宽视场条件下红黑树中心局域化加速的星图匹配技术

较宽视场的星图匹配往往存在数据量巨大、边缘效应明显等问题进而影响计算的速度和精度。本文采用放大中心视场并优先处理的思想进行程序加速,并采用三次底片常数拟合匹配数据,减小宽视场观测中边缘视场处目标的定位误差。在实际的算法实现中,采用了基于红黑树的动态数据结构适配于中心视场的扩大;并应用GeoHash编码技术进行全域星象匹配。实验结果显示:三角形的匹配时间相较于原始算法减少了70.68%;在计算准确性上与系统原装软件的误差在亚像素水平;激光星轨道关联实验显示,关联差均在20″以内。长达一个月的实测结果表明,本文提出方法成功匹配了多达65万帧图像,识别准确率超过90%,平均每个观测夜识别到的目标达到580个。

改进的激光光斑位置分辨率模型

为了分析四象限探测器(QD)激光光斑位置检测性能,建立了新的高斯光斑位置分辨率数学模型。分析了高斯光斑模型下QD位置检测原理和近似数学模型,根据误差函数可导性,结合误差理论推导出位置分辨率与总信噪比、光斑中心位置和光斑半径关系的数学模型,数值仿真和实验系统验证了所提模型的正确性。结果表明,当光斑半径为0.74 mm,总信噪比为66.96 dB时,在光斑中心偏移±0.45 mm范围内,所提模型的估算误差约为36%,与原近似模型相比,精度提高了约1倍,可以对激光光斑位置检测系统的位置分辨率进行有效估算。