一种改进的凸多边形星图识别算法

提出一种在不依赖于星等的凸多边形算法基础上构造的三角形算法。将像平面上的恒星依据坐标排序生成具有唯一性的凸多边形,以三角形的边角边作为识别特征,按照顶角排序后删除重复的角度和角距来拟和曲线,可以加快搜索查询匹配速度,进而识别出视场中恒星在赤道坐标系中的坐标,识别速度较快,具有较强的鲁棒性。     

复杂星空背景下的空间目标快速捕获算法

针对现有方法在大视场、高灵敏度条件下星空背景复杂导致的空间目标捕获速度慢的问题,利用大视场星图识别的优势,提出了复杂星空背景下的空间目标快速捕获算法.采用分级曝光策略,基于短曝光获取有限数量的恒星以大幅度提高星图识别速度;利用二维最大背景估计方法,实现星图预处理,获得质心数据信息;最后基于星图目标序列剔除自然天体.通过星图目标排序横向剔除,保证剔除准确性的前提下有效提高了剔除效率,实现了空间目标快速捕获.仿真试验结果表明,本文方法快速性好、准确率高,与已有算法中较快算法相比,目标捕获所用时间减少41.92%.     

适用于星敏感器的导航星表构造算法研究

导航星表的性能对于星敏感器姿态测量的实时性及精度至关重要。为了克服星等过滤算法的缺点,将支持向量机应用于导航星表的构造算法中。将基本星表中的恒星视为待分类的数据点,选取抽样视场中最亮的k颗星作为导航星,而非导航星的数量由抽样视场中恒星的密度决定。为了获得具有最大推广能力的抽样数据,采用了一种球面螺旋形算法生成抽样视场视轴指向,使用抽样数据构建最优导航星分类器,应用最优导航星分类器对基本星表中每一颗恒星进行分类判决。仿真结果表明,在满足8°×8°视场中至少出现3颗导航星的条件下,该算法生成的导航星表导航星总数约为星等过滤算法的33%,比传统支持向量机算法减少了7.8%,其标准差仅为星等过滤算法的21%,这表明本算法在导航星表容量及导航星分布均匀性方面大大优于星等过滤算法和传统支持向量机算法。     

基于BP神经网络的小样本星图识别方法

为解决星敏感器的星图识别算法高实时性和鲁棒性,采用了BP神经网络;根据飞行轨迹精简了导航星及对应的模式,即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆,构造了完备的圆视场集合;经过反复比较,选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式,以其角距和顶角作为识别向量,具有平移和旋转不变性,并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%,识别时间小于20ms。     

改进金字塔算法用于小视场星图识别

为实现小视场星图的全天自主识别,规避星矢量内积在小角距范围内区分度欠佳的问题,提出以星矢量外积作为匹配特征量对金字塔算法进行改进。分析了匹配特征量改进策略,并对改进金字塔算法涉及的基本星表预处理、匹配特征量数据库及K矢量构建、星图降噪与质心提取、星图识别流程等问题进行讨论。采用Visual C++编程实现该算法,通过仿真对其进行性能测试,并应用于小视场星敏感器。结果表明,对于小视场星图,改进金字塔算法识别成功率达96.7%,需载入内存的数据文件约26.4 MByte,识别时间平均约131.8 ms,能够满足全天自主星图识别算法的准确率高、占用资源适度、识别速度快、稳健性强等要求。     

应用形状因子特征的高效星图识别

针对传统的三角形星图识别算法存在冗余匹配多、抗噪声性能差的问题,提出了一种应用形状因子特征的高效星图识别算法。该算法在传统的三角形算法基础上,引入了形状因子特征参数和方向信息,并择优选择视场内4颗观测星,组成一对观测三角形,进行星点匹配识别。与传统的三角形算法相比,该算法增加了星图识别时图像的特征信息量,降低了匹配时的冗余度,具有导航特征库存储空间小、识别速度快等优点。实验表明,在星点位置噪声标准偏差为2个像素、星等噪声标准偏差为0.7星等的仿真条件下,该算法的识别率均在99%以上;通过地面实验的实物验证,在300 MHz的FT-C6713的DSP硬件平台上,全天自主识别的平均运行时间约为47 ms,具有明显的优势。     

一种新的多三角形星图识别算法

针对星敏感器星图识别算法只能处理少数目恒星的问题,结合天文观测相机进行星图识别的具体要求,提出了一种适合天文观测相机的多三角形星图识别算法.首先,选用欧洲空间局2000年2月发布的第谷2天文星表作为原始导航星表;其次,采用交叠矩形法分天区后建立导航星数据库;最后,根据天文观测相机拍摄的实际星图建立了观测星数据库;并应用多三角形星图识别算法进行星图识别的验证,实验结果表明：针对天文观测相机多三角形星图识别算法是可行的,也是可靠的.     

基于星图识别的空间目标检测算法研究

从恒星背景中检测出空间目标是空间目标天基光学测量相机所要解决的关键技术难题之一。提出了一种基于星图识别的空间目标检测算法,利用背景星图的平移、旋转、比例伸缩不变性,应用星图识别原理,根据识别恒星在不同帧图像中的坐标变化估计背景运动参数,进行探测图像序列的配准,然后在配准后的图像序列中检测出空间目标。通过仿真验证,该方法对于运动恒星背景中运动小目标的检测具有比较好的效果。     

基于粗测位置和方位的三视场快速星图识别方法

为了在已知粗略方位角和地理位置时实现三视场天文定位定向设备的快速测量,给出了一种三视场定位定向设备的快速局部星图识别方法。分析了三视场定位定向设备使用全天球识别数据库执行三角形识别时识别效率低的原因;指出了应先进行视场内识别,后进行视场间识别以提高效率,并给出星图识别时角距误差门限的选取范围;给出了一种基于粗略位置和方位快速生成局部识别数据库的方法,它可以减少识别信息的冗余,实现高效的星图识别。仿真实验和野外实验结果表明：使用此局部识别方法正确识别率可达99.19%,识别速度为24.3 ms,基本满足三视场天文定位定向设备快速高效测量的要求。验证了局部星图识别方法的效率,以及采用先视场内识别后进行视场间识别方式的正确性。     

基于圆形视场分割的鱼眼相机星图识别方法

海上星光导航是航海中一种重要的自主导航技术, 星图识别是其关键步骤。针对船载鱼眼相机星光导航系统超大视场带来的单幅图像数据量大、识别冗余、识别效率低等问题, 提出了一种基于圆形视场分割的鱼眼相机星图识别方法。对于拍摄到的星图, 利用同心圆将视场分割成若干个面积相等的环形和圆形区域; 在构造导航星特征库的过程中, 以星角距为特征构造散列函数, 将导航特征库分段存储成若干个子库; 在识别过程中, 利用基于中心星的多三角形识别算法, 从视场中心圆形区域开始依次向视场边缘环形区域进行识别。海上观测实验结果表明:该方法能够平均以2.5 s的识别时间达到90%以上的识别成功率, 且具有良好的实时性。     

基于几何覆盖的导航星视场构造算法

由导航星表构造导航星匹配模式是星图匹配、识别的最关键步骤。为了从根本上能保证星图识别模式的完备性,提出了构造导航星视场的方法。从导航星表中任一颗星开始,依次找到两两角距小于FOV的星,构成1颗星、2颗星…m颗星的全部子集(子集P)。以子集P中心的视轴为基准,取两倍于视场的导航星子集Q(Q包含P)。把Q中的每一颗星投影到星敏感器像平面,形成点列子集Q。视场的构造就可以表述为平面上点集的几何覆盖问题。对每一个子集P来说,先计算其最小覆盖圆,若其半径小于视场在像平面的投影值(R),则计算点列子集Q删除P后的Voronoi图,这样就可求出包含点列子集P的最大空圆;若其半径大于R,则点列子集P为一个导航星视场。给出了由20颗导航星生成的124个视场,并与Monte Carlo 20万次随机生成的视场作了比较。结果证明了该算法是有效的、实用的。     

基于多视场星敏感器的姿态确定方法

星敏感器是目前航天器姿态测量精度最高的器件,与传统的单视场星敏感器相比,多视场星敏感器可以实现三轴同样高精度的姿态测量,提高姿态测量精度。针对单视场星敏感器姿态确定问题,推导了以最小代价函数为指标的QUEST姿态确定算法。对于多视场星敏感器,通过坐标变换方法将多个视场的导航星矢量转换到同一视场中,再利用QUEST算法得到航天器姿态。最后仿真结果表明,坐标变换后进行姿态确定得到的姿态数据与单个视场所得的姿态数据相同,验证了方法的正确性。     

一种非标定的快速星图识别方法

大多数现有算法在星敏感器光学系统参数标定不准确时,识别率显著降低。针对这种情况提出了一种无需标定参数的识别算法。该算法引入比例距离作为径向特征,角度作为环向特征。这两种特征不依赖焦距、主点等任何光学系统参数,仅和图像平面上的星点位置有关。识别时首先按照特征量进行初始匹配,然后利用FOV(Field of View)约束筛选待选星进行精确匹配。为了加快速度,精确匹配时引入了快速分组方法。仿真实验表明,该方法具有较快的识别速度,在没有光学系统参数的情况下,识别率可以达到97%。     

大动态CMOS APS的星敏感器光学系统主要参数设计

星敏感器广泛用于空间飞行器的姿态测量,为减少飞行器飞行过程中转动对星敏感器测量精度的影响,定量分析了捷联安装的星敏感器透光孔径、曝光时间、视场、焦距、像素数目与转速之间的关系,提出了大视场、短曝光时间、较少的像素都能提高星敏感器的动态。鉴于这三者之间是相互关联的,首先,由导航星的捕获概率确定了视场大小,然后,根据恒星辐射模型和CMOS有源像素传感器的噪声计算模型,确定了透光孔径、曝光时间。     

一种改进的全天自主三角形星图识别算法

三角形算法是一种当前使用最为广泛的星图识别算法 ,但作为其识别基元的三角形的特征维数比较低 ,容易出现冗余匹配或误匹配 ,因而对测量误差比较敏感。针对这一缺点 ,从导航星的选取、星座数据库的构造和算法的实现三方面着手对传统三角形算法进行改进 ,提出了新的导航星自动选取方法和导航星座数据库构造方法 ,并在此基础上实现了改进三角形算法 ,其数据库容量和实时性都略优于传统三角形算法 ,且识别成功率接近多边形算法     

基于Log-Polar变换的星图识别方法

基于Log-Polar变换提取特征模式,并将特征模式进行字符串编码,在KMP算法的基础上给出一种适合于星图识别的字符串匹配算法用以实现观测星和导航星的匹配识别。与栅格算法在相同实验条件下的比较表明:该方法对星点位置噪声和星等噪声具有更强的抗干扰能力,且具有更小的存储容量,但其识别速度还有待于进一步提高。