(44-3) 08 * << * >> * Русский * English * Содержание * Все выпуски

Структурно-топологический алгоритм идентификации звёзд и обнаружения объектов околоземного космического пространства
И.Г. Журкин 1, Л.Н. Чабан 1, П.Ю. Орлов 1

1 Московский государственный университет геодезии и картографии (МИИГАиК),

105064, Россия, г. Москва, Гороховский пер., д. 4

 PDF, 878 kB

DOI: 10.18287/2412-6179-CO-597

Страницы: 375-384.

Аннотация:
При решении ряда задач космической навигации возникает вопрос об определении параметров движения космического аппарата и элементов ориентирования целевой аппаратуры, установленной на борту, по получаемым координатам зарегистрированных изображений звёзд. При этом в поле зрения съёмочной системы могут попадать посторонние объекты, снижающие вероятность правильного распознавания: активные спутники, естественный и искусственный космический мусор. Отсюда возникает необходимость фильтрации изображений звёздного неба от подобных помех. Если же объектами распознавания являются находящиеся в околоземном пространстве тела, то в данном случае сами изображения звёзд выступают в роли помех. Кроме того, поскольку обнаружение и каталогизация этих объектов с Земли затрудняется их малыми размерами, влиянием атмосферы, а также другими техническими трудностями, целесообразно использовать уже имеющуюся аппаратуру на борту космических аппаратов для решения подобной задачи. В работе представлены существующие алгоритмы распознавания групп звёзд, а также их классификация. Предложен структурно-топологический подход идентификации групп небесных светил, основанный на свойствах огибающих многоугольников, используемых при построении топологических конфигураций звёзд. Описаны особенности при построении топологических конфигураций на анализируемом множестве точек, а также принципы обнаружения динамического космического объекта в их пределах. Показаны результаты численных экспериментов, выполненные с применением разработанного алгоритма на картах звёздного неба и модельных сценах.

Ключевые слова:
распознавание звёзд, звёздная конфигурация, цифровая обработка изображений, автономная навигация, дистанционное зондирование Земли, околоземное космическое пространство, космический объект, космический мусор.

Благодарности
Работа выполнена в рамках государственного задания Минобрнауки РФ (№5.6680.2017/8.9).

Цитирование:
Журкин, И.Г. Структурно-топологический алгоритм идентификации звёзд и обнаружения объектов околоземного космического пространства / И.Г. Журкин, Л.Н. Чабан, П.Ю. Орлов // Компьютерная оптика. – 2020. – Т. 44, № 3. – С. 375-384. – DOI: 10.18287/2412-6179-CO-597.

Литература:
  1. Алтухов, А.И. Требования к качеству изображений аварийных космических аппаратов / А.И. Алтухов, Д.С. Коршунов, Е.И. Шабаков // Научно-технический вестник информационных технологий, механики и оптики. – 2015. – Т. 15, № 3. – С. 405-410. – DOI: 10.17586/2226-1494-2015-15-3-405-410.
  2. Бакланов, А.И. Аппаратура высокого разрешения для перспективного космического аппарата «Ресурс-ПМ» / А.И. Бакланов, В.Д. Блинов, И.А. Горбунов, А.С. Забиякин, И.А. Малахов // Вестник Самарского государственного аэрокосмического университета имени академика С.П. Королёва (национального исследовательского университета). – 2016. – Т. 15, № 2. – С. 30-35. – DOI: 10.18287/2412-7329-2016-15-2-30-35.
  3. Малые космические аппараты : справ. пособие / В.Н. Блинов, Ю.Н. Сеченов, В.В. Шалай. – Омск: Изд-во ОмГТУ, 2016. – 264 с.
  4. Гайворонский, С.В. Идентификация звезд при определении астрономических координат автоматизированным зенитным телескопом / С.В. Гайворонский, Е.В. Русин, В.В. Цодокова // Научно-технический вестник информационных технологий, механики и оптики. – 2015. – Т. 15, № 1. – С. 22-29. – DOI: 10.17586/2226-1494-2015-15-1-22-29.
  5. Гренандер, У. Лекции по теории образов. Синтез образов / У. Гренандер; пер. с англ.; под ред. Ю.И. Журавлева. – М.: Мир, 1979. – Т. 1. – 384 с.
  6. Груздев, С.С.Анализ состояния и перспектив по созданию электронного каталога объектов околоземного космического пространства / С.С. Груздев, И.Г. Журкин, П.Ю. Орлов, А.В. Панкин // Современные проблемы дистанционного зондирования Земли из космоса. – 2016. – Т. 13, № 6. – С. 51-59. – DOI: 10.21046/2070-7401-2016-13-6-51-59.
  7. Журкин, И.Г. Алгоритм опознавания звезд на паре перекрывающихся изображений звездного неба / И.Г. Журкин, П.Б. Толкачев // Известия высших учебных заведений. Геодезия и аэрофотосъемка. – 1991. – № 2. – С. 59-65.
  8. Кружилов, И.С. Методы и программные средства повышения эффективности распознавания групп звезд в автономной астронавигации : дис. ... канд. техн. наук : 05.13.11 / Кружилов Иван Сергеевич. – М.: МЭИ (ТУ), 2010. – 141 с.
  9. Кузнецов, В.И. Алгоритмы распознавания «рабочих» звезд по звездному полю / В.И. Кузнецов, Т.В. Данилова // Известия высших учебных заведений. Приборостроение. – 2003. – Т. 46, № 4. – С. 17-23.
  10. Леухин, А.Н. Многомерный гиперкомплексный контурный анализ и его приложения к обработке изображений и сигналов : дис. ... доктора физ.-мат. наук : 05.13.17 / Леухин Анатолий Николаевич. – Йошкар-Ола: Марийский государственный технический университет, 2004. – 389 с.
  11. Фу, К. Структурные методы в распознавании образов / К. Фу; пер. с англ. – М.: Мир, 1977. – 322 с.
  12. Введение в контурный анализ; приложения к обработке изображений и сигналов / Я.А. Фурман, А.В. Кревецкий, А.К. Передреев, А.А. Роженцов, Р.Г. Хафизов, И.Л. Егошина, А.Н. Леухин. – изд. 2-е, испр. – М.: Физматлит, 2003. – 592 с.
  13. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Я.А. Фурман, А.В. Кревецкий, А.А. Роженцов, Р.Г. Хафизов, А.Н. Леухин, И.Л. Егошина. – М.: Физматлит, 2004. – 456 с.
  14. Alvelda, P. Neural network star pattern recognition for spacecraft attitude determination and control / P. Alvelda, A.M. San Martin // Advances in Neural Information Processing Systems1: Proceedings of the 1988 Conference. – 1989. – P. 314-322.
  15. Duan, Y. A star pattern recognition algorithm for cameras with large FOV / Y. Duan, M. Li, Z. Niu, P. Jing, Z. Chen // Journal of Modern Optics. – 2018. – Vol. 65, Issue (1). – P. 85-97. – DOI: 10.1080/09500340.2017.1377304.
  16. Hong, J. Neural-network-based autonomous star identification algorithm / J. Hong, J.A. Dickerson // Journal of Guidance, Control, and Dynamics. – 2000. – No. 23. – P. 728-735. – DOI: 10.2514/2.4589.
  17. Kolomenkin, M. Geometric voting algorithm for star trackers / M. Kolomenkin, S. Pollak, I. Shimshoni, M. Lindenbaum // IEEE Transactions on Aerospace and Electronic Systems. – 2008. – Vol. 44, Issue 2. – P. 441-456. – DOI: 10.1109/TAES.2008.4560198.
  18. Mortari, D. A fast on-board autonomous attitude determination system based on a new star-id technique for a wide FOV star tracker / D. Mortari // Advances in the Astronautical Sciences. – 1996. – Vol. 93. – P. 893-903.
  19. Mortari, D. Search-less algorithm for star pattern recognition / Daniele Mortari // Advances in the Astronautical Sciences.– 1997. – Vol. 45. – P. 179-194.
  20. Mortari, D. K-vector range searching techniques / D. Mortari // Advances in the Astronautical Sciences. – 2000. – Vol. 105. – P. 449-464.
  21. Padgett, C. A grid algorithm for autonomous star identification / C. Padgett, K.K. Delgado // IEEE Transactions on Aerospace and Electronic Systems. – 1997. – Vol. 33. – P. 202-213. – DOI: 10.1109/7.570743.
  22. Spratling, B.B. IV. A survey on star identification algorithms / B.B. Spratling IV, D. Mortari // Algorithms. – 2009. – Vol. 2, Issue 1. – P. 93-107. – DOI: 10.3390/a2010093.
  23. Азмерит. Датчик звездной ориентации АЗДК-1 [Электронный ресурс]. – URL: http://www.azmerit.ru/project.html (дата обращения 31.01.2019).
  24. ИКИ. Отдел оптико-физических исследований. Приборы ориентации по звездам и Солнцу [Электронный ресурс]. – URL: http://ofo.ikiweb.ru/razrabotki/orientaciya.html (дата обращения 31.01.2019).

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20