一种快速鲁棒的全局星图识别方法技术

本发明专利技术公开了一种快速鲁棒的全局星图识别方法，涉及高精度天文导航的技术领域，包括如下步骤：（1）根据视场内恒星的亮度与中心距，定义恒星的置信度，并完成导航星筛选。（2）将星图中的每颗导航星视为顶点，导航星间的像素距离视为边权重，并选择中心距最近的导航星作为主星，构建最大生成树特征。（3）结合K矢量算法，建立快速索引机制，得到候选星集合。（4）利用多阶连续角特征从候选星集合中确定主星及其邻星。该方法的优势在于充分利用导航星间的全局信息，在保证识别速度的同时提高识别准确率。在保证识别速度的同时提高识别准确率。在保证识别速度的同时提高识别准确率。

【技术实现步骤摘要】
一种快速鲁棒的全局星图识别方法


[0001]本专利技术涉及高精度天文导航的
，具体涉及一种快速鲁棒的全局星图识别方法。

技术介绍

[0002]星图识别是寻找捕获星图与预存星库中导航星间的对应关系，并为航天器的高精度姿态测量做准备。目前，星图识别技术主要分为两大类，即子图同构类和模式识别类，而这两大类算法面临的两大难点有：识别速度慢，易受噪声干扰。子图同构类的代表性算法为三角形算法，算法原理简单且易于实现，但是其缺点也很明显：特征维度低，且星三角的存储量极大，易导致误匹配。在此基础上发展出了很多基于星三角的改进算法，但是均未解决存储量大，识别速度慢的问题。模式识别类最具代表性的算法是栅格法，它将导航星投影在栅格上的位置视为模式特征，构建栅格向量，提升了模式特征维度。但是它过于依赖基准星的选取，导致其性能极易受噪声影响。在此基础上的变种算法也未能解决基准星的依赖问题。

技术实现思路

[0003]本专利技术针对现有星图识别算法识别速度慢，易受噪声干扰的问题，提供了一种快速鲁棒的全局星图识别方法，其是一种基于模式类算法的方法。该方法利用定义的导航星置信度，可为主星筛选高可靠性，分布均匀的导航星，这大大增加了后续模式的可辨识性。该方法建立的MST与多阶CA模式，无需确定起始点或起始边，即可完成对视场中导航星的全局识别，本算法的识别精度与效率明显高于一些基线类算法。本专利技术定义的置信度保证了算法对噪声的抑制能力。然后，MST与K矢量算法的结合，有效的实现了主星的快速搜索。最后，多阶CA巧妙地利用了导航星间的全局几何关系，能有效抑制噪声的干扰。
[0004]为达到上述目的，本专利技术采用的技术方案如下：一种快速鲁棒的全局星图识别方法，包括如下步骤：步骤1、为每颗导航星定义置信度，并根据置信度完成邻星的筛选；步骤2、根据图论相关定义，为主星构建MST模式；所述MST模式为最大生成树模式；步骤3、为每颗主星及邻星构建多阶CA模式；所述多阶CA模式为多阶连续角模式；步骤4、根据步骤1、步骤2和步骤3完成的星图识别算法中的识别模式构建，通过构建的识别模式对视场中筛选出的N颗星进行识别。
[0005]进一步地，所述步骤1包括：步骤11、根据导航星的自身星等及距离中心的中心距的综合特征，为视场中的每颗导航星定义置信度，计算公式如下：，
其中，为第颗导航星的星等，和分别为星库中最小和最大星等值，为第i颗导航星的中心距，为最大成像平面像素尺寸；步骤12、以距离视场中心最近的星为主星，并将其邻星按置信度降序排列，筛选前N颗星作为该主星的邻星。
[0006]进一步地，所述步骤2包括：步骤21、将筛选出来的所有星视为图的顶点V，顶点间的连线视为图的边E，连线的欧几里得距离视为边权重d(u,v)，计算公式如下：，其中，()，()分别为视场中的两颗导航星像平面坐标；步骤22、采用Prim算法为星库中每颗主星构建MST模式：首先，随机选择一顶点作为起点，计算它与其他顶点的边权重，并取最大值作为最大生成树的第一条边，记为；随后，计算与第一条边相连的另一顶点与其他顶点的边权值，取最大值作为最大生成树的第二条边，记为；按照上述步骤，及任意三个顶点不成环的规则，完成所有顶点的最大生成树的构建()，其中N是邻星个数；步骤23、根据上述生成的最大生成树的边权重，计算主星的MST模式如下：，其中，j是MST的第j条边权重。
[0007]进一步地，所述步骤3包括：步骤31、一阶连续角定义为相邻邻星连线间的夹角，计算公式为：，其中，()为主星在成像面上的坐标，()代表视场中第i颗星在成像面上坐标， ()代表视场中第N颗星在成像面上坐标；步骤32、 根据步骤31中的一阶连续角为每颗邻星构建多阶连续角，令，计算如下：，其中，符号“>>”代表将向量循环右移；步骤33、根据步骤32中的每颗邻星将多阶连续角构建为主星多阶连续角矩阵，计算如下：，其中，矩阵A的每列代表1到N
‑
1阶连续角，矩阵A的每行代表每颗邻星的多阶连续
角。
[0008]进一步地，所述步骤4包括：步骤41、根据步骤2中的主星的MST模式，结合K矢量算法，为主星建立快速索引，从LUT中快速搜索得到候选主星集合：，其中，代表LUT中的候选主星，代表LUT中的MST模式值，代表捕获星图的MST模式，代表动态阈值，代表候选星数目；步骤42、从候选集合中确定正确主星：计算捕获星图与 SPD中的候选主星多阶连续角矩阵A的Jaccard相似系数，计算如下：，其中，SPD表示星模式库；和分别代表捕获星图与第k颗候选主星的多阶连续角矩阵，z代表阶数, 符号和分别代表两个集合间的交集和并集；步骤43、采用重复投票策略确定正确主星：通过步骤42得到各阶Jaccard相似系数后，取每阶最大值进行候选星投票，投票数最大者为正确主星，表达如下：，其中，函数代表最大Jaccard相似系数对应的候选主星的投票数加一，argmax代表取投票数最大者；步骤44、通过步骤43确定正确主星后，将正确识别的主星与捕获星图中主星的多阶连续角矩阵进行行对齐，对筛选出来的邻星进行全局识别。
[0009]本专利技术与现有技术相比的有益效果在于：（1）本专利技术提供了一种新的导航星筛选方法，增加了模式的可辨识度；（2）本专利技术提出的MST模式与多阶CA模式，有效地解决了噪声干扰下的星图识别问题；（3）本专利技术具有较高的识别精度，计算复杂度低，识别速度快。
附图说明
[0010]图1为本专利技术的一种快速鲁棒的全局星图识别方法流程图；图2为本专利技术的MST模式构建示意图；其中，（a）表示随机选择作为起点，并计算它与其他顶点的欧几里得距离；（b）表示选择距离最大的边作为第一条边的权重；（c）表示选择连接到的另一个顶点作为第二个顶点；类似地，选择第二条边的权重；（d）代表所有顶点的MST边权重；图3为本专利技术的多阶CA模式构建示意图；其中，（a）表示一阶CA模式图；（b）表示
的多阶CA模式图；（c）表示的多阶CA模式图。
具体实施方式
[0011]以下结合具体实施例对本专利技术作进一步详细描述。
[0012]本专利技术的一种快速鲁棒的全局星图识别方法首先对原理SAO星表进行星等阈值划分和双星剔除，得到4956颗导航星组成的星库。不同视场下的星数变化如图2所示，图2中代表主星的8颗邻星；代表主星MS的权重边。其中图2中的（a）表示随机选择作为起点，并计算它与其他顶点的欧几里得距离；图2中的（b）表示选择距离最大的边作为第一条边的权重（比如选择为第一顶点，选择为第一条边）；图2中的（c）表示选择连接到第一条边的另一个顶点作为第二个顶点，选择为第二条边；类似地，选择第二条边的权重；图2中的（d）代表所有顶点的MST边权重，即直到9个顶点全部被最大生成树连接；
[0013]从图2中发现，在20
°
视场下，视场内导航星冗余度过高，这将导致模式区分度降低。星敏感器具体参数如表1所示。
[0014]表1 星敏感器实验参数
[0015][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速鲁棒的全局星图识别方法，其特征在于，包括如下步骤：步骤1、为每颗导航星定义置信度，并根据置信度完成邻星的筛选；步骤2、根据图论相关定义，为主星构建MST模式；所述MST模式为最大生成树模式；步骤3、为每颗主星及邻星构建多阶CA模式；所述多阶CA模式为多阶连续角模式；步骤4、根据步骤1、步骤2和步骤3完成的星图识别算法中的识别模式构建，通过构建的识别模式对视场中筛选出的N颗星进行识别。2.根据权利要求1所述的一种快速鲁棒的全局星图识别方法，其特征在于，所述步骤1包括：步骤11、根据导航星的自身星等及距离中心的中心距的综合特征，为视场中的每颗导航星定义置信度，计算公式如下：，其中，为第颗导航星的星等，和分别为星库中最小和最大星等值，为第i颗导航星的中心距，为最大成像平面像素尺寸；步骤12、以距离视场中心最近的星为主星，并将其邻星按置信度降序排列，筛选前N颗星作为该主星的邻星。3.根据权利要求2所述的一种快速鲁棒的全局星图识别方法，其特征在于，所述步骤2包括：步骤21、将筛选出来的所有星视为图的顶点V，顶点间的连线视为图的边E，连线的欧几里得距离视为边权重d(u,v)，计算公式如下：，其中，()，()分别为视场中的两颗导航星像平面坐标；步骤22、采用Prim算法为星库中每颗主星构建MST模式：首先，随机选择一顶点作为起点，计算它与其他顶点的边权重，并取最大值作为最大生成树的第一条边，记为；随后，计算与第一条边相连的另一顶点与其他顶点的边权值，取最大值作为最大生成树的第二条边，记为；按照上述步骤，及任意三个顶点不成环的规则，完成所有顶点的最大生成树的构建()，其中N是邻星个数；步骤23、根据上述生成的最大生成树的边权重，计算主星的MST模式如下：，其中，j是MST的第j条边权重。4.根据权利要求3所述的一种快速鲁棒...

【专利技术属性】
技术研发人员：赵汝进，朱梓建，马跃博，刘恩海，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：