面向深空的图像识别算法研究及其嵌入式实现

发布时间：2020-09-12 10:17

　　自1957年第一颗人造地球卫星发射至今,人类对太空的探索从未停止,并逐渐向深空领域发展。航天器的导航控制是深空探索的关键环节,随着探索距离越来越远,传统地面站控制的局限性越发明显,因此航天器自主导航成为实现深空探索的重要技术之一。光学自主导航利用高清光学敏感器获取深空图片,通过图像识别技术,定位目标和自身的位置、姿态,从而实现对探测器姿态和飞行路径的控制。航天器在太空中的飞行速度快,关键姿态调整窗口期短,要求星载光学自主导航设备能够实时获取和处理图像,及时获得精确的航天器定位和导航信息。质心检测和边缘检测是光学自主导航系统中定位天体目标的关键算法,传统质心提取和边缘检测算法较为复杂、计算量大,但是受体积和功耗的限制,星载计算机计算能力极其有限,很难满足自主导航对图像处理实时性的要求。另一方面,深空探测中目标星体表面往往覆盖有陨石坑和大气,而传统的边缘检测算法仅适用于提取图像中的边缘点,无法识别目标星体表面的陨石坑和大气,从而引起大量伪边缘点,导致质心提取的难度和误差较大。本研究针对光学自主导航中图像处理的实时性需求,研究并提出了一种质心提取算法和一种优化Canny边缘检测算法,在保证目标质心提取精度的前提下,极大简化了算法的计算量。同时,针对上述两种算法,本研究设计了一种基于FPGA的流水线处理架构,可实现算法的实时处理。基于上述研究,本研究在Xilinx Virtex-4开发平台构建了完整的光学自主导航图像处理系统,经测试,最高FPGA运行频率可达120Mhz,处理一副5120×3840图片所需时间为250ms,满足光学自主导航系统对图像处理实时性的要求。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：V448.2;TP391.41
【部分图文】：

阶段,深空,星体,目标

面向深空的图像识别算法研究及其嵌入式实现第二章深空图像处理主要算法抵目标星体的过程中，巡航阶段和星跟踪阶段可使用光学自控的人力资源。在自主导航过程中，利用图像处理算法提取星体的质心坐标，然后与本地星表数据比对，计算出探测器控计算机。主控计算机根据这些信息，结合系统状态等信息。指探测器刚脱离地球轨道，此时目标星体距离很远，目标在大小的星点，如图 2.1 所示。星跟踪阶段是指探测器飞到离相比于其他目标星体要大很多，如图 2.2 所示。

阶段,星体,目标,像平面

巡航阶段是指探测器刚脱离地球轨道，此时目标星体距离很远，目标在像平面成像特征为只有几个像素点大小的星点，如图 2.1 所示。星跟踪阶段是指探测器飞到离目标星体很近，此时目标在像平面相比于其他目标星体要大很多，如图 2.2 所示。图 2.1 巡航阶段星图图 2.2 星跟踪阶段星图图 2.1 表明，此类星图的特点是目标非常小，但是数量众多。在星敏感器可以拍摄六等星

示意图,灰度,质心,示意图

质心灰度组成示意图

【相似文献】