采用旋转不变特征的分步星图识别方法

针对星敏感器的空间迷失问题,提出了一种新的星图识别方法。利用距离映射矢量计算参考星与导航星之间的离散度,以缩短导航星库列表,得到候选导航星,再利用夹角特征矢量与距离特征矢量,通过相似度计算匹配出参考星唯一对应的导航星。通过对仿真星图和真实星图进行性能测试,评估其可行性。结果表明,方法对噪声具有较强的鲁棒性,在位置噪声、伪星和缺失星等恶劣环境的影响下仍能保证93.80%以上的识别率。

快速星图匹配算法的研究

姿态敏感和姿态稳定是卫星的重要技术之一，星体敏感器是目前最高精度的姿态测量技术。对于这种技术，很多文献都进行了讨论，并涌现了许多关于星图匹配行之有效的算法。从这些算法中，提取了几种较好的星体识别算法，又分别比较了它们的优缺点，并在这些算法的基础上，重新提出了另一种新型星图匹配算法（三角形匹配算法），以便提供更可靠、更实时、更独立的星体识别。

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)。

基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在1.5s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。

一种改进的基于K矢量的星图识别算法

为了提高星敏感器定姿中星图识别的精度和效率,基于K矢量原理和四边形匹配法则提出一种改进的星图匹配方法:首先基于K矢量查找法快速匹配星间角距,得到角距的匹配组合;再采用一种基于标识符的快速判别方法进行导航星的判别,得到4颗匹配成功的基准星;最后基于4颗基准星按四边形匹配法则完成全视场的匹配。实验结果表明,该方法具有良好的实时性和准确性。