A feedback star identification algorithm via regularized pattern recognition using a unique feature extraction
Özgün öznitelikler ile regülarizasyon ve örüntü tanıma tabanlı geri bildirimli yıldız tanıma algoritması
- Tez No: 879941
- Danışmanlar: PROF. DR. ALİM RÜSTEM ASLAN
- Tez Türü: Doktora
- Konular: Havacılık ve Uzay Mühendisliği, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uçak ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uçak ve Uzay Mühendisliği Bilim Dalı
- Sayfa Sayısı: 232
Özet
Bu çalışmada, ön işleme ile entegre edilmiş bir yıldız tanıma algoritması sunulmaktadır. Uzay araçları ve uyduların yönelim belirleme amaçlı kullanımında oldukça güvenilir olan yıldız izleyicileri; güneş sensörü, ufuk sensörü ve manyetizma sensörü gibi cihazlara göre çok daha yüksek doğruluk sağlar. Bu sebeple yüksek hassasiyet gerektiren uzay görevlerinde kullanılan başlıca yönelim belirleme cihazlarındandır. Yıldız izleyiciler, yıldız tanıma algoritmalarına dayanmaktadır. Bu çalışmada önerilen yıldız tanıma algoritması hem ön bilgisiz yöntemle hem de özyinelemeli yöntemle çalışabilmektedir. Her iki yöntemde de benzersiz bir öznitelik çıkarımı kullanılmaktadır. Öznitelik çıkarımındaki bu yeni yaklaşım, her bir yıldızı ayrı bir nesne olarak ele almak yerine, çekilen her görüntüden tek bir vektör çıkarmaktadır. Öznitelik çıkarım işleminde sensör özellikleri belirleyici olmaktadır. Öznitelik vektörü; her görüntü karesinden elde edilen tekil nesnenin parlaklık, konum ve yıldız sayısı bilgisini içermektedir. Bu kümülatif yaklaşım, yüksek doğruluk sağlamak için tüm kataloğu hesaba katarken önemli miktarda bellek alanından tasarruf etmeyi amaçlamaktadır. Katalogdaki yıldızları içeren bir veritabanı, ilgili her bir görüş alanından çıkarılan geleneksel olmayan öznitelikler kullanılarak oluşturulur. Veritabanları, örtüşme oranı ve parlaklık eşiği parametrelerine bağlı olarak boyut ve ayrıntı bakımından farklılık gösterebilir. Bu parametreler yöntemin doğruluğu ve karmaşıklığı üzerinde önemli bir etkiye sahiptir. Gözlem öznitelik vektörleri elde edilirken de aynı öznitelik çıkarım yöntemi kullanılmaktadır. Yöntem, eylemsiz eksende doğrultu vektörünü ve bu vektör etrafındaki dönüş açısının kestirimini yapmayı amaçlamaktadır. Bu, ayrı ayrı yıldızları, yıldız çiftlerini, yıldız üçgenlerini veya yıldız poligonlarını eşleştirmek yerine görüntü çerçevelerini eşleştirerek gerçekleştirilen yeni bir yaklaşımdır. Her iki yıldız tanıma yönteminde de ardışık olarak örüntü tanıma ve regülarizasyon yöntemleri kullanılmaktadır. İlk olarak, önceden belirlenmiş parametrelerle veritabanının özellikleri tarafından belirlenen sınırlı doğrulukla kaba bir kestirim gerçekleştirmek için bir 1NN sınıflandırıcı kullanılır. Kaba kestirim tam olarak gözlem öznitelik vektörüne en çok benzeyen veritabanı öznitelik vektörüdür. Daha sonra, benzerliği en yüksek veritabanı öznitelik vektörüne komşu olan veritabanı öznitelik vektörleri kullanılarak bir sözlük oluşturulur. Nihai kestirim, ince kestirimden elde edilen sonuçtur. Bu kestirim sonucu bir regülarizasyon yöntemi uygulanarak elde edilir. Regülarizasyon ile bir çözüm katsayısı vektörü elde edilir. Doğrultu vektörü ve dönüş açısı kestirimleri çözüm katsayısı vektörü kullanılarak elde edilir. Bu vektör, ön bilgisiz yıldız tanıma yönteminin sonuç çıktısıdır. Ön bilgisiz yıldız tanıma algoritması yalancı yıldızlara karşı çok hassas olduğundan, ilave bir yalancı yıldız filtreleme algoritması geliştirilmiştir. Bu algoritma bir gözetimsiz öğrenme yöntemi olan yoğunluk tabanlı kümeleme yöntemine dayanmaktadır. Birbirini izleyen iki görüntü çerçevesi kullanılarak bir fark listesi oluşturulur. Bu fark listesi üzerinde yoğunluk tabanlı kümeleme yöntemi uygulanarak gerçek yıldızların kestirimi yapıldıktan sonra yalancı yıldızlar filtrelenir. Sadece kestirimi yapılan gerçek yıldızları içeren ardışık çerçeveler kullanılarak, bir regresyon analizi prosedürü ile bir ilgin dönüşüm matrisi elde edilir. Ek olarak, ön bilgisiz yıldız tanıma yönteminde karşılaşılan sorunların üstesinden gelmek için özyinelemeli yıldız tanıma yöntemi geliştirilmiştir. Ön bilgisiz yıldız tanıma yönteminden alınan algoritmik yapının yanı sıra, hesaplama karmaşıklığını ve ortalama çalışma süresini azaltmak için veritabanının çok daha küçük bir kısmının kullanılmasını sağlayan bir güncelleme mekanizması özyinelemeli yıldız tanıma algoritmasına entegre edilmiştir. Ayrıca, yalancı yıldız filtrelemesi, yalancı yıldızlara karşı hassasiyetin giderilmesini sağlamıştır. Böylece, tam entegre algoritma sadece doğruluğu artırmakla kalmamış, aynı zamanda hesaplama karmaşıklığını ve ortalama çalışma süresini de azaltmıştır. Önerilen algoritmaların performansı, yine bu çalışma kapsamında geliştirilen bir simülasyon ortamında değerlendirilmiştir. Simülasyon ortamı, verilen sensör parametreleri ve veritabanı bilgileri ile görüntü çerçevelerinin oluşturulmasına izin vermektedir. Ayrıca, tüm gürültü türlerini içeren farklı gürültü senaryolarının gerçekleştirilmesi de bu simülasyon ortamında mümkündür. Kamera hareketi rastgele veya eğilimli iterasyonlarla simüle edilebilmektedir. Algoritmaların farklı adımlarında kullanılacak en uygun parametreleri belirlemek için bir dizi deney gerçekleştirilmiştir. Yıldız tanıma algoritmalarında farklı veritabanları kullanılabilir. Bu veritabanları parlaklık eşik aralığı ve görüş alanı gibi sensör parametrelerine ve algoritmaya özgü bir parametre olan örtüşme oranına bağlı olarak farklı özellikler kazanabilir. Bu parametrelerin farklı değerleri için veritabanlarının kestirim sonucuna etkisi incelenmiştir. Sensör parametrelerinden bağımsız olarak örtüşme oranının oldukça belirleyici olduğu ve bu oran arttıkça doğruluk artış gözlenirken hesap karmaşıklığında da artış gözlemlenmiştir. Bunun yanında regülarizasyon parametreleri de uygun şekilde seçilmiştir. Yalancı yıldız filtreleme algoritmasında uygulanan yoğunluk tabanlı kümeleme yönteminin parametrelerinin seçilmesi için ayrı deney setleri gerçeklenmiş ve filtreleme algoritmasına uygun parametre değerleri dinamik olacak şekilde belirlenmiştir. Özyinelemeli yıldız tanıma algoritmasında kullanılan parametrelerin kestirim sonucuna olan etkileri incelenmiştir. Bu parametrelerden biri olan yeniden oluşturulmuş gözlem öznitelik vektörünün kestirim sonucuna etkisi farklı gürültü koşulları altında gerçekleştirilen simülasyon deneylerinde incelenmiştir. Buna göre bu algoritmada kullanılacak güncelleme mekanizmasında bu hata parametresinin bir eşik değerine göre durumuna göre bir tetikleme modelinin geliştirilmesi uygun görülmüştür. Bunun yanında veritabanının küçültülmesi amacıyla kamera hareket kestiriminden alınan sonuçların mesafe hatalarına göre doğruluk ve tutarlılık ayrıntılı bir şekilde incelenmiştir. Buna göre küçültülmüş veritabanının konumu ve büyüklüğü bu kestirim sonuçlarından faydalanılarak uygun şekilde dinamik olarak belirlenmiştir. En uygun parametreler belirlendikten sonra algoritma performanslarını değerlendirmek için çok sayıda deney gerçekleştirilmiştir. Ön bilgisiz yıldız tanıma performansı, hata grafikleri, hassasiyet oranı eğrileri ve tanıma oranı eğrileri aracılığıyla istatistiksel olarak değerlendirilmiştir. Bu simülasyon deneyleri kestirim sonuçlarının eğilim kazanmasının engellenmesi için veritabanının en fazla bölgesinin kullanılması ilkesine göre gerçekleştirilmiştir. Ayrıca, veritabanı boyutu ve ortalama çalışma süresi ölçülerek karmaşıklık analizi yapılmıştır. Daha büyük örtüşme oranına sahip veritabanları kullanıldığında doğruluğun arttığı ancak karmaşıklıktan ödün verildiği gözlemlenmiştir. Önerilen ön bilgisiz yıldız tanıma algoritması, doğruluk açısından son teknoloji yöntemlerden daha iyi performans gösterirken, veritabanı boyutu ve ortalama çalışma süresi açısından geride kalmaktadır. Optimum parametre seçiminden sonra, yalancı yıldız filtreleme yönteminin performansı karışıklık matrisi ve istatistiksel göstergeler aracılığıyla değerlendirilirken, kamera hareket kestirimi yönteminin performans değerlendirmesi için mesafe hata ölçümü kullanılmıştır. Her iki algoritma da üstün performans göstermektedir. Özyinelemeli yıldız tanıma algoritmasında hata eşiği ve tarama bölgesi için optimum parametreler seçildikten sonra, doğruluk ve karmaşıklık açısından ön bilgisiz yıldız tanıma yöntemiyle performans ve karmaşıklık bakımından karşılaştırılmıştır. Güncelleme mekanizmasının tetiklenme modeli ayrıntılı bir şekilde incelenmiştir. Deneyler, farklı gürültü senaryoları kullanılarak farklı yıldız tanıma ve veritabanı parametre değerleri için tekrarlanmıştır. Hassasiyet oranı eğrileri ile doğruluk analizi yapılırken karmaşıklık analizi ile kullanılan bellek miktarı ve çalışma süresi hesaplanmıştır. Buna göre doğruluktan ödün vermeden bellek kullanımının ve çalışma süresinin önemli ölçüde azaltıldığı sonucuna varılmıştır. Ayrıca, yalancı yıldız hassasiyeti sorunu da çözülmüştür. Bununla birlikte, algoritma hala eksik yıldızlara karşı hassastır. Yalancı yıldız filtreleme algoritmasının eksik yıldızları da tespit edecek şekilde genişletilmesi için çalışmalar devam etmektedir. Algoritma tüm görüş alanı kullanılarak elde edilen özelliklere dayandığından, görüş alanını engelleyen büyük bir nesne eksik yıldızlara neden olmaktadır ve böylece doğruluk önemli ölçüde bozulmaktadır. Dolayısıyla, güneşin yanı sıra ay da görüş alanına girdiğinde önerilen yöntemi bozmaktadır. Önerilen yöntem, görüş alanını daha küçük parçalara bölerek bu sorunun üstesinden gelebilecek şekilde geliştirilmektedir. Son olarak, önerilen yöntemde parametrelere bağlı bir dizi prosedür bulunmaktadır. Bu nedenle, tüm süreç büyük ölçüde parametrelere bağlıdır. Bu durum, prosedürün yeterince dikkatli bir şekilde takip edilmesi halinde esneklik sağlamaktadır. Her bir parametrenin güvenilirlik ve karmaşıklık üzerindeki etkisini araştırmak için birçok müteakip çalışma yapılması planlanmaktadır.
Özet (Çeviri)
This thesis presents a star identification algorithm integrated with preprocessing. Star sensors, which are highly reliable for attitude determination use of spacecrafts and satellites, relies on star identification algorithms. The star identification algorithm proposed in this study is capable of functioning either in lost-in-space method or recursive method. Both methods utilize a unique feature extraction scheme. This novel approach of feature extraction method extracts a single vector from each captured image instead of treating each star as a separate object. This cumulative approach aims to save a significant amount of memory space while taking the entire catalog into account for elevated accuracy. A database containing stars from the catalog is constructed using the unconventional features extracted from each corresponding field-of-view. The databases may differ in size and detail dependent on the parameters of overlapping ratio and brightness threshold. These parameters have a significant effect on accuracy and complexity of the method. The method aims to estimate the inertial boresight vector and the rotation angle about it. This is a novel approach that is carried out by matching frames but not matching individual stars, star pairs, star triangles or star polygons. Both star identification methods rely on pattern recognition and regularization successively. First, a 1NN classifier is used to perform a coarse estimation with limited accuracy specified by the characteristics of the database with predetermined parameters. The coarse estimation is exactly the database vector that is most similar to the observation vector. Subsequently, a dictionary is generated using the neighbor database vectors of the most similar database vector. The final estimation is obtained by conducting a regularization method for fine estimation. A solution coefficient vector is yielded through regularization. The estimates of boresight vector and rotation angle are retrieved using the solution coefficient vector. This is the output of the lost-in-space star identification method. Since the lost-in-space algorithm is very sensitive to false stars, an additional false star filtering algorithm is developed. This algorithm is based on density-based clustering. A disparity list is created using two successive image frames. After estimating true stars by implementing density-based clustering on the disparity list, false stars are removed. Using the successive frames containing only estimated true stars, an affine transformation matrix is obtained by a regression analysis procedure. In order to overcome the issues tackling the lost-in-space star method, the recursive star identification method is developed. Apart from the algorithmic structure taken from the lost-in-space method, it possesses an update mechanism that ensures usage a much smaller portion of the database to reduce computational complexity and average run time. Also, the false star filtering avoids sensitivity to false stars. Thus, the integrated algorithm not only increases accuracy but also reduces computational complexity and average run time. The performance of the proposed algorithms is evaluated in a simulation environment also developed within scope of this study. The simulation environment allows generation of image frames with given sensor parameters and database information. It also allows realization of different noise scenarios including all types of noise. Camera motion can be simulated with random or biased iterations. After conducting a number of experiments to specify the optimal parameters to be used in different steps of the algorithms, a vast number of experiments are carried out to evaluate the algorithm performances. the performance of lost-in-space star identification is statistically evaluated by means of error plots, precision rate curves and identification rate curves. And, complexity analysis is carried out by measuring database size and average run time. It is observed that accuracy increases by using databases with larger overlapping ratio but compromises complexity. The proposed algorithm outperforms state-of-the-art methods in terms of accuracy but lacks behind in terms of database size and average run time. After optimal parameter selection, the performance of false star filtering is evaluated by means of confusion matrix and statistical indicators while the algorithm for camera motion estimation is evaluated through distance error measurement. Both algorithms show superior performance. The recursive star identification algorithm is also subject to experiments for optimal parameter selection. After selecting optimal parameters of error threshold and scan region, it is compared to the lost-in-space star identification method in terms of accuracy and complexity. It is concluded that memory usage and run time is dramatically decreased without compromising accuracy. Besides, the issue of false star sensitivity is resolved. Nevertheless, the algorithm is still sensitive to missing stars. The studies continue to extend the false star filtering algorithm also to detect missing stars. Since the algorithm is based on features obtained using the whole field-of-view, a big object blocking the field-of-view incurs missing stars so that accuracy is significantly deteriorated. Thus, apart from the sun, the moon also impairs the proposed method when comes into view. The proposed method is also being developed to overcome this issue by splitting the field-of-view into smaller portions. Finally, the proposed method has a number of procedures dependent on parameters. Therefore, the whole process is highly dependent on parameters. This allows flexibility if the procedure is thoroughly followed. Many following studies are planned to be carried out to investigate each parameter's effect on reliability and complexity.
Benzer Tezler
- İstanbul'daki dört ve beş yıldızlı otellerin pazarlama faaliyetlerinde reklam ve tanıtımın yeri ve rolü
The Role of publicity and advertisement in marketing facilities of four or five star hotels in İstanbul
MUHAMMET DEMİR
- Konaklama işletmelerinde hizmet içi eğitim ve iş tatmini ilişkisi: Astana'daki beş ve dört yıldızlı oteller ile ilgili bir uygulama
The relationship between staff trainings and job satisfaction in hotel enterprises: The case study of Astana?s five and four star hotels
ALMA KHUSSAINOVA
- Turbulence and flame interaction for control of flame location in diffuser combustor
Difüzör yanma odasında alev konumunun kontrolü için türbülans ve alev etkileşimi
IBRAHIM THAMER NAZZAL NAZZAL
Doktora
İngilizce
2018
Makine MühendisliğiÖzyeğin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZGÜR ERTUNÇ
- Sincap kafesli asekron makinalara yumuşak yol verilmesi
Solid state soft starting of squirrel cafe induction machines
TAYFUN ÖZGEN
Yüksek Lisans
Türkçe
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. M. KEMAL SARIOĞLU