一种基于FPGA的实时星点质心定位方法及装置制造方法及图纸

本发明专利技术公开了一种基于FPGA的实时星点质心定位的方法，包含以下步骤：对当前扫描输入的星图像素计算阈值，同时对像素形成M通道数据进行阈值分割,将阈值分割的M路结果输出到M*M的模板，利用模板对像素进行星点质心判断，判断模板内中心像素所在的行像素灰度和是否为各行灰度像素和的最大值，列像素灰度和是否为各列像素灰度和的最大值，以此粗定位星点质心所在位置是否为中心像素所在坐标位置，对属于本星点的模板内像素进行质心计算，细定位星点质心坐标位置，最后将质心特征和坐标缓存输出。该方法充分利用硬件运行并行性的特点对星点实现直接的判断和提取，硬件设计采用流水线结构可以实时对像素进行处理，存储资源耗费少，质心定位快速准确。

【技术实现步骤摘要】


本专利技术属于航天领域星敏感器图像处理领域，更具体地，涉及一种基于FPGA的实时星点质心定位方法及装置。

技术介绍

星敏感器是天文导航系统的主要设备，是一种高精度、高可靠性的姿态测量部件。星敏感器的工作原理是图像传感器拍摄当前视场的星图，通过对星图的预处理获得星点粗定位，然后通过亚像素细定位技术提取星点并计算星点质心坐标和灰度信息，最后利用星点信息采用星图识别算法获得载体相对于地心惯性坐标系的三轴姿态。
星图中星点质心定位精度和定位速度会影响星点识别中姿态测量的可靠性和识别速度，如何更准确快速进行星点质心定位是星光导航的关键技术。目前对于星敏感器所成星图的预处理硬件实现的方法主要有以下：
目前常用的阈值分割方法包括自适应阈值分割、基于灰度直方图的分割、Otsu、迭代阈值等分割算法。星图的背景噪声主要是由于光学系统引入的杂散光、图像传感器作为光电采样器件带来的噪声以及质心定位算法本身的噪声。星图中的噪声近似符合均匀分布，且噪声灰度均值远小于有效星点的灰度峰值。由于星图中目标总能量小，背景噪声分布均匀且比重大，基于灰度直方图、Otsu的分割算法等方法不容易找到分割点，迭代阈值的算法不易于硬件实现。
星点提取一般采用的算法有多个文献中提到的连通性分析，如郝雪涛等在《北京航空航天大学学报》上发表的论文《CMOS星敏感器图像驱动及实时星点定位算法》(1001-5965(2005)04-0381-04)提到的基于四连通的星点提取方法，这种连通性分析方法的有效性和精度与阈值的选取相关，阈值选取不合适容易产生大量虚假目标点，同时在实际操作中要反复叠加新的目标像素到存储星点的存储器，同时要对已经提取的星点像素进行合并连通域的操作，难以实现实时质心计算。冯国杰等在《测控技术》上发表的论文《一种用于星敏感器的星点提取方法》(1000-8829(2010)10-0013-03)提到的判定行与行之间的连接关系的提取方法需要存储包含星点的外接矩形的四点坐标，并且随着行的增加要不断进行坐标值大小的判断和外接矩形的四点坐标的更新，所需存储器容量较大，不利于硬件实现。除此之外的星点提取方法有结合模板的直接判断的方法，直接判断模板内大于阈值的像素的个数，块扫描法用来直接判断分块星图的每行每列的最大值，这些方法的精度不高，容易产生误判。
Chemielowski等提出的利用点扩散函数模型进行星点质心亚像素细定位的方法，在此基础上发展而来的常用的方法包括矩心法如传统加权质心计算、带阈值加权质心计算、平方加权质心计算以及在结合仿真实验上提出改进的光强矩次的质心算法，还包括基于边缘的高斯曲面拟合，椭圆拟合以及结合插值的拟合算法等方法。近来波前检测技术应用到质心定位的研究成为一个热点。椭圆拟合、高斯曲面拟合的算法比较复杂，不易于硬件实现。比较简单的适合硬件实现的就是矩心法，其计算公式要用到除法运算，除法运算比较耗费硬件资源且计算缓慢，所以如何实现快速精确质心计算也是研究的重点。

技术实现思路

本专利技术的技术解决的问题是：根据星点图像的特点，确定阈值分割和质心计算的算法，结合硬件实现速度快、并行执行、存储资源有限等特点实现星点提取和上述算法是本专利技术的重点。
为了实现上述目的，按照本专利技术的一个方面，提供了一种基于FPGA的实时星点质心定位方法，包含以下步骤：
S1、利用下式进行星图的阈值计算：
T1＝E+μ1×σ
T2＝E+μ2×σ
其中T1是自适应的背景阈值，T2是自适应的准星点阈值，E为图像的灰度均值，μ1，μ2为预设的常数，σ为图像的标准差；
S2、星图的分割：扫描输入星图像素并形成M路并行通道，其中M为预设值；按照上一帧星图阈值保存结果对当前并行输入像素进行分割，若当前像素灰度不小于背景阈值，判断为星点像素，保留原始像素灰度，否则将当前像素灰度设置为0；
S3、星点提取：采用M*M像素的矩形模板,并行输入M通道的数据；根据背景阈值和准星点阈值判断当前矩形模板中心像素所在位置是否为星点质心；
S4、星点数据的存储：将可用来计算星点质心的M*M模板的各行像素灰度和及各列像素灰度以及整个M*M模板的灰度像素和缓存到存储器；
S5、星点质心计算：利用下式计算质心：
x c = Σ i = - L L Σ j = - L L i [ I ( i , j ) - T 1 ] Σ i = - L L Σ i = - L L I ( i , j ) + x 0 ]]> y c = Σ i = - L L Σ j = - L L j [ I ( i , j ) - T 1 ] 本文档来自技高网...

【技术保护点】
一种基于FPGA的实时星点质心定位方法，其特征在于，包含以下步骤：S1、利用下式进行星图的阈值计算：T1＝E+μ1×σT2＝E+μ2×σ其中T1为自适应的背景阈值，T2为自适应的准星点阈值；，E为图像的灰度均值，μ1，μ2为预设的常数，σ为图像的标准差；S2、星图的分割：扫描输入星图像素并形成M路并行通道，其中M为预设值；按照上一帧星图阈值保存结果对当前并行输入像素进行分割，若当前像素灰度不小于背景阈值，判断为星点像素，保留原始像素灰度，否则将当前像素灰度设置为0；S3、星点提取：采用M*M像素的矩形模板,并行输入M通道的数据；根据背景阈值和准星点阈值判断当前矩形模板中心像素所在位置是否为星点质心；S4、星点数据的存储：将可用来计算星点质心的M*M模板的各行像素灰度和及各列像素灰度以及整个M*M模板的灰度像素和缓存到存储器；S5、星点质心计算：利用下式计算质心：将模板中心像素的坐标为设为(0,0)，其实际坐标为(x0,y0)，式中(xc,yc)为所求质心坐标，变量I(i，j)表示图像行坐标i，列坐标j处的像素灰度，T1为背景阈值，L为M/2向下取整；S6、星点质心结果缓存：将得到的星点质心的x,y坐标以及质心特征缓存到FIFO。...

【技术特征摘要】
1.一种基于FPGA的实时星点质心定位方法，其特征在于，包含以下步骤：
S1、利用下式进行星图的阈值计算：
T1＝E+μ1×σ
T2＝E+μ2×σ
其中T1为自适应的背景阈值，T2为自适应的准星点阈值；，E为图像的灰度均值，μ1，μ2为预设的常数，σ为图像的标准差；
S2、星图的分割：扫描输入星图像素并形成M路并行通道，其中M为预设值；按照上一帧星图阈值保存结果对当前并行输入像素进行分割，若当前像素灰度不小于背景阈值，判断为星点像素，保留原始像素灰度，否则将当前像素灰度设置为0；
S3、星点提取：采用M*M像素的矩形模板,并行输入M通道的数据；根据背景阈值和准星点阈值判断当前矩形模板中心像素所在位置是否为星点质心；
S4、星点数据的存储：将可用来计算星点质心的M*M模板的各行像素灰度和及各列像素灰度以及整个M*M模板的灰度像素和缓存到存储器；
S5、星点质心计算：利用下式计算质心：
将模板中心像素的坐标为设为(0,0)，其实际坐标为(x0,y0)，式中(xc,yc)为所求质心坐标，变量I(i，j)表示图像行坐标i，列坐标j处的像素灰度，T1为背景阈值，L为M/2向下取整；
S6、星点质心结果缓存：将得到的星点质心的x,y坐标以及质心特征缓存到FIFO。
2.如权利要求1所述的所述的基于FPGA的实时星点质心定位方法，其特征在于，在所述步骤S2中，M根据星点弥散光斑的直径大小选取。
3.如权利要求1或2所述的基于FPGA的实时星点质心定位方法，其特征在于，所述步骤S3按照以下步骤判断当前矩形模板中心像素所在位置是否为星点质心：
(3.1)判断模板内星点连通域，剔除不属于本星点的像素；
(3.2)判断矩形模板中心像素所在的行像素灰度和是否为1～M各行像素灰度和的最大值，列像素灰度和是否为1～M各列像素灰度和最大值；
(3.3)如果符合上述步骤要求则判断当前星点质心在矩形模板的中心像素位置。
4.如权利要求1或2所述的所述的基于FPGA的实时星点质心定位方法，其特征在于，所述步骤S5按照以下步骤进行质心计算：
(5.1)从存储器中读取缓存数据，首先进行定点到浮点转换；
(5.2)利用查表法和数值循环法，将除数的2～7倍数据通过预设的关系存储到查找表；
(5.3)被除数每次移动3位，通过查表可以得到3位有效商，如果最终得到的余数为0或者商值的位数符合要求，结束；
(5.4)质心的行列坐标计算按照上述步骤并行执行。
5.如权利要求3所述的基...

【专利技术属性】
技术研发人员：桑红石，高英华，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42