基于最大内角的三角形星图识别算法

针对传统三角形星图识别算法的不足,本文提出了一种不依赖星等信息的全天球自主快速三角形识别算法。通过构建三角形最大内角及其两边作为匹配特征三角形,建立了全天球导航特征库,对生成的特征库按最大内角值构造散列函数,并分块存储。识别过程中,采用"边-角-边"原理进行匹配。首先,根据最大内角的观测值实现子块的快速定位,然后,在子块中对观测三角形的两边进行星角距快速匹配,缩小了角距匹配的范围,提高了识别速度。试验表明,星点位置噪声低于2个像元时,识别率优于98.08%;观测星数等于10颗,特征库分块总数为1 024时,平均识别时间为13.1ms。与现有三角形识别算法相比,该算法在识别速度、识别率及抗星等噪声能力等方面具有明显优势。     

三视场天文导航视场间星图识别的导航星选取

研究了三视场天文导航视场间导航星的选取方法,以提高其视场间星图识别的效率,减小识别特征数据库规模。根据三视场天文导航星图识别的特点,分析了导航视场间导航星数目对视场间三角形星图识别的影响。考虑视场间三角形星图识别的需求,给出了任意视场至少包含1颗导航星和亮星优先选取的视场间导航星选取准则。然后,遵从上述准则提出了一种基于星等优先的一阶自组织导航星选取算法。利用提出的算法制备了视场间导航星星库,并对该导航星星库的性能进行了仿真分析和外场实验。实验结果表明:使用该算法制备的导航星星库规模较星等阈值过滤方法制备的星库规模降低了53.91%,且库中导航星分布均匀,符合视场间导航星的要求。     

空间立体角“准均匀分布”导航星表划分

为了建立更高性能的导航星表,分析了现有导航星表划分方法的优缺点,提出了一种合理划分导航星表的新方法。该方法以块空间立体角"准均匀分布"为原则,以天球赤道某区域所对应空间立体角大小为基准,将全天球依序划分为若干个子块,从而实现了一种分布均匀性更好的导航星表。仿真实验数据表明:以赤道上15°×15°所对应空间立体角为例,按空间立体角"准均匀分布"法划分天球后,最大子块和最小子块所对应的空间立体角变化范围相差22.86%,均方根(RMS)值为0.060 3,其均匀性远高于内接正方体法划分天球的均匀性。该方法为验证星图识别环节中模拟星图的快速生成和进一步筛选导航星奠定了基础。     

基于相似三角形的星图识别

星图识别算法是星敏感器快速获得姿态信息的关键,传统的星图识别算法,例如三角形算法、多边形算法以及一些改进算法,大多是以星对间的角距作为识别特征,而星对角距的计算精度严重依赖于星敏感器相机的焦距f的校准精度。如果校准精度不够或者由于环境原因导致相机焦距有较大变化时,这些基于星对角距的识别方法将无法正常工作,本文提出了一种基于相似三角形的星图识别算法,该算法利用观测星组成的三角形与CCD相机所成像点三角形相似来进行识别,由于识别过程不需要焦距信息,在焦距有较大变化时仍能正常工作。最后用蒙特卡罗方法进行了仿真验证,结果表明该算法在引入较大焦距误差时识别率无明显变化,其平均识别率为95.2%,平均识别时间为5.3ms,而相同仿真实验条件下传统三角形算法的平均识别时间为7.6ms,在引入0.5pixel的像面位置误差时该算法识别率为93.3%,而传统三角形算法识别率仅为86.5%,该算法较传统三角形算法在识别速度方面有一定优势,同时对像面位置噪声的鲁棒性更好。     

添加补偿码的快速径向伴星特征星图识别

针对传统的基于径向特征的星图识别算法在构建星模式的过程中由于位置噪声的干扰导致识别率较低的问题,本文提出一种添加补偿码的快速径向伴星星图识别算法。该算法以比特向量的形式构建基于径向特征的特征向量,同时将伴星间的角距信息以及位置噪声的补偿信息添加到特征向量中,从而有效地减小了特征库的容量,提高了星图识别算法的稳定性和识别率。最后本文根据比特向量的特点采用最小相似差方法快速完成观测星与导航星之间的初匹配,再根据同一视场内星点位置信息的相关性完成对观测星的唯一识别。实验仿真结果表明,在位置噪声为0.5像素的情况下星图识别成功率达到97.8%;在星等噪声为0.8 Mv的情况下星图识别成功率达到96.4%;当以真实星图为实验对象时,星图识别的成功率达到94.2%。与传统的三角形算法以及未添加补偿码的径向特征星图识别算法相比,本文算法在识别成功率和识别时间上均有着不同程度的提高。     

三角形星图识别算法的改进

三角形识别算法是采用星敏感器为导航部件所广泛运用的星图识别算法。但由于三角形特征维数较低,容易造成冗余匹配和错误识别。为了提高三角形识别算法的识别成功率,对三角形识别算法的识别过程做了改进。先将满足三边判决门限的导航星对记录到匹配数组,然后对导航星出现的次数进行计数;利用三角形三边之间两两相交的相关性,将导航星出现次数2的星对作为整体剔除,最后在余下的导航星对中寻找与观测三角形同构的三角形。识别过程中,以星对角距和相对星等差为识别特征,并对识别特征构造了散列函数,从而减少了识别过程中特征量比较的次数,提高了识别速度,增加了识别成功率。同时,也减小了内部导航星库的存储容量。     

星光制导中的凸多边形星图识别算法

提出了以凸多边形为基元、完全不依赖于星等的星图识别算法。首先,构造全部导航星的14°视场模式,共9 176个。然后逐一把这些视场中的导航星投影到像平面,得到一系列的点。依其坐标排序,采用由平面上的点生成凸多边形的算法,就能得到唯一的、以恒星为顶点的凸多边形。在导航星表中以凸多边形为储存单元,其内容为凸多边形的边和顶角。为此,设计了以导航星凸多边形和观测凸多边形之间距离最小为准则的识别算法。针对星光制导的导弹观星时间很短,提出了根据弹道生成弹上导航星表的方法,其导航星表只需存储30颗星的75个凸多边形。仿真结果表明:在任意视场中,基于凸多边形的星图识别成功率高于99%,并具有较强的鲁棒性。     

适用于星敏感器的导航星星库制定

导航星星库对星图识别、最终姿态获取具有重要意义.导航星星库的容量,存储方式,存储内容,读取方式,是影响星图识别的识别时间和识别率的关键因素.本文介绍了采用球矩阵存储和读取导航星库的方法,阐述了导航星的选取规则及存储内容.球矩阵方法可以在全天球范围内快捷查找导航星的大致区域;年中平位置及导航星星对角距的存储,可使视位置转换时间及星图识别时间进一步减少.     

基于星点有序集的全天球自主星图识别算法

为了提高在全天球自主工作模式下星图识别的成功率和鲁棒性,本文结合kNN算法和有向图理论的思想,构造出具有强约束的有序星点集模式,提出基于有序星点集的全天球自主星图识别算法。该方法首先利用k近邻算法的思想,以导航星点为中心,对位于其一定范围内的导航星进行了分类划分。然后基于有向图理论,以距离中心点星最近的导航星为基准,按照顺时针顺序对分类的导航星进行排序,构造出具有强约束特性的有序星点集作为星图识别的特征。实验结果表明:在存在星点位置误差和伪星点的情况下,本文提出的基于有序星点集全天球自主星图识别算法具有很强的抗噪声能力、抗伪星点干扰能力和鲁棒性。在星点质心位置达到3像素时,基于有序星点集星图识别算法成功率仍然可以达到99.8%,比三角形识别算法和栅格识别算法的识别成功率高16%以上;在存在3颗伪星点的情况下,基于有序星点集星图识别算法成功率为98.4%,比三角形识别算法和栅格识别算法高10%以上。     

一种基于SOFM聚类的星图识别算法

介绍了一种利用自组织特征映射(SOFM)网络的聚类功能进行全天星图识别的方法.按一定规则对全天星表的星信息进行了筛选并组建了导航星星库.从星库中提取星对角距信息和星模式信息来分别训练此星图识别系统中的两层SOFM网络,使网络具备了分类识别功能.以此系统进行的仿真识别结果表明,SOFM网络可以有效地反映星图中的复杂信息,抗噪性能明显优于传统星图识别算法;分类效果较好,能区分各种星模式;识别速度很快,约为1.5ms,可以在星图识别中发挥很好的作用.     

连通聚类星识别方法

采用星敏感器测卫星姿态是现行方法中精度最高的,其关键是星图识别.本文阐述了只采用观测星的位置信息,利用观测星图与导航星表的星对角距进行聚类匹配,根据观测星图的连通性进行匹配识别的方法,用图论理论解释了星识别过程;用120M主频的微机模拟分析了门限和位置噪声对识别时间的影响.在门限取0.05°,位置噪声(单轴)δ=0.02°以下时,在任一区域识别率达100%,识别时间平均少于0.2s.     

基于星图识别的空间目标快速天文定位

本文提出了一种基于星图识别的快速定位算法用于加快空间目标的定位速度和提高定位精度。首先,采集当前图像的拍摄时刻和编码器角度值,运用天文定位三角形建立的地平坐标系与地惯坐标系的转换关系,计算设备视轴在地惯坐标系中的指向;然后,由视轴指向所在的天区,提取出该天区所有的导航星与特征库;结合有初始指向的局部星图识别建立图像中背景恒星星像与导航星的对应关系。最后,根据小孔成像原理,通过已识别的背景参考恒星以角距离匹配的方式对空间目标进行相对定位。对4°×4°视场、分辨率为1 024×1 024的实际图像的试验结果表明,因定位过程中引入了天文定位三角形模型和星图识别,大大加快了空间目标的定位速度,初始定位速度平均约为400ms;又因采用相对定位的方式排除了影响定位精度的因素,空间目标的定位精度优于2″。     

利用地球紫外和恒星可见光的卫星自主导航

提出一种利用地球紫外波段和恒星可见光波段为卫星进行自主导航的方法,该导航方法利用视场1观测恒星可见光波段,视场2观测地球紫外波段.在视场1利用星敏感器全天球识别算法识别所有恒星星像,识别结果的光轴指向作为恒星矢量;视场2被用来对地球紫外波段轮廓成像,计算得到地心矢量在卫星本体坐标系中的方向.最后,利用卫星轨道动力学方程和扩展卡尔曼滤波器来计算卫星轨道参数.对一紫外敏感器进行的实验表明,与利用红外地平仪和恒星可见光的自主导航方法相比,该方法的位置误差由1 000 m减小到500m,速度误差由100m/s减小到40 m/s,而且消除了由于太阳光与地平线夹角带来的周期误差,因此,该方法具有很好的鲁棒性.     

适用于星敏感器的局部星像提取方法

提出了一种局部区域提取星像的算法.该算法采用星跟踪方法提取已知恒星星像坐标,根据这些已知恒星信息在星图中适当范围内提取未知恒星星像坐标并且识别这些未知恒星.对该算法进行了观星测试和在轨验证,实验结果表明:提取星像坐标时只须扫描星图的45%,从而提高了数据更新率;识别未知恒星时由全天球变为整个天球的0.3%,从而提高了识别率.     

天文导航中的星敏感器技术

由于星敏感器仅仅工作在全天球的识别模式下远不能满足当前飞行器任务的需要,提出了当星敏感器有足够的先验信息情况下,可在星跟踪模式或者预测星像模式下工作,来提高星敏感器的数据更新率,降低由全天球识别带来误匹配的可能性.本文提出了一种新的星跟踪算法来克服飞行器在大角速度飞行情况下传统星跟踪算法处理时间过长等不足;为了消除由于系统噪声带来的误差,还提出了星图滤波和星像滤波的方法.实验结果表明,当飞行器在2.25°/s的角速度下飞行时,星敏感器能在10 pixel×10 pixel的范围内从星图中正确提取星像,星图经去噪后,星敏感器输出精度提高了近5″,从而使星敏器可在飞行器高动态飞行情况下实现高精度、高更新率的姿态输出.文中描述的所有方法已在2007年和2008年进行了地面观星测试,并于2009年即将应用于某些卫星的姿控系统中.     

三角形星图识别改进算法研究

三角形识别算法是目前采用星敏感器为导航部件所广泛运用的算法,但由于特征维数较低,容易造成冗余匹配和错误识别。为了提高三角形识别算法的识别正确率,提出了改进识别过程的三角形识别算法,先将满足三边判决门限范围内的导航星对记录到匹配数组,对出现的导航星进行计数,利用三角形三边之间两两相交的相关性,将导航星出现次数小于2的星对作为整体剔除,在余下的导航星对中寻找与观测三角形同构的三角形。识别过程中,以星对角距和相对星等差为识别特征,并对识别特征构造了散列函数,减少了识别过程中特征量比较的次数,提高了识别效率,同时,也减小了内部导航星库的存储容量。     

改进的基于主星的星图识别算法

为了建立更高效的星图识别算法,设计了一种以主星与邻星角距为识别特征的星图识别算法.构建了导航星库,将所有邻星与主星角距进行量化编码,并按照从小到大的顺序排列为特征模式字符串,串尾附加字符串长度项为聚簇索引,借以提高导航星库的检索速度;然后,利用改进的KMP字符串识别方法对观测星进行匹配识别.当存在2 pixels的高斯位置噪声时,该算法成功识别率高于97.38%,导航星库的存储容量为149.4 kB.在Pentium 1.6 GHz PC机上随机识别1 250幅星图,平均识别时间为42.78 ms.此识别算法对观测图像具有旋转不变性,对位置和星等噪声都有很好的鲁棒性,且导航星库的存储容量小、检索效率高、实时性好.     

快速全天自主星图识别算法的研究

三角形识别算法是工程应用中较为成熟的算法,为了克服三角形因特征维数较低带来的冗余匹配问题,提出了一种改进的三角形算法。由于经过标定后观测星之间的相对星等差比较稳定,增加星等差作为辅助识别特征,同时,引入三角形以外的第四颗星为顶点,与三角形构成假想的四面体,顶点与底面三角形三个点的角距既是识别特征量,也可用于检验识别的结果是否正确。为了减小导航特征库的容量及对其遍历比较带来的时间开销,对导航特征库存储内容进行了精简,并利用数据结构中的散列查找法对识别特征构造散列函数,加快了识别过程。仿真实验结果表明,该识别算法具有较快的识别时间和较高的识别率。     

一种星图模拟中观测星提取的方法

为了利用计算机动态实时地模拟生成星敏感器拍摄到的星图,针对球坐标系特点,提出了一种改进的高效且适应性强的观测星提取方法.通过对天球分区法在高纬度区域的完善,解决了星敏感器圆形视场在高纬度区域实际的赤经范围计算问题.进一步介绍了一种新的对分区节点进行判断的改进方法,还对提高观测星提取效率的措施(细化分区、采用坐标变换和分步提取)进行了探讨.分析表明,改进的分区法可减轻动态实时模拟星图时的计算压力,效率高,能适应天球中各纬度区域,且逻辑描述简洁,适宜编程.将该方法运用于软件的实现,满足了星图动态实时模拟的要求.     

快速全天自主星图识别

为了克服三角形识别算法中三角形因特征维数较低带来的冗余匹配问题,对该算法进行了改进.在利用标记法进行三角形识别的基础上,引入三角形以外的第四颗星,并以其为顶点,与三角形构成假想的四面体,顶点与底面三角形3个点的角距既可作为识别特征量,也可用于检验识别的结果是否正确.识别算法以星对角距作为主要识别特征,增加星等差为辅助识别特征,减少了对冗余数据的存储,使导航特征库的容量仅有0.4 Mb.在识别过程中,利用散列查找法对识别特征构造散列函数,减少了对导航特征库遍历比较的次数和时间开销,加快了识别过程,平均识别时间为0.43 ms.仿真实验结果表明,该识别算法在较大位置和星等误差时具有较短的识别时间和较高的识别率.