适用于星敏感器的星图识别方法

采用星敏感器测卫星姿态是现行方法中精度最高的 ,其关键是星图识别。阐述了只采用观测星的位置信息 ,利用观测星图与导航星表的星对角距进行聚类匹配 ,根据观测星图的连通性进行匹配识别的方法 ;用图论理论解释了星识别过程 ;介绍了导航星的选取规则、导航星库的存储内容及采用球矩阵存储和读取导航星库的方法 ;用 1 2 0 MHz主频的微机模拟分析了门限和位置噪声对识别及识别时间的影响。在门限取 0 .0 5°,位置噪声 (单轴 )δ=0 .0 2°以下时 ,在任一区域的识别率达 1 0 0 % ,识别时间平均少于 0 .2 s。     

星敏感器图像模拟及目标背景运动特性分析

考虑了星敏感器的方位和俯仰角度,给出了一种星空背景和目标的星敏感器序列图像模拟方法.利用TLE轨道根数与SGP4/SDP4模型计算出星敏感器和目标的精确位置和速度.考虑了传感器坐标系、星体坐标系、2000.0地心惯性坐标系三者的关系,对背景和目标分别计算其在CCD中的成像位置和灰度值并叠加生成序列图像.最后在图像仿真的基础上,分析了图像中背景与目标的运动性质.对背景和目标在图像中运动性质的分析结果对于弱小目标图像检测问题的解决也有帮助.     

基于DSP的主动视觉运动目标跟踪策略及实现

设计了一种基于TMS320DM642的单目主动视觉运动目标自动跟踪系统,该系统采用了一种期望极大化(Expectation Maximization,EM)自适应窗口的运动目标跟踪方法.本方法以考虑了像素空间位置信息的混合高斯模型建立目标的灰度特征模板,然后通过EM算法迭代估计出使每帧似然函数最大化的分布参数值,这些参数不但可确定出跟踪目标在图像序列中的位置和形状尺寸,而且为单目摄像机的自动变焦和基于分区逻辑的摇摆运动提供了控制信息.实验表明:系统可以自动而稳定地跟踪具有复杂运动状态的目标,对320pixelsx240pixels的图像可实现平均约20 frame/s的跟踪速度.     

基于视觉引导和超声测距的运动目标跟踪和抓取

提出了装配机器人系统中一种基于视觉引导和超声测距的运动目标跟踪和抓取方法。介绍了运动目标的跟踪原理 ,采用图像雅可比矩阵进行机器人运动控制 ,跟踪运动的目标。利用视觉引导技术 ,获取目标在图像平面中的位置与方位 ,进行平面跟踪 ,然后引导超声波测距装置测取目标深度信息。实验结果验证了本文提出的这种方法的可行性和有效性     

二自由度云台的机器视觉控制

本文建立了基于机器视觉反馈的云台控制模型,并通过相邻帧间的目标位置预测来简化搜索算法,实现快速高效的视觉云台对运动目标的连续跟踪.在制定系统空间转角输入量的控制策略中,简化了控制模型并对产生的偏差量进行了分析.结果表明,简化后的控制算法能够实现快速反馈和像面调整,在25帧/秒时实现对运动目标稳健跟踪,且跟踪精度高于传统算法;在目标速度2 m/s、相机60帧/秒时,改进算法实现了对运动目标的连续跟踪.同时提出了立体视觉系统模型及其在云台控制中的应用,通过像面坐标获取空间位置信息以规避目标跟丢现象.     

脱靶量累加前馈补偿电视跟踪器的跟踪误差

电视跟踪系统通常采用速度、位置双闭环控制。前馈控制可以提高跟踪精度但无法实现;速度、加速度滞后补偿,跟踪精度提高有限。动态高型方法是在负反馈控制系统中增加若干积分环节以提高跟踪精度。随着目标速度的提高和光电跟踪设备自动化程度的提高,对电视跟踪器伺服系统的跟踪精度提出了越来越高的要求。本文创新性引出一种斜坡累加补偿方法,通过理论证明和仿真,指出它与动态高型技术高度相似,从而从新的角度解释了动态高型提高跟踪精度的机理,并为动态高型方法在工程上实现电视跟踪伺服系统的跟踪精度的提高提供了坚实的理论依据。     

一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。     

基于视觉引导和超志测距的运动目标跟踪和抓取

提出了装配机器人系统中一种基于视觉引导和超声测距的运动目标跟踪和抓取方法，介绍了运动目标的跟踪原理，采用图像雅可比矩阵进行机器人运动控制，跟踪运动的目标，利用视觉引导技术，获取目标在图像平面中的位置与方位，进行平面跟踪，然后引导超声波测距装置测取目标深度信息。实验结果验证了本文提出的这种方法的可行性和有效性。     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。     

预测轨迹修正单检测型复合轴控制方法

提出并实现了基于实时预测轨迹修正的单检测型复合轴控制方法.利用一个目标探测与处理系统即可同时实现粗、精跟踪闭环.在目标提取困难时可有效提高跟踪可靠性,降低了光电跟踪设备对探测器的探测能力的苛刻要求及高度依赖性,同时,降低了粗精跟踪控制器带宽匹配的要求.本文在对比一般单检测型复合轴控制方法的基础上给出了实时轨迹修正单检测型复合轴控制方法的原理,速度修正所使用的预测滤波方法,以及跟踪实验结果.实验结果表明了该方法的有效性和可靠性.     

高精度星敏感器星点光斑质心算法

高精度星敏感器星点光斑的质心精度是星敏感器整体精度的基础,它需要达到角秒级的量级。因此,提出了一种基于亚像元相关法的星像质心算法。这种算法是利用互相关匹配实现图像定位的原理,将星像质心定位到亚像素上来提高质心精度。它可以克服由于系统误差和图像采集所带来的误差。根据系统的光学参数设计以及星像的光谱、亮度及其在视场中的位置特征,仿真得到点列图模型,针对视场内与光轴的不同夹角仿真制作一系列亚像元理想模板,然后对星像加高斯随机噪声,把有随机噪声的星像与理想星像进行相关运算来求星像质心精度。通过仿真实验,得到相关法具有较高的星像质心精度,定位精度可以优于1/12个像素的量级。     

RISC技术在星敏感器中的应用

提出了一种采用RISC作为星敏感器主处理器的设计方案。RISC(Reduced Instruction Set Computer)是精简指令集计算机,它具有指令简单、功耗低、运行速度快的特点。以RISC技术为基础搭建了星敏感器处理器部分的硬件结构。在此平台上,成功地实现了星敏感器的数据处理和控制功能,其中包括系统的启动,模式转换控制,星图识别、跟踪和姿态计算,以及与FPGA通讯等。在跟踪状态下,姿态更新频率可以达到10Hz。测试表明,应用RISC技术的系统功耗小,仅为400mW,成本约为使用功能类似DSP构建系统的1/4。     

一种新的全天自主几何结构星图识别算法

提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量。导航三角形的识别只需基于单一特征量的匹配就可完成。多三角形的组合,有效地提高了正确识别率。仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性。     

一种改进的星点质心算法

本文结合图像传感器的实际像元感光区形状和像元填充率,提出了一种改进的质心算法.该方法根据不同像元感光区形状和像元填充率下感光区中心坐标不同的特点,通过修改传统质心算法中像元坐标的取值来提高质心算法的定位精度.在分析星点的灰度分布特点的基础上,明确了如何仿真产生一个星点光斑,并通过仿真实验验证了改进质心算法的有效性.实验结果表明:在理想情况和噪声存在情况下,改进质心算法的定位精度优于双线性插值质心算法和传统质心算法.     

用KMP算法进行星敏感器星图识别的方法

CCD星敏感器的关键问题是星图识别。从字符串的模式匹配来考虑这个问题,先把星图通过高通滤波器,然后用0-1的方法建立导航星库,再采用KMP算法来进行星图识别。仿真结果表明该算法每区域的识别时间才0.2486ms,并且克服了在许多星等相近的亮星或星对角距很小的视域内识别率严重降低的缺点。该算法有很好的鲁棒性。     

星敏感器参数标定及误差补偿

针对CCD星敏感器光学系统存在焦距不准确、CCD平面倾斜和旋转及光学镜头畸变等误差因素,在理想针孔模型的基础上,用几何方法建立了星敏感器模型。利用地面实验数据,以最小二乘法解算该数学模型,求出焦距、CCD平面倾斜和旋转因子及畸变因子等待标定参数。将标定出的参数代回数学模型,便可由星象点测量坐标直接计算并修正入射光方向矢量,从而对光学系统的误差进行了补偿。计算结果表明:星对角距统计偏差由标定前41″降到了17″,提高了计算精度。     

提高星图识别正确率的方法研究

在CCD星敏感器中，快速而可靠的星图识别算法成为星敏感器确定姿态的最关键部分．针对星图识别误匹配的存在，通过实验数据探讨了采用不同的星图识别特征、增加参与星图识别的恒星数目、提高恒星位置测量精度和星等测量精度、使用不同的星图匹配门限、选取合适导航星等方法，提高星图识别正确率。实验结果表明，采用这些方法后，星图正确匹配概率大大提高．     

高精度星图模拟及有效性验证新方法

为在地面上进行星图模拟以测试星图识别算法和星敏感器性能,提出了一种新的高精度星图模拟方法。该方法利用截面圆和固定区域的性质,根据赤纬值求解赤经跨度来确定选星条件;将选出的导航星通过构建理想星敏感器模型,来求解它们在CCD面阵上的精确位置;根据位置信息,采用TFT液晶光阀,以实现高质量的星图模拟;利用星间角距和投影原理的性质来验证星图模拟的有效性。仿真实验结果表明,与现有星图模拟方法相比,此方法选星速度快,模拟实时性好,准确率达到98.8742%,位置精度达到1/50个像素。     

适用于快速扩展目标的跟踪算法

提出了一种算法──偏移质心算法,阐述了偏移质心算法的原理及实现过程。该算法适用于对高速运动扩展目标的跟踪,已成功地用于ＯＦＤ－６３０电视跟踪器,并通过了连云港动态打靶试验。由于这种算法快速简捷、方便易行,且能实时稳定的对目标进行跟踪,在图象跟踪系统中不失为一种简单实用的跟踪算法。     

凸多边形星图识别算法

为解决星敏感器中较大视场快速、可靠的星图识别,提出了以凸多边形为基元、完全不依赖于星等的星图识别算法。对给定的视场,挑选其中较亮的恒星,依其坐标排序,然后采用由平面上的点生成凸多边形的算法,就能得到唯一的、以恒星为顶点的凸多边形。为验证星图识别算法的有效性,建立了导航星数据库,其储存单元为凸多边形的边和相邻边的夹角,共有3832个边数不等的凸多边形。在CPU为33MHz 的PC104上仿真结果表明:在任意视场中,生成凸多边形的时间小于5ms,基于凸多边形的星图识别成功率高于99%,并具有较强的鲁棒性。