一种改进的三角形星图识别方法

合集下载

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。

星图识别算法的优化设计与实现

星图识别算法的优化设计与实现
蔡迎波;惠宝聚;孟士超
【期刊名称】《光学与光电技术》
【年(卷),期】2009(7)2
【摘要】在INS/CNS组合导航系统中,为了有效实时地用CNS的输出姿态信息校正INS的陀螺漂移,必须提高CNS中星图识别算法的运行速度。

提出了一种改进的三角形星图识别方法,基三角形识别成功后,增加一颗附加检测星,计算出附加检测星和基三角形的三个星点的角距值。

分析结果表明传统的星图识别算法在主频为600 MHz的DSP6414上运行需要300 ms左右的时间,算法改进后,只需40～80 ms,数据输出率提高到10 Hz。

改变的算法在不存在伪星的情况下成功识别率近100%,存在伪星时,可以有效去除伪星。

同时,解决了传统星图识别算法在嵌入式系统中实现难、耗时长的问题。

该算法可以实时地校准惯导系统的误差。

【总页数】4页(P37-39)
【关键词】惯性系统;天文导航;星图识别;基三角形;星对角距
【作者】蔡迎波;惠宝聚;孟士超
【作者单位】中国人民解放军92941部队95分队;海军装备部舰技部;海军驻431厂军代室
【正文语种】中文
【中图分类】O436.1
【相关文献】
1.射频识别系统批量标签识别的优化算法设计 [J], 胡煜
2.动态星图显示算法的设计与实现 [J], 胡宜宁;巩岩
3.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
4.基于PCA算法的人脸识别算法设计与实现 [J], 金传洋;孙剑桥;邱雪欢;张惠民
5.YOLOv3图像识别跟踪算法的优化与实现 [J], 郭鸣宇; 刘实
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]。

三角形星图识别算法的改进

ＺＨＡＮＧｅ，ｎ，Ｅｈｎ — ｕＬＵｎｊｎ，ＬｉＨＥＸｉＷＩＺｏｇｈｉ，ＩＹａ —ｕＧＵＯＪｎ — ｎｉｇｍｉｇ
（．ｈｎＣｕｎｔｔｔｆＯｐｉｓＦｉｅＭｅｈｎｃｎｙｉｓＣｈｎｓａｅｆＳｉｎｅ，１ＣａｇｈｎＩｓｉｕｅｏｔｃ，ｎｃａｉｓａｄＰｈｓｃ，ｉｅｅＡｃｄｍｙｏｃｅｃｓ
Ａｂｔａｔｓｒｃ：Ｔｒａｌｄｎｉｉａｉｎａｇｒｔｍｏｔｒｉｇｓｈａｅｎｗｉｅｙｕｅｎａｔｔｄｅｅｔｏｙｔｍｓｉｎｇｅｉｅｔｆｃｔｏｌｏｉｈｆｒｓａｍａｅｓｂｅｄｌｓｄｉｔｉｕｅｄｔｃｉｎｓｓｅｔａａｅｓａｅｓｒａａｉａｉｎｐｒｓａｒｓｎ．ｗｅｅ，ｔｏｃａａｔｒｓｉｉｎｉｓｌａｏａｈｇｅｈｔｔｋｔｒｓｎｏｓｎｖｇｔｏａｔｔｐｅｅｔＨｏｖｒｉｓｌｗｈｒｃｅｉｔｃｄｍｅｓｏｎｅｄｔｉｈｒｒｄｎａｃｎｏｆｍｉｔｋｅｉｅｔｆｃｔｏ．Ｔｉｒｖｈｃｕａｙｏｒａｌｄｎｉｉａｉｎａｇｒｔｍ，ａｅｕｄｎｙａｄａｌｔｏｓａｄｎｉａｉｎｏｍｐｏｅｔｅａｃｒｃｆｔｉｎｇｅｉｅｔｃｔｏｌｏｉｈｉｆｍｏｉｉｄａｇｒｔｍａｅｎｔａｉｉｎｌｎｓｐｏｏｅ．Ｂｙｔｅｐｏｏｅｌｏｉｈ，ｈｅｇｉｅｓａｉｓｔａｄｆｌｏｉｈｂｓｄｏｒｄｔａｅｗａｒｐｓｄｅｏｏｈｒｐｓｄａｇｒｔｍｔｕｄｔｒｐａｒｈｔｍｅｔｉｔｒｔｌａｎｌｈｅｈｌｒｅｏｄｄｉｔｒｍａｒｘａｄｔｉｓａｐａｅｆｔｅｇｕｄｔｒｓｗｅｅｅｎｅｓｅｌｒａｇｅｔｒｓｏｄｗｅｅｒｃｒｅｎａｓａｔｉｎｈｅｔｍｅｐｅｒｄｏｈｉｅｓａｔｒｃｕｔｄｓｍｕｔｎｏｓｙｏｎｅｉｌａｅｕｌ．ＡｃｏｄｎｏｔｅｔｕｈｔａａｈｓａｓｅａｔｃｅＯｔｉｅｆｔｅｔｉｎｌ，ｃｒｉｇｔｈｒｔｈｔｅｃｔｒｍｕｔｂｔａｈｄｔｗｏｓｄｓｏｈｒａｇｅｔｅｓｅｉｌｓａａｒｈｔａｐａｅｓｔａｗｉｅｓｏｌｅｅｉｎｔｄ，ｔｎｔｕｄｔｒｏｏｔｕｔｎｒ— ｈｐｃａｔｒｐｉｓｔａｐｅｒｌｓｈｎｔｃｈｕｄｂｌｍｉａｅｈｅｈｅｇｉｅｓａｓｆｒｃｎｒｃｉｇｔｉａｇｅｒｅｒｈｄｆｏｓａｓｌｆｎｔｅｓａｔｉ．Ｔｈｌｏｉｈｔｋｓｔｅｉｅｓｅｌｒａｇｌｎｅａｉｅｎｌｓｗｅｅｓａｃｅｒｍｔｒｅｔｉｈｔｒｍａｒｘｅａｇｒｔｍａｅｈｎｔｒｔｌａｎｅａｄｒｌｔｖｍａｎｔｄｆｓａｓａｈｄｎｉｉａｉｎｆａｕｅａｄａｓａｅｔｅｈｓｉｇｓａｃｔｄｉｔｈｅｓａｎｉｃ — ｇｉｕｅｏｔｒｓｔｅｉｅｔｃｔｏｅｔｒｎｌｏｔｋｈａｈｎｅｒｈｍｅｈｏｎｏｔｔｒｉｔｆａｆｄｅｉｔｏｉｎ，ｔｒｆｒ，ｉｅｃｓｔｅｃｍｐｒｓｎｔｍｅｎｎｒａｅｈｄｅｔｆａｉｎｓｅｄｈｅｅｏｅｔｒｄｕｅｈｏａｉｏｉｓａｄｉｃｅｓｓｔｅｉｎｉｉｔｐｅ．Ｆｕｔｅｍｏｅｔａｓｃｏｒｈｒｒ，ｉｌｏ

一种改进的三角形识别算法

２三角形算法
三角形算法是一种直观的算法，核心思想是试图使其
Ｖ４８２４．２
中图分类号
ＡｎＩｐｏｅｉｎｇｅＭａｃｎｇＲｅｏｎｔｏｇｒｔｍｍｒｖｄＴｒａｌｔｈｉｃｇｉｉｎＡｌｏｉｈ
ＨＥｅｇｈｎｇＰｎｃｅ（ｉｔｒｐｅｅａｉｅＯｆｉｅｏｖｌＥｑｉｍｅｔＤｅａｔｎｔｉｏｇｉｇ，Ｃｈｎｑｎ４０４）ＭｌａｙＲｅｒｓｎｔｔｖｆｃｆＮａａｕｐｎｐｒｍｅｎＣｈｎｑｎｉｏｇｉｇ００２
应用最 ቤተ መጻሕፍቲ ባይዱ 广泛的三角形算法进行改进，出了一种新的表提
征星三角形的方法。
ｓ，，．，ｓｓａｌｓａｔｒ，ｔｒ
＿＿
２ａ，ｒ
三查！鱼！
．
［］一ｌ。一ｌ ¨ ’ Ｌ
图１三角形星图匹配算法
ＡｂｓｒｃＳａｍａｅｍａｃｉｇｉｅｉｉａｉｎｉｅｔｐｉｅｔｆｉｇｔｅａｔｕｅｏａｒｅｌｔｏｍ．Ｔｈｆｉｉｎｙｏｔｔｉｕｅｉｔａｔｔｒｉｇｔｈｎｄｎｔｆｔｏｓａｋｙｓｅｎｉｎｉｙｎｈｔｉｄｆｃｒｉｒｐａｆｒｃｄｔｅｅｆｅｃｆｉｓａｔｔｄ — ｃ
１对角距（，）＃ｄ（１２，ｉ）
（ｂｃ，，）

基于三角形匹配的星图识别算法及优化

摘要：星图识别算法中三角形算法应用最为成熟和广泛，但作为算法识别基元的三角形由于特征
维数低，导致冗余匹配和错误识别几乎不可避免。鉴于传统三角形算法识别成功率较低，新算法
对传统算法进行了针对性改进，增加了检测第四颗星操作，特征维数由三维变成了四维，并对其它
第２６卷第５期
Ｖｏ１．２６Ｎｏ．５
电子设计工程
ＥｌｅｃｔｒｏｎｉｃＤｅｓｉｇｎＥｎｇｉｎｅｅｒｉｎｇ
Байду номын сангаас
２０１８年３月
Ｍａｒ．２０１８
基于三角形匹配的星图识别算法及优化
郭磊，李保权，曹阳，桑鹏
（１．中国科学院国家空间中心北京１００１９０；２．中国科学院大学北京１００１９０）
待测星进行逐一验证，大幅提高了识别成功率；但随之增加的大量运算降低了算法运行效率，因此
新算法在最核心三角形匹配中构造了哈希表，并将待匹配星对按照星角距排序运用二分查找极大
程度减少了特征量的比较次数，一改经典算法中遍历的低效。同时巧妙利用导航星数较少的特
Ａｂｓｔｒａｃｔ：Ａｓｏｎｅｏｆｔｈｅｅａｒｌｉｅｓｔｓｔａｒｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｔｈｅｔｒｉａｎｇｌｅｓｔａｒｉｄｅｎｔｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｔｈｅｍｏｓｔｍａｔｕｒｅａｎｄｗｉｄｅｌｙｕｓｅｄ．Ｂｕｔａｓｔｈｅａｌｇｏｒｉｔｈｍｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｔｒｉａｎｇｕｌａｒｅｌｅｍｅｎｔｄｕｅｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌｏｗｄｉｍｅｎｓｉｏｎ，ｒｅｄｕｎｄａｎｃｙａｎｄｅｒｒｏｒｒｅｃｏｎｇｎｉｔｉｏｎｉｓａｌｍｏｓｔｉｎｅｖｉｔａｂｌｅ．ＢｅｃａｕｓｅｏｆｔｈｅｌｏｗｒｅｃｏｇｎｉｔｉｏｎＳＵＣＣＥＳＳｒａｔｅｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｔｒｉａｎｇｌｅａｌｇｏｒｉｔｈｍ，ｔｈｅｆｏｕｒ—ｔｈｍｅａｓｕｒｅｄｓｔａｒｈａｓｂｅｅｎａｄｄｅｄａｎｄｔｈｅｄｉｍｅｎｓｉｏｎｏｆｆｅａｔｕｒｅｈａｓｃｈａｎｇｅｄｔｏｆｏｕｒ—ｄｉｍｅｎｓｉｏｎａｌ，ａｎｄａｌｌｔｈｅｏｔｈｅｒｓｔａｒｓｗｉｌｌｂｅｖｅｒｉｆｉｅｄｏｎｅｂｙｏｎｅ，ｗｈｉｃｈｇｒｅａｔｌｙｉｍｐｒｏｖｅｓｔｈｅｒｅｃｏｇｎｉｔｉｏｎｓｕｃｃｅｓｓｒａｔｅ；Ｈｏｗｅｖｅｒ，ｌａｒｇｅｎｕｍｂｅｒｏｆｏｐｅｒａｔｉｏｎｓｉｎｃｒｅａｓｅｄｔｏｒｅｄｕｃｅｔｈｅｏｐｅｒａｔｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ｔｏｓｏｌｖｅｉｔ，ｔｈｅｈａｓｈｔａｂｌｅａｒｅｃｏｎｓｔｒｕｃｔｅｄ，ａｎｄｔｈｅｕｓｅｏｆｏｒｄｅｒｅｄｓａｔｅｌｌｉｔｅｆｏｒｂｉｎｅａｒｙｓｅａｒｃｈａｒｅｐｒｏｖｅｄｔｏｇｒｅａｔｌｙｒｅｄｕｃｅｔｈｅｎｕｍｂｅｒｏｆｃｏｍｐａｒｉｓｏｎｓｏｆｔｈｅａｎｇｕｌａｒｄｉｓｔａｎｃｅｏｆｓｔａｒｓ；ａｔｔｈｅｓａｍｅｔｉｍｅ，ｍａｋｉｎｇｉｎｇｅｎｉｏｕｓｕｓｅｏｆｎａｖｉｇａｔｉｏｎｓｔａｒｎｕｍｂｅｒｌｅｓｓｓ，ｗｉｔｈａｓｈｏｒｔｉｎｔｅｇｅｒｉｎｓｔｅａｄｏｆｉｎｔｅｇｅｒｓｔｏｒａｇｅ，ｒｅｄｕｃｅｓｔｈｅｓｔｏｒａｇｅｃａｐａｃｉｔｙｏｆｔｈｅｎａｖｉｇａｔｉｏｎｓｔａｒｄａｔａｂａｓｅａｎｄｉｍｐｒｏｖｅｓｔｈｅｈｉｔｒａｔｅｏｆＣＰＵｉｎｃａｃｈｅｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍｆｒｏｍｔｈｅｈａｒｄｗａｒｅｌｅｖｅ１．ＴｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｉｓｍｏｒｅｅｆｆｉｃｉｅｎｔｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎａｌｔｒｉａｎｇｕｌａｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｂｏｔｈｔｈｅＳＵＣＣＥＳＳｒａｔｅａｎｄｔｈｅｅｆｆｉｃｉｅｎｃｙ．Ｋｅｙｗｏｒｄｓ：ｎａｖｉｇａｔｉｏｎｓｔａｒｄａｔａｂａｓｅ；ｓｔａｒｐａｔｔｅｒｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｔｒｉａｎｇｌｅｍａｐ；ｔｅｔｒａｈｅｄｒｏｎｄｅｔｅｃｔｉｏｎ；

基于深度学习的机器视觉三角形形状识别与测量算法探究

基于深度学习的机器视觉三角形形状识别与测量算法探究机器视觉是人工智能领域中的重要研究方向之一，它利用计算机和相应的图像处理软件来模拟和控制人类视觉系统的功能。

三角形形状识别与测量是机器视觉领域中的一个基本问题，对于许多应用领域而言都具有重要意义，比如工业自动化、机器人导航等。

本文将探究基于深度学习的机器视觉三角形形状识别与测量算法。

深度学习作为机器学习的一个分支，通过模仿人类大脑的神经网络结构和学习方式来解决复杂的数据分析问题。

在机器视觉领域，深度学习已经取得了许多重要的突破，尤其是在对象识别和图像分类等任务上。

对于三角形形状识别与测量问题，我们可以利用深度学习技术来训练一个三角形分类器。

首先，我们需要收集一大批标记有正确三角形形状的图像数据作为训练集。

然后，利用深度学习框架，如卷积神经网络（Convolutional Neural Network，CNN），构建一个三角形分类模型。

通过大量的迭代训练，模型可以学习到图像中三角形的特征，并具备较高的识别准确性。

在进行三角形形状识别时，我们可以将输入图像通过训练好的模型进行分类，从而判断图像中是否存在三角形。

识别出三角形后，我们可以进一步采用图像处理算法来测量其形状特征，如边长、角度等。

这可以通过检测边缘和角点来实现。

除了基于深度学习的方法，还有其他传统的机器视觉方法可以用于三角形形状的识别与测量。

这些方法包括基于特征提取和机器学习的方法，如使用边缘检测器、角点检测器等工具。

然后将提取的特征输入到分类器或回归器中进行形状识别与测量。

与传统方法相比，基于深度学习的方法具有以下优势：首先，深度学习可以自动提取图像中的抽象特征，不依赖于手工设计的特征提取器，减少了人工干预的需要。

其次，深度学习模型具有较强的表达能力，可以处理更加复杂的图像数据，从而提高了三角形形状识别的准确性和鲁棒性。

此外，基于深度学习的方法还可以通过迁移学习等技术，将已经训练好的模型应用于新的问题领域，减少了模型训练的时间和资源成本。

一种改进的三角形星图识别算法

ａｍｏｉｅｔｉｎｌａｇｒｔｍｂｓｄｎｒｄｉｉｎｌｎｉｐｏｏｅｄｆｄｒａｇｅｌｏｉｈｉａｅｏｔａｔｏａｏｅｓｒｐｓｄ．Ｂｙｈｅｒｐｓｄｌｏｉｈ，ａｐｌｎａｎｒｌｅｔｒｔｐｏｏｅａｇｒｔｍａｒｏｍａｖｃｏ
ＡｏｆｅｉｎｌｔｒＰａｔｒｃｇｔｏｇｒｔＭｄｉｄＴｒａｇｅＳａｔｅｎＲｅｏｎｉｉｎＡｌｏｉｈｍｉ
ＷＵｎ．ｉｇＬｉｇ１ｎ，ＹＡＮＧｉｇ，Ｊｎ
（．ｃｏｌｆｕｏａｉｎＳｉｃｎｌｔｃｌｎｉｅｎ，Ｂｉｎｉｅｓｙｏｒｎｕｉｓｎｔｎｕｉ，Ｂｉｎ０１１Ｃｉａ１ＳｈｏｏｔｍｔｃｎｅａｄＥｅｒａＥｇｅｒｇｅｉｇＵｎｖｒｉｆＡｏｅｃｉｎｉｊｔＡｅｏａｔｄＡｓａａｔｓｅｊｇ１０９，ｈｎ；ｃａｒｃｉ２ａｉｎｌｅａｏａｒｏｃｎｅａｄＴｃｎｌｙｏｎｅｒｔｄＣｎｒｅｈｏｏｙｅｉｇＵｉｅｓｙｏｅｏａｔｓ．ＮｔａＫｙＬｂｒｔｙｆｉｃｎｅｈｏｏｎＩｔａｏｔｌｃｎｌｇ，ＢｉｎｎｖｒｉｆｒｎｕｉｏｏＳｅｇｇｅｏＴｊｔＡｃ
中图分类号：Ｖ４．２４８２文献标识码：Ａ文章编号：１０．３８２１）８１４￣００１２（０１０ —７０６
ＤｏＩ０３７／．ｓｎ１０ —３８２１０．１：１．８３ｊｉｓ．００１２．０１．８０４

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)。

万方数据
　万方数据
　万方数据
第６期张广军等：一种改进的三角形星图识别方法
也应该和原始的观测星图一致（星点的位置对应一致）。

提出的星表的划分方法为验证识别环节中的模拟星图的快速生成奠定了基础。

综上所述，改进的三角形星图识别方法的整个流程如图５所示。

图５改进的三角形星图识别方法流程图
Ｆｉｇ．５Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅｂｅｔｗｅｅｎｇｕｉｄｅａｎｄｏｂｓｅｒｖｅｄ星敏感器三轴姿态指向（随机产生）为（１８２．４２２，５３．４５０，一５８．１６１）情况下模拟生成的一副观测星图，如图６所示。

图中。

表示视场内的星，其中较大的。

表示被挑选出来的最亮的６颗星。

利用这６颗星可以组成１５个待匹配的观测三角形，依次挑选观测三角形进行匹配。

以
图６一幅随机产生的星图
Ｆｉｇ．６Ａｒａｎｄｏｍｌｙｓｉｍｕｌａｔｅｄｓｋｙｉｍａｇｅ
（１０，１１，１４）组成的三角形为例，匹配方法为：先对观测三角形中的每条边（星对）进行角距匹配，然后按照如前所述的状态标识的方法来寻找匹配的导航三角形。

按此方法可以找到３个导航三角形，通过验证识别，可以得到正确的匹配（４４２，４４４，４４１）（如表１所示，这里４４２表示导航星表中序号为４４２的星）。

表１通过验证识别从匹配导航三角形中提取正确的匹配Ｔａｂｌｅ１Ｆｉｎｄｉｎｇｔｈｅｃｏｌｌｒｅｃｔｍａｔｃｈａｍｏｎｇｃａｎｄｉｄａｔｅｇｕｉｄｅｔｒｉａｎｇｌｅｓｂｙｖｅｒｉｆｉｃａｔｉｏｎｓｔｅｐ
匹配导航三角形由匹配三角形计算出的姿态兰霎娄梨８７３，４８８３，４８７５）（２２２．５１３，一６２．８５０，一８．３６３）否×
８８６，２８９１，２５１３）（５３．０３６，一１３．４２５，一１．０９０）否×
（４４２，４４４，４４１）（１８２．４２２，５３．４５０，一５８．１６１）是√
在星图模拟过程中，在星的位置上加上一定程度的高斯噪声以考察算法对星点定位精度的鲁棒性。

通过对在全天球随机产生的１０００幅星图的识别结果表明，在星点位置噪声标准偏差盯＜ｏ．５像素的情况下，改进的三角形星图识别方法的识别率可以达到１００％，这比Ｌｉｅｂｅ三角形算法的９４．６％的识别率有很大的提高。

当盯一２像素时，Ｌｉｅｂｅ三角形算法的识别率迅速下降到７０％左右，而改进的三角形星图识别方法的识别率仍然可以达到９７％甚至更高；同样地，在星图模拟过程中对星等（亮度）加上一定的噪声以考察算法对恒星亮度的鲁棒性。

实验表明，盯一ｏ．５星等时可以达到９９％的识别率，当盯一１星等仍然能保持９５％的识别率。

改进的三角形星图识别方法在存储空间有很大程度的减少，对于经筛选后的３３６０颗导航星，角距的存储空间仅为０．５ＭＢｙｔｅ；改进的三角形星图识别方法在Ｐｅｎｔｉｕｍ８００ＭＨｚＰＣ机上进行１０００次识别的平均识别时间为８．４ｍｓ。

５结论
提出了用于星表划分的“内接正方体法”。

在现有三角形算法的基础上，提出了一种改进的三角形星图识别方法，该方法对星点位置噪声和星等（亮度）噪声均具有较强的抗干扰能力，且在识别时间和存储空问的需求方面均比传统的三角形算法具有较大的优势。

改进的三角形星图识别方法与现有方法的不同主要体现在以下几个方面：（１）采用角距匹配的方法来对观测三角形进
行识别，角距存储的形式可以节约很多的存储　万方数据
　万方数据
一种改进的三角形星图识别方法
作者：张广军，魏新国，江洁， ZHANG Guang-jun， WEI Xin-guo， JIANG Jie
作者单位：北京航空航天大学,仪器科学与光电工程学院,北京,100083
刊名：
航空学报
英文刊名：ACTA AERONAUTICA ET ASTRONAUTICA SINICA
年，卷(期)：2006,27(6)
被引用次数：11次
1.Gottlieb D M Star identification techniques,spacecraft attitude determination and control 1978
2.Kosik J Star pattern identification aboard an inertial stabilized spacecraft 1991(02)
3.Liebe C C Star trackers for attitude determination 1995(01)
4.Padgett C;Kreutz-Delgado K A grid algorithm for autonomous star identification[外文期刊] 1997(01)
5.Ju G;Kim H P T;Junkins J L DIGSTAR:a low-cost micro star tracker 1999
6.陈元枝;郝志航;王国辉适于星敏感器的导航星星库制定[期刊论文]-光学精密工程 2000(04)
1.张磊.魏仲慧.何昕.赵宝庆.ZHANG Lei.WEI Zhong-hui.HE Xin.ZHAO Bao-qing快速全天自主星图识别[期刊论文]-光学精密工程2009,17(4)
2.杨建.张广军.江洁.YANG Jian.ZHANG Guang-jun.JIANG Jie P向量实现快速星图识别的方法[期刊论文]-航空学报2007,28(4)
3.田宏.李展提高星图识别正确率的方法研究[期刊论文]-光电工程2003,30(6)
4.魏新国.张广军.江洁.WEI Xin-guo.ZHANG Guang-jun.JIANG Jie基于Log-Polar变换的星图识别方法[期刊论文]-光学技术2006,32(5)
5.许士文.李葆华.张迎春.李化义.XU Shi-wen.LI Bao-hua.ZHANG YING-CHUN.LI Hua-yi用字符匹配进行星图识别的导航库存储方法[期刊论文]-哈尔滨工业大学学报2005,37(6)
6.王海涌.费峥红.张超.WANG Hai-yong.FEI Zheng-hong.ZHANG Chao改进的基于主星的星图识别算法[期刊论文]-光学精密工程2009,17(1)
7.孟靖大地天文测量星图定位与识别算法的研究[学位论文]2010
8.黄勇大视场星图识别算法研究及实现[学位论文]2003
9.魏新国.张广军.樊巧云.江洁.WEI Xin-guo.ZHANG Guang-jan.FAN Qiao-yun.JIANG Jie太阳敏感器测量坐标系与立方镜坐标系转换矩阵的标定[期刊论文]-光学精密工程2009,17(4)
10.魏新国.张广军.樊巧云.江洁.WEI Xin-guo.ZHANG Guang-jun.FAN Qiao-yun.JIANG Jie利用仿真星图的星敏感器地面功能测试方法[期刊论文]-红外与激光工程2008,37(6)
1.冉晓强.汶德胜.邱跃洪.杨庆华.姚大雷一种新的多三角形星图识别算法[期刊论文]-光子学报 2009(7)
2.奚晓梁.周晓东.张健基于小区域滤波的快速星图弱小目标分割算法[期刊论文]-系统工程与电子技术 2012(1)
3.樊巧云.陆壮志.魏新国.李健基于惯性比特征的三角形星图识别算法[期刊论文]-红外与激光工程 2012(10)
4.蔡迎波.惠宝聚.孟士超星图识别算法的优化设计与实现[期刊论文]-光学与光电技术 2009(2)
5.吕春红.周军.贺元军.卢晓东一种改进的快速星图识别算法[期刊论文]-计算机测量与控制 2010(6)
6.李超.张利强.吴佳泽.郑昌文使用GPU并行加速的星表检索算法[期刊论文]-宇航学报 2012(5)
7.胡海东.黄显林.介鸣一种基于星体特征值的全天星图识别法[期刊论文]-黑龙江大学自然科学学报 2007(6)
8.郑万波.刘淑芬.李树秋.王晓燕.张俊全天自主分层星识别算法[期刊论文]-吉林大学学报（工学版） 2009(4)
9.陆敬辉.王宏力.孙渊.崔祥祥基于P向量与三角形内切圆的星图识别算法[期刊论文]-光学技术 2011(1)
10.王宏力.崔祥祥.陆敬辉基于惯导姿态信息的高鲁棒性星图识别算法[期刊论文]-中国惯性技术学报 2010(6)
11.陆敬辉.王宏力.孙渊.崔祥祥三角形内切圆的星图识别算法[期刊论文]-红外与激光工程 2011(4)
引用本文格式：张广军.魏新国.江洁.ZHANG Guang-jun.WEI Xin-guo.JIANG Jie一种改进的三角形星图识别方法[期刊论文]-航空学报 2006(6)。