小行星的选取方法、装置、计算机设备和存储介质

技术领域

本申请涉及深空探测技术领域，特别是涉及一种小行星的选取方法、装置、计算机设备和存储介质。

背景技术

深空探测是指脱离地球引力场，进入太阳系空间和宇宙空间的探测，是当前的研究热点领域之一，其探测对象是太阳系内外的宇宙空间和星体。

深空探测中的自主光学导航技术是深空探测的关键技术之一，而导航路标——信标小行星的选择是深空探测自主导航的重要内容。目前，现有的选取方法是直接将可见星等、小行星-探测器的夹角和小行星-探测器距离等参数作为标准，来选取信标小行星的。

然而，使用上述方法确定的信标小行星进行自主导航，存在导航精度低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确选取信标小行星的选取方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种小行星的选取方法，包括：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

在其中一个实施例中，上述根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集，包括：

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星；

根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集。

在其中一个实施例中，上述根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星，包括：

将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

在其中一个实施例中，上述从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集，包括：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和；

在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

在其中一个实施例中，上述针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角和，包括：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；

将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

在其中一个实施例中，上述方法还包括：

根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

在其中一个实施例中，上述预设筛选条件包括以下所有项：

目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。

第二方面，本申请还提供了一种小行星的选取装置，包括：

第一划分模块，用于将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

第二划分模块，用于对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

聚类模块，用于对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

确定模块，用于根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

构建模块，用于从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

上述小行星的选取方法、装置、计算机设备和存储介质，先将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段，再对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段，然后对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集，再根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集，最后从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。上述方法通过将探测器的轨道进行二次划分，进而基于更小的时间段小行星的空间位置变化确定较大的时间段内的目标小行星集，这充分考虑了各小行星的空间位置随时间的变化，使得筛选出的小行星能够为探测器提供更加准确的位置和速度，即通过上述方法筛选出的小行星能够达到更高的导航精度；另外，引入聚类算法对各子时间段内目标探测器周围的小行星进行聚类筛选，在一定程度上降低了筛选难度，这在一定程度上提高了目标小行星的筛选效率。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中小行星的选取方法的应用环境图；

图2为一个实施例中小行星的选取方法的流程示意图；

图3为另一个实施例中小行星的选取方法的流程示意图；

图4为另一个实施例中小行星的选取方法的流程示意图；

图5为另一个实施例中小行星的选取方法的流程示意图；

图6为另一个实施例中小行星的选取方法的流程示意图；

图7为另一个实施例中小行星的选取方法的流程示意图；

图8为一个实施例中小行星的选取装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。

在本申请实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

深空探测是指脱离地球引力场，进入太阳系空间和宇宙空间的探测，是当前的研究热点领域之一，其探测对象是太阳系内外的宇宙空间和星体。在深空探测时，深空飞行器通过自身携带的光学相机拍摄太阳系中小行星等信标，通过图像信息的提取和一定的滤波估计方法，获得飞行器在特定坐标系中的位置、速度等参数。在自主光学导航中，导航小行星的选择影响导航精度，因此筛选合适的信标小行星是关键步骤。目前，现有的选取方法是直接将可见星等、小行星-探测器的夹角和小行星-探测器距离等参数作为标准，来选取信标小行星的。然而，上述方法存在信标小行星的选取准确度低的问题。本申请旨在解决该问题。

在上述介绍完本申请实施例提供的小行星的选取方法的背景技术之后，下面，将对本申请实施例提供的小行星的选取方法所涉及到的实施环境进行简要说明。本申请实施例提供的小行星的选取方法，可以应用于如图1所示的计算机设备中。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种小行星的选取方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

上述介绍了本申请实施例提供的小行星的选取方法的应用场景后，下面重点介绍本申请所述的小行星的选取方法。

在一个实施例中，如图2所示，提供了一种小行星的选取方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：

S201、将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段。

其中，目标探测器是指对月球和月球以外的天体和空间进行探测的无人航天器，是空间探测的主要工具，目标探测器可以由运载火箭送入太空，飞近月球或行星附近进行近距离观测，并采集观测到的样本进行研究分析。目标探测器的轨道是指目标探测器为进行空间探测而选用的各种轨道，可以包括地心轨道、日心轨道、平衡点轨道和飞离太阳系的轨道等。第一时间段可以是10天、20天或者15天等，本申请实施例在此不做限定。

本申请实施例中，在需要对目标探测器位置处周围的多个目标小行星进行选择并确定时，可以先根据预设的第一时间段对目标探测器的轨道周期进行划分，进而得到划分后多个时间段。例如，目标探测器的轨道周期为100天，预设的第一时间段为10天，那么将目标探测器的轨道周期按照第一时间段划分后，得到10个10天的时间段。

S202、对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段。

其中，第二时间段可以是5天、2天或者2.5天等，本申请实施例在此不做限定，需要说明的是，第二时间段小于第一时间段。

本申请实施例中，在上述对目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段之后，可以继续根据第二时间段这多个时间段再次进行划分，进而得到各时间段对应的多个子时间段。例如，接上例，假设第二时间段为2天，那么在上述获取到10个10天的时间段之后，将各10天的时间段再次按照第二时间段进行划分，则每个10天的时间段得到5个两天的子时间段。

S203、对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集。

其中，目标探测器周围的小行星是指小行星数据库中的多个小行星与目标探测器之间满足预设条件的小行星，需要说明的是，预设条件可以包括小行星与目标探测器之间的距离满足预设值一，以及包括小行星与目标探测器之间的夹角满足预设值二等。聚类是指通过某种特定的规则将具有类似特征的数据聚合在一起，在本实施例中，即将目标探测器周围的小行星中相似的小行星聚合为一簇，需要说明的是，聚类可以通过k-均值算法实现。聚类小行星集中至少包括两个小行星。

本申请实施例中，在上述获取到各时间段对应的多个子时间段之后，可以对各子时间段内目标探测器周围的小行星进行聚类运算，得到各子时间段分别对应的聚类小行星集。例如，接上例，每个10天的时间段分成5个两天的子时间段，对各两天的子时间段内的目标探测器周围的小行星进行聚类，假设人为设定各子时间段的聚类数为10，那么各两天的子时间段分别得到10个聚类小行星集。

S204、根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集。

本申请实施例中，在上述获取到每个子时间段内的多个聚类小行星集之后，可以根据每个子时间段内的多个聚类小行星集中各个小行星的位置信息，确定出多个聚类小行星集中分别对应的候选小行星，进而根据多个聚类小行星集分别对应的候选小行星确定该子时间段对应的候选小行星集，遍历所有的子时间段，得到各子时间段对应的候选小行星集。可选的，从聚类小行星集中筛选对应的候选小行星可以是，先获取聚类小行星集中各小行星的位置信息，然后根据各小行星的位置信息确定中心位置，然后比较各个小行星的位置信息与这个中心位置的距离，并选取出与中心位置距离最远的小行星作为小行星。

例如，接上例，各两天的子时间段分别得到10个聚类小行星集，从当前两天的子时间段的10个聚类小行星集中分别筛选一个候选小行星，得到当前两天的子时间段的10个候选小行星，这10个候选小行星组成当前两天的子时间段对应的候选小行星集，遍历所有子时间段，进而得到各子时间段对应的候选小行星集。

S205、从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

本申请实施例中，在上述获取到各子时间段对应的候选小行星集之后，从一个时间段对应的各子时间段对应的候选小行星集中筛选出一个子时间段对应的候选小行星集作为该时间段的第一目标小行星集，遍历目标探测器的轨道上的所有的时间段，得到各时间段对应的各第二目标小行星集，从而根据各时间段对应的各第二目标小行星集构建目标探测器的轨道上整个时间段对应的目标小行星集。例如，接上例，各子时间段分别对应的一个候选小行星集，一个时间段又包括多个子时间段，那么一个时间段中就对应了多个候选小行星集，从这多个候选小行星集中确定一个候选小行星集作为该时间段对应的第一目标小行星集，然后遍历所有时间段，进而得到各时间段对应的各第二小行星集，从而根据各时间段对应的各第二目标小行星集构建目标探测器的轨道上整个时间段对应的目标小行星集。

本申请实施例提供的小行星的选取方法，先将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段，再对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段，然后对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集，再根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集，最后从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。上述方法通过将探测器的轨道进行二次划分，进而基于更小的时间段小行星的空间位置变化确定较大的时间段内的目标小行星集，这充分考虑了各小行星的空间位置随时间的变化，使得筛选出的小行星能够为探测器提供更加准确的位置和速度，即通过上述方法筛选出的小行星能够达到更高的导航精度；另外，引入聚类算法对各子时间段内目标探测器周围的小行星进行聚类筛选，在一定程度上降低了筛选难度，这在一定程度上提高了目标小行星的筛选效率。

在一个实施例中，在图2所示实施例的基础上，可以对根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集的过程进行描述，如图3所示，上述S204“根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集”，包括：

S301、根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点。

本申请实施例中，在上述获取到每个子时间段内的各聚类小行星集之后，可以根据聚类小行星集中各小行星的位置信息确定该聚类小行星集的中心点，遍历各子时间段的各聚类小行星集，得到各子时间段的各聚类小行星集的中心点。

S302、根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星。

本申请实施例中，在上述获取到各子时间段的各聚类小行星集的中心点之后，确定任一聚类小行星集的中心点与该聚类小行星集中的各个聚类小行星之间的距离，并根据任一聚类小行星集的中心点与该聚类小行星集中的各个聚类小行星之间的距离确定该聚类小行星集的中心小行星，同样遍历该聚类小行星集所在的子时间段，以同样的方式确定该子时间段内所有的聚类小行星集分别对应的中心小行星。

可选的，下面提供一种根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星的方法，包括：

将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

本申请实施例中，在上述获取到各子时间段的各聚类小行星集的中心点之后，确定任一聚类小行星集的中心点与该聚类小行星集中的各个聚类小行星之间的距离，并将距离任一聚类小行星集的中心点最小的聚类小行星作为该聚类小行星集的中心小行星，同样遍历该聚类小行星集所在的子时间段，以同样的方式确定该子时间段内所有的聚类小行星集分别对应的中心小行星。

S303、根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集。

本申请实施例中，在上述获取到该子时间段内所有的聚类小行星集分别对应的中心小行星之后，构建该子时间段对应的第一候选小行星集，遍历整个目标探测器的轨道，确定各个子时间段对应的候选小行星集。

本申请实施例中提供的小行星的选取方法，基于各子时间段内各小行星的位置信息，确定符合要求的各中心小行星，进而根据各中心小行星构建候选小行星集，这充分考虑了各小行星的空间位置随时间的变化，使得筛选出的小行星能够为探测器提供更加准确的位置和速度，即通过上述方法筛选出的小行星能够达到更高的导航精度。

在一个实施例中，在图2-3所示实施例的基础上，可以对从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集的过程进行描述，如图4所示，上述S205“从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集”，包括：

S401、针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和。

本申请实施例中，对于每个子时间段对应的候选小行星集中的任意一对候选小行星，确定该任意一对候选小行星在该子时间段所在的时间段内的不同时刻与目标探测器之间的夹角，进而得到该子时间段所在的时间段内，该任意一对候选小行星在不同时刻与目标探测器之间的夹角和，遍历该候选小行星集中的其他对候选小行星，进而得到该候选小行星集中所有对候选小行星的夹角和，进一步遍历各候选小行星集，进而得到各候选小行星集中所有对候选小行星的夹角和。

可选的，下面提供一种获取各小行星集中所有对候选小行星的夹角和的方法，即上述S401“针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角和”，如图5所示，包括：

S4011、针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角。

本申请实施例中，对于每个子时间段对应的候选小行星集中的任意一对候选小行星，确定该任意一对候选小行星在该子时间段所在的时间段内的不同时刻与目标探测器之间的夹角，进而得到各小行星集中所有对候选小行星的夹角。

S4012、将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

本申请实施例中，在上述获取到各小行星集中所有对候选小行星的夹角之后，将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和，遍历该候选小行星集中的其他对候选小行星，进而得到该候选小行星集中所有对候选小行星的夹角和，进一步遍历各候选小行星集，进而得到各候选小行星集中所有对候选小行星的夹角和。

S402、在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

本申请实施例中，在上述获取到每个子时间段对应的候选小行星集中所有对候选小行星的夹角和之后，确定各时间段中的多个子时间段对应的候选小行星集中所有对候选小行星的最大夹角和，并将最大夹角和对应的候选小行星集作为目标小行星集。

在一个实施例中，在图2所示实施例的基础上，如图6所示，上述方法还包括：

S206、根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

其中，预设筛选条件可以包括以下所有项：目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。具体的，预设筛选条件可以包括：目标探测器位置处小行星的可见星等参数小于12.0，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器分别与小行星和太阳连线的夹角大于130°，目标探测器与小行星之间的距离小于1.0天文单位，目标探测器位置处小行星的视线角速度小于1.0×10

本申请实施例中，在将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段之后，可以在各时间段上根据上述预设筛选条件从小行星数据库中筛选出目标探测器周围的小行星，以使对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段之后，才能够在每个子时间段内对根据预设筛选条件筛选出的目标探测器周围的小行星进行聚类，得到多个聚类小行星集。

本申请实施例提供的筛选方法，基于预设筛选条件从小行星数据库中筛选出符合要求的小行星，与直接对小行星数据库中的全部小行星进行处理的方法相比，本方案先基于预设筛选条件先对小行星数据库中的小行星进行筛选，极大简化了后续确定目标小行星的计算量，在一定程度上提高了确定目标小行星的效率。

在一个实施例中，如图7所示，还提供了一个完整的小行星的选取方法，包括：

S10、将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

S11、根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星；

S12、对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

S13、对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

S14、根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

S15、将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星；

S16、根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集；

S17、针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；

S18、将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和；

S19、在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

上述方法通过将探测器的轨道进行二次划分，进而基于更小的时间段小行星的空间位置变化确定较大的时间段内的目标小行星集，这充分考虑了各小行星的空间位置随时间的变化，使得筛选出的小行星能够为探测器提供更加准确的位置和速度，即通过上述方法筛选出的小行星能够达到更高的导航精度；另外，引入聚类算法对各子时间段内目标探测器周围的小行星进行聚类筛选，在一定程度上降低了筛选难度，这在一定程度上提高了目标小行星的筛选效率。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的小行星的选取方法的小行星的选取装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个小行星的选取装置实施例中的具体限定可以参见上文中对于小行星的选取方法的限定，在此不再赘述。

在一个示例性的实施例中，如图8所示，提供了一种小行星的选取装置，包括：第一划分模块10、第二划分模块11、聚类模块12、确定模块13和构建模块14，其中：

第一划分模块10，用于将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段。

第二划分模块11，用于对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段。

聚类模块12，用于对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集。

确定模块13，用于根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集。

构建模块14，用于从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

在一个实施例中，上述确定模块13，包括：第一确定单元、第二确定单元和构建单元，其中：

第一确定单元，具体用于根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

第二确定单元，具体用于根据各所述聚类小行星集的中心点距离其他聚类小行星的距离，确定各所述聚类小行星集的中心小行星；

构建单元，具体用于根据每个子时间段内所有聚类小行星集的中心小行星构建每个所述子时间段对应的候选小行星集。

在一个实施例中，上述第二确定单元，具体用于将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

在一个实施例中，上述构建模块14，包括：获取单元和构建单元，其中：

获取单元，具体用于针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和；

构建单元，具体用于在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

在一个实施例中，上述获取单元，具体用于针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

在一个实施例中，上述装置还包括：筛选模块，用于根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

在一个实施例中，上述预设筛选条件包括以下所有项：

目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。

上述小行星的选取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标小行星集数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种小行星的选取方法。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星；

根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和；

在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；

将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星；

根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和；

在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；

将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

将目标探测器的轨道进行第一时间段划分，得到划分后的多个时间段；

对各时间段进行第二时间段划分，得到各时间段对应的多个子时间段；

对在每个子时间段内目标探测器周围的小行星进行聚类，得到多个聚类小行星集；

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定每个子时间段对应的候选小行星集；

从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据每个子时间段内各聚类小行星集中各小行星的位置信息，确定各聚类小行星集的中心点；

根据各聚类小行星集的中心点距离其他聚类小行星的距离，确定各聚类小行星集的中心小行星；

根据每个子时间段内所有聚类小行星集的中心小行星构建每个子时间段对应的候选小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将距离中心点的距离最小的聚类小行星作为聚类小行星集的中心小行星。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各候选小行星集中所有对候选小行星的夹角和；

在各时间段对应的候选小行星集中选取一个夹角和最大的候选小行星集构建目标小行星集。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

针对每个候选小行星集中的任意一对候选小行星，确定任意一对候选小行星在不同时刻与目标探测器之间的夹角，得到各小行星集中所有对候选小行星的夹角；

将各候选小行星集中所有对候选小行星的夹角进行和运算，得到各候选小行星集的夹角和。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据预设筛选条件从小行星数据库中筛选出各时间段内目标探测器周围的小行星。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

目标探测器位置处小行星的可见星等参数满足第一值，目标探测器分别与小行星和太阳连线的夹角满足第二值，目标探测器与小行星之间的距离满足第三值，目标探测器位置处小行星的视线角速度满足第四值，目标探测器分别与任意两个小行星连线的夹角满足第五值。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。