空间目标的天文定位及自动跟踪方法、系统及电子设备与流程

1.本发明涉及天文定位领域，尤其涉及一种空间目标的天文定位及自动跟踪方法、系统及电子设备。


背景技术：

2.空间目标包括在轨航天器和空间碎片，其中绝大多数为空间碎片。近年来，人类空间活动越发频繁，空间环境日益恶化，空间碎片严重威胁着航天器安全，深入研究如何对空间目标进行实时、准确识别与跟踪刻不容缓。激光测距作为监测空间碎片精度最高的手段，已被各国用以监测空间碎片，保障航天安全。相比在轨航天器，空间碎片的轨道预报较差，无法快速准确识别和跟踪。因此空间目标图像识别与定位已成为紧迫的研究课题，研究成果对于实现空间碎片激光测距的连续平稳自动跟踪观测、大规模空间碎片的快速精密轨道确定与预报、空间碰撞预警具有重要的应用价值和现实意义。
3.卫星激光测距(satellite laser ranging,slr)技术利用测量激光脉冲在观测站和卫星之间的往返飞行时间，从而计算出卫星到测站的距离，是目前空间目标距离测量中精度最高的一种技术手段。其中，常规卫星激光测距是指对合作目标(装有角反射器的空间目标，如ajisai，lageos
‑
1卫星等)进行卫星激光测距，目前对lageos卫星的测距精度可以达到毫米级。卫星激光测距技术是通过对空间目标的高精度距离测量，实现空间目标轨道、测站坐标、地球自转参数精确测定的一种精度最高的地基空间观测技术。此外，天文定位是一种以标准导航星库中位置已知的恒星坐标为基准，通过天体测量仪器探测空间目标与已知恒星的相对位置，从而解算出空间实际目标位置的技术。由于不受置平及南北指向误差等因素的影响，定位精度对于高轨道目标可以达到3arcsec。
4.然而，随着空间技术的发展和应用，以及观测仪器设备的不断升级，在slr观测过程中，获取数据的方式更便捷，也使得数据量开始增加。基于此，如何更加有效、快速、准确地获取这些数据成为如今的难题。此外，在空间碎片等非合作目标激光测距实际跟踪观测过程中，还有很多困难，许多因素会影响获得有效回波光子的探测概率。空间碎片激光测距主要采用两行根数作为初轨预报，其预报偏差较大，导致探测成功率大大降低。不仅如此，从获取天文图像到实现对空间目标的高精度定位过程中存在很多技术难点。对于一般所使用的大视场测角设备，视场畸变严重，按照通常做法，归算时需要用到高阶底片参数模型。然而，对于一体化观测，恒星影像拖长，星像中心的定位精度差；并且恒星的有效露光时间短(恒星在一个像素上停留的时间，通常短于0.1s)，视场内的恒星数目有限，容易造成定标星在目标周围的分布不均匀，这都不利于高阶底片模型参数的解算。目前，全球50余slr测站，大多测站观测手段自动化程度不高，基本是通过ccd监视系统人工搜索目标，其跟踪观测效果较好，但是跟踪效率较低并且不稳定，过于依赖人工观测经验。


技术实现要素：

5.本发明提供一种空间目标的天文定位及自动跟踪方法、系统及电子设备，克服了
现有技术中目标跟踪依赖人机交互，并且自动化程度较低的问题，采用数学模型实现了空间目标高精度天文定位，提高了slr观测自动化程度，并且在大幅提高测距成功率的同时，保障了空间目标连续平稳的跟踪观测，为空间目标自动化观测及白天测距奠定基础。
6.具体地，本发明实施例提供了以下技术方案：
7.第一方面，本发明的实施例提供一种空间目标的天文定位及自动跟踪方法，包括：
8.获取空间目标的天文图像并对所述天文图像进行预处理；
9.将所述预处理后的所述天文图像输入至经训练的基于卫星激光测距slr的空间目标天文定位及自动跟踪模型中，得到所述空间目标天文定位及自动跟踪模型输出的所述空间目标的实时位置信息，所述空间目标天文定位跟踪模型用于通过提取图像质心和预定的底片模型来确定所述空间目标的位置信息，并基于所述位置信息实时生成空间目标的位置修正信息以修正所述空间目标的位置信息，基于修正后的所述空间目标的实时位置信息来实现对所述空间目标自动跟踪，
10.其中，所述基于所述位置信息实时生成空间目标的位置修正信息包括：通过对所述天文图像进行背景阈值计算、目标检测和/或星图匹配来生成空间目标的位置修正信息。
11.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
12.所述空间目标天文定位跟踪模型包括位置信息确定层和位置信息修正层，
13.其中，所述空间坐标确定层用于基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定所述空间目标的空间位置信息；以及
14.所述空间坐标修正层用于通过进行背景阈值计算、目标检测和星图匹配来来生成空间目标的位置修正信息，并基于所述修正信息来修正所述空间目标的位置信息。
15.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
16.所述预处理包括：
17.基于本底改正法与平场改正法，对所述空间目标的所述天文图像进行频域分析以确定噪声特征，并去除所述噪声特征以增强所述天文图像。
18.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
19.所述基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定所述空间目标的空间位置信息包括：
20.针对具有不同形状的图像目标，根据长宽比作为分类依据，考虑像点轨迹作为约束条件，分别利用高斯函数进行psf拟合以提取质心坐标。
21.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
22.所述基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定所述空间目标的空间位置信息还包括：
23.基于定标星数量的要求，根据视场中检测出的定标星数量，将所述底片模型确定为六底片模型。
24.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
25.对所述天文图像进行背景阈值计算包括：
26.针对所述天文图像中前景与图像背景区分度，基于全局阈值计算，分析所述空间目标与所述图像背景在频域或者在空间分布方面的特征，并去除所述图像背景中的噪声特征、保留所述空间目标。
27.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
28.针对不同图像目标，根据所述空间目标的运动特性和形状特点，利用长宽比和多帧图像关联方法，采取帧间差分法变换参数和阈值，以进行目标检测。
29.进一步地，该空间目标的天文定位及自动跟踪方法还包括：
30.对所述空间目标进行星图匹配包括：
31.考虑ccd拍摄图像中的多个所述空间目标之间的角距信息，根据所述角距信息匹配算法对目标数量的要求，采用三角法进行星图匹配。
32.第二方面，本发明的实施例还提供一种空间目标的天文定位及自动跟踪系统，包括：
33.空间目标天文图像预处理模块，用于获取空间目标的天文图像并对所述天文图像进行预处理；
34.空间目标天文定位及自动跟踪模块，用于将所述预处理后的所述天文图像输入至经训练的基于卫星激光测距slr的空间目标天文定位及自动跟踪模型中，得到所述空间目标天文定位及自动跟踪模型输出的所述空间目标的实时位置信息，所述空间目标天文定位跟踪模型用于通过提取图像质心和预定的底片模型来确定所述空间目标的位置信息，并基于所述位置信息实时生成空间目标的位置修正信息以修正所述空间目标的位置信息，基于修正后的所述空间目标的实时位置信息来实现对所述空间目标自动跟踪，
35.其中，所述基于所述位置信息实时生成空间目标的位置修正信息包括：通过对所述天文图像进行背景阈值计算、目标检测和/或星图匹配来生成空间目标的位置修正信息。
36.第三方面，本发明的实施例还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述的空间目标的天文定位及自动跟踪方法的步骤。
37.由上面技术方案可知，本发明实施例提供的一种空间目标的天文定位及自动跟踪方法、系统及电子设备，在利用bp神经网络实现实时修正slr望远镜面向空间碎片的指向、采用时间序列分析模型对北京房山slr观测数据的系统延迟和稳定性进行深入分析，具有轴系定位软件的基础上，克服了现有技术中目标跟踪依赖人机交互，并且自动化程度较低的问题，采用数学模型实现了空间目标高精度天文定位，提高了slr观测自动化程度，并且在大幅提高测距成功率的同时，保障了空间目标连续平稳的跟踪观测，为空间目标自动化观测及白天测距奠定基础。
附图说明
38.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为本发明一实施例提供的空间目标的天文定位及自动跟踪方法的流程图；
40.图2为本发明一实施例提供的空间目标的天文定位及自动跟踪系统的结构示意图；以及
41.图3为本发明一实施例提供的电子设备的示意图。
具体实施方式
42.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.本发明使用的各种术语或短语具有本领域普通技术人员公知的一般含义，即便如此，本发明仍然希望在此对这些术语或短语作更详尽的说明和解释。如果本文涉及的术语和短语有与公知含义不一致的，则以本发明所表述的含义为准；并且如果在本技术中没有定义，则其具有本领域普通技术人员通常理解的含义。
44.高精度实时天文定位技术提供了空间目标的赤道坐标，保障了空间目标的平稳连续跟踪，该技术的发展在很大程度上促进了slr观测站的自动化程度，因此受到国内外各个slr观测站的重视，并越来越广泛的得到了应用。要想获取高精度的观测资料，实现观测资料的自动获取，除了选择合适的观测设备，还要具备适用于观测过程和数据处理的算法和软件。在过去的半个多世纪，slr观测与数据采集系统实现了从目视观测到照相观测再到ccd等技术综合应用的不断飞跃，观测资料数量和精度都有了明显的提高，随之而来对系统观测、数据处理的算法和软件水平有了更高的要求。在现有技术的slr常规观测中，由于拥有空间目标的位置信息，空间目标跟踪观测可以由目视手持操作转为计算机操作，跟踪精度有了明显的提高。然而不是所有的空间目标位置信息精度都满足跟踪要求。此外，由于受到天气条件、ccd硬件、望远镜跟踪指向、空间目标轨道预报精度、空间目标运动等条件限制，在slr跟踪观测时，需要实时对空间目标位置进行改正。
45.针对于此，第一方面，本发明的一实施例提出一种空间目标的天文定位及自动跟踪方法。
46.下面结合图1描述本发明的空间目标的天文定位及自动跟踪方法。
47.图1为本发明一实施例提供的空间目标的天文定位及自动跟踪方法的流程图。
48.在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法可以包括以下步骤：
49.s1：获取空间目标的天文图像并对天文图像进行预处理；以及
50.s2：将预处理后的天文图像输入至经训练的基于卫星激光测距slr的空间目标天文定位及自动跟踪模型中，得到空间目标天文定位及自动跟踪模型输出的空间目标的实时位置信息，空间目标天文定位跟踪模型用于通过提取图像质心和预定的底片模型来确定空间目标的位置信息，并基于位置信息实时生成空间目标的位置修正信息以修正空间目标的位置信息，基于修正后的空间目标的实时位置信息来实现对空间目标自动跟踪，
51.其中，基于位置信息实时生成空间目标的位置修正信息包括：通过对天文图像进行背景阈值计算、目标检测和/或星图匹配来生成空间目标的位置修正信息。
52.在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：空间目标天文定位跟踪模型包括位置信息确定层和位置信息修正层，其中，空间坐标确定层用于基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定空间目标的空间位置信息；以及空间坐标修正层用于通过进行背景阈值计算、目标检测和星图匹配来来生成空间目标的位置修正信息，并基于修正信息来修正空间目标的位置信息。
53.在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：预处理包括：基于本底改正法与平场改正法，对空间目标的天文图像进行频域分析以确定噪声特征，并去除噪声特征以增强天文图像。
54.具体地，利用本底改正法与平场改正法，对空间目标的天文图像进行频域分析，确定噪声特征，去除噪声以增强星象，从而保障图像预处理效果。
55.针对本底改正法：由于ccd读出噪声的存在，实际获得的影像亮度值相比理想状态有一定的起伏。因此为了避免某些特别暗的地方出现负值，需要预先给图像加一个数值(该值被称为偏置值(“bias值”)，通过给ccd/cmos预先加一个电压得到)，这样即使读出噪声为负值，最终得到的影像也是正的。通过bias校准，也就是让原始图像扣除“bias值”，便可使得图像与原始天体亮度成为线性关系。如若不然，这会对之后的暗电流校准、平场校准以及专业的天文测光等工作造成负面影响。一般可通过关闭快门、零秒曝光方式获取该图像。但有部分相机不支持零秒曝光，选取最短的曝光时间(0.01秒以下)，并在没有任何光照的条件下进行拍摄即可。需要注意的是，由于ccd/cmos本身并不均匀，每个像元对于同一偏置电压的敏感度不同。也就是说，即使没有读出噪声，偏置帧也不会是白板一片，它本身就有一定的起伏，这些起伏信息形成的图像被称作“bias图像”。同时由于“bias图像”本身起伏不大，很容易受到读出噪声的干扰，需要拍摄很多张偏置帧(至少50张)做叠加才能获得相对准确的“bias图像”。最终，使用叠加结果，即总和偏置(masterbias)，对图像进行校准。
56.针对平场改正法：平场属于假信号的一种，产生原因是ccd/cmos各像元对光照的感度不同。具体地：
57.adu
i
＝k
i
l
ꢀꢀ
(1)
58.其中，adu
i
为像元i对应的灰度值，k
i
为像元对光照的敏感度，l为光照条件。
59.为了让各个像元的k
i
而统一拍摄一个均匀的光源得到平场帧，经过偏置(bias)与暗电流校准后进行叠加得到总和平场，经过偏置与暗电流校准后的亮场除以总和平场，就排除了像素感度差异带来的影响。在本技术的天文观测中，选取均匀光源面进行拍摄作为平场，例如，黄昏或黎明时的天光背景或白炽灯均匀照射的白布等。
60.当然，上述平场都没有加入光学系统的影响，只是高频的平场效应。例如，望远镜的光学缺陷、滤镜安装不准确、焦平面不平整、ccd/cmos上有灰尘等都会带来中低频的平场效应，具体表现为暗角、背景整体的渐变、“洋葱圈”等。具体地，平常图像中的黑圈来源于光学系统中的灰尘，低频渐变是光学系统缺陷带来的光感度差异，高频起伏来源于像元间的光感度差异。然而，这些都可以通过平场校准加以扣除。
61.在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定空间目标的空间位置信息包括：针对具有不同形状的图像目标，根据长宽比作为分类依据，考虑像点轨迹作为约束条件，分别利用高斯函数进行psf拟合以提取质心坐标。
62.具体地，针对图像形状不同的空间目标，根据长宽比作为分类依据，考虑像点轨迹作为约束条件，分别利用高斯函数做psf拟合来提取质心坐标，建立高精度的质心提取模型。
63.更具体地，天文定位是通过图像中背景恒星确定目标方位的技术。即在定位过程中，需要恒星方位、恒星与目标在图像的坐标，最终达到确定目标方位的目的。其中，质心提
取方法是获取恒星与目标在图像的坐标的关键。
64.进一步地，目标的大小、形状、亮度与目标的轨道高度、相对于望远镜运动速度、图像曝光时间有关。具体地，低轨目标在图像中形状较大，十分明亮，与背景有较大区别；背景恒星会出现拖尾现象，呈现出长条状；高轨目标在图像中形状较小，亮度较暗，与背景不易区分；背景恒星也会出现拖尾，呈长条状，但与跟踪低轨目标的背景恒星相比，则拖尾现象要轻微些，长度也会端一些。由于上述特性，本发明将长宽比作为判别图像目标的分类依据。
65.具体地，首先计算标记区域面积，即区域内像素点的个数。如果面积较小,则这些区域有可能是噪声,或者是很暗的星。然后统计每个标记区域中的像素数目,如果其小于5则不把该区域作为星象区域考虑。另外,还需判断标记区域的长宽比是否大于2，如果是则考虑为背景恒星。
66.针对高斯函数：在星象中心位置测量中，由于星象的形态和结构信息被背景噪声所掩盖,结构特点被抹平,其光度分布更接近高斯分布，因此本发明通过高斯拟合法提取坐标。具体地，高斯拟合法公式(2)如下：
[0067][0068]
其中，x0和y0是目标的真实位置中心坐标，b为天光背景，r
x
和r
y
分别是像元i与目标中心在x轴和y轴方向的均方差，其与物距、焦距、离焦量和光圈大小有关。
[0069]
本发明认为在ccd成像过程中，x和y是两个独立的随机变量，其中p＝0，p为随机事件发生可能性，即没有可能是随机事件导致两个独立的随机变量之间的联系，从而公式(2)可简化为如下(3)：
[0070][0071]
其中这一方程含有6个待解参数(b,h,x0,y0,r
x
,r
y
)，其中∑i为星点投射在ccd平面上的总灰度值,其与光靶亮度、曝光时间有关。h为固定系数，即高斯曲面的峰，可以近似于目标中心的灰度值。该六参数的高斯拟合法为对6个参数使用牛顿非线性方程组求解法进行全部求解。对该式进行泰勒展开可得如下：
[0072][0073][0074]
其中，i'(x,y)为像元(x,y)上ccd的计算值，i(x,y)为像元(x,y)上的实际灰度值，δi(x,y)＝i'(x,y)
‑
i(x,y)；q
i
＝(b,h,x0,y0,r
x
,r
y
),i＝1，2,3，...,6，q
i
为像元i的参数，至少需要6个像元来解算该方程，并且其中每个q
i
中的微分形式均遵循式(6)。具体地：
[0075][0076]
进一步地，将公式(6)代入公式(4)进行最小二乘迭代求解，即，令f＝[i'(x,y)
‑
i(x,y)]2迭代求解出满足f＝min的6个参数的解q
inew
(b,h,x0,y0,r
x
,r
y
)，其中f＝min即为最小二乘准则。初始值q
last
(b,h,x0,y0,r
x
,r
y
)可通过对星象进行统计得到：
[0077]
q
inew
＝q
last
δq
i
ꢀꢀ
(7)
[0078]
其中，第一次迭代初始值由统计得到：q
last
＝q
inital
；后续迭代初始值由上次计算得到：q
last
＝q
new
，并且q
inew
(b,h,x0,y0，r
x
,r
y
)为满足f
new
＝min下求解的新值。
[0079]
具体地，将|δx0|＜0.001且|δy0|＜0.001作为迭代收敛标准，满足此条件，则结束迭代。设置参数推出迭代的条件还可以设置为|δb|≤0.01，|δh|≤0.01，|δr
x
|≤0.01，|δr
y
|≤0.01，此处仅设置星点的位置中心作为迭代退出条件。
[0080]
本发明采用维纳滤波复原拖尾恒星，再用高斯拟合法进行质心提取。维纳滤波是建立在认为图像和噪声是随机过程的基础上，使得复原图像与原始图像的均方误差最小。维纳滤波可以自动抑制噪声的放大，且噪声越强，对噪声的抑制效果越明显。维纳滤波不仅用于一维信号，还用来处理二维信号，且都取得了良好的复原效果，并具有优良的抗噪性能、较小的计算量。
[0081]
其中，频域中的表达式(8)如下：
[0082][0083]
其中，h(μ,v)是退化函数，g(μ,v)是退化图像，是复原图像，s
n
(μ,v)和s
f
(μ,ν)分别是噪声功率谱和为退化图像的功率谱。其中，若没有噪声，则s
n
(μ,ν)＝0。然而，由于不确定为退化图像的功率谱，因而将图像的信噪比设为一个特殊的常量k。
[0084]
具体地，即，
[0085][0086]
其中，k值一般在0.0001～0.1之间选取。当要复原的图像不含噪声时，k值越大，复原的图像清晰度越差，且图像发暗；k值越小，复原图像清晰度越好。
[0087]
具体地，二维匀速直线运动的点扩散函数psf公式(10)如下：
[0088][0089]
式中，α为运动方向和x轴的夹角，l
xy
为图像模糊尺度，用来衡量星图中星点拖尾的大小，h(x,y)为时间域上的退化函数。通过傅里叶变换，h(x,y)可以转为h(μ,ν)，h(μ,ν)是退化函数在频域中的表现形式，越精确则复原结果就越好。
[0090]
在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：基于高斯函数进行psf拟合来提取质心坐标，并采用预定底片模型，确定空间目标的空间位置信息还包括：基于定标星数量的要求，根据视场中检测出的定标星数量，将底片模型确定为六底片模型。
[0091]
具体地，考虑不同模型对定标星数量要求，根据视场中检测出的定标星数量，将底片模型确定为六底片模型，从而保障天文定位的精度与实时性。
[0092]
更具体地，建立底片模型是建立图像上坐标(x,y)与天文坐标(ξ,ζ)之间的映射的关键步骤。由于存在望远镜像差和ccd安装偏差等误差因素，理想坐标与实际度量坐标间的关系无法精确严格推导，通常使用多项式表示，即底片模型。geo空间碎片观测中使用的底片模型一般有六常数模型、十二常数模型、四常数模型、二十常数模型以及考虑径向与切向畸变的十常数模型等。
[0093]
本发明采用六常数模型，该六常数模型的转换包括了坐标原点差，坐标轴方向差和坐标轴尺度差，没有考虑非线的差异性项。使用六常数模型求解需要3个或以上定标星。
[0094]
其中，针对六常数模型，映射方程(11)如下：
[0095][0096]
其中，a、b、c、d均为实数。
[0097]
四常数模型需要两个即以上的定标星，在ccd图像x和y方向比例尺相同的假设下，是简化的六常数模型。针对四常数模型，映射方程(12)如下：
[0098][0099]
十二常数模型相比线性的六常数模型，多考虑了如底片不垂直光轴，切点坐标与光轴实际方向不一致，望远镜像差等非线性项的差异项。使用十二常数模型至少需要6颗定标星。针对十二常数模型，映射方程形式(13)如下：
[0100][0101]
其中，a1、b1、c1、d1、e1、f1、a2、b2、c2、d2、e2、f2均为实数。
[0102]
虽然底片模型个数的增加，需要定标星的数量也随之增加，但是最终测量的精度并不取决于模型阶数的高低，而是取决于模型是否合适。
[0103]
在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：对天文图像进行背景阈值计算包括：针对天文图像中前景与图像背景区分度，基于全局阈值计算，分析空间目标与图像背景在频域或者在空间分布方面的特征，并去除图像背景中的噪声特征、保留空间目标。
[0104]
具体地，针对图像中前景与图像背景区分度小的问题，分析目标与背景在频域或者在空间分布方面的特征，去除背景噪声并保留目标，建立评价标准并以此进行二次检测，剔除虚假目标，保证算法的稳定性，确保图像分割的效果。
[0105]
更具体地，ccd图像阈值用于分割ccd图像，区分图像中的背景与目标。全局阈值分割面对整幅ccd图像，通过设置统一的常数作为背景判断。其优点是计算简便，运算速度快。当图像中adu计数大于或等于阈值的像元时，则认定为恒星或空间目标；而当adu技术小于阈值的像元时，则认定为天光背景。由于图像中的噪声符合高斯分布，由将阈值t可以设为(14)如下：
[0106]
t＝u 3σ
ꢀꢀ
(14)
[0107]
式中，u是图像灰度均值，σ是图像灰度方差.
[0108]
由于实测图像中目标星象的连通域具有一定的像元数，且噪声出现的概率随星象占据像元数的增加而减小。因此，引入星象连通域的像元个数作为另一判断，可以有效去除背景噪声，提高目标的探测效率。
[0109]
在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：对空间目标进行目标检测包括：针对不同图像目标，根据空间目标的运动特性和形状特点，利用长宽比和多帧图像关联方法，采取帧间差分法变换参数和阈值，以进行目标检测。
[0110]
具体地，针对不同图像目标，根据其运动特性和形状特点，利用长宽比和多帧图像关联方法，采取不同的策略，变换算法参数和阈值，保障目标检测的实时性与准确性。
[0111]
具体地，在对星图进行空间目标识别时，由于星图上背景恒星短线状分布和空间目标点状分布，因此在空间目标识别时传统的利用图像区域特征、纹理特征、形状特征、颜色特征等的方法均不再具有较好的适应性。针对空间目标识别的特点，本发明采用图像的运动特征进行分析，即帧间图像差分算法。三帧差全局阈值目标识别算法是通过将连续三帧图像进行差帧的方法标记空间目标，再通过全局阈值图像分割的方法最终识别空间目标。
[0112]
更具体地，三帧差全局阈值目标识别算法具体步骤为：检测目标图像；对目标图像进行预处理；计算每一帧图像的全局阈值；计算每一帧图像的二值化映射表；在将第一帧图像和第二帧图像相减之后再和第一帧图像相与；在将第二帧图像和第三帧图像相减之后再和第二帧图像相与；在将第二帧图像和第三帧图像相减之后再和第三帧图像相与；剔除相邻像素和小于给定阈值的像素；全视场扫描后图像上的所有的星象；根据给定策略判断是
否为空间目标；结束空间目标检测。
[0113]
进一步地，针对相对静止的跟踪目标，邻域连通法具备可观的识别率和容错率，直接使用目标点的团簇性特征进行分析，通过是利用点与点之间的相关性进行目标识别。具体而言，该算法将距离小于预设阈值的点标记为同一簇；同时该规则具备传递性,通过树型查找,可以将距离稍远的点通过它们之间的点连接到一起,成为一个连通的簇。而影响该方法的最主要的参数是一个判断两点是否相邻的阈值。例如，过大会导致过多无关点的关联,而过小则会导致簇的分裂。参数值的评估取决于跟踪的平均不确定度。
[0114]
在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪方法还可以包括：对空间目标进行星图匹配包括：考虑ccd拍摄图像中的多个空间目标之间的角距信息，根据角距信息匹配算法对目标数量的要求，采用三角法进行星图匹配。
[0115]
具体地，考虑ccd拍摄图像中多个目标之间的角距信息，根据角距信息匹配算法对于目标数量的要求，确定匹配算法，以保证识别的实时性和准确性。
[0116]
更具体地，单星无法提供识别，两颗星通过角距进行识别。其中，针对两颗星，设导航星i和j的赤经、赤纬分别为(α
i
，δ
i
)和(α
j
，δ
j
)，在天球坐标系下角距的定义为(15)：
[0117][0118]
其中和分别为导航星i和j的方向矢量。
[0119]
同理，设观测星1和观测星2在像平面坐标系下坐标分别为(x1,y1)和(x2,y2)，则在图像坐标系下的角距d
12
表示为(16)：
[0120][0121]
其中和为观测星1和2在图像坐标系下的方向矢量。
[0122]
如果导航星角距和观测星角距能够匹配，需满足(17)：
[0123]
|d(i,j)
‑
d
12
|≤ε
ꢀꢀ
(17)
[0124]
其中，ε为角度不确定度。通过上式计算，完成星对角距的匹配。
[0125]
然而，满足上式的导航星对一般不唯一，角距匹配还存在着仅依靠角距值无法将星对中的两颗恒星彼此分开。基于此，本发明提出一种三角形算法，其在角距匹配的基础上再加入一颗星，以三颗星之间的角距作为匹配特征。具体地，匹配三角形取“边
‑
边
‑
边”模式。三角形算法是再导航星库中寻找最匹配导航三角形的过程。观测三角形和导航三角形应该满足(18)：
[0126][0127]
具体地，星图匹配可以包括但不限于以下步骤：开始星图匹配；判断待识别背景中恒星是否大于2；若大于2则星图匹配失败，若小于等于2则进行三角匹配；若匹配成功则存入匹配表，并检查是否完成全部星点匹配；若未完成全部星点匹配则再次进行三角匹配，若完成全部星点匹配则检查匹配表是否为空；若匹配表不为空则星图匹配失败，若匹配表为空则验证对应导航星是否可以构成三角形；若导航星不可以构成三角形则星图匹配失败，若导航星可以构成三角形则星图匹配成功。
[0128]
更具体地，本发明以目前北京房山slr数据采集及处理系统为研究平台，利用北京房山slr站收集的ccd拍摄图像，以此构建高精度实时天文定位模型，研制高精度实时天文定位与自动跟踪系统，嵌入至目前房山slr数据采集与处理平台，实现了嵌入式数据采集与提取系统的构建与应用。
[0129]
针对本发明的一实施例提供的空间目标的天文定位及自动跟踪方法的效果，进行如下验证：针对构建的slr高精度实时天文定位模型，制定不同空间目标效果验证方案，并将实验结果同轴系定位技术的结果以及人工跟踪结果进行比较，在此基础上，进一步分析、改进和完善slr高精度实时天文定位与自动跟踪理论、算法和软件，评估软件的精度及整体性能指标。此外，将验证通过的slr高精度实时天文定位模型嵌入至目前北京房山slr数据采集与处理平台中，同时，考虑观测人员在低轨卫星、高轨卫星和空间碎片之间切换观测时对空间目标位置信息自定义改正的需求，软件平台在实现信号识别功能的基础上可对用户所给参数进行可输入操作，并利用该系统进行实际观测实现对软件平台的测试应用和稳定性评估。
[0130]
综上，本发明考虑到天文定位的精度和实时性，对比处理流程中各类算法的精度与时间指标，采取图像处理、目标识别、质心提取、星图匹配，建立底片模型等方法实现高精度实时天文定位；同时考虑跟踪观测的实时性要求，利用天文定位提供的位置信息修正跟踪观测数据，从而建立空间目标高精度实时天文定位模型，实现空间目标自动跟踪。
[0131]
分析天文定位中的精度与实时性，构建有效的高精度实时天文定位模型，确保高重复频率slr系统的性能，有效提高了空间目标的探测成功率和数据质量，使得slr观测数据在精确确定空间目标轨道，建立和维护全球地球参考框架，研究地球质心的位置变化与地球自转，确定地球引力场长波分量及其时变性等方面具有广阔的应用前景。
[0132]
基于同样的发明构思，另一方面，本发明的一实施例提出一种空间目标的天文定位及自动跟踪系统。
[0133]
下面结合图2对本发明提供的空间目标的天文定位及自动跟踪系统进行描述，下文描述的空间目标的天文定位及自动跟踪系统与上文描述的空间目标的天文定位及自动跟踪方法可相互对应参照。
[0134]
图2为本发明一实施例提供的空间目标的天文定位及自动跟踪系统的结构示意图。
[0135]
在本实施例中，需要说明的是，该空间目标的天文定位及自动跟踪系统1包括：空
间目标天文图像预处理模块10，用于获取空间目标的天文图像并对天文图像进行预处理；空间目标天文定位及自动跟踪模块20，用于将预处理后的天文图像输入至经训练的基于卫星激光测距slr的空间目标天文定位及自动跟踪模型中，得到空间目标天文定位及自动跟踪模型输出的空间目标的实时位置信息，空间目标天文定位跟踪模型用于通过提取图像质心和预定的底片模型来确定空间目标的位置信息，并基于位置信息实时生成空间目标的位置修正信息以修正空间目标的位置信息，基于修正后的空间目标的实时位置信息来实现对空间目标自动跟踪，其中，基于位置信息实时生成空间目标的位置修正信息包括：通过对天文图像进行背景阈值计算、目标检测和/或星图匹配来生成空间目标的位置修正信息。
[0136]
由于本发明实施例提供的空间目标的天文定位及自动跟踪系统可以用于执行上述实施例所述的空间目标的天文定位及自动跟踪方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
[0137]
在本实施例中，需要说明的是，本发明实施例的装置中的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。
[0138]
又一方面，基于相同的发明构思，本发明又一实施例提供了一种电子设备。
[0139]
图3为本发明一实施例提供的电子设备的示意图。
[0140]
在本实施例中，需要说明的是，该电子设备可以包括：处理器(processor)310、通信接口(communications interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行空间目标的天文定位及自动跟踪方法，该方法包括：获取空间目标的天文图像并对天文图像进行预处理；以及将预处理后的天文图像输入至经训练的基于卫星激光测距slr的空间目标天文定位及自动跟踪模型中，得到空间目标天文定位及自动跟踪模型输出的空间目标的实时位置信息，空间目标天文定位跟踪模型用于通过提取图像质心和预定的底片模型来确定空间目标的位置信息，并基于位置信息实时生成空间目标的位置修正信息以修正空间目标的位置信息，基于修正后的空间目标的实时位置信息来实现对空间目标自动跟踪，其中，基于位置信息实时生成空间目标的位置修正信息包括：通过对天文图像进行背景阈值计算、目标检测和/或星图匹配来生成空间目标的位置修正信息。
[0141]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0142]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0143]
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者
操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0144]
此外，在本发明中，参考术语“实施例”、“本实施例”、“又一实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0145]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。