星等滤波与分块查找：高效星图识别算法详解

本文主要探讨了星等在原始星库中滤除的嵌入式智能小车核心板原理图，特别是在构建导航星库的过程中，采用了星等滤波方法来筛选稳定的导航星。通过国际标准天文星库SKY2000为参考，设定可视星等门限为6.0星等，以此去除亮度不稳和位置不稳定的星体。导航星库中的星对数量大约为3,660颗。 实验分析部分，针对导航星对的角距分布进行了深入研究。第一角距和第二角距的直方图以及对应的表展示了星对角距的分布特性，例如角距在0~1°和4~5°的星对较少，这表明这些区域的星对在星图识别中的贡献较小。为了优化查找效率，作者提出了一种分块角距表的建立方法。星对被按照角距分为三个子星表：b1、b2和b3，分别对应于角距范围0.10~1.00°、1.00~4.90°和4.90~12.00°的星对，这样做的目的是为了减少平均查找长度，提高查找速度。 对于星图识别算法，尤其是基于角距的星对查找，是星模式识别的关键步骤。由于导航星表数据量大，查找速度对星图识别的整体性能至关重要。作者提出的分块子星表查找算法，通过分析导航星对的角距概率分布，实现了查找效率的提升。这种方法在实际的微机（工作频率1,400MHz）和MATLAB环境中得到了验证，实验结果显示了算法在处理大量星对时显著提高了查找速度。 此外，星跟踪器作为高精度的姿态测量设备，对快速星图识别的需求日益增长。传统的星图识别算法包括三角形识别、四边形算法、星群匹配、网格法和统计法等，其中三角形匹配算法最为成熟。然而，为了适应卫星小型化带来的性能要求，如高速运算、低功耗和小体积，星图识别算法的改进成为关键，尤其是在角距特征的处理上。 文章最后指出，星图识别中角距信息表的构建是一个挑战，尤其在需要减小镜头视场以提高精度时，星对角距表的增大会带来识别速度下降的问题。通过优化星库结构和查找算法，如本文所展示的分块子星表查找方法，可以解决这一矛盾，实现高效和准确的星图识别。