对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。

针对在DSP中实现全天区星图识别算法耗时长导致实时性差, 提出并实现了一种基于FPGA的星辐射模式下的全天区星图识别算法。该方法利用FPGA并行性、高主频等特性, 在保证算法高精度、高准确度的前提下, 解决了全天区星图识别耗时长的问题。首先, 根据星点信息构建星辐射模式; 其次, 基于FPGA实现了星辐射模式下对应特征向量的计算; 最后, 提出了一种可预读、流水化的星辐射模式匹配算法, 极大地缩短了星辐射模式匹配的时间。在Xilinx公司的Xc7a75tfgg484-2平台上进行实验验证, 结果表明, 在相同时钟主频下, 基于FPGA的星图识别算法速度比基于DSP的算法速度快10.95倍以上, 而且在使用三组特征向量同时进行匹配时, 识别率超过99%。

星图识别算法是星敏感器中的关键技术,通过对观测恒星的识别实现对航天器的高精度姿态解算。现有的星图识别算法,通常需要选取最近的邻星作为起始星,从而过于依赖起始星的选取导致识别准确率不佳。因此,提出了一种基于动态夹角匹配的识别算法,使用邻星之间的夹角以及邻星与观测星之间的距离作为动态夹角特征,并借助该特征计算观测星与各个导航星之间的匹配度得分,最终将匹配度得分最高的导航星作为识别结果。仿真验证结果表明,该方法具有较高的识别率且对于噪声具有较强的鲁棒性。在对16200幅模拟星图的仿真实验中,该方法的识别率可达到99.80%,并在位置噪声、伪星以及星等噪声影响下均能保持97.00%以上的识别率。

随着星敏感器探测灵敏度的提高, 导航星表中恒星的数量急剧增加, 导致星图识别的识别速度和识别率降低。因此, 为了提高星图识别的识别速度和识别率, 文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先, 采用天球的内接正二十面体法对预处理后的星表进行分区。然后, 将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库, 并根据后者的哈希函数对特征库进行分块。在识别的过程中, 利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位, 并在该子块内采用多特征匹配的方法得到观测三角形的识别结果, 最后根据该结果确定星敏感器视场所包含的天球子区域, 并在子区域内完成视场中其它导航星的识别。实验结果表明, 文中算法的识别性能与导航特征库的分块数有关, 在选择合适的分块数后, 与常用三角形算法相比, 算法在识别速度, 识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势, 算法的平均识别时间和识别率分别为17.161 ms和98.58%, 满足星敏感器对高识别速度和识别率的要求。

星图识别算法是星敏感器快速获得姿态信息的关键, 传统的星图识别算法, 例如三角形算法、多边形算法以及一些改进算法, 大多是以星对间的角距作为识别特征, 而星对角距的计算精度严重依赖于星敏感器相机的焦距f的校准精度。如果校准精度不够或者由于环境原因导致相机焦距有较大变化时, 这些基于星对角距的识别方法将无法正常工作, 本文提出了一种基于相似三角形的星图识别算法, 该算法利用观测星组成的三角形与CCD相机所成像点三角形相似来进行识别, 由于识别过程不需要焦距信息, 在焦距有较大变化时仍能正常工作。最后用蒙特卡罗方法进行了仿真验证, 结果表明该算法在引入较大焦距误差时识别率无明显变化, 其平均识别率为95.2%, 平均识别时间为5.3 ms, 而相同仿真实验条件下传统三角形算法的平均识别时间为7.6 ms, 在引入0.5 pixel的像面位置误差时该算法识别率为93.3%, 而传统三角形算法识别率仅为86.5%, 该算法较传统三角形算法在识别速度方面有一定优势, 同时对像面位置噪声的鲁棒性更好。

为了提高星图识别算法的抗噪性能, 提出一种基于逆向传播(Back Propagation, BP)网络的识别算法。该算法通过将星图转换成“0”、“1”和“2”的网格矩阵, 提取行列数值和星数形成匹配向量, 利用多个BP识别子网进行训练完成匹配识别。通过仿真试验得出以下结论: 对星等位置和星等添加噪声, 当位置噪声标准偏差为2像素时, BP网络算法的识别率和识别时间相对传统栅格算法分别提高2%和60ms, 对噪声有较强抗干扰能力, 表明BP网络算法具有更快的识别速度。

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理, 结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点, 采用K向量法提高搜索效率, 同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法, 并进行了仿真。结果表明, 算法的识别效率可达97.8%, 平均搜索时间可达14.4ms, 能够满足准确率高、识别速度快的要求。

海上星光导航是航海中一种重要的自主导航技术，星图识别是其关键步骤。针对船载鱼眼相机星光导航系统超大视场带来的单幅图像数据量大、识别冗余、识别效率低等问题，提出了一种基于圆形视场分割的鱼眼相机星图识别方法。对于拍摄到的星图，利用同心圆将视场分割成若干个面积相等的环形和圆形区域；在构造导航星特征库的过程中，以星角距为特征构造散列函数，将导航特征库分段存储成若干个子库；在识别过程中，利用基于中心星的多三角形识别算法，从视场中心圆形区域开始依次向视场边缘环形区域进行识别。海上观测实验结果表明：该方法能够平均以2.5 s的识别时间达到90%以上的识别成功率，且具有良好的实时性。

针对传统的三角形星图识别算法存在冗余匹配多、抗噪声性能差的问题,提出了一种应用形状因子特征的高效星图识别算法。该算法在传统的三角形算法基础上,引入了形状因子特征参数和方向信息,并择优选择视场内4颗观测星,组成一对观测三角形,进行星点匹配识别。与传统的三角形算法相比,该算法增加了星图识别时图像的特征信息量,降低了匹配时的冗余度,具有导航特征库存储空间小、识别速度快等优点。实验表明,在星点位置噪声标准偏差为2个像素、星等噪声标准偏差为0.7星等的仿真条件下,该算法的识别率均在99%以上；通过地面实验的实物验证,在300 MHz的FT-C6713的DSP硬件平台上,全天自主识别的平均运行时间约为47 ms,具有明显的优势。

航天测量船海上航行时主要通过精度校飞进行雷达精度鉴定, 针对其周期长、耗费大和组织协调困难的缺点, 提出了一种采用高精度星敏感器与雷达捷联跟踪测量空间目标进行海上精度鉴定的方法。雷达在跟踪空间目标的同时, 星敏感器实时拍摄天线指向附近星图。首先, 星敏感器利用雷达输出的编码器角度计算视轴的初始指向, 通过快速星图识别和目标定位获取天线地心坐标系精确指向; 然后, 经坐标变换到地平系, 根据蒙气差模型修正地平系俯仰角, 再经过船摇修正转换到甲板坐标系; 最后, 进行轴系误差及脱靶量修正, 实现雷达指向精度鉴定。试验结果表明: 利用该方法测量的船载雷达相对于星敏感器方位、俯仰随机残差优于50″, 满足雷达精度鉴定要求, 证明该方法的可行性。