用KMP算法进行星敏感器星图识别的改进方法

用KMP算法进行星图识别时,制定的导航星库容量大。为此,对导航库数据进行了压缩。 先对星图进行小波变换,截取其低频子带部分;再用0-1的方法建立导航星库。仿真结果表明本算法不但继承了原算法的优点,而且导航星库的容量和识别时间都是原算法的1/4。     

适用于星敏感器的星图识别方法

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。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 ;介绍了导航星的选取规则、导航星库的存储内容及采用球矩阵存储和读取导航星库的方法 ;用 1 2 0 MHz主频的微机模拟分析了门限和位置噪声对识别及识别时间的影响。在门限取 0 .0 5°,位置噪声 (单轴 )δ=0 .0 2°以下时 ,在任一区域的识别率达 1 0 0 % ,识别时间平均少于 0 .2 s。     

船用星敏感器星图模拟方法

针对船用星敏感器的仿真测试,提出一种高精度实时星图模拟方法。建立了星图模拟计算模型,并对非恒星要素的模拟方法进行分析。采用Visual C++编程实现相关算法。给出典型星图模拟实例,并与Starry Night软件产生的星图进行比对。结果表明,本文提出的方法能够对船用星敏感器各种运行场景下的星图进行模拟,模拟要素完整、正确,模拟精度与Starry Night接近至亚像素级别,每帧模拟星图生成时间约24.8ms。能够满足船用星敏感器高精度实时仿真测试要求。     

凸多边形星图识别算法

为解决星敏感器中较大视场快速、可靠的星图识别,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。对给定的视场,挑选其中较亮的恒星,依其坐标排序,然后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。为验证星图识别算法的有效性,建立了导航星数据库,其储存单元为凸多边形的边和相邻边的夹角,共有3832个边数不等的凸多边形。在CPU为33MHz 的PC104上仿真结果表明:在任意视场中,生成凸多边形的时间小于5ms,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。     

提高星图识别正确率的方法研究

在CCD星敏感器中，快速而可靠的星图识别算法成为星敏感器确定姿态的最关键部分．针对星图识别误匹配的存在，通过实验数据探讨了采用不同的星图识别特征、增加参与星图识别的恒星数目、提高恒星位置测量精度和星等测量精度、使用不同的星图匹配门限、选取合适导航星等方法，提高星图识别正确率。实验结果表明，采用这些方法后，星图正确匹配概率大大提高．     

一种新的全天自主几何结构星图识别算法

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。导航三角形的识别只需基于单一特征量的匹配就可完成。多三角形的组合,有效地提高了正确识别率。仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性。     

星敏感器在地面观星实验的结果分析

星敏感器是为航天飞器姿态控制系统提供姿态信息的测量系统。室外的实际观星,对检查星敏感器软件算法的正确性和实际星目标探测灵敏度能力,具有重要指导意义。本文介绍了星敏感器在云南天文台进行的观星实验,并对实验结果进行了分析。     

带有恒星自行校正的星敏感器定姿

为了提供高精度星敏感器姿态测量精度,对三轴定姿受恒星自行影响产生误差的机理进行研究,将恒星自行量分成Ⅰ-Ⅸ级存储在导航星库中,并深入分析不同恒星自行量级在20年间对三轴姿态角输出的逐年变化情况。仿真实验结果表明:利用QUEST方法在20年内对三轴姿态角进行校正后精度可提高75″以上,在星等相近时优先选取自行量级较小的恒星进行姿态解算,使新条件数达到最小,大大提高工程上星敏感器姿态测量的精度和稳定性的要求。     

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。     

多通道舰载星敏感器标定方法

对系统参数的精确标定是研制高精度测量仪器过程中的重要工作。对于多通道舰载星敏感器来说,其光学系统和设备结构参数的精确标定是进行精确定位的重要前提。综合考虑舰载星敏感器光学系统中存在的原点误差、指向误差、轴系不正交、比例尺误差、倾斜误差以及畸变建立了光学系统参数标定模型和方法,结合多通道的系统结构特点建立了设备结构参数标定方法。方法总体标定精度约5?,满足舰载星敏感器定位精度需求。     

利用径向和环向分布特征的星图识别方法

提出一种基于径向和环向特征的全天自主星图识别方法。该方法利用具有旋转不变性的径向特征作初始匹配,而以环向特征作后续匹配,并用FOV约束进一步剔除冗余匹配。为了加快匹配搜索的速度,采用查找表的方式构建径向模式库。为使观测星图中尽可能多的星找到其对应匹配星,引入了验证识别环节。仿真实验表明,该方法在较高位置噪声水平下(噪声方差为1pixel)仍能达到97.57%的识别率,比同实验条件下的栅格算法提高3%。与传统的方法相比,该方法具有较快的识别速度(18ms)和较小的存储空间(0.344Mb)。     

高精度星图模拟及有效性验证新方法

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,提出了一种新的高精度星图模拟方法。该方法利用截面圆和固定区域的性质,根据赤纬值求解赤经跨度来确定选星条件;将选出的导航星通过构建理想星敏感器模型,来求解它们在CCD面阵上的精确位置;根据位置信息,采用TFT液晶光阀,以实现高质量的星图模拟;利用星间角距和投影原理的性质来验证星图模拟的有效性。仿真实验结果表明,与现有星图模拟方法相比,此方法选星速度快,模拟实时性好,准确率达到98.8742%,位置精度达到1/50个像素。     

A star pattern recognition algorithm for cameras with large FOV

In most large field of view (FOV) observations, the distortion problem is inevitably and significantly more serious than in small FOV ones. In the circumstances, many traditional star identification approaches are not able to efficiently identify stars any more. In order to deal with this problem, we put forward a star identification method that is less sensitive to distortion. The method first processes stars in the central area of the image, using traditional identification logic, and then applies the region growing strategy to enlarge the identified regions iteratively until the entire image is covered. The performance of the new scheme is analysed in the presence of both simulated data and real data. The results show that the proposed algorithm has the advantage of speed, and the strategy of regional extension can efficiently identify stars in large FOV images compared with other existing algorithms.     

星敏感器中快速星匹配跟踪算法研究

阐述了基于星体中心位置信息匹配的跟踪原理,提出了一种基于匹配的星跟踪方法.采用FPGA实现实时的星点位置信息的获取,解决了传统星跟踪过程中图像数据获取的瓶颈,增加了跟踪星体的个数,加快了匹配跟踪的速度;并且采用先排序后匹配的匹配方法,减少无谓的星体间的比较.仿真测试结果表明,此方法使得匹配跟踪的时间大约降低为原来的10%,提高了整个跟踪算法的计算速度,对星敏感器整体效能的提高也非常明显.     

星敏感器参数标定及误差补偿

针对CCD星敏感器光学系统存在焦距不准确、CCD平面倾斜和旋转及光学镜头畸变等误差因素,在理想针孔模型的基础上,用几何方法建立了星敏感器模型。利用地面实验数据,以最小二乘法解算该数学模型,求出焦距、CCD平面倾斜和旋转因子及畸变因子等待标定参数。将标定出的参数代回数学模型,便可由星象点测量坐标直接计算并修正入射光方向矢量,从而对光学系统的误差进行了补偿。计算结果表明:星对角距统计偏差由标定前41″降到了17″,提高了计算精度。     

一种新的星图中星获取算法

提出一种新的星图中星获取算法——极值点法,利用最小二乘向量机(LSSVM)对原始星图的局部区域作灰度曲面最佳拟合,在拟合曲面上求解灰度极大值的像素点,获得星的中心点的初步位置。以初步位置为基础的星图像素聚类加速了星图中星的获取过程。以模拟星图中星的精确中心位置为参考,计算在不同噪声条件下测量位置与最近参考位置的距离平方倒数和的均值,优化 LSSVM 参数。为获得最佳星获取性能,卷积核为5×5像素的高斯LSSVM参数(σ2, γ)取(17,1.25)。该极值点法与矢量法相比,效率相当,但性能更好。