基于粗测位置和方位的三视场快速星图识别方法

王昊京，王建立，吴 量，2，张世学，贾建禄

（1.中国科学院长春光学精密机械与物理研究所，吉林长春130033；2.中国科学院大学，北京100049）

基于粗测位置和方位的三视场快速星图识别方法

王昊京1*，王建立1，吴 量1，2，张世学1，贾建禄1

（1.中国科学院长春光学精密机械与物理研究所，吉林长春130033；2.中国科学院大学，北京100049）

为了在已知粗略方位角和地理位置时实现三视场天文定位定向设备的快速测量,给出了一种三视场定位定向设备的快速局部星图识别方法。分析了三视场定位定向设备使用全天球识别数据库执行三角形识别时识别效率低的原因；指出了应先进行视场内识别,后进行视场间识别以提高效率,并给出星图识别时角距误差门限的选取范围；给出了一种基于粗略位置和方位快速生成局部识别数据库的方法,它可以减少识别信息的冗余,实现高效的星图识别。仿真实验和野外实验结果表明：使用此局部识别方法正确识别率可达99.19％,识别速度为24.3 ms,基本满足三视场天文定位定向设备快速高效测量的要求。验证了局部星图识别方法的效率,以及采用先视场内识别后进行视场间识别方式的正确性。

星图识别；天文导航；局部识别；定位定向；三视场

1 引言

天文导航是重要的辅助导航系统,它可以进行被动式测量导航,具有抗干扰能力强,适用范围广,定向、定位精度高,误差与时间无关等优势。而这些优势是GPS等无线电导航系统无法比拟的［1］。

近年来,国内外均开展了多视场星敏感器设备的研究工作。例如美国Trex公司已经开发出多视场恒星跟踪器,它可在白天海平面探测到6. 3等的恒星,并完成定位定向或高精度姿态测量工作［2］。法国SODERN公司开发出多视场HYDRA星敏感器,应用于航天器的姿态测量［3-4］。目前国内北京航空航天大学、哈尔滨工业大学、清华大学等单位的研究人员对多视场、双视场天文导航系统进行了研究,其研究的重点是获取高精度的系统姿态［5-7］。中国科学院长春光学精密机械与物理研究所完成了一种基于“视场拼接”的双星敏感器定姿测量方法,各个视场独立进行星图识别后测量船姿,满足了船姿测量要求,基本达到了预期目标［8］,同时还进行了三视场定位定向方向的研究工作。三视场较双视场在定位定向上更为可靠,不受天空中云层的遮拦而正常工作的概率较高。

星图识别是三视场定位定向设备功能的关键。在三视场的定位定向设备中,为提高单星测量精度进而提高定位定向的精度须采用小视场,在采用小视场时,为提高三角形识别正确率须采用视场间识别。在采用视场内和视场间联合识别时三视场定位定向设备的全天球识别数据库很大,识别信息冗余度高,效率低。单视场星敏感器进行姿态测量时,可利用粗姿态计算估计视轴位置进行星图识别。三视场定位定向设备也可以估算视轴在天球坐标系内的位置并建立视场内和视场间的局部识别数据库实现高效识别,其关键在于视轴位置估算的方法,在定位定向应用中目前还没有具体的估计方法。目前双视场星敏感器的三角形星图识别研究中绝大多数是按照单视场的方式进行识别的,大多没有利用到恒星视场间的星角距信息进行识别,原因在于其不能精确地标定视场光轴的位置［11］。清华大学的学者在研究双视场时提及利用视场间的星角距信息进行识别分析［12］,但是并未回答视场内识别和视场间识别先后问题,也未给出进行视场间三角形识别时,星角距识别误差门限选取值。本文以已知粗测量位置和方位的三视场定位定向识别问题为研究对象,分析了使用全天球识别数据库执行三角形识别时识别效率不高的原因,指出应该先进行视场内识别,后对未识别的恒星进行视场间识别以提高效率；给出了建立局部识别数据库进行三角形星图识别的方法,仿真分析得出：先采用视场内识别后进行视场间识别的方式是最优的选择,并给出视场间三角形识别时,星角距的识别误差门限选取方法。

2 无粗略信息时定位定向的基本原理

2.1 定位定向的概念

图1是三视场定位定向设备的结构框图。它有3个光轴,光轴可以在载体坐标系XBYBZB（简写为CB）内定义。采用光轴对称的结构形式,即光轴在方位角上间隔为120°,仰角在载体坐标系内相等且均为45°。

定位主要是确定设备在国际地球参考系ITRS内的位置。ITRS坐标系和世界大地84坐标系（WGS-84）坐标系基本上是一致的［9］。将WGS-84坐标系的地理位置标记为Loc（λ,Φ,h）,其中经度为λ、纬度为Φ,单位为度；海拔h,单位为m。由于海拔可由海拔仪测定,故设备的定位主要是确定经度λ、纬度Φ。

定向主要是确定图1中载体坐标系CB在东北天坐标系（ENU,简写为CENU）内的方位角,将此方位角记作AziB。图2给出了载体方位角定义,CB的XB轴在水准面ENO内的投影X′B与CENU的Y轴在水平面EON内的顺时针夹角,即为设备待测量的方位角AziB,定向即为精确地测量出方位角AziB；而粗略的方位角可以由电子指南针测量获得。

将坐标系m转换到坐标系n,可用旋转矩阵Rmn表示。若这个转换是绕着x、y、z轴顺时针旋转角度Φx、Φy、Φz完成的,则有下式：

使用Rxyz（Φx、Φy、Φz）表示旋转矩阵Rmn,下标xyz表示旋转过程中的旋转轴和旋转顺序,Rx（Φx）、Ry（Φy）、Rz（Φz）是标准旋转矩阵。

在图2中建立辅助坐标系Ca：其原点和CB的原点相重合,其Xa轴沿着矢量X′B的方向；Za轴与ENU的U轴相重合；Ya轴符合右手定则。由图2可知坐标系Ca到CENU的转换矩阵满足下式：

在图2中ρ、τ是为水平倾斜角,其单位为度。其中ρ是单位向量X′B与单位向量XB的夹角；而τ是单位向量Y′B与单位向量YB的夹角,且Y′B与YB在水准面ENO内的投影相重合。水平倾斜角可由测倾仪获得,它在计算分析中是已知量。

2.2 无粗略信息时定位定向的基本原理

图3是三视场天文定位定向设备的原理框图。首先是通过系统固有参数计算获得星像的星角距参数。天体目标光线经过光学镜头成像在CCD探测器上面,通过星图预处理提取星像的质心位置,记作PtImg。通过任意恒星的质心位置、光学系统的焦距、探测器像元尺寸、分辨率、主点、畸变参数、光轴在载体中的单位矢量AxiVeci,以及探测器安装角等,使用视觉几何的相关原理计算可得星像在CB中的位置矢量VB,如图2所示。对任意标号为i、j的星像可获取它们在CB中的星矢量为ViB、Vj

B,并求取星角距StarAngij。星角距是用三角形识别算法进行恒星识别的关键元素之一。

其次,通过星角距信息结合预先离线生成的全天球识别数据库使用三角形识别算法完成星像的星图识别。将全天球星识别数据库记作Iden-DataBase,识别信息对记作InfoPair。识别信息对是由两颗恒星的编号、星角距组成,有时也包括星等信息Mag。星角距StarAngpq是识别星表中编号为p、q的恒星角距信息,则InfoPair=｛p,q,Star-Angpq,Magp,Magq｝,IdenDataBase=｛InforPair｝。星图中提取的灰度信息转换为星等并和计算出的角距信息StarAngij结合组成识别信息对InfoPairij。计算获取的识别信息对InfoPairij结合恒星识别数据库IdenDataBase进行辨识,将识别出的恒星记作Starp、Starq,至此完成星图识别。文献［10,16-17］中给出了三角形识别算法具体详细地解释,并且对于识别信息对的数据格式、识别数据库的结构排布有详细的描述,本文也采用同样的格式。

映射函数fun2的推导如下。星矢量由ITRS坐标系转换到ENU坐标系内使用的旋转矩阵为Rzyz（λ,90°-Φ,90°）,结合式（2）可以得出下式：

即式（5）就是映射fun2。

3 优先进行视场内识别

3.1 采用小视场并进行视场间识别的缘由

另一方面,采用小视场使得单视场内组成识别三角形的概率降低。故须采用视场内识别和视场间识别相结合的方式进行识别,以提高组成识别三角形的数目和识别概率。

但目前公开发表的文献中大多数双视场的星敏感器仅采用视场内视场,且是大视场的形式,约8°×8°大小。清华大学研究了双视场星敏感器采用视场间识别的形式,但它仅有一个CCD且识别不分视场内和视场间的先后顺序。

3.2 视场内和视场间识别数据库需满足的条件

无论是全天球识别数据库还是局部识别数据库,均由视场内和视场间两个识别数据库构成,且都满足下面的条件。以全天球识别数据库为例进行说明。

全天球识别数据库中的视场内和视场间两个数据库,分别记作IdenDataBase1、IdenDataBase2。在图1中,由光轴矢量AxiVeci可得任意光轴间的夹角,记为Angoz,由于结构对称所以数值相等均为Angoz；对于∀InfoPairpq∈IdenDataBase2,满足下式：

而对于∀InfoPairrpq∈IdenDataBase1,满足下式：式中,BinAng为双星的角距,一般取星图中6～8个像素对应空间张角。

制作识别数据库时使用Tycho2星表。星图识别星表,简写为StarCatId；识别星表的星等阈值限制,记作MagH,取7等星；识别星表满足下式：

在实验中取光学视场大小为FOV=［4.5° 3.3750°］T,CCD的分辨率为1 024×768,取6个像素的空间张角作为双星阈值限制,7等星为阈值限制。建立识别星表StarCatId,它有14 643颗星。在满足式（6）～（8）限制时,通过计算StarCatId中任意两颗恒星的角距,获取星识别数据库。此时视场内识别数据库中的识别信息对有296 294条,而视场间识别数据库中的识别信息对为9 889 773条。

3.2.1 先进行视场内识别后进行视场间识别的依据

大量的识别信息对相对于星角距计算精度而言存在着大量冗余。提取的质心位置和标定的光轴在载体中位置存在误差,且一般符合正态分布。通过实验标定获得质心提取的x、y分量的误差符合正态分布N（0,σ0）,σ0单位为像素；3个光轴中任意光轴标定的误差符合正态分布N（0,σ1i）,σ1i单位为度。若单像素空间张角为ϑ度,则单星提取精度为σ0ϑ。据误差原理可知,视场间星像的星角距计算误差标准差σ2可由下式粗略估计：

视场内间星角距计算误差标准差σ3满足下式：

若识别信息对的平均分布密度（简记为ρ）以三倍星角距误差标准差为最小单位进行粗略分析,那么视场内识别信息对平均分布密度ρ1和视场间ρ2可以计算如下：

式中,a代表视场间或者视场内星识别信息对的数目；b代表识别信息对的角距分布宽度,视场间等于4FOVr,视场内为2FOVr,单位为度。

在上述星表建立条件下,若质心提取误差标准差为0.05 pixel；光轴标定误差标准差为1.153″,则σ3=1.12″,σ2=2.75″。视场内识别数据库中的识别信息对分布密度是49条。视场间识别数据库的分布密度是2 014条,视场间三角形识别信息对的分布密度是视场内的41倍。

显然视场间的识别信息对分布密度大于视场内的分布密度,故先进行视场内识别后进行视场间识别,这样有利于提高识别正确率。容易证明即使是局部识别,这个结论也成立。

3.2.2 星图识别星角距误差门限的选取

在三角形星图识别时需要据计算的星角距（StarAng）从识别数据库中提取出包含真实角距信息子识别数据库。这需要确定星角距的识别误差门限。由上述分析可知：在视场内星图识别时,需要提取角距满足范围为［StarAng-3σ3,StarAng +3σ3］的星识别信息对；视场间星图识别时,需提取角距范围为［StarAng-3σ2,StarAng+3σ2］内的星识别信息对。

只有在识别数据库中选取上述范围内的识别信息对才能正确完成三角形星图识别。

3.2.3 全天球识别时识别速度和正确率低

使用全天球识别数据库进行三角形星图识别时,星图识别的效率不高原因如下：对于识别三角形的每个边,角距计算误差均引入了有较多的冗余信息。若识别三角形的三颗恒星来自于同一视场,其每条边至少有48个冗余信息,则由3条边的冗余信息进行组合成的待识别三角形会很多。从这些组合中识别出正确的三角形,十分耗时,降低了识别速度；而且容易造成错误的识别,进而降低了识别正确率,所以效率不高。

4 有粗测信息时的局部星图识别方法

使用全天球识别数据库进行星图识别时是遍历整个识别数据库,而大多数的数据对于一次识别是冗余信息。

在三视场定位定向设备中,可以利用已知粗估地理位置和方位角估计视轴在天球坐标系的位置,进而生成局部识别数据库进行星图识别。生成局部识别数据库的关键是确定三视场定位定向设备的3个光轴在天球坐标系内位置,目前尚未有文献给出具体方法,下面通过分析确定其计算方法。

4.1 确定3个光轴在国际天球坐标系内的位置和范围

构建局部识别数据库最主要的是确定真实光轴在天球上的位置和与之对应的光学视场的误差范围。

首先可以通过估计的地理位置、粗测的方位角等信息获取真实光轴在天球上的位置范围。设备在移动载体上,通过简单的航迹推算可知设备在地球的粗略地理位置,记作Loc（λ,Φ,h）,其中h通过海拔仪测量得知；将需要求取的精确地理位置,记作Loc′（λ′,Φ′,h）。由安装的电子指南针可以测量出设备的粗略方位角,将这个粗略的方位角记作AziB,而将待求取的精确方位角,记为Azi′B。

式中：RE为地球半径,单位为m。即真实光轴和粗略光轴在真春分点赤道坐标系内的夹角不大于AngErr,单位为弧度,即此夹角就是真实光轴和粗测光轴的角距最大值,由此可以确定真实光轴在天球中的相对位置范围。

式中,AngErr已转换为度,而“虚拟的”光学视场FOV′单位为度,由下式计算：在图4中对于任意光轴均对应两个球面圆,内部的小圆为F′、而外部的大圆为F。

若以FOV′为视场大小,快速提取视场内的恒星,构建局部识别数据库,则可排除其他恒星的影响,实现快速、高效的星图识别。

4.2 局部识别数据库的构建和星图识别方法

局部识别数据库的快速构建和星图识别步骤如下：

（2）由式（16）、（17）、（18）、（7）确定光学视场FOV′；

（4）由子星表StarCatId′中任意两颗恒星构建识别信息对,进而生成局部识别数据库；

（5）将3个星图中每个视场内的星点组成识别三角形先在视场内局部识别数据库中进行识别；对于未识别的恒星组成视场间识别三角形在视场间局部识别数据库中进行识别；

快速构建局部数据库和星图识别的步骤（3）中星图识别子星表满足如下关系：

步骤（4）中局部识别数据库是由视场内局部识别数据库和视场间局部识别数据库构成,分别记作：IdenDataBase′1、IdenDataBase′2,它们与全天球识别数据库关系如下：

而且局部识别数据库的构建算法、数据结构与全天球识别数据库的构建算法一致,都是遍历所有恒星计算角距并存储满足式（6）、（8）的识别信息对。

局部识别数据库仅仅由全天球中的部分恒星生成,恒星数量很少,它在进行星图识别之前可以快速在线生成。

4.3 效率仿真分析

本文采用VS2010使用C++设计程序在电脑上进行仿真分析。配置如下：电脑的CPU采用Intel Core 2 Quad Q9400,4G内存；CCD分辨率为1 024×768,像素尺寸为4.65μm×4.65μm,光学视场FOV大小设置为［4.5°3.3750°］T；选取7等星为阈值限制,双星的确定标准为6个像素的空间张角,据式（9）确定识别星表StarCatId；精确地理位置Loc（λ′,Φ′,h）中的参数λ′在［-180,, 180°］上符合均匀分布、Φ′在［-90°,90°］上符合均匀分布,h设置为0 m,即在海平面上；粗估地理位置Loc（λ,Φ,h）的估计偏差DistErr在［10 km, 300 km］上服从均匀分布,相对于精确地理位置的方位角AziLoc随机设置,且在［0°,360°］上均匀分布；载体的精确方位角Azi′B在［0°,360°］上均匀分布,而电子指南针方位角测量误差AziErr随机设置,且在［0.5°,2°］上符合均匀分布；水平倾斜角设置为（0°,0°）；世界协调时设置为2013年1月1日12时；光轴标定误差的标准差为1.153″,这个数值同下面野外实验中设备实际的标定误差一致；质心提取误差标准差为σ0,采用0.01、0.03、0.05这3个不同的提取精度；视场间识别时星角距计算误差满足式（10）、视场内识别时单个星点加入的误差满足式（11）。

局部识别数据库的信息与全天球识别数据库的相比很少,估计如下：据上述仿真条件,由3.2中的步骤（2）可以确定视场FOV′的最大值为［10.3783° 10.3783°］T。若恒星在天球上均匀分布,那么局部识别数据库的信息与全天球识别数据库的比率K可以由下式得：

式中：dΩ为立体角的微分,计算结果K= 0.0707％。即局部识别数据库的识别信息大约为全天球识别数据库的0.0707％。这极大地降低了数据的冗余信息。

局部识别数据库的构建速度和识别正确率的仿真实验步骤如下：

（1）随机生成精确的地理位置Loc（λ′,Φ′,0）、估计偏差DistErr、角度AziLoc,并由DistErr、AziLoc生成粗测地理位置Loc（λ,Φ,0）；

（2）随机生成精确的方位角Azi′B、方位角测量误差AziErr,并生成粗测方位角AziB；

（3）执行局部识别数据库的快速构建和星图识别步骤中步骤（1）～（3）,并对星图识别子星表StarCat′Id中任意一颗恒星位置加入由于质心提取引起的角距误差,并满足式（11）,形成测试恒星集（StarCatTest）；

（4）执行局部识别数据库的快速构建和星图识别步骤中步骤（4）构建局部识别数据库；

（5）由测试恒星集（StarCatTest）组合成识别三角形,并结合局部识别数据库先进行视场内识别；

（6）对于未识别恒星再进行视场间识别；进行视场间识别时,对任意两颗恒星的计算角距在加入光轴标定误差,并满足（10）。

其中步骤（5）～（6）的识别正确率（Accuracy）统计方法为：测试恒星集StarCatTest中任意一颗恒星识别错误,那么本次识别测试就认为错误识别。

基于全天球识别数据库的构建和识别方法仿真测试时,不需要像局部识别那样每次都构建局部识别数据库,即没有步骤（4）；而且步骤（5）也不同,此时它使用的识别数据库是全天球识别数据库。将步骤（5）和（6）交换,即可测试先视场间后视场内识别的效率。

重复上述步骤（1）～（5）循环执行1 000次。每次实验均记录步骤（4）的耗时、步骤（5）的识别正确率,最后求取步骤（4）耗时的平均值（记为T1）、步骤（5）识别正确率平均数值。在实验中质心提取误差的标准差分别为0.01、0.03、0.05,测试结果如下：其中T1在局部识别时,是实时构建局部识别数据库的耗时,即步骤（4）的耗时；在全天球识别时,是离线构建全天球识别数据库的耗时。T2对于局部识别而言,它包括步骤（4）～步骤（6）的耗时；对于全天球识别而言,它仅仅包含步骤（5）～步骤（6）的耗时。

仿真实验结果如表1和表2所示。其中局部识别是实时构建局部识别数据库并进行识别的；全天球识别是离线构造全天球识别数据库,并进行全天球识别。从表1和表2中可以看出,局部识别数据库的构建耗时很小,识别速度也很快；正确率得到了提高。这和理论分析基本一致。而且先视场内识别后视场间识别的识别成功率更高一些,这在全天球识别中更为突出。

5 野外实验

在野外实验时选择Imaging Source公司的三台单色工业CCD相机,分辨率为1 024×768,像素尺寸为4.65μm×4.65μm。光学系统的口径73 mm,光学视场约为［4.5° 3.3750°］T,计算机平台采用上述的仿真实验平台,各个光轴的标定误差的标准差为1.153″。

在野外实验中先获得正确的参考恒星集合。图5是三视场定位定向设备的实验平台,将其摆放在野外进行实验验证,平台下部是一个小转台, 3个光轴固定在平台之上,通过控制转台的转动可以使得平台的姿态随意变换,平台的码盘的分辨率为1″,通过调整平台可以使其处于水平状态。GPS测量的精确地理位置为（125°24′15″E, 43°50′43″N,200 m）,系统的精确方位角通过北极星校正为37.2576°,系统软件通过时统可以获得精确的时间,通过串口获得气象仪信息。此时系统软件可以通过星图模拟等方法正确识别出星图中任意提取到的恒星。此时并不需要使用实时生成局部识别数据库进行星图识别的方法去识别提取的恒星,将此时的恒星作为后续验证的正确参考。

通过设置粗略地理位置、粗测方位角并用实时生成局部识别数据库,采用先进行视场内识别后进行视场间识别的方式进行恒星识别。在系统软件的参数设置里面：通过计算机控制,随机设置粗略估计的地理,使其与精确地理位置的距离偏差在［10 km,300 km］之内；随机设置载体方位偏差,使其与精确地理位置偏差在［0.5°,2°］之间。通过随机设置粗测地理位置的方法完成实际工程应用中航迹估计的功能；通过设置方位角偏差完成实际工程中电子指南针测量有误差的功能。计算机通过控制软件连续采集星图,并进行星图识别。此时识别的恒星与上述中识别的恒星相互比照判断正确识别与否。

野外实验的测试结果与上述仿真结果基本一致。构建局部识别数据库并完成局部识别的速度为32.4 ms,识别正确率约为100％。速度不及仿真主要由于程序中除了完成识别外还有很多线程处理其他数据的外部接口；正确率高于仿真结果在于实验在特定地理位置和特定方位角进行。

6 结论

本文根据三视场天文定位定向设备快速实现定位定向的要求,提出了据粗略估计的地理位置、粗测方位角快速实现三视场定位定向设备的局部星图识别的方法。给出了使用全天球识别数据库进行星图识别时效率低原因,研究了局部识别数据的构建方法和使用局部识别数据库实现星图识别的方式,确定了先进行视场内识别后进行视场间识别的优化选择。最后,通过实验验证了该方法的高效性。实验结果证明：用粗测方位和位置信息快速构建局部识别数据库并完成星图识别时,完成一次识别耗时24.3 ms,识别的正确率达99.19％,基本满足了快速定位定向的要求。

［1］王安国.导航战背景下的天文导航技术---天文导航技术的历史、现状及其发展趋势［J］.天文学进展,2001,19（2）：325-330. WANG A G.Celestial navigation technique in the background of navigation war the history,present situation and developing tendency of celestial navigation technique［J］.Process in Astronomy,2001,19（2）：325-330.（in Chinese）

［2］TREX ENTERPRISESCORP.Daytime stellar imager for attitude determination：USA,7349803B2［P］.2008-03-25.

［3］SODERN.Star trackers hydra family［EB/OL］.［2014-06-23］.http://www.sodern.com/sites/en/ref/Star-Trackers-HYDRA_51.html.

［4］BLARRE L,PERRIMON N,AIREY S.New multiple head Star Sensor（HYDRA）description and development status：a highly autonomous,accurate and very robust system to pave the way for gyroless very accurate AOCS systems［J］.Proceedings of the AIAAGuidance,Naυigation,and Control Conference,2005（8）：817-825.

［5］叶生龙，魏新国，樊巧云，等.多视场星敏感器工作模式设计［J］.北京航空航天大学学报,2010,36（10）：1244-1247. YE SH L,WEIX G,FAN Q Y,et al..Operation mode design ofmulti-FOV star sensor［J］.J.Beijing Uniυersity of Aeronautics and Astronautics,2010,36（10）：1244-1247.（in Chinese）

［6］王真，魏新国，张广军，等.多视场星敏感器结构布局优化［J］.红外与激光工程,2011,40（12）：2469-2473. WANG ZH,WEIX G,ZHANGG J,etal..Structure optimization formulti-FOV star sensors［J］.Infrared and Laser Engi-neering,2011,40（12）：2469-2473.（in Chinese）

［7］张力军.基于多视场星敏感器的航天器姿态确定方法研究［D］.湖南：国防科学技术大学研究生院,2011. ZHANG L J.Spacecraft attitude determination formultiple fields of view star sensors［D］.Hunan：National University of Defense Technology,2011.（in Chinese）

［8］郭敬明.基于星敏感器的船姿测量方法研究［D］.北京：中国科学院大学,2013. GUO JM.Study on ship attitudemeasurement based on star sensor［D］.Beijing：University of Chinese Academy of Sciences,2013.（in Chinese）

［9］WIKIPEDIA.World geodetic system［EB/OL］.［2014-05-21］.http://en.wikipedia.org/wiki/World_Geodetic_System.

［10］张磊，何昕，魏仲慧，等.三角形星图识别算法的改进［J］.光学精密工程,2010,18（2）：458-463. ZHANG L,HE X,WEIZH H,et al..Modification of triangle identification algorithm［J］.Opt.Precision Eng.,2010,18（2）：458-463.（in Chinese）

［11］王常虹，李葆华.一种多视场星敏感器的星图识别方法：中国,CN103363987A［P］.2013-10-23. WANG CH H,LIBH.Star identification ofmultiple heads star sensor：China,CN103363987A［P］.2013-10-23.（in Chinese）

［12］尤政，邢飞，董瑛.双视场星敏感器及利用其进行星图识别的方法：中国,CN1609549［P］.2005-04-27. YOU ZH,XING F,DONG Y.Star identification of two heads star sensor：China,CN1609549［P］.2005-04-27.（in Chinese）

［13］SAMAANM K.Toward faster andmore accurate star sensors using recursive centroiding and star identification［D］.Texas：University of Texas,2003.

［14］饶才杰，房建成.一种星图模拟中观测星提取的方法［J］.光学精密工程,2004,12（2）：130-135. RAO C J,FANG JCH.A way of extracting observed stars for star image simulation［J］.Opt.Precision Eng.,2004,12（2）：130-135.（in Chinese）

［15］王昊京.三视场恒星识别天文导航方法研究［D］.长春：中国科学院长春光学精密机械与物理研究所,2012. WANG H J.Study on celestial navigation by three fields of view star recognition［D］.Changchun：Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,2012.（in Chinese）

［16］LIEBE C CH.Pattern recognition of star constellations for spacecraft［J］.Applications IEEE AES Systems Magazine, 1992,7（6）：34-41.

［17］LAMY AU ROUSSEAU B M G,BOSTEL J.New star pattern recognition algorithm for aps star tracker application：oriented triangles［J］.IEEE Aerospace Electron.Syst.Mag.,2005,20（2）：27-31.

王昊京（1983-）,男,河南郑州人,助理研究员,2007年于吉林大学获得学士学位,2012年于中国科学院长春光学机密机械与物理研究所获得博士学位,主要从事图像处理、自动控制、导航等方面的研究。E-mail：wanghaojing @vip.qq.com

王建立（1971-）,男,山东曲阜人,研究员,博士生导师,主要从事空间目标探测技术和地基高分辨率成像望远镜总体技术等方面的研究。E-mail：wangjianli@ciomp.ac.cn

张世学（1980-）,男,吉林长春人,副研究员,2003年于吉林大学获得学士学位,2009年于澳门大学获得博士学位,主要从事计算机图形学和图像处理等方面的研究。E-mail：zhangsx@ciomp.ac.cn

贾建禄（1982-）,男,内蒙赤峰人,博士,助理研究员,2006年于天津大学获得学士学位,2012年于中国科学院长春光学精密机械与物理研究所获得博士学位,主要从事自适应光学系统波前控制方面的研究。E-mail：jianluciomp@163.com

吴 量（1987-）,男,吉林长春人,博士研究生,主要从事天文导航、模式识别等方面的研究。E-mail：wluestc624989202@yahoo.cn

Fast recognition on star pattern with method of three FOVs based on rough location and azimuth

WANG Hao-jing1*,WANG Jian-li1,WU Liang1,2,ZHANG Shi-xue1,JIA Jian-lu1
（1.Changchun Institute of Optics,Fine Mechanics and Physics, Chinese Academy of Sciences,Changchun 130033,China；2.Uniυersity of Chinese Academy of Sciences,Beijing 100049,China）
*Corresponding author,E-mail：wanghaojing@υip.qq.com

In order to quickly navigate with the known rough azimuth and location information by three FOVs positioning and orientation device,a fast recognition method for local star pattern is proposed.First,we analyse the reasons of the low efficiencywhen performing the stars identification using global recognition database. Next,we note that it is a preferred method to perform star identification in one FOV firstly and identify the remaining stars between different FVOs,and give the angular distance error threshold.Then,we propose a method to generate the local recognition database,which can reduce the redundancy of identification information and improve recognition efficiency.The simulaion and field experiment results show that the correct iden-tification rate using this recognition method is improved up to 99.19％,and rocognition time is about 24.3 ms,which can satisfy the system requirements for fastand efficientnavigation.Italso proves the correctness of the preferred recognition order.

star pattern recognition；celestial navigation；local star recognition；positioning and orientation；three fields of view

2095-1531（2014）05-0768-11

V448.2；V249.32

A

10.3788/CO.20140705.0768

2014-03-14；

2014-05-28

国防科技创新基金资助项目（No.CXJJ-10-M53）