2019年B题：天文导航中的星图识别1 【知识点解析】 天文导航是一种利用天体的已知位置和运动规律来确定航行体位置的技术，尤其适用于航天器，因为它具有自主性、抗干扰性和高精度。恒星在天文导航中扮演关键角色，被视为理想的点光源，其坐标通过赤经和赤纬描述。 星敏感器是天文导航的核心，它通过观测恒星来确定航行体的姿态。星图识别是星敏感器技术的关键步骤，包括图像采集、特征提取和匹配识别。星表是识别的基础，包含恒星的位置、亮度等信息。附件2提供了一个简易星表，包含部分恒星的赤经、赤纬和星等。 问题1主要涉及星敏感器坐标系、图像坐标系和天球坐标系之间的转换： (1) 给定恒星在天球坐标系的位置（赤经、赤纬），以及星敏感器中星像点的位置，可以建立数学模型求解星敏感器坐标系中的点与天球坐标系中对应恒星的关系。具体算法可能涉及几何变换和坐标系转换。 (2) 如果不使用星敏感器坐标系的信息，可以通过星像点在图像坐标系的位置，结合光学系统特性，反推天球坐标系中恒星的位置。这可能需要解决一个非线性优化问题，如最小二乘法或迭代算法。 (3) 提高解算精度通常需要选取几何分布广泛的三颗星，避免共线或共面情况。误差分析涉及观测噪声、光学系统误差以及坐标转换的精度。 问题2聚焦于星图识别的特征提取和算法设计： 传统的星图识别依赖于恒星间的角距，这种方法简单但存储需求大，实时性和识别率有限。为了改进，可以提取更复杂的特征，比如星点的亮度分布、形状、邻近星点关系等。根据附件2的星表信息，可以构建特征向量，并设计匹配算法。对于附件3的8幅星图，算法应能准确识别每颗星对应的星表编号。性能评估包括识别速度、误匹配率和正确率等指标。 此题涵盖了天文学、数学（坐标转换、非线性优化）、计算机视觉（特征提取、图像处理）和星敏感器技术等多个领域，要求参赛者具备跨学科的知识和解决问题的能力。

输入星敏感器光学系统、探测器参数及光轴指向，实现星图仿真

全天星图(四季星座VB6源码).zip

MATLAB语言，天文导航星图匹配，很好用哦

星图中的并行路由算法及组合星图中圈的嵌入问题.pdf

摘要： 序列星图中弱小目标的检测与定位是可见光天基监视中的关键技术之一，星图预处理的结果直接影响检测灵敏度及虚警率。文中引入一种在轨检测轨迹提取算法，该算法适用于高斯噪声的星图，由高斯最小二乘拟合、小区域滤波及星象边缘阈值分割三步组成。可抑制噪声背景减少虚假目标的同时，较好地保持星象边缘。通过算法性能分析可知，同美国天基可见关相机（SBV）在轨检测（Moving Target Indicator， MTI）及传统阈值分割算法相比，虚假目标数量减少80%，弱小目标信噪比提高3 dB。由于对星斑边缘保持较好，使得恒星及卫星的定位精度优于MTI算法1个角秒。算法实时性强，有利于工程应用。

星图识别matlab代码HTMap：分层拓扑映射 HTMap是基于外观的方法，用于基于环境的分层分解进行拓扑映射。 在HTMap中，具有相似视觉特性的图像在节点中分组在一起，这些节点通过平均全局描述符（PHOG）和基于增量二进制袋词方法（）的二进制特征索引来表示。 每个图像均通过全局描述符和一组局部特征表示，并且此信息用于两级循环闭合方法中，其中首先使用全局描述符来获取地图中最可能的节点，然后再使用二进制图像特征用于检索这些节点内最有可能的图像。 这种分层方案使我们能够在识别位置时减少搜索空间，并在创建地图时保持高精度。 该算法可用于检测未知环境中的回路闭合，而无需像BoW方案中通常的训练阶段。 该存储库包含在我们的IEEE-TRO中使用的称为“拓扑映射的层次位置识别”的代码，但适用于OpenCV3.x。 鉴于OpenCV版本之间的差异，可能很难重现与本文完全相同的结果。 该代码已发布，仅用于说明目的。 HTMap是作为ROS软件包发布的，并且依赖于和库。 请注意，HTMap是研究代码。 作者对其中可能包含的任何错误概不负责。 需要您自担风险使用它！ 使用条件 HTMap是根据的条款分

数学建模 天文导航中的星图识别题目-中文版 2019研究生数学建模比赛B题2019研究生数学建模比赛B题2019研究生数学建模比赛B题

QPSK高斯白噪声信道和瑞利信道的误码率以及解调后的星图.zip

QPSK在高斯白噪声信道和瑞利信道的误码率以及解调后的星图