CN114972875A - 一种基于多帧联合的非折射星和折射星分类方法及装置 - Google Patents
一种基于多帧联合的非折射星和折射星分类方法及装置 Download PDFInfo
- Publication number
- CN114972875A CN114972875A CN202210648818.9A CN202210648818A CN114972875A CN 114972875 A CN114972875 A CN 114972875A CN 202210648818 A CN202210648818 A CN 202210648818A CN 114972875 A CN114972875 A CN 114972875A
- Authority
- CN
- China
- Prior art keywords
- star
- frame
- vector
- refracted
- refraction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 132
- 238000012417 linear regression Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 5
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 4
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000612151 Dodecatheon Species 0.000 description 1
- 235000008166 Dodecatheon meadia Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于多帧联合的非折射星和折射星分类方法及装置。该方法包括:依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;根据帧间姿态矩阵构建多帧星点投影特征;利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果。本发明仅利用多帧间的星点位置信息对非折射星和折射星进行分类,分类正确率高,不需要进行星图识别,也无需任何先验位姿信息。
Description
技术领域
本发明涉及折射星导航敏感器的技术领域,具体而言,涉及一种基于多帧联合的非折射星和折射星分类方法及装置。
背景技术
单视场折射星天文导航敏感器是一种高精度位姿测量仪器。该仪器使用单敏感器同时观测非折射星和折射星,实现姿态、位置测量和计算。由于其具有完全的自主性,且位姿策略误差不随时间进行积累,且具有较高的导航精度,是目前极具潜力的导航方案。而对视场中同时观测的非折射星和折射星进行分类与识别是这种高精度导航方法实现的前提条件。近年来,折射星导航技术得到了一定的发展,但大多数研究都着眼于利用所测得的折射星折射角进行载***置解算的方法研究,而忽略了对视场中同时出现的非折射星和折射星进行分类的重要性。总结现有的对非折射星和折射星进行分类的方法,主要有如下几种。Qian等人在其文章(QIAN H M, SUN L, CAI J N, et al. A starlight refractionscheme with single star sensor used in autonomous satellite navigation system[J]. Acta Astronautica, 2014, 96:45-52.)中认为星图识别算法无法识别位置发生偏移的折射星,因此星图识别算法未识别到的星点均为折射星。事实上,由于星图识别可以容忍一定程度的位置误差,小角度折射星可以被大多数星图识别算法识别。因此这种方法会为姿态计算引入额外的误差,同时也会影响折射角的测量。宁晓琳等人在其文章(NING X,SUN X, FANG J, et al. Satellite stellar refraction navigation using starpixel coordinates[J]. Navigation, 2019, 66(1):129-138.)中定义仿真平台观测器视轴始终指向轨道运动方向,其直接将出现在图像上半部分的恒星识别为非折射星而将出现在下半部分的恒星识别为折射星。然而当卫星实际在轨运行时,由于外部环境干扰的存在,视轴指向并不一定能始终遵循预期,所以这种识别方法也不可行。现有的非折射星和折射星分类方法需要依赖导航敏感器的位姿先验信息并需要配合非折射星的星图识别方法才能够进行,在实际应用出现位姿的先验信息缺失或星图识别算法失效等问题时,上述方法均无法正常运行。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明提供了一种基于多帧联合的非折射星和折射星分类方法及装置,至少解决了在导航敏感器不能获得位姿先验信息和星图识别结果时对单视场折射星天文导航敏感器视场中同时出现的非折射星和折射星进行分类的技术问题。
根据本发明实施例的一个方面,提供了一种基于多帧联合的非折射星和折射星分类方法,包括: 依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;根据帧间姿态矩阵构建多帧星点投影特征;利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果。
进一步的,所述步骤S100包括:
步骤S110,获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;
步骤S130,根据所述匹配星点,计算帧间姿态矩阵。
进一步的,所述步骤S200包括:
进一步的,所述步骤S300包括:
根据本发明实施例的另一方面,提供了一种基于多帧联合的非折射星和折射星分类装置,包括:
匹配模块,用于匹配多帧之间的星点并计算帧间姿态矩阵;
特征模块,用于根据所述匹配星点与帧间姿态矩阵,构建星点投影特征;
分类模块,用于根据所述星点投影特征对非折射星和折射星进行分类。
进一步的,所述匹配模块包括:
获取单元,用于获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;
匹配单元,用于根据所述两帧的星矢量,寻找所有的匹配星点,
计算单元,用于根据所述匹配星点,计算帧间姿态矩阵。
进一步的,所述特征模块包括:
投影单元,用于根据***模型,计算投影星矢量在图像坐标系下的坐标;
进一步的,所述分类模块包括:
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种基于多帧联合的非折射星和折射星分类方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种基于多帧联合的非折射星和折射星分类方法。
本发明的技术方案能够实现如下有益的技术效果:
在本发明实施例中,采用依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;根据帧间姿态矩阵构建多帧星点投影特征;利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果的方式,本发明仅利用多帧间的星点位置信息对非折射星和折射星进行分类,分类正确率高,不需要进行星图识别,也无需任何先验位姿信息。当在轨运行的卫星失去姿态和位置的先验信息时,使用本发明的方法仍能够正确对星图中的非折射星和折射星进行正确的分类,保障了在轨卫星处理突发情况的能力,提高了在轨卫星的安全性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为根据本发明实施例的多帧的仿真星图;
图2为根据本发明实施例的多帧星点投影特征与分类结果图;
图3是根据本发明实施例的一种基于多帧联合的非折射星和折射星分类方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种基于多帧联合的非折射星和折射星分类方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
图3是根据本发明实施例的一种基于多帧联合的非折射星和折射星分类方法的流程图,如图3所示,该方法包括如下步骤:
步骤S100,依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;
具体的,所述依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵包括如下步骤:
步骤S110,获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;
具体的,当第帧的第 个星矢量与第帧的第个星矢量满足,且,且,则认为第帧的第个星矢量与第帧的第个星矢量为匹配的星点,式中算子表示求两向量的夹角,为星点匹配的角阈值,算子表示集合减法,是第t-k帧图像中的所有星点的摄像机坐标系星矢量的集合,是第t帧图像中的所有星点的摄像机坐标系星矢量的集合。
步骤S130,根据所述匹配星点,计算帧间姿态矩阵。
步骤S200,根据所述帧间姿态矩阵构建多帧星点投影特征;
具体的,所述根据帧间姿态矩阵构建多帧星点投影特征包括如下步骤:
根据步骤S100中所述的帧间星点匹配与帧间姿态矩阵计算方法,分别计算得到第帧与前序第帧之间的帧间姿态矩阵,分别记为,式中为本步骤计算多帧星点投影特征时使用的总帧数,同时,设上述从第帧至第帧之间的总计帧中全部存在对应匹配的星点有颗,记第个星点在第帧中的星矢量为,通过所述计算得到的第帧与前序第帧之间的帧间姿态矩阵,可以将任意时刻的星点位置投影到当前时刻,记星矢量投影后的星矢量为,投影公式为,式中为星号,为帧号,式中当时,令,式中为单位矩阵;根据***模型计算投影星矢量在图像坐标系下的坐标,记对应的图像坐标系二维矢量为,式中和分别为投影星点图像坐标的两个坐标值;根据所述投影星点二维坐标,构建星点投影特征。
步骤S300,利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果。
具体的,所述利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果包括如下步骤:
根据步骤S200中的所述星点投影特征,计算线性回归矩阵,式中与分别为和的平均值;根据所述线性回归矩阵计算其最小特征值对应的特征向量,记为,是2x1的列向量,是列向量的两个数,并根据该向量计算其垂直向量;根据所述向量与向量,分别计算线性回归残差与,计算公式为和,并计算折射星指数;根据所述折射星指数,对星点进行二分类,定义的星点为非折射星,定义的星点为折射星,式中为分类阈值。
下面通过具体的实施例,来详细说明本发明的分类方法的具体实施过程:
1.依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵。
且:
且:
2.根据帧间姿态矩阵构建多帧星点投影特征。
根据上述计算,可以分别计算得到第帧与前序第帧之间的帧间姿态矩阵,分别记为。其中为本步骤计算多帧星点特征时使用的总帧数。同时,不妨设上述从第帧至第帧之间的总计帧中全部存在对应匹配的星点有颗。又不妨记第个星点在第帧中的星矢量为。通过帧间投影矩阵,可以将任意时刻的星点位置投影到当前时刻,记星矢量投影后的星矢量为。投影公式为:
3.利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果。
由于多帧间的非折射星矢量仅受到多帧之间的不同姿态的影响而产生旋转,因此其不同帧的投影星矢量应是重合的。而折射星矢量除受到多帧之间的不同姿态的影响外,还受到大气折射的影响。由于载体运动使得不同帧的折射光线观测高度发生变化,进而使得不同帧的投影星矢量。在短时间内,可以认为折射星的投影星矢量绕固定的轴产生旋转。因此,非折射星的星点投影特征应为重合的散点,而折射星的星点投影特征应为沿直线分布的散点。
而考虑到导航敏感器的单星定位误差和姿态估计误差,非折射星的实际星点投影特征为在星点真实位置附近随机分布的散点,而折射星的星点投影特征为在实际折射星点投影轨迹直线附近随机分布的散点。
本发明通过仿真实验对方法进行了验证。生成的同时包含非折射星和折射星的多帧仿真星图如图1所示,图中圆点为真实的非折射星点而叉形点为真实的折射星点,星点类型仅在图中标出作为示意,在进行星点分类时,只使用星点的位置信息。通过使用本发明方法进行星点的跟踪,构建的星点投影特征如图2所示,每个子图上的数字则为每颗恒星对应的折射星指数。可以看出,非折射星的星点投影特征大约为在中心随机散布的散点,折射星指数不超过4,而折射星的星点投影特征沿直线分布,折射星指数相对较大。通过设置分类阈值,则可以实现对图中非折射星和折射星的准确分类。
根据本发明实施例的另一方面,还提供了一种基于多帧联合的非折射星和折射星分类装置,包括:匹配模块,用于匹配多帧之间的星点并计算帧间姿态矩阵;特征模块,用于根据所述匹配星点与帧间姿态矩阵,构建星点投影特征;分类模块,用于根据所述星点投影特征对非折射星和折射星进行分类。
可选的,所述匹配模块包括:获取单元,用于获取第帧图像中的所有星点的摄像机坐标系星矢量,组成集合,式中为星矢量,为星号,为第帧图像中的星点总数量;匹配单元,用于根据所述两帧的星矢量,寻找所有的匹配星点。当第帧的第个星矢量与第帧的第个星矢量满足,且,且,则认为第帧的第个星矢量与第帧的第个星矢量为匹配的星点。式中算子表示求两向量的夹角。具体来说,对于任意两向量和,其夹角满足,式中为星点匹配的角阈值,算子表示集合减法。具体来说,对于任意两集合和,其差集满足,式中表示任意集合中的元素;计算单元,用于根据所述匹配的星点,计算帧间姿态矩阵。不妨设经过帧间的星点匹配后第帧与第帧之间有个相同星点。又不妨记第帧的第个星点恰好分别与第帧的第个星点匹配。则可以根据上述匹配星点来通过姿态解算算法计算第帧与第帧之间的帧间姿态矩阵,记为,满足。
可选的,所述特征模块包括:投影单元,用于根据***模型,计算投影星矢量在图像坐标系下的坐标,记对应的图像坐标系二维矢量为,式中和分别为投影星点图像坐标的两个坐标值;构建单元,用于根据所述投影星点二维坐标,构建星点投影特征。
可选的,所述分类模块包括:回归单元,用于根据所述星点投影特征,计算线性回归矩阵,式中与分别为和的平均值;回归单元,还用于根据所述线性回归矩阵计算其最小特征值对应的特征向量,记为,并根据该向量计算其垂直向量;决策单元,用于根据所述向量与向量,分别计算线性回归残差与,计算公式为和,并计算折射星指数;决策单元,还用于根据所述折射星指数,对星点进行二分类,定义的星点为非折射星,定义的星点为折射星,式中为分类阈值。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种基于多帧联合的非折射星和折射星分类方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种基于多帧联合的非折射星和折射星分类方法。
通过上述实施例,仅利用多帧间的星点位置信息对非折射星和折射星进行分类,分类正确率高,不需要进行星图识别,也无需任何先验位姿信息。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
综上所述,在本发明实施例中,采用依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;根据帧间姿态矩阵构建多帧星点投影特征;利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果的方式,本发明仅利用多帧间的星点位置信息对非折射星和折射星进行分类,分类正确率高,不需要进行星图识别,也无需任何先验位姿信息。当在轨运行的卫星失去姿态和位置的先验信息时,使用本发明的方法仍能够正确对星图中的非折射星和折射星进行正确的分类,保障了在轨卫星处理突发情况的能力,提高了在轨卫星的安全性。
在本申请所提供的实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于多帧联合的非折射星和折射星分类方法,其特征在于,包括:
步骤S100,依据帧间星点位移进行帧间的星点匹配,并计算帧间姿态矩阵;
步骤S200,根据帧间姿态矩阵构建多帧星点投影特征;
步骤S300,利用折射星和非折射星之间具有的不同投影特征性质构建折射星分类器,并得到分类结果。
5.一种多帧联合的非折射星和折射星分类装置,其特征在于,包括:
匹配模块,用于匹配多帧之间的星点并计算帧间姿态矩阵;
特征模块,用于根据所述匹配星点与帧间姿态矩阵,构建星点投影特征;
分类模块,用于根据所述星点投影特征对非折射星和折射星进行分类。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。
10.一种电子装置,其特征在于,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648818.9A CN114972875A (zh) | 2022-06-09 | 2022-06-09 | 一种基于多帧联合的非折射星和折射星分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648818.9A CN114972875A (zh) | 2022-06-09 | 2022-06-09 | 一种基于多帧联合的非折射星和折射星分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972875A true CN114972875A (zh) | 2022-08-30 |
Family
ID=82961552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210648818.9A Pending CN114972875A (zh) | 2022-06-09 | 2022-06-09 | 一种基于多帧联合的非折射星和折射星分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972875A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645401A (zh) * | 2018-04-03 | 2018-10-12 | 中国人民解放军国防科技大学 | 基于姿态关联图像叠加的全天时星敏感器星点提取方法 |
CN113074719A (zh) * | 2021-03-24 | 2021-07-06 | 航天科工空间工程发展有限公司 | 一种快速可靠的星图识别方法 |
-
2022
- 2022-06-09 CN CN202210648818.9A patent/CN114972875A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645401A (zh) * | 2018-04-03 | 2018-10-12 | 中国人民解放军国防科技大学 | 基于姿态关联图像叠加的全天时星敏感器星点提取方法 |
CN113074719A (zh) * | 2021-03-24 | 2021-07-06 | 航天科工空间工程发展有限公司 | 一种快速可靠的星图识别方法 |
Non-Patent Citations (3)
Title |
---|
MA LIHENG等: "Performance analysis of the attitude-correlated frames approach for star sensors", 2016 IEEE METROLOGY FOR AEROSPACE (METROAEROSPACE), 22 September 2016 (2016-09-22), pages 1 - 2 * |
YANG JISAN等: "Joint Estimation of Stellar Atmospheric Refraction and Star Tracker Attitude Publisher", IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT, 13 December 2021 (2021-12-13) * |
宁晓琳等: "基于折射方向矢量的地球卫星星光折射导航新方法", 飞控与探测, 31 March 2020 (2020-03-31), pages 1 - 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | Vins-mono: A robust and versatile monocular visual-inertial state estimator | |
CN111156984B (zh) | 一种面向动态场景的单目视觉惯性slam方法 | |
CN108717531B (zh) | 基于Faster R-CNN的人体姿态估计方法 | |
CN101489467B (zh) | 视线方向检测装置和视线方向检测方法 | |
Simo-Serra et al. | Single image 3D human pose estimation from noisy observations | |
Corke et al. | An introduction to inertial and visual sensing | |
CN108711166A (zh) | 一种基于四旋翼无人机的单目相机尺度估计方法 | |
Oskiper et al. | Multi-sensor navigation algorithm using monocular camera, IMU and GPS for large scale augmented reality | |
US20130335528A1 (en) | Imaging device capable of producing three dimensional representations and methods of use | |
EP4383193A1 (en) | Line-of-sight direction tracking method and apparatus | |
CN105023010A (zh) | 一种人脸活体检测方法及*** | |
US20220028110A1 (en) | Systems and methods for performing self-improving visual odometry | |
CN112734841B (zh) | 一种用轮式里程计-imu和单目相机实现定位的方法 | |
CN112556719B (zh) | 一种基于cnn-ekf的视觉惯性里程计实现方法 | |
CN110119768B (zh) | 用于车辆定位的视觉信息融合***及方法 | |
US20230085384A1 (en) | Characterizing and improving of image processing | |
CN108681699A (zh) | 一种基于深度学习的视线估计方法及视线估计装置 | |
Yu et al. | Accurate and robust visual localization system in large-scale appearance-changing environments | |
CN113345032B (zh) | 一种基于广角相机大畸变图的初始化建图方法及*** | |
Samadzadeh et al. | Srvio: Super robust visual inertial odometry for dynamic environments and challenging loop-closure conditions | |
Zhang et al. | A visual-inertial dynamic object tracking SLAM tightly coupled system | |
Qiu et al. | Moirétag: Angular measurement and tracking with a passive marker | |
Schill et al. | Estimating ego-motion in panoramic image sequences with inertial measurements | |
CN114972875A (zh) | 一种基于多帧联合的非折射星和折射星分类方法及装置 | |
Bamani et al. | Recognition and estimation of human finger pointing with an RGB camera for robot directive |
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 |