基于最大内角的三角形星图识别算法
基于星三角形角度的竞选式星图识别
２ １ 年 ３月 ０１
光 电工 程
Ｏｐ ｏ Ｅｌ ｃｒ ｎ ｃＥｎｇ ｎ ｅ ｉ ｇ ｔ — ｅ ｔｏ ｉ ｉ ｅ ｒｎ
Ｖｂｌ３ Ｎ Ｏ ３ －８． ．
Ｍ ａｃ ． ０ １ ｒｈ ２ １
文 章编 号 ：１ ０ — ０ Ｘ（０ １０ — ０ ９ ０ ０ ３ ５ １ ２ １）３ ０ ２ — ６
Ａｂ ｔ ａ ｔ Ａ ｄ ｆ ｄ ｖ ｔ ｇ ｓａ ｅ ｏ ｎ ｔ ｎ ａ ｇ ｒ ｈ ｗｉ ｉ ｔ ｒ ｔ ａ ｇｅ ａ ｇ ｌ ｒ ｄ ｔ ｒ ｎ ｔ ｎ ｓ ｈ ｍ ｅ ｗａ ｓｒ ｃ ： ｍｏ ｉ ｅ ｏ ｉ ｔｒ ｒ ｃ ｇ ｉ ｏ ｌ ｏ ｉ ｍ ｔ ｍａ ｎ ｓ ｒ ｎ ｌ ｎ ｕ ａ ｅｅ ｍｉ ａ ｉ ｃ ｅ ｓ ｉ ｎ ｉ ｔ ｈ ａ ｉ ｏ ｐ ｏ ｏ ｅ ．Ｆ ｒ ｂ ｔ ｒ ｒ ｂ ｓ ｅ ｆ ｒ ａ ｃ ，ｍｏ ｅ ｖ ｃ ｏ ａ ｅ ｇ ｎ ｒ ｔ ｄ ｗｉ ｈ ｅ ｔ ｓ ｉ ｈ ｅ ｓａ ｅ ｏ ｎ ｔ ｎ ｒ ｐ ｓ ｄ ｏ ｅｔ ｏ ｕ ｔ ｐ ｒｏ ｅ ｍ ｎｅ ｄ ｅ ｔ ｒ ｃ ｎ ｂ ｅ ｅ ａｅ ｔ ｔ ｒ ｅ ｓａ ｎ ｔ ｅ ｎ ｗ ｔ ｒ ｒ ｃ ｇ ｉ ｏ ｈ ｒ ｉ ａｇ ｒ ｈ Ａｆ ｒｔ ｅｓ ｌｃ ｉ ｎ ｏ ａ ｓａ ｃ ｒ ｉ ｇ ｔ ｅ ｔ ｉ ｕ ｅ ｔ ｅａ ｇ ｅａ ｅｓａ ｅｒ ｃ ｇ ｉｅ ｅｔ ａ ｇ ｅ ｔ ａ ｌ ｏ ｉ ｍ． ｔ ｅｅ ｔ ｆｓ ｒ ｃ ｏ ｄ ｎ ｃ ｒａｎ ｒ ｌ， ｈ ｎ ｌ ｔ ｈ ｔ ｒ ｏ ｂ ｅ ｏ ｎ ｚ ｄ ｉ ｔ ｉ ｎ ｌ ｔ ｓ ｔ ｅ ｈ ｏ ｔ ｏ ｔ ｔ ｎ ｈ ｒ ｈ ｉ ｃ ｍｐ ｓ ｄ ｏ ｖ ｒ ｅｅ ｔ ｄ ｓａ ｒｐ ｅ ｓ ｃ ｌｕ ａ ｅ ，ａ ｄ ｔ ｅ ｃ ｓｍｏ ｅ ｖ ｃ ｏ ｏ ｏ ｉ ｇ ｒ ｃ ｇ ｉ ｏ ． ｃ ｕ ｅ ｏ ｏ ｏ ｅ ｆｅ ｅ ｙ ｓ ｌｃ ｅ ｔ ｔ ｌ ｔ ｒ ｉ ｗａ ａｃ ｌｔ ｄ ｎ ｎ ａ ｔａ ｄ ｅ ｔ ｒｆ ｒｖ ｔ ｅ ｏ ｎ ｔ ｎ Ｂｅ ａ ｓ ｆ ｈ ｎ ｉ ｈ ｇ ｅ ｉ ｎ ｉ ｎ ｉ ｅ ｅ ａ ｉｎ ａ ｄ ｗｉ ｅ ｏ ｕ ｉｔ ｂ ｔ ｎ ｔ ｅ ａ ｇ ｒｔ ｍ ｏ ｌ ｒ ｖ ｄ ｅ ｔｒ ａ ｔ ｎ ｉｉ ｇ ｃ ｐ ｃ ｔ ｉ ｈ ｒｄ ｍｅ ｓｏ ｎ ｇ ｎ ｒ ｔ ｎ ｄ ｒｖ ｌ ｍｅ ｄ ｓｒ ｕ ｉ ， ｈ ｌ ｏ ｉ ｏ ｉ ｏ ｈ ｃ ｕ ｄ ｐ ｏ ｉ ｅ ｂ ｔｅ ｎ ｉ ｏ ｓ ａ ａ ｉ — ｎ ｙ ａ ｄ ｐ ｒｏ ｍａ ｃ ｅ ｏ ｎ ｔｏ ｕ ｃ ｓ ａ ｅ Ｓ ｍｕ ａ ｉ ｎ ａ ｄ ｒ ｓ ｌ ａ ａ ｙ ｉ ｐ ｏ ｅ ｈ ｆｅ ｔ ｅ ｅ ｓａ ｄ ｃ ｒ ｉ ａｕ ｆ ｎ ｅ ｆ ｒ ｎ ｅ ｉ ｒ ｃ ｇ ｉ ｎ Ｓ ｃ ｅ ｓｒ ｔ ． ｉ ｌｔ ｅ ｕ ｔ ｎ ｌ ｓｓ ｒ ｖ ｓｔ ｅｅ ｃ ｉ ｎ ｓ ｅ ｔ ｎ ｖ ｌ ｅｏ ｎ ｉ ｏ ｎ ｖ ｎ ａ
星图识别三角形算法综述
星图识别三角形算法综述摘要：星图识别三角形算法是图像处理和计算机视觉领域的研究热点之一，它在诸多应用领域具有重要意义。
本文将概述星图识别三角形算法的研究现状、主要方法及其优缺点，以及未来的研究方向。
关键词：星图识别，三角形算法，图像处理，计算机视觉，应用领域。
引言：星图识别三角形算法在图像处理和计算机视觉领域中具有重要的应用价值，它对于天文学、空间探测、自动驾驶等领域具有深远的影响。
本文将介绍星图识别三角形算法的背景和意义，并针对现有的算法进行综述，最后提出未来研究方向和挑战。
文献综述：星图识别三角形算法的基本概念和理论知识星图识别三角形算法是一种基于图形特征的图像处理算法，它通过识别图像中的三角形结构来提取目标信息。
该算法主要依赖于特征提取、形态学处理、三角形匹配等核心技术。
星图识别三角形算法的研究历史和现状星图识别三角形算法的研究始于20世纪90年代，最初应用于天文学领域的星图自动识别。
随着计算机技术和图像处理技术的发展，该算法逐渐扩展到其他领域，如医学图像处理、安全监控、自动驾驶等。
目前，研究者们已经提出了多种星图识别三角形算法，如基于像素的三角形算法、基于区域的三角形算法、基于形态学的三角形算法等。
星图识别三角形算法的不同实现方法和比较分析本文对现有的星图识别三角形算法进行了归纳和整理，主要分为以下几类： (1)基于像素的三角形算法：这类算法主要通过计算像素之间的相似度来识别三角形结构。
代表性的算法有基于灰度共生矩阵的方法、基于小波变换的方法等。
但由于计算量较大，这类算法对于大规模图像的处理速度较慢。
(2)基于区域的三角形算法：这类算法主要通过分析图像中的区域特征来识别三角形结构。
代表性的算法有基于区域增长的方法、基于边缘检测的方法等。
这类算法对于噪声和干扰的鲁棒性较好，但在处理复杂图像时可能会出现误检。
(3)基于形态学的三角形算法：这类算法主要通过形态学处理技术来识别三角形结构。
代表性的算法有基于腐蚀和膨胀的方法、基于开闭运算的方法等。
基于相似三角形的星图识别
Star identification algorithm based on similar triangle principle
SU De-zh! , WANG Yu-liang, WU Shi-yong, CUI Xiao-dong
(CoUege of
Scdences for Aviation, Naval Aviation
University ^^tai 264001, C加na)
兴 Co旷旷esponding
基于多视场星敏感器的三角形星图识别方法
基于多视场星敏感器的三角形星图识别方法熊雪;王庆【期刊名称】《计算机测量与控制》【年(卷),期】2014(22)1【摘要】为解决现有基于单星敏感器的星图识别中由于成像视角小，星图恒星数量不足而造成的星图识别率偏低的问题，提高星图识别的准确度和精确度，提出了一种基于多视场星敏感器的改进三角形星图识别方法；该方法通过将相同位置相同时间不同姿态角获得的多幅星图基于星图自身径向特征拼接成一幅多视角、不失真的星图，利用拼接后的星图进行星图识别，同时采用分块方式存储星对角距以及利用哈希查找提高星图识别效率；实验随机识别500幅星图，仿真结果表明，与传统的单视场星图匹配算法相比，该方法具有更高的星图识别率和匹配精度，当星图恒星数量达到30以上时，平均识别率能基本达到97％，且识别速度提高了11倍左右。
%In order to solve the problem of the low star identification rate of the existing star pattern recognition based on one-FOV star sensor due to the small imaging perspective,the insufficient number of stars,improve the accuracy and precision of star identification,an im-proved triangle star identification method based on multi-FOV star sensor is proposed.The novel method stitches the pieces of star maps obtained in the same position and time but different attitude angle into a piece of star map which is multi-FOV and undistorted,and make use of the star map to complete the star identification.To improve the computation time,the angular of star identification based on block storage and Hash search areused to finish the star identification.500star maps are identified randomly and the simulation results show that compared with the traditional one-FOV star map,the novel algorithm has a higher rate of star identification and higher matching accuracy, the average identification rate can reach 97% when the number of stars are more than 30and identification time also improve 11times faster.【总页数】4页(P225-228)【作者】熊雪;王庆【作者单位】西北工业大学计算机学院，西安710072;西北工业大学计算机学院，西安 710072【正文语种】中文【中图分类】V448.22【相关文献】1.小视场星敏感器的星图识别算法 [J], 孙龙;蔡佳楠;姜建华2.适用于星敏感器的星图识别方法 [J], 陈元枝;郝志航3.基于粗测位置和方位的三视场快速星图识别方法 [J], 王昊京;王建立;吴量;张世学;贾建禄4.基于圆形视场分割的鱼眼相机星图识别方法 [J], 张喆;翟京生;张亮5.三视场星敏感器的多级星图识别算法 [J], 苟斌;程咏梅;赵明艳;王会宾;刘成元因版权原因，仅展示原文概要，查看原文内容请购买。
一种快速三角形星图识别算法
第39卷第1期2018年1月应用光学Journal of Applied Optic;Vol. 39 No. 1 Jan. 2018文章编号！002-2082(2018)01-0071-05一种快速三角形星图识别算法张磊12，周宇12，林荣峰12，张增安12，钱方亮12!.上海航天控制技术研究所，上海201109#2.上海市空间智能控制技术重点实验室，上海201109):针对星敏感器产品中常用的三角形星图识别算法存在时间复杂度较大、星图识别时间长的不足，提出一种改进的快速三角形星图识别算法。
该算法通过构建二维链表数组将三角形的星对角距及角距容差集合保存下来，避免了星对角距重复计算和重复查找过程；通过构建哈希表，改变星对角距匹配方式，减少星对角距匹配次数，使三角形星图识别的时间复杂度大幅降低。
试验结果表明，在不同星点位置噪声扰动以及不同观测星上限取值条件下，改进后算法的星图识别时间与传统三角形星图识别时间相比减少了7 0 %，对提高星敏感器姿态更新频率具有重要。
:星敏感器；三角形星图识别；星对角距；哈希表中图分类号：TN911. 73;TP391. 4 文献标志码：A doi：10. 5768/JAO201839. 0102005Fast triangle star pattern recognition algorithmZhang Lei1'2,Zhou Yu1'2,Lin Rongfeng1'2,Zhang Zengan1'2,Qian Fangliang1'2(1. Shanghai Institute of Spaceflight Control Technology, Shanghai 201109 ? China #2. Shanghai Key Laboratory of Space Intelligent Control Technology, Shanghai 201109 ? China)Abstract：In order to reduce high time complexity and long time of star image recognition of traditional triangle star pattern recognition algorithm commonly used in star sensor,an fast star pattern recognition algorithm was proposed.The algorithm preserves star diagonal distance and angular distance tolerance set by constructing an array of two-dimensional linked list,which avoids repeated calculation and repetitive searching process of star diagonal Then a new star matching method by using hash table is constructed,which can reduce the number of star pairs of angular matching and time complexity of triangular star map rec nificantly.Experimental results show that starred recognition time of improved algorithm is reduced by 70%compared with traditional triangle star pattern recognition time under differentstar perturbations and different observation star numbers,which is significant to improve the attitude updating frequency of star sensor.Key words：star sensor；triangle star pattern recognition；star angular distance；hash table7言卫星控制、弹道导弹中[1]。
星路图判定图像标准
星路图判定图像标准
1、星图识别算法大体分为两类，一类是子图同构算法，这类算法以星与星之间的角距为边，星为顶点，把观测星图看成是全天星图的子图。
2、它们直接或者间接的利用角距，以线段(角距)、三角形、四边形等为基本匹配元素，并按照一定方式组织导航特征表。
3、利用这些基本元素的组合，一旦在全天星图中找到唯一符合匹配条件的区域(子图)，则它就是观测星图的对应匹配。
4、这类算法主要包含多边形算法、三角形算法和匹配组算法等。
由于一些星点构成的子图是相同的，这类算法会存在错误匹配的情形，影响其稳定性。
5、另一类是模式识别算法，这类算法为每颗星构造一个独一无二的特征，即星模式，通常以一定邻域内其他星的几个分布特征来构成。
这样，星图识别实质上就是在导航星表中寻找与观测星模式最接近的导航星。
这类算法最具代表性的为栅格算法。
同其他算法相比，栅格算法具备较高识别率，导航星表体积小。
基于最大内角的三角形星图识别算法
基于最大内角的三角形星图识别算法张同双;郭敬明;柏杨;刘冰;周海渊;王二建;张世学【期刊名称】《光学精密工程》【年(卷),期】2017(025)001【摘要】针对传统三角形星图识别算法的不足,本文提出了一种不依赖星等信息的全天球自主快速三角形识别算法.通过构建三角形最大内角及其两边作为匹配特征三角形,建立了全天球导航特征库,对生成的特征库按最大内角值构造散列函数,并分块存储.识别过程中,采用“边-角-边”原理进行匹配.首先,根据最大内角的观测值实现子块的快速定位,然后,在子块中对观测三角形的两边进行星角距快速匹配,缩小了角距匹配的范围,提高了识别速度.试验表明,星点位置噪声低于2个像元时,识别率优于98.08％;观测星数等于10颗,特征库分块总数为1 024时,平均识别时间为13.1 ms.与现有三角形识别算法相比,该算法在识别速度、识别率及抗星等噪声能力等方面具有明显优势.【总页数】9页(P208-216)【作者】张同双;郭敬明;柏杨;刘冰;周海渊;王二建;张世学【作者单位】中国卫星海上测控部,江苏江阴214431;飞行器海上测量与控制联合实验室,江苏江阴214431;中国卫星海上测控部,江苏江阴214431;飞行器海上测量与控制联合实验室,江苏江阴214431;中国科学院长春光学精密机械与物理研究所,吉林长春130033;吉林大学生物与农业工程学院,吉林长春130000;中国卫星海上测控部,江苏江阴214431;飞行器海上测量与控制联合实验室,江苏江阴214431;中国卫星海上测控部,江苏江阴214431;中国卫星海上测控部,江苏江阴214431;中国科学院长春光学精密机械与物理研究所,吉林长春130033【正文语种】中文【中图分类】TP394.1【相关文献】1.基于三角形匹配的星图识别算法及优化 [J], 郭磊;李保权;曹阳;桑鹏2.基于星三角形外接圆的星图识别算法 [J], 文涛;王宏力;陆敬辉;詹巧林;高志勇3.一种基于星三角形的星图识别算法 [J], 孙晓雄;王宏力;陆敬辉4.一种快速三角形星图识别算法 [J], 张磊;周宇;林荣峰;张增安;钱方亮5.径向特征下的改进三角形星图识别算法 [J], 刘先一;张志利;周召发;常振军因版权原因，仅展示原文概要，查看原文内容请购买。
基于深度学习的机器视觉三角形测量算法及应用
基于深度学习的机器视觉三角形测量算法及应用深度学习在机器视觉领域的应用日益广泛，本文将介绍基于深度学习的机器视觉三角形测量算法及其应用。
深度学习是一种机器学习的方法，通过构建和训练具有多层结构的神经网络，从数据中学习并提取特征，进而实现对目标的识别与测量。
在机器视觉中，深度学习可以帮助我们解决三角形测量问题，提高测量的准确性和稳定性。
一、深度学习在机器视觉三角形测量中的应用深度学习在机器视觉三角形测量中的应用主要包括以下几个方面：1. 特征提取：深度学习可以通过训练神经网络来学习图像中的特征，并提取出具有区分性的特征点。
这些特征点可以用于确定三角形的边界和顶点位置，进而进行测量。
2. 目标识别：通过训练深度学习模型，可以实现对目标的识别。
将深度学习模型应用于三角形测量中，可以准确识别出图像中的三角形，并计算出其各边长度和角度。
3. 三角形重建：深度学习可用于三角形重建中，通过训练模型从图像中恢复三维信息。
利用深度学习方法，可以重建三角形的三维坐标和形状信息，进而实现对三角形的准确测量。
二、基于深度学习的机器视觉三角形测量算法基于深度学习的机器视觉三角形测量算法主要包括以下几个步骤：1. 数据准备：收集并准备包含三角形的图像数据集。
数据集中应包含不同形状和大小的三角形，以及其对应的标签（各边长度和角度）。
2. 网络模型设计：设计适合三角形测量的深度学习网络模型。
一种常用的模型是卷积神经网络（CNN），它可以有效提取图像中的特征。
3. 模型训练：使用数据集对深度学习模型进行训练。
通过提供图像和对应的标签，让模型学习到图像中三角形的特征和几何属性。
4. 模型评估：使用另外的测试数据集对训练好的模型进行评估。
通过对比模型预测的结果和真实标签，可以评估算法的准确性和稳定性。
5. 三角形测量：使用训练好的模型对新的图像进行三角形测量。
输入图像到模型中，通过预测的方法获得三角形的边长和角度。
三、基于深度学习的机器视觉三角形测量算法的应用场景基于深度学习的机器视觉三角形测量算法可以应用于以下场景：1. 工业自动化：在工业生产中，三角形的准确测量对产品装配和质量控制至关重要。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关 键 词 ： 星敏感器 ； 星 图识 别 ； 三角形算法； 特 征 三 角形 中 图分 类 号 ： Ｔ Ｐ ３ ９ ４ ． １ 文献标识码 ： Ａ ｄ ｏ ｉ ： １ ０ ． ３ ７ ８ ８ ／ Ｏ Ｐ Ｅ ． ２ ０ １ ７ ２ ５ ０ １ ． ０ ２ ０ ８
＊Ｃ ０ ｒ 】 Ｐ ５ ０ ， ｚ ｎ ｇ ａ ｕ ｔ ｈ ｏ ｒ ，Ｅ － ｍａ ｉ ｌ ： ｇ Ｊ ｍ４ ４ １ ＠１ ６ ３ ． ｃ ｏ ｍ
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ａｓ ｔ ｈｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏｎ ａ ｌ ｔ ｒ ｉ ａ ｎ ｇｌ ｅ ｓ ｔ ａ ｒ ｉ ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｉ ｓ ｉ ｎｓ ｕｆ ｆ ｉ ｃ ｉ ｅ ｎｔ ，ｔ ｈｉ ｓ ｐａ ｐ ｅ ｒ ｐｒ ｏ ｐｏ ｓ ｅ ｄ ａ ｆ ａ ｓ ｔ ａ ｌ ｌ — ｓ ｋｙ ａ ｕ ｔ ｏｎ ｏ ｍｏ ｕｓ ｔ ｒ ｉ ａ ｎ ｇｌ ｅ ａ ｌ ｇ ｏｒ ｉ ｔ ｈｍ ｗｉ ｔ ｈ ｓ ｔ ａ ｒ ｍａ ｇｎ ｉ ｔ ｕ ｄｅ — ｉ ｎ ｄｅ ｐｅ ｎｄ ｅ ｎ ｔ ． Ｂｙ ｓ ｔ ｒ ｕｃ ｔ ｕｒ ｉ ｎｇ ｔ ｈｅ
基 于最 大 内角 的 三角 形 星 图识别 算 法
张同双 ， 郭敬明１ ， ２ ， ３ ， 柏 杨 ， 刘 冰 。 ， 周海渊 ， 王二建 ，张世学。
（ １ ．中国卫星海上测控部， 江苏 江阴 ２ １ ４ ４ ３ １ ； ２ ． 飞行器海上测量与控制联合实验室， 江苏 江阴 ２ １ ４ ４ ３ １ ；
Ｌ Ｉ Ｕ Ｂ ｉ ｎ ，Ｚ ＨＯＵ Ｈａ ｉ — ｙ ｕ ａ ｎ ，Ｗ ＡＮＧ Ｅ ｒ — ｊ ｉ ａ ｎ ，Ｚ ＨＡＮＧ Ｓ ｈ ｉ — ｘ ｕ ｅ 。
（ １ ．Ｃｈ ｉ ｎ ａ Ｓ ａ ｔ ｅ ｌ ｌ ｉ ｔ ｅ Ｍａ ｒ ｉ ｔ ｉ ｍｅ Ｔｒ ａ ｃ ｋ ｉ ｎ ｇ ａ ｎ ｄ Ｃｏ ｎ ｔ ｒ ｏ ｌ ｌ ｉ ｎ ｇ Ｄｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ，Ｊ ｉ ａ ｎ ｇ ｙｉ ｎ ２ １ ４ ４ ３ １ ，Ｃ ｈ ｉ ｎ ａ；
第 ２ ５ 卷
第 １ 期
光 学 精 密 工 程
Ｏｐ ｔ ｉ ｃ ｓ ａ ｎｄ Ｐｒ ｅ ｃ ｉ ｓ ｉ ｏｎ Ｅｎｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
Ｖｏ １ ． ２ ５ Ｎｏ ． １
２ ０ １ ７年 １月
Ｊ ａ ｎ ． ２ ０ １ ７
文章 编 号
１ ０ ０ ４ — ９ ２ ４ Ｘ（ ２ ０ １ ７ ） ０ １ — ０ ２ ０ ８ — ０ ９
Ｓ ｔ ａ ｒ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ０ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ
ｍａ ｘ ｉ ｍｕ ｍ ｉ ｎ ｔ ｅ ｒ ｉ ｏ ｒ ａ ｎ ｇ ｌ ｅ ｉ ｎ ｔ ｒ ｉ ａ ｎｇ ｌ ｅ
Ｚ Ｈ ＡＮＧ Ｔｏ ｎ ｇ — ｓ ｈ ｕ ａ ｎ ｇ ，ＧＵ Ｏ Ｊ ｉ ｎ ｇ — ｕｉ ｒ ｎ ｇ ， 。 ， ” ，Ｂ ＡＩ Ｙａ ｎ ｇ ，
函数 ， 并 分 块 存 储 。识 别 过 程 中 ， 采用“ 边一 角一 边” 原 理 进 行 匹 配 。首 先 ， 根据最 大内角的观测值 实现子块 的快速定位 ， 然
后， 在 子 块 中对 观 测 三 角 形 的 两 边 进 行 星 角 距 快 速 匹 配 ， 缩 小 了角 距 匹 配 的范 围 ， 提 高 了识 别 速 度 。试 验 表 明 ， 星 点 位 置 噪声低于 ２ 个 像元 时 ， 识别率优于 ９ ８ ． ｏ ８ ； 观测 星数 等 于 １ ｏ颗 ， 特征库分块总数为 １ ０ ２ ４时 ， 平均识别时间为 １ ３ ． １ ｍｓ 。
３ ．Ｃ ｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｏｐ ｔ ｉ ｃ ｓ ，Ｆｉ ｎ ｅ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ｓ ａ ｎ ｄ Ｐｈ ｙ ｓ ｉ ｃ ｓ ， Ｃｈ ｉ ｎ ｅ ｓ ｅ Ａｃ ａ ｄ ｅ ｍｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ，Ｃｈ ａ ｎ ｇｃ ｈ ｕ ｎ １ ３ ０ ０ ３ ３，Ｃｈ ｉ ｎ ａ；
２ ．ｎ — ｂ ａ ｓ ｅ ｄ Ｆｌ ｉ ｇ ｈ ｔ Ｖ ｅ ｈ ｉ ｃ ｌ ｅ
Ｍｅ ａ ｓ ｕ ｒ ｅ ｍｅ ｎ ｔ ａ ｎ ｄ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ ，Ｊ ｉ ａ ｎ ｇ ｙｉ ｎ ２ １ ４ ４ ３ １，Ｃｈ ｉ ｎ ａ；
４ ．Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｂ ｉ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ａ ｎ ｄ Ａ ｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ｏ ｆ Ｊ ｉ ｌ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｃ ｈ ａ ｎ ｇ ｃ ｈ ｕ ｎ １ ３ ０ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
３ ． 中国科学院 长春光学精密机械 与物理研究所， 吉林 长春 １ ３ ０ ０ ３ ３ ；
４ ． 吉林大学 生物与农业工程学院， 吉林 长春 １ ３ ０ ０ ０ ０ ）
摘要 ： 针对传统三角形星图识别算法的不足 ， 本 文 提 出 了一 种 不 依 赖 星 等 信 息 的 全 天 球 自主 快 速 三 角 形 识 别 算 法 。通 过 构 建 三 角 形 最 大 内 角及 其 两 边作 为 匹 配 特 征三 角形 ， 建立了全天球导航特征库 ， 对 生 成 的特 征 库 按 最 大 内角 值 构 造 散 列