一种基于三角形几何结构的星图识别算法

提出了一种新的以星三角形为基本识别单元的几何结构星图识别算法。通过对观测误差的预处理,将该算法星三角形的匹配过程转换为一个没有误差的三角形识别问题。引入一个能部分描述三角形结构的特征量,将导航三角形的识别所需的特征匹配数量降低,而多三角形的组合有效地提高了正确识别率。仿真实验表明,该算法所需导航星库容量小,识别效率高,误识率低,实时性和鲁棒性优于传统的三角形星图识别算法。     

一种快速三角形星图识别算法

针对星敏感器产品中常用的三角形星图识别算法存在时间复杂度较大、星图识别时间长的不足，提出一种改进的快速三角形星图识别算法。该算法通过构建二维链表数组将三角形的星对角距及角距容差集合保存下来，避免了星对角距重复计算和重复查找过程；通过构建哈希表，改变星对角距匹配方式，减少星对角距匹配次数，使三角形星图识别的时间复杂度大幅降低。试验结果表明，在不同星点位置噪声扰动以及不同观测星上限取值条件下，改进后算法的星图识别时间与传统三角形星图识别时间相比减少了70%，对提高星敏感器姿态更新频率具有重要意义。     

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。     

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。     

星图识别算法的优化设计与实现

在INS／CNS组合导航系统中,为了有效实时地用CNS的输出姿态信息校正INS的陀螺漂移,必须提高CNS中星图识别算法的运行速度。提出了一种改进的三角形星图识别方法,基三角形识别成功后,增加一颗附加检测星,计算出附加检测星和基三角形的三个星点的角距值。分析结果表明传统的星图识别算法在主频为600MHz的DSP6414上运行需要300ms左右的时间,算法改进后,只需40-80ms,数据输出率提高到10Hz。改变的算法在不存在伪星的情况下成功识别率近100％,存在伪星时,可以有效去除伪星。同时,解决了传统星图识别算法在嵌入式系统中实现难、耗时长的问题。该算法可以实时地校准惯导系统的误差。     

重力/惯性匹配导航空间分辨率同步技术

重力/惯性匹配导航是一种使用地球重力场信息进行惯导位置匹配校正的组合导航方法。匹配导航中由于重力测量信息与重力数据库信息空间分辨率不同步会造成空间分辨率不同步误差。为抑制匹配导航中出现的空间不同步误差,提出一种空间分辨率同步技术。该技术通过载体运动信息与重力测量算法滤波模型参数计算重力测量信息空间分辨率,并通过二维滤波降低重力数据库分辨率,使重力测量信息与重力数据库信息实现分辨率同步。在对数据库进行空间分辨率修正后,再使用匹配导航算法进行匹配定位。在仿真验证中改进后的匹配导航算法定位精度较传统匹配算法定位精度提高了1.1 nmile。通过空间分辨率同步技术可以提升匹配导航定位精度,为未来重力匹配导航设备发展提供辅助。     

一种新的全天自主几何结构显图识别算法

V448.22 2004064482 一种新的全天自主几何结构星图识别算法=A novel allsky autonomous triangle-based star map recognition algorithm[刊,中]/郑胜(华中科技大学图像识别与人工智能研究所.湖北.武汉(430074)),吴伟仁…∥光电工程.—2004.31(3).—4-7 提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量。导航三角形的     

星体跟踪星图识别算法

针对天文/惯性组合导航中对星敏感器快速姿态测量的要求,提出了一种基于星体跟踪的星图识别算法应用于星敏感器姿态测量。建立了基于星区的导航星库便于快速搜索导航星。实验结果表明,该算法比传统星图识别算法有着明显的优点,识别速度快,识别成功率高。     

基于P向量与三角形内切圆的星图识别算法

为了减少导航星表的存储容量和提高星图识别的成功率,提出了一种将P向量与三角形内切圆相结合的快速全天自主星图识别算法.该算法在构造导航星表过程中,从天文星表中挑选出满足要求的导航星并对其编号,以构造的P向量值、导航三角形内切圆半径R及导航三角形的第三条边为特征量构造导航子星表;在识别过程中,找出一定误差门限内,满足P向量...     

一种改进全天自主栅格星图识别算法

栅格算法是一种较优秀的星图识别算法 ,但它要求视场中有较多的恒星 ,从而要求星跟踪器有大的视场或高的星等灵敏度。为了克服这一缺点 ,引入主星的概念 ,并在星图识别过程中加入星等信息。仿真结果表明改进后的算法只需较少的恒星就能保证算法的鲁棒性 ,且实时性得到显著改善。     

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。     

SOFM星三角聚类的星图识别算法

介绍了一种利用SOFM(自组织特征映射)网络的聚类功能进行全天星图识别的算法。应用C 软件编程，对全天导航星星表的星信息进行了星三角采样、分类，指出SOFM网络可以很好地提取、反映星表中的复杂信息。从实际观测星图的识别结果可以看出该算法能在中型以上视场的星图识别中发挥很好的作用，虽然识别时间比三角形算法长了些，但其抗噪能力远超过任何其他方法。     

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%。