الگوریتم شناسایی ستاره گم‌شده در فضا مبتنی بر فاصله‌ هاسدورف با دو رویکرد ستاره محور و بخش بندی کره سماوی

یکی از بهترین حسگرهای وضعیت برای کاربردهای فضایی، حسگر ستاره است که تعیین وضعیت را با استفاده از ستارگان میدان دید انجام می‌دهد. از مزایای اصلی این حسگر می‌توان به تعیین وضعیت اولیه توسط خود حسگر اشاره نمود. این کار توسط الگوریتم‌های شناسایی ستاره‌ گم‌شده در فضا انجام می‌شود. این مقاله به ارائه‌ یک الگوریتم گم‌شده در فضای جدید مبتنی ‌بر فاصله‌ هاسدورف    می‌پردازد. با استفاده از فاصله‌ هاسدورف، دو الگوریتم شناسایی مختلف پیشنهاد شده و نتایج آن‌ها با یکدیگر مورد مقایسه قرار گرفته‌اند. رویکرد اول بر اساس ستاره‌ محور طراحی شده و رویکرد دوم، از بخش‌بندی کره‌ سماوی بهره می‌برد. عملکرد شناسایی این دو رویکرد با استفاده از شبیه‌سازی 200 جهت تصادفی حسگر ستاره در قدر‌های مختلف مورد بررسی قرار گرفته است. نتایج نشان می‌دهد، رویکرد استفاده از ستاره‌ محور، عملکرد بهتری دارد و نرخ شناسایی آن در قدر 6، 5/93 درصد است. هم‌چنین، زمان شناسایی در این الگوریتم با الگوریتم هرمی و تعدادی از الگوریتم‌های هندسی دیگر مورد مقایسه قرار گرفته است. بر طبق نتایج، کوتاه‌ترین زمان شناسایی، به الگوریتم هاسدورف تعلق دارد که آن را برای استفاده‌های به‌هنگام مناسب می‌سازد

lost in space star identification algorithm based on hausdorff distance with two approaches: pivot star and celestial sphere segmentation

one of the best attitude sensors for space applications is the star sensor. this sensor determines the attitude using stars in the field of view. one of the main advantages of this sensor is attitude initialization using lost in space star identification algorithms. this paper presents a new lost in space star identification algorithm based on hausdorff distance. using hausdorff distance, two different identification algorithms have been proposed, and their results have been compared. the first approach is designed based on pivot star, and the second approach uses the segmentation of the celestial sphere. the performance of these two approaches has been investigated using the simulation of 200 random directions of the star sensor in different magnitudes. the results show the approach of the pivot star has a better performance, and its identification rate is 93.5% at the magnitude of 6. also, the identification time of the hausdorff algorithm has been compared with the pyramid algorithm and some geometric algorithms. the results show that the hausdorff identification algorithm has the shortest identification time which makes it suitable for real time applications