【技术实现步骤摘要】
一种基于最优路径的多端点星图识别方法
[0001]本专利技术涉及天文导航
，涉及一种基于最优路径的多端点星图识别方法。
技术介绍
[0002]天文导航主要通过测量自然天体相对于飞行器的位置矢量来确定飞行器的姿态和位置，从而实现定位导航。在导航系统中，衡量导航系统性能的决定性指标是姿态测量的准确性。星敏感器作为高精度的姿态测量部件，在天文导航中得到了广泛应用。
[0003]星敏感器利用图像传感器拍摄真实星图，通过比较实拍星图的特征量与导航星的特征量进行匹配识别，并利用图像信息和识别星的相关信息解算出三轴姿态。根据星敏感器的测量姿态过程可知，星图识别算法的好坏直接决定了星敏感器姿态性能的优劣，因此星图识别是姿态确定的关键组成部分。
[0004]目前，根据观测星特征提取的方式，星图识别算法大致分为以下三类：子图同构类算法、模式识别类算法和人工智能类算法。子图同构类算法将星图识别问题视为子图同构问题的特例，该类算法主要采用星点间的位置关系构成三角形或多边形的特征图形，对照导航星特征库进行匹配识别。目前，星图识别算法中应用最广泛、最成熟、能够成功在轨运行的算法就是三角形算法。但是由于算法中采用的特征维数较低，容易出现冗余匹配和误匹配的问题，因此识别率低、识别速率较慢。在模式识别算法中，为每颗恒星构造出一个独一无二的特征，将这种特征成为“恒星模式”，即以待识别星一定范围内其他星的几何分布特征作为该星的特征模式，以此与其他星进行区别。模式识别算法中的典型算法为栅格算法、奇异值分解法、径向和环向分布特征的星图识...
【技术保护点】
【技术特征摘要】
1.一种基于最优路径的多端点星图识别方法，其特征在于它包括以下步骤：S1、构建导航星库，并根据最小权重生成树的思想构建含导航星特征模式的导航特征库；S2、处理观测星图，并基于最小权重生成树的思想生成观测星的特征模式；S3、基于双向Hausdorff距离，对导航星特征模式和观测星特征模式进行匹配识别。2.根据权利要求1所述的方法，其特征在于S1中所述导航星库中包括了导航星编号、导航星星等、导航星赤经、赤纬和方向向量；导航星在天球坐标系下的方向矢量V_star：其中，α为导航星的赤经，δ为导航星的赤纬。3.根据权利要求1所述的方法，其特征在于S1中导航特征库的构建包括以下步骤：S1
‑2‑
1、选择任意一颗导航星S作为主星，记录在其邻域半径R内其余伴星的编号，取邻域半径R为三分之一相机视场，即为:R＝FOV/3，其中FOV表示为相机视场；并计算主星和其余伴星的角距d
si
与前后伴星之间的角距d
ij
：：其中，V
s
表示主星S的方向矢量，V
i
表示伴星i的方向矢量，V
j
表示伴星j的方向矢量S1
‑2‑
2、根据主星和伴星、伴星与伴星之间的位置关系，构造无向图G＝(V,E)：主星和伴星的编号作为无线图的顶点；主星和伴星、前后伴星相连作为边(u,v)；主星和伴星、前后伴星之间的角距作为权重w(u,v)；S1
‑2‑
3、采用最小权重生成树的思想来构造主星的特征模式：
①
选取主星为最小权重生成树的起点，加入已访问节点集中，其余节点都属于未访问节点集；选取与主星相连通的边加入可能最小权重边集合中；
②
选取与主星连接的具有最小权重的边，将该边的另一个端点加入已访问节点集；并更新可能最小权重边集：该集中包含所有起点为已访问节点，终点为未访问节点的边；
③
选取最小可能权重边集中具有最小权重的边，并将新端点加入已访问节点集；同时更新可能最小权重边集；
④
重复以上操作，直到无向图中的所有端点都在已访问节点集中，即主星和所有伴星都遍历完成；将已访问节点集中的星号，按照加入先后顺序构成特征模式A；将前后加入的最小权重按照前后顺序构成特征模式B；并将最小权重总和作为特征模式C；至此，获得主星的特征模式；S1
‑2‑
4、任意一颗导航星S作为主星，重复S1
‑
1至S1
‑
3，获得导航特征库。4.根据权利要求1所述的方法，其特征在于S2中所述观测星图的处理步骤为：S2
‑
1、观测星图经过图像分割后，利用带阈值的加权质心法将星点坐标(X,Y)提取出
来；S2
‑
2、求出星点在相机坐标系下的方向矢量V_pic：式中，X、Y分别表示星点在像平面上的横坐标和纵坐标，xo、yo表示像平面主点的横坐标和纵坐标，f表示相机焦距，dx、dy表示相机在x、y方向上的像元尺寸；S2
‑
3、计算像平面上的星点pic与像平面主点o的距离d
pic
‑
o
：并根据距离远近依次编号，规定距离最近的星点为一号星；S2
‑
4、采用导航星构造特征模式的方法步骤，对观测星构造相应的特征模式；S2
‑
5、任意一颗观测星pic作为主星，重复S2
‑
1至S2
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。