宽视场条件下红黑树中心局域化加速的星图匹配技术
摘要
较宽视场的星图匹配往往存在数据量巨大、边缘效应明显等问题进而影响计算的速度和精度。本文采用放大中心视场并优先处理的思想进行程序加速，并采用三次底片常数拟合匹配数据，减小宽视场观测中边缘视场处目标的定位误差。在实际的算法实现中，采用了基于红黑树的动态数据结构适配于中心视场的扩大；并应用GeoHash编码技术进行全域星象匹配。实验结果显示：三角形的匹配时间相较于原始算法减少了70.68%；在计算准确性上与系统原装软件的误差在亚像素水平；激光星轨道关联实验显示，关联差均在20″以内。长达一个月的实测结果表明，本文提出方法成功匹配了多达65万帧图像，识别准确率超过90%，平均每个观测夜识别到的目标达到580个。
引用本文（GB/T 7714）
刘德龙 Liu Delong, 杨文波 Yang Wenbo, 柳鸣 Liu Ming, 等. 宽视场条件下红黑树中心局域化加速的星图匹配技术[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。