基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在15s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。     

星图运动模糊及其复原方法

研究了载体角运动及振动对星敏感器成像的影响,推导并建立了不同飞行状态下星图模糊的数学模型.在此基础上讨论了多重运动模糊机理,提出采用分步复原方案去除多重星图模糊,以保证高动态环境下星敏感器工作的精确性及稳定性.仿真结果表明,载体运动造成的星体质心提取误差与具体运动形式及参数有关,并通过比较复原前后星敏感器的定姿效果,验证了模糊星图分步复原方法的有效性.      

动态拖尾星图模拟算法研究

星图模拟技术是星图识别算法仿真和性能测试的基础.为了更好地模拟星敏感器在轨工作的情况,对星敏感器的软件开发以及自身性能进行有效的地面测试,提出一种动态拖尾星图模拟算法.该算法分为4个步骤:首先根据星敏感器指向在全天球范围内搜索导航星;接着利用小孔成像模型计算导航星在星敏感器成像面的投影位置;然后在考虑卫星运动引起的恒星拖尾的基础上,按照二维灰度分布规律置灰度值来模拟星像点像素;最后叠加杂散光背景及成像器件引起的噪声.提出的算法具有速度快、精度高及可实现性高等优点.     

星敏感器导航星表建立

导航星表是星敏感器系统用来实现恒星星图识别和姿态确定的唯一依据,它的容量、内容、存储读取方式对于完成星敏感器功能和性能指标都极为重要．通过分析恒星在视场中的分布规律,建立起星表的完备性和冗余性与星敏感器视场内导航星的数量之间的关系,确定了导航星数量,提出了筛选导航星的原则和方法,为了实现星表的快速搜索,对导航星表的组织形式进行了详细讨论．构造一个由2510颗0～6等导航星组成的导航星表,满足了星敏感器星图识别和姿态确定的需求．     

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

一种快速全天星图识别算法

对星敏感器全天识别算法进行了研究,综合考虑三角形匹配识别法和四面体识别法的优缺点,提出一种改进的快速全天星图识别算法.该算法通过优化导航星对角距筛选方法,节省存储空间;同时引入K矢量法用于加快星图识别中角距匹配的速度;在三角形识别不唯一时,引入第四颗观测星进行四面体识别,提高识别成功率;并在三角形识别结束后增加投影验证功能以避免误识别.仿真结果表明,该算法合理有效,可节省存储空间,减小星图识别时间,提高识别正确率,具有很好的实用价值.     

一种多帧相关滤波的星敏感器像素非均匀性误差校正方法

为了进一步提升星敏感器的星点定位精度,分析星敏感器的像素误差来源和形成机理,提出一种多帧相关滤波的像素非均匀性误差校正方法.根据星图中星点的位置确定质心定位域和局部校正域,利用当前帧星图信息和前一帧的局部校正域信息预测当前帧的校正域,满足校正条件后采用差分法校正质心定位域.实验结果表明,本文方法能够较好地预测星图的非均匀性噪声,提升星点定位精度,具有较好的鲁棒性.     

多视场星敏感器结构参数标定方法

提出一种基于星间角距不变原理的多视场(FOV)星敏感器结构参数标定方法.这种方法以欧拉角表征多视场星敏感器各个子视场之间的旋转关系,利用识别得到的各个视场星点的坐标信息和赤经赤纬信息,计算出多对星光矢量来建立标定模型和目标函数,然后使用L-M算法优化目标函数并解算出各个子视场之间的结构参数.此方法不需要外部姿态测量仪器辅助,可用于在轨和地面标定.在全天球随机抽取多个姿态生成多视场的仿真星图用于标定,并采用星内角统计偏差作为结构参数标定精度的评价指标.这种方法能够准确求解多视场星敏感器的结构参数.星内角统计偏差的平均值在星点位置噪声标准差为0.1像素的仿真试验中为1.3",在外场观星的实际试验中为6.4".      

一种基于三正交主轴平面的快速星图模拟方法

为在地面上进行星图模拟以测试星图识别算法和星敏感器性能, 提出了一种新的快速星图模拟方法. 该方法利用截面圆和固定区域的性质, 将单位天球按照三个正交主轴平面进行等分, 根据赤纬值求解恒星矢量与主轴平面夹角来确定选星条件, 进而根据坐标变换原理进行星图模拟. 为验证所提方法与现有方法相比的优势, 进行了大量的仿真实验. 实验结果表明, 与现有星图模拟方法相比, 本文方法在保证星图模拟精度的条件下, 选星速度提高了3倍以上.      

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

基于星图匹配的小视场空间图像畸变校正

小视场星载相机受发射振动和空间环境等影响,会使所拍摄的空间图像产生畸变,并且畸变模型和参数也时有变化.针对小视场空间图像所含恒星点相当稀少的特点,提出一种基于Hausdorff距离多帧星图匹配的空间图像畸变校正方法,利用恒星点作为控制点实现畸变参数的计算.针对卫星姿态漂移所造成的相机光轴指向系统误差对校正的影响,给出一种自适应补偿方法.仿真实验结果表明,该方法计算量小、精度高,能够有效抑制图像噪声和输入误差的影响.      

基于Delaunay三角剖分的全天自主星图识别算法

在地球物理建模中,Delaunay三角剖分因其对给定点集进行三角剖分具有剖分结果唯一性这一重要特点而得到广泛应用.采用Delaunay 剖分这一性质,首次将Delaunay剖分算法应用到星图识别中.利用全天球星图的剖分不变性,采用有界曲面剖分的边界递归法,生成有序且容量小的完备导航星库;利用二维Delaunay三角剖分对视场内恒星星图进行剖分,将其结果进行快速匹配识别.仿真实验结果表明与现有的星图识别算法相比,此算法具有高的识别率,良好的实时性和鲁棒性,且所需导航星库的容量小,检索速度快.     

星敏感器中快速星跟踪技术

跟踪模式是星敏感器的主要工作模式之一,跟踪过程的快速性直接影响星敏感器的整体性能.提出了一种快速星跟踪算法.在跟踪算法的3个耗时环节,分别采用了分区星表、阈值映射、先排序后匹配识别这3种方法,以提高跟踪过程的快速性.其中分区星表法将整个天区分成了若干个子天区,使得在星体映射时,只是搜索星敏感器视轴指向附近的部分子天区,而不是搜索整个天区,减少了搜索星体的数量;阈值映射法,在满足精确度的情况下,设置被跟踪星体的数量阈值,只有被跟踪的星体数目少于此阈值时,才进行星体映射,减少了映射次数;先排序后匹配识别法,先根据星体在星图中的坐标值进行排序,然后再进行匹配识别,减少了那些距离较大的无谓的星体间的匹配识别.仿真测试结果表明,这3种方法的采用,提高了跟踪算法的快速性,提高了星敏感器的整体效能.      

A robust star identification algorithm with star shortlisting

A star tracker provides the most accurate attitude solution in terms of arc seconds compared to the other existing attitude sensors. When no prior attitude information is available, it operates in “Lost-In-Space (LIS)” mode. Star pattern recognition, also known as star identification algorithm, forms the most crucial part of a star tracker in the LIS mode. Recognition reliability and speed are the two most important parameters of a star pattern recognition technique. In this paper, a novel star identification algorithm with star ID shortlisting is proposed. Firstly, the star IDs are shortlisted based on worst-case patch mismatch, and later stars are identified in the image by an initial match confirmed with a running sequential angular match technique. The proposed idea is tested on 16,200 simulated star images having magnitude uncertainty, noise stars, positional deviation, and varying size of the field of view. The proposed idea is also benchmarked with the state-of-the-art star pattern recognition techniques. Finally, the real-time performance of the proposed technique is tested on the 3104 real star images captured by a star tracker SST-20S currently mounted on a satellite. The proposed technique can achieve an identification accuracy of 98% and takes only 8.2?ms for identification on real images. Simulation and real-time results depict that the proposed technique is highly robust and achieves a high speed of identification suitable for actual space applications.