一种基于星等模板的双视场星敏感器星图识别方法

技术领域

本发明涉及星图识别技术领域，尤其涉及一种基于星等模板的双视场星敏感器星图识别方法。

背景技术

准确的卫星姿态是高分辨率遥感卫星正常工作的基础，是航天器姿态控制系统中最重要的环节。选择星敏感器作为对姿态进行控制的主要控件，主要是受其定姿结果可靠、定姿精度高并且拥有较强自主性的特性所决定。随着硬件技术的发展，人们陆续挑战高角分辨率、大视场星敏感器，但视场大小与分辨率存在相互制约性，且不可调和。针对这一情况，双视场星敏感器开始发展起来，但在软件层面，针对于双视场星敏感器的星图识别算法还未成熟。

星图识别的实质就是寻找观测星图中观测星在星表(天球坐标系)中对应的导航星。目前，星敏感器的星图识别算法可以分为三大类：子图同构类算法、模式识别类算法和机器学习类算法。子图同构类算法是通过构建星图特征图形进行识别，常见的有三角形、金字塔形等，这类算法较容易实现，但其识别速度一般较慢、易受噪声影响。模式识别算法是利用恒星与周围恒星的分布关系特征进行识别，其中最著名就是Padgett的栅格算法，但这种方法容易收到伪星、坏点的影响。机器学习类算法就是神经网络与深度学习在星图识别领域的应用，此类算法识别率较高，但高识别率的前提是训练时长较长，硬件开销较大，不适用于星上姿态确定。

目前国内公开的多视场星敏感器星图识别相关算法较少。尤政对一种双视场星敏感器进行了阐述，其星敏感器内部装配了45°倾斜的平面镜，将两个视场入射的光线进行反射，成像于同一个焦平面上，然后根据光线角度，可以计算出几何关系，从而完成星图识别。这种方法不宜区分CCD中的星点来自哪个视场，并且入射光线经过反射，必然会导致光线的丢失，对成像星点亮度带来影响。王昊京等人利用电子设备对不同视场光轴指向进行粗侧，以减小导航星库存储量，优先在视场内进行三角形识别，若无法成功识别，则联合其它视场进行识别。但三角形算法局限性较多，同时，电子设备精度有限。熊雪、姜迪等人均针对多视场提出了相关星图识别算法，但此类算法的核心是对星图的拼接或者融合，而拼接、融合的前提是不同视场拍摄成像的星图具有重复星，若视场光轴夹角较大，星图中不包含重叠恒星，则此类算法无法进行。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于星等模板的双视场星敏感器星图识别方法，本方法引入了星等作为限制条件，并通过星等阈值极大缩小了导航星库，具有较高的星图识别率以及识别速度。

本发明的目的通过以下的技术方案来实现：

一种双视场星敏感器的星图识别方法，包括：

S1获取星敏感器视场参数、双视场安装矩阵，计算双视场间旋转关系。

S2通过预先获取的星等与星敏感器相机成像星窗之间的关系，确定传感器所能探测到的恒星星等最低阈值和最高阈值，进行导航星筛选，构成星表集{AllStar}；

S3构建主星导航星表，设置星等阈值Mag1，将星等低于Mag1的恒星进行筛选，构成恒星集MainStar＝{starID∈AllStar|Mag(starID)

S4以{MainStar}中每颗恒星赤经赤纬为视场1的光轴指向，通过步骤一获得的旋转关系，计算视场2的光轴指向，并获取其视场角大小内的恒星，构成主星导航星库；

S5构建索引星表，即以{MainStar}中每颗恒星为视场中心，其余星等小于Mag1，且落于视场范围内的恒星。

S6构建单视场星表，以主星为检索，计算并存储视场范围内的恒星与主星之间的星对角距；

S6获得同一时刻两个视场成像星图，提取星像点，并按照灰度值递减排序，并对灰度值对应星等；

S7提取每个视场的主星，主星提取原则为离视场中心最近、星等低于Mag1的恒星；

S8进行主星识别，与主星导航星表进行对比，选择星等、星对角距都在阈值范围内的主星星对starA-starB；

S9根据索引星表，分别找出视场A和B中其余满足星等小于Mag1的恒星集{A}{B}，搜索{MainStar}，对{A}中恒星与starB进行匹配，同理对{B}中恒星与starA进行匹配，以此确定其余伴星；

S10以视场A和视场B中匹配出的主星和伴星，根据单视场星表，匹配出各自视场的其余星；

S11视场A与视场B匹配完成后，进行星点相互验证，剔除误差较大的像点，保证匹配精度。循环遍历，直至该帧星图中，所有星点完成匹配。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

(1)引入星等作为匹配元素，通过缩小星等阈值，减少了导航星表存储容量，极大缩小了匹配时间，提升了匹配可靠性；

(2)构建了双视场星图识别模型，可同时对两个视场进行识别，并充分利用双视场星图特征，进行互相验证；

(3)首先匹配主星，主星选取视场中心且星等在阈值范围内，既保证了其受相片畸变影响小又保证了其不会被导航星表剔除。

附图说明

图1是双视场星敏感器的星图识别方法流程图；

图2是主星选取示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

如图1所示，为双视场星敏感器的星图识别方法，包括以下步骤：

步骤1：获取星敏感器各视场的主点、主距、畸变以及双视场相对于星敏本体坐标系的安装矩阵，根据公式计算双视场间旋转关系。

步骤2：采用专利《一种双视场星敏感器的星图识别方法》，预先获取的星等与星敏感器相机成像星窗之间的关系，确定传感器所能探测到的恒星星等最低阈值和最高阈值，进行导航星筛选，构成星表集{AllStar}；

步骤3：选取依巴谷星表作为参考星表，读取其中存储的导航星信息，按照星等阈值Mag1构建主星导航星表，将星等低于Mag1的恒星进行筛选，构成恒星集MainStar＝{starID∈AllStar|Mag(starID)

步骤4：以{MainStar}中每颗恒星赤经赤纬为视场1的光轴指向，通过S1获得的旋转关系，计算视场2的光轴指向，并获取其视场角大小内的恒星，构成主星导航星库；

步骤5：构建索引星表，即以{MainStar}中每颗恒星为视场中心，其余星等小于Mag1，且落于视场范围内的恒星，索引星表按照如下方式存储：

主星1ID–伴星1ID，伴星2ID，伴星3ID…

主星2ID–伴星1ID，伴星2ID，伴星3ID…

…

步骤6：构建单视场星表，以主星为检索，计算并存储视场范围内的恒星与主星之间的星对角距，为方便存储和查找，可采用k-vector方法进行存储与查找。

步骤7：提取每个视场的主星，主星提取原则为离视场中心最近、星等低于Mag1的恒星；如图2所示，star1在中心但其星等不满足阈值，因此舍弃，star2，star3星等满足阈值，但star2更靠近中心。star4在图像边缘，受像片畸变影响较大，因此综合以上因素选取star2作为主星。

步骤8：对双视场的主星识别，与主星导航星表进行对比，选择星等、星对角距都在阈值范围内的主星星对starA–starB，其中：

对于星等，需满足：

其中，Mag

对于星对角距，需满足：

|D

其中，D

步骤9：根据索引星表，分别找出视场A和B中其余满足星等小于Mag1的恒星集{A}{B}，搜索{MainStar}，对{A}中恒星与starB进行匹配，同理对{B}中恒星与starA进行匹配，以此确定其余伴星。

步骤10：以视场A和视场B中匹配出的主星和伴星，根据单视场星表，匹配出各自视场的其余星；双视场星图识别中，导航星库分为视场间与视场内两部分，视场间导航星库中的星对角距过多，且数值上差异很小，因此，二分查找会造成星图识别效率较低，序号和星对角距也无法满足近似直线的要求，因此，k-vector查找法也不适合作为索引方法，基于此，本发明选择分段直线拟合作为索引方法。

步骤11：视场A与视场B匹配完成后，进行星点相互验证，剔除误差较大的像点，保证匹配精度。循环遍历，直至该帧星图中，所有星点完成匹配。

实施例2

星敏感器主要性能指标：

视场：8.9°×8.9°

面阵：2048×2048

星等范围：3.8-8

本实施例选取高分七号双视场星敏感器作为实验对象，数据为高分七号在轨测试期间下传星图，以10轨数据为例，对本实施例星图识别率以及星图识别时间进行实验统计。

(1)星图识别率

随即选取10轨星图数据，分别对各轨星图利用本实施例提出的双视场星图识别方法进行匹配识别。经统计，10轨数据总星图数为2141帧，成功识别的星图数为2140，星图识别率为99.9％,满足工程上星图识别率不低于98％的要求。＝

(2)星图识别时间

本实施例所处的实验硬件环境为：11th Gen Intel(R)Core(TM)i7-11800H@2.30GHz 2.30GHzCPU；RAM 32GB。计算机系统：Windows 11。由于各轨星图数据中，所含星图帧数不同，因此各轨数据所用时间略有差异，统计所选10轨星图数据进行星图识别所用总时间，得到本实施例星图识别时间为60毫秒，满足工程上的要求。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。