一种基于贝塞尔曲线的动态事件流星点提取方法

技术领域

本发明涉及高动态恒星星象点提取技术领域，尤其涉及一种基于贝塞尔曲线的动态事件流星点提取方法。

背景技术

随着航天任务对航天器姿态控制精度的要求越来越高，同时对航天器动态性能的要求增强，在面临高速机动以及快速变轨时，在极高的动态环境下，仍需要较高的姿态测量精度。星敏感器作为目前航天器最高姿态测量精度的敏感器，受到传统图像传感器原理限制，在满足探测能力的基础上难以实现高动态的姿态测量。而实现高精度姿态测量的基础则在于对星象点的高精度质心提取。

传统的图像传感器原理上通过一定的曝光时间，实现对目标的成像，而对于高动态场景，传统图像传感器存在运动模糊问题，很难实现高动态场景下的高精度星象点质心提取，因此基于传统图像传感器研制的星敏感器，从本质上难以实现高动态场景下的高精度质心提取，从而难以实现高精度姿态测量。

而目前基于动态视觉传感器(事件相机)的星象点提取算法，主要是基于将流态事件数据转换为二维图像数据进行星象点提取，未能有效利用动态视觉传感器的高动态、高时间分辨率和低延时的优势。

专利申请号为202211380360.X和专利申请号为202210142077.7的专利中均通过将事件流积分形成事件帧，继承传统图像星象点质心提取算法，求取质心坐标。在一定程度上提高了动态性能，但未能解决高动态环境下运动模糊问题。

专利申请号为202210414348.X的专利中采用了时间切片的方式，通过对一定时间内的事件流数据进行累加，得到包含有星象点的二维图像，从而实现恒星星象点的提取。同样存在事件帧概念，未能充分发挥动态事件传感的优势。

现有技术中还包括对恒星星象点的提取采用同样是通过将一定时间内的事件流数据进行累加积分得到事件帧，然后基于传统星点质心提取算法实现对恒星星象点的提取，虽然可以实现星象点的提取，但从本质上未能解决运动模糊问题，故提取精度较低。

以上方法均未涉及本发明提出的基于贝塞尔曲线的动态事件流星点提取方法。综上所述，现有基于动态事件流的星点提取方法存在依赖传统质心提取方法、提取精度低和未能充分发挥动态视觉传感模式等等问题。

发明内容

为此，本发明提出了一种贝塞尔曲线的动态事件流星点提取方法，该方法不对事件流数据降维处理，不依赖于传统质心提取方法，可以充分发挥动态视觉传感优势，且具有提取精度高、动态环境适应能力强和连续估计等优势。

本发明解决的技术问题是：提供一种针对高动态环境下恒星星象点高精度提取方法。该方法利用对动态事件流数据的增量聚类和自适应噪声剔除实现对恒星星象点的初始化检测，然后对构成星象点的事件流数据建立贝塞尔曲线进而精确连续位置估计。同时结合自适应星点检测更新策略实现对高动态运动环境下恒星星象点的精确提取，有效提高了动态性能。

本发明技术方案如下：

(1)事件相机连续对星空成像，得到事件流序列E

(2)初始化星点检测。将步骤(1)获取的事件流序列进行初始化星点事件聚类构建星点列表{P

(3)构建贝塞尔曲线，根据步骤(2)得到的星点列表L

其中，n为贝塞尔曲线的次数，p为选取的控制点，t为取值[0,1]的曲线系数，

根据上式构建的多个星点的贝塞尔曲线，将事件流信息中星点坐标沿时间轴对齐到贝塞尔曲线上，同时在时间轴上进行扩展贝塞尔曲线三次拟合B

(4)实时估计星点位置，根据步骤(3)得到的视场范围内所有星点的贝塞尔曲线B

(5)自适应星点检测更新，根据步骤(4)动态更新的星点位置S

对新加入事件数据的所属星点，更新计算扩展贝塞尔曲线三次拟合函数B

当新事件不属于任何星点时，则进行增量聚类，在T

本发明具有以下有益的技术结果：

提供一种基于动态事件流的星象点提取方法。该方法利用增量聚类方法，分析每个事件所属类别，同时自适应剔除噪声类别。根据分类得到的星点事件簇建立贝塞尔曲线，根据贝塞尔曲线实时估计星点位置。最后根据星点位置和每个星点的贝塞尔曲线，自适应检测更新星点列表，从而实现高精度、高动态星点提取。

附图说明

图1为本发明具体流程图；

图2为本发明初始化星点检测流程图；

图3为本发明自适应星点检测更新流程图；

图4为本发明星象点提取误差图。

具体实施方式

下面结合具体实施例，对本发明方法进一步说明。

本发明具体流程如图1所示。

(1)连续对星空成像，获取10s动态事件流序列E

(2)初始化星点检测。将步骤(1)获取的事件流序列进行初始化星点事件聚类构建星点列表{P

(2-1)增量聚类，完成对星象点的初始化检测。首先对步骤(1)得到的事件流E

(2-2)自适应噪点剔除，在进行(2-1)步骤的同时进行噪点剔除，对聚类事件，在Δτ时间内，聚类事件小于阈值Th

(3)构建贝塞尔曲线，根据步骤(2)得到的星点列表L

其中，n为贝塞尔曲线的次数，p为选取的控制点，t为取值[0,1]的曲线系数，

根据上式构建的多个星点的贝塞尔曲线，将事件流信息中星点坐标沿时间轴对齐到贝塞尔曲线上，同时在时间轴上根据下式进行扩展贝塞尔曲线三次拟合B

(4)实时估计星点位置，根据步骤(3)得到的视场范围内所有星点的贝塞尔曲线B

(5)自适应星点检测更新，根据步骤(4)动态更新的星点位置S

对新加入事件数据的所属星点，更新计算扩展贝塞尔曲线三次拟合函数B

当新事件不属于任何星点时，则进行增量聚类，在T

本发明未详述部分属于本技术领域的公知技术。以上所述仅为本发明的具体实例而已，并不用于以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。