[發(fā)明專利]一種基于蜘蛛網模式和卷積神經網絡的星圖識別方法

有效

• 申請?zhí)枺?/td>: 201710815116.4
• 申請日: 2017-09-12
• 公開（公告）號: CN107816987B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設計）人: 江潔;劉雷;張廣軍
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01C21/02
• 分類號: G01C21/02;G01C21/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;鄧治平

本發(fā)明公開一種基于蜘蛛網模式和卷積神經網絡的星圖識別方法。包括：構建一種利用主星和伴星間相對位置關系和伴星間的角距關系并帶有顏色信息的蜘蛛網模式星圖，利用星表制作蜘蛛網模式星圖的訓練集和測試集，提出一種適用于蜘蛛網模式的卷積神經網絡。采用本發(fā)明能在較大星點位置噪聲和星等噪聲情況下獲得較高的正確識別率，并且當導航星點模式半徑內的伴隨星點較少時，保證得到匹配星點。

技術領域

本發(fā)明涉及星圖識別領域，具體涉及一種基于蜘蛛網模式和卷積神經網絡的星圖識別方法。

背景技術

對星敏感器觀測的星點圖像進行識別，找出圖像星點在全天球星庫中對應的位置是星敏感器三大關鍵技術之一。星圖識別的正確與否直接決定星敏感器能否正確輸出航天器的姿態(tài)，星圖識別的速度和魯棒性也直接決定輸出姿態(tài)的實時性和可靠性。目前星圖識別算法大致可以分為兩類：子圖同構類算法和模式識別類算法。

子圖同構類算法把星點看作圖的頂點，視場內星點之間的角距作為圖的邊，直接或者間接使用星對角距，以線段(角距)、三角形、四邊形等作為基本的匹配元素，從天球數(shù)據(jù)庫中尋找一個與觀測星圖相同的子圖，把子圖頂點對應的星點作為觀測星點的匹配星點。星敏感器星點光斑的質心定位存在誤差，會出現(xiàn)較多星庫中的星對或者三角形與觀測星對或者三角形相似的情況，即冗余匹配。冗余匹配的數(shù)量會隨著觀測子圖被匹配而逐漸下降，最終得到唯一的匹配子圖。這類算法對星點位置噪聲、星等噪聲比較敏感，并且星圖中星點信息利用不足、天球數(shù)據(jù)庫容量龐大。

模式識別類算法主要利用一定模式半徑內星點的相對分布，為單顆星點建立唯一的模式特征，通過從特征數(shù)據(jù)庫中搜索最相似的模式，并把此模式對應的星點作為單顆星點的匹配星點，完成星圖識別。這類算法的特征數(shù)據(jù)庫通常會包含查找表，以便快速搜索最相似的模式。相對于其它星圖識別算法而言，模式識別類算法的主要優(yōu)點在于其特征數(shù)據(jù)庫容量較小，能夠快速搜索得到匹配星點。模式識別類算法需要觀測星圖中存在較多的星點才能建立獨特的星點模式，因此當觀測星圖中星點數(shù)量較少時，模式識別類算法的性能會明顯下降，并且模式識別類算法對位置噪聲和假星比較敏感。

發(fā)明內容

本發(fā)明是一種基于蜘蛛網模式和卷積神經網絡的星圖識別方法，主要解決以下問題：能在較大星點位置噪聲和星等噪聲情況下有很好的魯棒性，并且獲得較高的識別率，視場內的伴星星點較少時，保證得到匹配星點，對于少量的假星依然可以獲得較高的識別率。

本發(fā)明采用的技術方案為：一種基于蜘蛛網模式和卷積神經網絡的星圖識別方法，該識別方法步驟如下：

步驟一、針對目前模式識別類算法的問題，本發(fā)明提出了一種蜘蛛網模式星圖，其構造過程如下：

a)確定主星及模式半徑，該主星的模式由模式半徑所確定的鄰域內的伴星所構成。

b)將主星進行平移，使主星位于視場中央位置。

c)依次將伴星與主星用白色線段連接，并計算相鄰伴星間的角距。

d)為增加不同主星的模式的區(qū)分度以及星圖內信息，將相鄰的伴星根據(jù)角距的大小用不同顏色的線段連接，主星與相鄰的伴星的連線構成不同形狀的蜘蛛網模式星圖，如圖1所示。本發(fā)明中的蜘蛛網模式星圖的測試集和訓練集，以及待識別的星圖，均按照此步驟構造蜘蛛網模式星圖。

步驟二、構建蜘蛛網模式星圖的訓練集和測試集：

訓練集的構造：采用星表作為建立導航基準星點特征數(shù)據(jù)庫的數(shù)據(jù)基礎，選取亮度大于6Mv的星作為導航星，選取一定角度(4°～12°)的模式半徑，除去視場中只有一顆星和兩顆星的情況，再每隔一定角度(0°～60°)將星圖旋轉一次，每個角度的星圖隨機加入若干次(5～20)若干個(1～2)假星，按照步驟一的方法構造蜘蛛網模式星圖，構成蜘蛛網模式星圖的訓練集。