[发明专利]一种基于最优路径的多端点星图识别方法

说明书

本发明公开了一种基于最优路径的多端点星图识别方法，它包括以下步骤：S1、构建导航星库，并根据最小权重生成树的思想构建含导航星特征模式的导航特征库；S2、处理观测星图，并基于最小权重生成树的思想生成观测星的特征模式；S3、基于双向Hausdorff距离，对导航星特征模式和观测星特征模式进行匹配识别。本发明将图论知识和最优路径问题与星图识别方法相融合，利用最小权重生成树的思想提取星点特征模式。由于星点分布的独特性，确保每颗星点的特征模式是独一无二的，增加了星图识别的正确率。

技术领域

本发明涉及天文导航技术领域，涉及一种基于最优路径的多端点星图识别方法。

背景技术

天文导航主要通过测量自然天体相对于飞行器的位置矢量来确定飞行器的姿态和位置，从而实现定位导航。在导航系统中，衡量导航系统性能的决定性指标是姿态测量的准确性。星敏感器作为高精度的姿态测量部件，在天文导航中得到了广泛应用。

星敏感器利用图像传感器拍摄真实星图，通过比较实拍星图的特征量与导航星的特征量进行匹配识别，并利用图像信息和识别星的相关信息解算出三轴姿态。根据星敏感器的测量姿态过程可知，星图识别算法的好坏直接决定了星敏感器姿态性能的优劣，因此星图识别是姿态确定的关键组成部分。

目前，根据观测星特征提取的方式，星图识别算法大致分为以下三类：子图同构类算法、模式识别类算法和人工智能类算法。子图同构类算法将星图识别问题视为子图同构问题的特例，该类算法主要采用星点间的位置关系构成三角形或多边形的特征图形，对照导航星特征库进行匹配识别。目前，星图识别算法中应用最广泛、最成熟、能够成功在轨运行的算法就是三角形算法。但是由于算法中采用的特征维数较低，容易出现冗余匹配和误匹配的问题，因此识别率低、识别速率较慢。在模式识别算法中，为每颗恒星构造出一个独一无二的特征，将这种特征成为“恒星模式”，即以待识别星一定范围内其他星的几何分布特征作为该星的特征模式，以此与其他星进行区别。模式识别算法中的典型算法为栅格算法、奇异值分解法、径向和环向分布特征的星图识别等。人工智能算法主要利用神经元网络与智能算法对星点周围的几何分布特征进行识别。但通常需要使用大规模并行构架来实现，且识别精度跟训练过程有一定关系，因此对硬件要求较高，不易于实现。

发明内容

本发明的目的是：提出一种基于最优路径的多端点星图识别方法。通过最优路径问题，构造出星的特征模式，并基于该特征模式利用Hausdorff距离进行匹配识别。在识别主星的条件下，利用路径端点信息，识别出该主星领域中的其他星，以提高识别速率。并且这种方法使用的导航星库所占空间更少。

技术方案：一种基于最优路径的多端点星图识别方法，它包括以下步骤：

S1、构建导航星库，并根据最小权重生成树的思想构建含导航星特征模式的导航特征库；

S2、处理观测星图，并基于最小权重生成树的思想生成观测星的特征模式；

S3、基于双向Hausdorff距离，对导航星特征模式和观测星特征模式进行匹配识别。

优选的，S1中所述导航星库中包括了导航星编号、导航星星等、导航星赤经、赤纬和方向向量；导航星在天球坐标系下的方向矢量V_star：

其中，α为导航星的赤经，δ为导航星的赤纬。

优选的，S1中导航特征库的构建包括以下步骤：

S1-2-1、选择任意一颗导航星S作为主星，记录在其邻域半径R内其余伴星的编号，取邻域半径R为三分之一相机视场，即为:R＝FOV/3，其中FOV表示为相机视场；并计算主星和其余伴星的角距d_si与前后伴星之间的角距d_ij：