مروري بر روش‌هاي تناظريابي در ردياب‌هاي ستاره‌اي

A Review of Pattern Matching Methods in Star Trackers

چالش اصلی در سنجنده‌های ستاره‌ای، معمولا در حالتی است كه هیچ اطلاعاتی از وضعیت سنجنده وجود ندارد و الگوریتم‌های مورد استفاده در این حالت، باید نسبت به ستاره‌های اشتباه موجود در تصاویر پایدار باشد و بتوانند با سرعت نسبتا بالا و دقت كافی، وضعیت اولیه‌ی سكوی فضایی یا هوایی را تخمین بزنند. الگوریتم‌های پردازشی در این حالت شامل سه قسمت اصلی است: تعیین مركز ستاره‌ها در تصویر اخذ شده، تشخیص الگو و شناسایی ستاره‌ها و تعیین وضعیت سكو. هدف اصلی این گزارش، شرح الگوهای ستاره‌ای متفاوتی است كه در قسمت تناظریابی و شناسایی ستاره‌ها به كار گرفته می‌شوند. بدین منظور برای ستاره‌های مشاهده شده در میدان دید، موقعیت‌ها در سیستم مختصات تصویر محاسبه می‌شود و از روی این مختصات، الگوی ستاره‌ها بدست می‌آید. سپس یك كاتالوگ ستاره‌ای راهنما از یك پایگاه داده مرجع استخراج می‌شود كه شامل الگو‌های ممكن بر اساس الگوریتم مورد استفاده است. اگر الگوی ستاره‌های موجود در تصویر با تنها یك الگو از ستاره‌های موجود در كاتالوگ ستاره‌ای راهنما متناظر شود، پروسه‌ی شناسایی پایان می‌یابد. در این گزارش با مروری بر روش‌های تناظریابی در یك ردیاب ستاره‌ای، سه روش متداول برای تشخیص الگو به نام روش زاویه، روش مثلث مسطح و روش مثلث كروی از نظر حجم محاسباتی، تعداد ستاره‌های مورد نیاز در میدان دید، كارایی روش، نرخ موفقیت و زمان موردنیاز مقایسه شده‌اند. از بین این سه روش، روش مثلث مسطح، دارای كارایی و موفقیت بیشتر نسبت به روش زاویه، و همچنین بدون پیچیدگی و حجم محاسباتی بالا نسبت به روش مثلث كروی است.

The main problem in the star trackers is when it is in the lost-in-space mode that no attitude information is known a priori. In this mode, using algorithms should be robust against false stars in acquired images and be able to estimate the accurate attitude of the platform in proper time. Processing algorithms consist of three main parts: star centroid estimation, pattern recognition and star identification, and attitude determination. In this study, the different stellar patterns are described that are used in matching and star identification process. For this, the position of stars within sensor’s field of view is calculated in the image coordinate system and the stellar patterns are generated using these positions. Then, the guide stars are selected from the well-known astronomical catalogue which are used to facilitate pattern generation and recognition based on using algorithms. If the image stellar pattern matches a unique one built up by guide stars, the identification is accomplished. In this study, three common pattern recognition methods such as the triangle, planar triangle and spherical triangle methods were reviewed and were compared based on the required time, efficiency, the success rate, etc. As a result, the performance and the success rate of the planar triangle method is higher than two other methods without a high computational burden and complexity.