺寸为基本单位,构建星敏感器镜像平面坐标系。最后,由于星图成像于平面坐标系,因此需要根据星敏感器内的像元尺寸dh,dv、焦距f等信息,通过投影变换的关系,经过一次坐标变换,得到投影前恒星在直角坐标系下的坐标值。图2为星敏感器平面成像坐标图。
3、星图识别算法:
本星图识别算法第一层将使用距离方差匹配算法。距离方差匹配算法是一种简单、易于首先、无需估计参数、无需训练的分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。我们将星图中的星对作为匹配预设值,导航星表中的星对与预设值进行匹配计算,得到最邻近的K组星对编号。其具有简单易实现、通过对K的选择可具备一定的鲁棒性。又因为对导航星表的重新构建以及星图的预处理,减少了一定计算量和资源存储。实验结果表明,这种改进过用于星敏感器中的星图识别算法在预识别的效果是很好的。
改进后的星图识别算法既能保证识别的准确度,又能保证算法计算的执行效率。本发明的星图识别算法计算实现框图如图3所示。实现该算法具有以下4个阶段:首先,对星敏感期采集到的星图数据进行预处理,对采集到的恒星进行数据获取;其次,基于天球直角坐标系下,再利用距离公式对各恒星对进行距离计算,构建对应星图的星对距离表。其中,Xi、Xj分别为恒星i、j在天球直角坐标系下X维度上的坐标值,Yi、Yj分别为恒星i、j在天球直角坐标系下X维度上的坐标值,Zi、Zj分别为恒星i、j在天球直角坐标系下X维度上的坐标值;然后,从导航星表中查找与待识别恒星列表最相似的前K个恒星对作为识别恒星对邻近星对,利用方差公式其中实时星对的样本距离特征表示为x={x1,x2,x3,x4,...,xn},匹配导航星表星对的距离样本特征为将各实时星对的分量距离值与导航星表中的距离进行方差计算,将其进行比较,实现距离方差匹配;最后,计算结果将得到一个星对距离方差值集合,对星对距离方差集合进行优先级排序,利用优先级队列,挑选出最小方差前N项集合δ={δ1,δ2,δ3,...,δN},为后续识别相关性分析提供基础数据。
4、识别相关性分析:
对星敏感器视场内所有的恒星进行星图识别计算后,由于视场固定的原因,各恒星所处位置具有一定的关联性,可以利用各恒星之间的关联性来进行第二层最邻近再分析。与此同时,由于同一视场内,各星对基于欧式距离公式来判别的恒星编号最优结果可能出现重合。对结果进行再分析也可以避免误差出现。
距离方差匹配作为特征匹配的第一层粗匹配,最邻近相关性分析通过结合实际情况和先前的第一层粗匹配来完成第二层的识别匹配,即最邻近相关性分析在距离分析方差匹配的基础上进行再识别。在通过欧式距离公式计算得出方差结果,提取每组星对方差最小的N组数据。通过优先级来确定匹配最优结果的同时,匹配各星对共有的恒星编号(m1,m2,m3,...)。将这些恒星作为基准恒星,以此来搜索基准星周围邻星。多次测试发现,利用这种双层识别分析形成互补的识别方式,识别性能得到提高,使得识别***更具有可靠性。因此,本发明采用距离方差匹配和最邻近分析集成,通过针对实际情况进行方法设计优化,进一步提高星图识别的准确性和可靠性。
本发明具体实施实例如下:
剔除星等较低的恒星
将恒星在天球坐标系下的赤经、赤纬(αi,δi)进行坐标变换
构建以星对为key值,星对距离为value值的导航星表,其中每个样本还包含恒星对应编号。
星图信息采集流程
设置滤波窗口模板大小t,高斯分布函数均方差δ,得到高斯滤波器G,利用获得的高斯滤波器G消除图像噪声
对成像亮度低于一定阈值的恒星进行筛除
以像元尺寸dh,dv为基本单位,构建星敏感器镜像平面坐标系
利用投影变换的关系,经过坐标变换,获取各恒星的空间坐标值(xi,yi,zi)
星图识别算法流程图如图4所示,工作流程如下所述:
获取各恒星坐标值(xi,yi,zi),构建星图星对列表
对每组星对的方差进行优先级排列,获取最小前N项的方差集合δ={δ1,δ2,δ3,...,δN}
进行相关性分析并输出最终恒星编号。
表2为本发明的星图识别结果。
表2
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (1)
1.一种快速匹配星图识别方法,其特征在于,包括如下步骤:
步骤S1、构建导航星表:
首先,对原始星表中恒星星等级别进行筛选,剔除星等低的恒星,避免在星图识别的计算中造成偏差;
其次,令O1-X1Y1Z1表示星敏感器坐标系,O-XYZ表示天球坐标系;O为地球中心,O1为星敏感器光学***的中心;根据天球坐标系的定义可知,原点O与地心重合,OZ轴的方向由地心指向北极,OX轴的方向由地心指向春分点,OY轴的指向可根据右手坐标系确定;O-XYZ坐标与O1-X1Y1Z1坐标之间的关系可表示为:
[X1 Y1 Z1]=R[X Y Z]
按照坐标的旋转顺序,经过旋转完成天球坐标系O-XYZ到像平面坐标系O1-X1Y1Z1的变换;此时,OY轴与OY1轴相对应,OZ轴与OZ1轴相对应,OX轴与OX1轴相对应;
设观测星的赤经、赤纬为(αi,δi),由球面坐标系和直角坐标系的转换关系,可得恒星在天球直角坐标系下的单位矢量为:
[X Y Z]=[cosδicosαi cosδisinαi sinδi]
整理上述两个公式可得观测星在空间直角坐标系中的坐标位置;
至此,将求解的各恒星坐标值进行距离预计算,得到各星对之间的距离;以星对距离作为关键对象,构建全新的导航星表,其中每个样本还包含两颗恒星的对应编号,并删除其余信息;
步骤S2、星图信息采集:
首先,对星图进行图像预处理;
其次,对图像进行信息采集,以像元尺寸为基本单位,构建星敏感器镜像平面坐标系;
最后,由于星图成像于平面坐标系,因此需要根据星敏感器内的包括像元尺寸dh,dv、焦距f的信息,通过投影变换的关系,经过一次坐标变换,得到投影前恒星在直角坐标系下的坐标值;
步骤S3、星图识别:
首先,对星敏感器采集到的星图数据进行预处理,对采集到的恒星进行数据获取;
其次,基于天球直角坐标系下,再利用距离公式对各恒星对进行距离计算,构建对应星图的星对距离表;其中,Xi、Xj分别为恒星i、j在天球直角坐标系下X维度上的坐标值,Yi、Yj分别为恒星i、j在天球直角坐标系下Y维度上的坐标值,Zi、Zj分别为恒星i、j在天球直角坐标系下Z维度上的坐标值;
然后,从导航星表中查找与待识别恒星列表最相似的前K个恒星对作为识别恒星对邻近星对,其中实时星对的样本距离特征表示为x={x1,x2,x3,x4,...,xn},匹配导航星表星对的距离样本特征为利用方差公式将各实时星对的距离值与导航星表中的距离进行方差计算,将其进行比较,实现距离方差匹配;
最后,将得到的星对距离方差值集合,进行优先级排序,利用优先级队列,挑选出最小方差前N项集合δ={δ1,δ2,δ3,...,δN};
步骤S4、识别相关性分析:
根据挑选出的最小方差前N项集合δ={δ1,δ2,δ3,...,δN};匹配各星对共有的恒星编号(m1,m2,m3,...),将这些恒星作为基准恒星,再以此来搜索基准星周围邻星。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307702.3A CN110793529B (zh) | 2019-12-18 | 2019-12-18 | 一种快速匹配星图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307702.3A CN110793529B (zh) | 2019-12-18 | 2019-12-18 | 一种快速匹配星图识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110793529A CN110793529A (zh) | 2020-02-14 |
CN110793529B true CN110793529B (zh) | 2022-06-03 |
Family
ID=69448533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911307702.3A Active CN110793529B (zh) | 2019-12-18 | 2019-12-18 | 一种快速匹配星图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110793529B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112665579B (zh) * | 2020-12-01 | 2024-02-27 | 中国人民解放军国防科技大学 | 基于几何验证的星图识别方法和装置 |
CN112529809B (zh) * | 2020-12-15 | 2024-01-02 | 航天信息股份有限公司 | 星空图像色差矫正方法、装置、存储介质及航天观测设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072730A (zh) * | 2010-11-04 | 2011-05-25 | 北京航空航天大学 | 一种三角形星图识别方法 |
CN102128623A (zh) * | 2010-12-02 | 2011-07-20 | 哈尔滨工业大学 | 一种星敏感器快速星图识别方法 |
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 |
CN105371870A (zh) * | 2015-11-27 | 2016-03-02 | 北京空间飞行器总体设计部 | 一种基于星图数据的星敏感器在轨精度测量方法 |
CN109238269A (zh) * | 2018-09-05 | 2019-01-18 | 南京航空航天大学 | 一种跨非连续视场融合的星图匹配方法 |
CN109359577A (zh) * | 2018-10-08 | 2019-02-19 | 福州大学 | 一种基于机器学习的复杂背景下人数检测*** |
CN109813303A (zh) * | 2019-03-08 | 2019-05-28 | 北京航空航天大学 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8494221B2 (en) * | 2011-04-28 | 2013-07-23 | Honeywell International Inc. | Inverse star tracker using psuedo-random overlapping circles |
-
2019
- 2019-12-18 CN CN201911307702.3A patent/CN110793529B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072730A (zh) * | 2010-11-04 | 2011-05-25 | 北京航空航天大学 | 一种三角形星图识别方法 |
CN102128623A (zh) * | 2010-12-02 | 2011-07-20 | 哈尔滨工业大学 | 一种星敏感器快速星图识别方法 |
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 |
CN105371870A (zh) * | 2015-11-27 | 2016-03-02 | 北京空间飞行器总体设计部 | 一种基于星图数据的星敏感器在轨精度测量方法 |
CN109238269A (zh) * | 2018-09-05 | 2019-01-18 | 南京航空航天大学 | 一种跨非连续视场融合的星图匹配方法 |
CN109359577A (zh) * | 2018-10-08 | 2019-02-19 | 福州大学 | 一种基于机器学习的复杂背景下人数检测*** |
CN109813303A (zh) * | 2019-03-08 | 2019-05-28 | 北京航空航天大学 | 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 |
Non-Patent Citations (1)
Title |
---|
基于最优路径的多视场全天自主星图识别;姜笛;《***工程与电子技术》;20190131;第41卷(第1期);第148-152页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110793529A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862126B (zh) | 深度学习与几何算法结合的非合作目标相对位姿估计方法 | |
CN110793529B (zh) | 一种快速匹配星图识别方法 | |
Xiang et al. | Automatic registration of optical and SAR images via improved phase congruency model | |
CN110245678B (zh) | 一种基于异构孪生区域选取网络的图像匹配方法 | |
CN113706482A (zh) | 一种高分辨率遥感影像变化检测方法 | |
CN110246181B (zh) | 基于锚点的姿态估计模型训练方法、姿态估计方法和*** | |
RU2476825C2 (ru) | Способ управления движущимся объектом и устройство для его осуществления | |
CN109034184B (zh) | 一种基于深度学习的均压环检测识别方法 | |
CN113963240B (zh) | 多源遥感图像融合目标综合检测方法 | |
CN112883850B (zh) | 一种基于卷积神经网络的多视角空天遥感图像匹配方法 | |
CN112184577A (zh) | 基于多尺度自注意生成对抗网络的单幅图像去雾方法 | |
CN111414954B (zh) | 一种岩石图像检索方法及其*** | |
CN113901874A (zh) | 一种基于改进R3Det旋转目标检测算法的茶叶嫩芽识别与采摘点定位方法 | |
CN112700489B (zh) | 基于深度学习的船基视频图像海冰厚度测量方法及*** | |
CN111860651A (zh) | 一种基于单目视觉的移动机器人半稠密地图构建方法 | |
CN115100545A (zh) | 针对低照度下失效卫星小部件的目标检测方法 | |
CN112785636A (zh) | 一种多尺度增强式的单目深度估计方法 | |
CN112634130A (zh) | Quick-SIFT算子下无人机航拍图像拼接方法 | |
CN110516527B (zh) | 一种基于实例分割的视觉slam回环检测改进方法 | |
CN115471748A (zh) | 一种面向动态环境的单目视觉slam方法 | |
CN113239828A (zh) | 一种基于tof摄像模组的人脸识别方法及装置 | |
CN111898510B (zh) | 一种基于渐进式神经网络的跨模态行人再识别方法 | |
CN117151983A (zh) | 一种基于小波启发和高频增强的图像全色锐化方法 | |
CN116758419A (zh) | 针对遥感图像的多尺度目标检测方法、装置和设备 | |
CN115424140A (zh) | 星载海量图像数据分布式协同快速高精度处理***及方法 |
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 |