آمار

تعداد نشریات11
تعداد شماره‌ها234
تعداد مقالات2,383
تعداد مشاهده مقاله3,803,132
تعداد دریافت فایل اصل مقاله2,763,808
نصیری سروی, مهدی, جلیلیان, مهدی. (1404). تعیین موقعیت وسائل فضایی با استفاده از حسگر ستاره و حسگر افق زمین. فناوری آموزش, (), 1-16. doi: 10.22061/jrsgr.2025.12632.1114
مهدی نصیری سروی; مهدی جلیلیان. "تعیین موقعیت وسائل فضایی با استفاده از حسگر ستاره و حسگر افق زمین". فناوری آموزش, , , 1404, 1-16. doi: 10.22061/jrsgr.2025.12632.1114
نصیری سروی, مهدی, جلیلیان, مهدی. (1404). 'تعیین موقعیت وسائل فضایی با استفاده از حسگر ستاره و حسگر افق زمین', فناوری آموزش, (), pp. 1-16. doi: 10.22061/jrsgr.2025.12632.1114
نصیری سروی, مهدی, جلیلیان, مهدی. تعیین موقعیت وسائل فضایی با استفاده از حسگر ستاره و حسگر افق زمین. فناوری آموزش, 1404; (): 1-16. doi: 10.22061/jrsgr.2025.12632.1114

تعیین موقعیت وسائل فضایی با استفاده از حسگر ستاره و حسگر افق زمین

پژوهش های سنجش از دور و اطلاعات مکانی
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 دی 1404    اصل مقاله (1.53 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/jrsgr.2025.12632.1114
نویسندگان
مهدی نصیری سروی* ؛ مهدی جلیلیان
گروه مهندسی ماهواره، دانشکده فناوری های نوین، دانشگاه علم و صنعت، تهران، ایران
تاریخ دریافت: 28 تیر 1404،  تاریخ بازنگری: 11 آبان 1404،  تاریخ پذیرش: 29 دی 1404 
چکیده
پیشینه و اهداف: چکیده یکی از بخش‌های کلیدی هر مقاله است و باید به‌صورت سازمان‌یافته و روشن، زمینه، مسأله و هدف را در کنار روش، یافته‌ها و نتیجه‌گیری بیان کند. در حوزه ناوبری نوریِ فضاپیما در مدار پایین زمین، اتکا به حسگرهای مبتنی بر تصویر به‌عنوان جایگزین یا پشتیبان سامانه‌های رادیویی اهمیت فزاینده‌ای یافته است. چالش اصلی، حفظ دقت و پایداری در شرایطی است که پوشش سامانه‌های رادیویی کاهش می‌یابد یا محیط دید دچار افت می‌شود. پژوهش حاضر بر پایه ادغام اطلاعات حسگر ستاره و حسگر افق زمین بنا شده است تا زنجیره‌ای ارائه دهد که بدون تکیه به زیرساخت رادیویی، بتواند وضعیت و موقعیت فضاپیما را با دقت قابل اتکا برآورد کند. ایده محوری آن است که حسگر افق زمین قید هندسی نیرومندی را در راستای شعاعی ایجاد می‌کند و حسگر ستاره، خطی‌سازی و پایایی تخمین وضعیت را بهبود می‌دهد. هدف‌ها به‌طور شفاف عبارت‌اند از: طراحی و پیاده‌سازی یک زنجیره ادغام ناهم‌نرخ برای دو حسگر مکمل، تدوین راهبرد وزن‌دهی سازگار با هندسه مدار و سنجه‌ها، پایش کیفیت اندازه‌گیری‌ها با شاخص‌های آماری قابل تفسیر، و بهبود رفتار زمانی خروجی برای کاربردهای عملیاتی که نسبت به نوسان‌های کوتاه‌دوره حساس‌اند.
روش‌ها‌: سامانه پیشنهادی بر یک مسیر شبیه‌سازی‌شده در مدار پایین زمین و حقیقتِ مبنا حاصل از نرم‌افزار تخصصی شبیه‌سازی مداری استوار است. جریان داده شامل بردارهای ستاره‌ای از حسگر ستاره و لبه افق زمین از حسگر افق زمین است که با نرخ‌های متفاوت در دسترس قرار می‌گیرند. ادغام بر پایه یک فیلتر کالمن توسعه‌یافته انجام می‌شود که در آن معادلات دینامیکی وضعیت و مکان، با مدل‌سازی اختلالات اصلی و نویزهای فرایندی و اندازه‌گیری فرموله شده‌اند. به‌سبب ناهم‌نرخ بودن سنجه‌ها، به‌روزرسانی‌ها به‌صورت رویدادمحور انجام می‌شود و برای هم‌ترازی زمانی، از میانیابی وضعیت بهره گرفته می‌شود. کنترل کیفیت اندازه‌گیری‌ها با گیتینگ (ناحیه بندی) آماری بر پایه فاصله ماهالانوبیس انجام می‌گیرد تا مؤلفه‌های ناسازگار به‌موقع کنار گذاشته شوند. برای هم‌سو کردن سهم اطلاعاتی هر راستا با فیزیک مسأله، از وزن‌دهی بیضوی در دستگاه شعاعی، مماسی و عمود بر مدار استفاده شده است. به‌منظور کاهش نوسان کوتاه‌دوره در راستاهای صفحه‌ای، اسموتینگ (صاف کننده) پس‌پردازشی از نوع رائو–تارب–استرایبل به‌صورت انتخابی تنها بر مؤلفه‌های غیرشعاعی اعمال می‌شود و برآورد شعاعی همان برونداد فیلتر باقی می‌ماند تا قید افق زمین مخدوش نشود. ارزیابی کارایی در سناریوهای گوناگون نویزی انجام شده و محاسبه شاخص‌های خطا مانند میانگین مربعات و میانگین قدر مطلق خطا، در کنار تحلیل پایداری با رصد روند نوآوری و نرخ پذیرش به‌روزرسانی‌ها، مبنای قضاوت قرار گرفته است.
یافته‌ها: نتایج نشان داد ادغام ناهم‌نرخ حسگر ستاره و حسگر افق زمین در قالب فیلتر کالمن توسعه‌یافته به همراه اسموتینگ (صاف کننده) انتخابی، خطای کلی مکان را به‌طور معناداری کاهش می‌دهد و هم‌زمان، راستای شعاعی به دلیل قید قوی حسگر افق زمین مقید و پایدار باقی می‌ماند. کاهش محسوس نوسان در مؤلفه‌های صفحه‌ای با حفظ رفتار طبیعی مؤلفه شعاعی مشاهده شد؛ به‌گونه‌ای که منحنی‌های خطا در بازه زمانی، الگوی هموارتر و سازگارتر با دینامیک مدار پیدا کردند. محاسبه خطای میانگین مربعات و میانگین قدر مطلق، بهبود پایدار عملکرد را نسبت به حالت بدون اسموتینگ (صاف کننده) تأیید کرد و تحلیل نوآوری نشان داد هم‌ترازی زمانی و وزن‌دهی اندازه‌گیری‌ها به‌درستی تنظیم شده است. نرخ پذیرش به‌روزرسانی‌ها روند یکنواختی داشت و نشان داد گیتینگ (ناحیه بندی) آماری توانسته است تعادل مطلوبی میان حذف پرت‌ها و حفظ اطلاعات مفید برقرار کند. ارزیابی سناریوهای با نویز بالاتر نشان داد هرچند دامنه نوسان افزایش می‌یابد و زمان رسیدن به باند عملکرد طولانی‌تر می‌شود، سامانه پیشنهادی همچنان به محدوده خطای قابل قبول همگرا می‌شود و بیشترین تأثیر اسموتینگ (صاف کننده) در راستاهای صفحه‌ای نمود دارد.
نتیجه‌گیری: جمع‌بندی نتایج نشان می‌دهد ترکیب دو حسگر مکمل با ادغام ناهم‌نرخ، وزن‌دهی سازگار با هندسه مدار و اسموتینگ (صاف کننده) انتخابی، چارچوبی عملی و کم‌هزینه برای ناوبری نوری در مدار پایین زمین فراهم می‌کند. این چارچوب علاوه بر ارتقای دقت، رفتار زمانی منظم‌تری تولید می‌کند که برای تصمیم‌گیری‌های آستانه‌محور در عملیات فضایی ارزشمند است. از دید کاربرد، راهکار پیشنهادی برای ماهواره‌های کوچک و مأموریت‌های با منابع محاسباتی محدود مناسب است و می‌تواند نقش پشتیبان یا جایگزین سامانه‌های رادیویی را در شرایط دشوار بر عهده گیرد. در عین حال، محدودیت‌هایی مانند اتکا به محیط شبیه‌سازی و ساده‌سازی برخی مدل‌ها وجود دارد. گذار به محیط عملیاتی مستلزم آزمایش‌های زمینی و در حلقه با حسگرهای واقعی و نیز کالیبراسیون دقیق ماتریس‌های نصب است. پیشنهاد می‌شود حساسیت سامانه نسبت به بایاس حسگر افق زمین، درخشش پراکنده، دوره‌های طولانی سایه و مانورهای گذرا بررسی شود. از منظر برآورد، آزمون گونه‌های پیشرفته فیلتر کالمن و طراحی اسموتینگ (صاف کننده) با قیدهای سخت‌تر، همراه با مدل‌سازی پرفیدلیِ دینامیک و زمان‌بندی دقیق‌تر در ادغام ناهم‌نرخ، می‌تواند مسیر ارتقای بیشتر را هموار کند و زمینه را برای توسعه نسخه‌های عملیاتی آماده به‌کار فراهم آورد.
کلیدواژه‌ها
تعیین موقعیت؛ حسگر ستاره؛ حسگر افق زمین؛ تعیین وضعیت؛ ترکیب داده
عنوان مقاله [English]
Position determining of space vehicles using star sensors and earth horizon sensor
نویسندگان [English]
Mehdi Nasiri Sarvi؛ Mahdi Jalilian
Department of Satellite Engineering, School of Advanced Technologies, Iran University of Science & Technology, Tehran, Iran
چکیده [English]
Background and Objectives: Optical navigation for spacecraft in low Earth orbit is increasingly valued as a primary or backup solution when radio-frequency positioning becomes unreliable due to interference, intermittent coverage, or mission constraints. This study addresses the need for a robust, low-overhead processing chain that can estimate both state and position using only onboard imaging sensors. The approach intentionally combines two complementary sources of information: a star sensor, which stabilizes attitude estimation and improves the linearization needed for filtering, and an Earth-horizon sensor, which imposes a strong geometric constraint along the radial direction of the orbit. The overarching objective is to design and validate a non-synchronous fusion architecture that produces accurate and temporally well-behaved estimates without relying on external radio navigation. Specifically, the study aims to: develop a geometry-aware weighting strategy aligned with the radial, along-track, and cross-track frame; enforce principled statistical گیتینگ (ناحیه بندی) to ensure measurement quality; and apply selective post-processing to reduce short-period fluctuations in the along-track and cross-track directions while preserving the radial constraint provided by the Earth-horizon sensor. The intended outcome is a practical chain suitable for small satellites and missions with limited computational resources, and for operational contexts that are sensitive to transient estimation oscillations.
Methods: The investigation is performed in a high-fidelity simulation of a representative low Earth orbit with truth data generated by an orbital propagator and environmental models suitable for that regime. Two complementary measurement models are employed. The star sensor provides direction vectors that primarily stabilize the attitude solution and the associated linearization of the dynamics. The Earth-horizon sensor provides limb observations that yield a strong constraint on radial position. Because the sensors operate at different update rates, fusion is event-driven: measurement updates are processed whenever new data arrive, while state predictions evolve continuously according to the orbital dynamics and disturbance models. Temporal alignment across the two streams is handled through state interpolation. Measurement quality is controlled by statistical گیتینگ (ناحیه بندی) based on the Mahalanobis distance to reject outliers without discarding informative data. To respect the physics of the orbit geometry, an elliptical weighting scheme is formulated in the radial, along-track, and cross-track frame so that information is emphasized where each sensor is most informative. After filtering, a Rauch–Tung–Striebel smoother is applied selectively to the along-track and cross-track components, leaving the radial estimate unchanged to avoid weakening the Earth-horizon constraint. Performance is evaluated across multiple noise regimes and viewing conditions. Error behavior is characterized using root-mean-square and mean-absolute measures, together with time-domain analyses of innovations, acceptance rates for measurement updates, and qualitative inspection of position-component traces in the orbital frame.
Findings: The non-synchronous fusion of star and Earth-horizon measurements yields a clear and consistent reduction in overall position error relative to a filter-only baseline. The radial component exhibits rapid convergence and remains tightly constrained throughout, reflecting the strong geometric information provided by the Earth-horizon sensor. The selective post-processing smooths the along-track and cross-track components, attenuating short-period oscillations without introducing noticeable bias or drift, and doing so while intentionally leaving the radial component unaffected. Analyses of the innovations and the evolution of their orientation confirm that temporal alignment is effective and that the geometry-aware weighting is well tuned. Acceptance rates for measurement updates remain steady across scenarios, indicating that statistical گیتینگ (ناحیه بندی) is neither overly permissive nor excessively conservative. Under more challenging noise conditions, the chain maintains stable behavior: convergence persists, error growth is bounded, and the largest variability continues to appear in the along-track and cross-track directions, where the smoother delivers the most visible benefit. Visual inspection of the component-wise time histories corroborates these conclusions, showing consistent damping of fluctuations in the orbital plane and a preserved, physically plausible trajectory along the radial direction. Computational demands remain modest, supporting deployment on resource-limited platforms.
Conclusion: The proposed fusion chain—built on complementary sensors, event-driven filtering, geometry-aware weighting, principled گیتینگ (ناحیه بندی), and selective post-processing—offers a practical and deployable framework for optical navigation in low Earth orbit. Beyond improving accuracy, the method delivers temporally orderly estimates that are well suited to threshold-based decision making in flight operations. The approach is especially relevant for small satellites and missions that must tolerate intermittent or degraded radio-frequency positioning. Nevertheless, several factors warrant further investigation before routine operational use. Because the present results are obtained in simulation, progression to ground and hardware-in-the-loop testing with real sensors is essential, together with careful calibration of installation matrices. Sensitivity to Earth-horizon sensor bias, scattered light, extended eclipse periods, and short maneuver segments should be quantified. From an estimation standpoint, exploring alternative variants of the Kalman filter family, stronger constraints on the radial channel during smoothing, higher-fidelity environmental and dynamical models, and more precise handling of non-synchronous timing may yield additional gains. Taken together, these directions chart a clear path toward an operational, image-only navigation capability that can function independently of external radio infrastructure while meeting the accuracy and stability expectations of contemporary space missions.
کلیدواژه‌ها [English]
Position determination, Star sensor, Earth horizon sensor, Attitude determination, Data composition
مراجع

[1] Wang D, Xu T, Li M, Shi Y. Navigation performance analysis of Earth–Moon spacecraft using GNSS, INS, and star tracker. Satellite Navigation. 2024;5(1):16. DOI: 10.1186/s43020-024-00140-x

[2] Izadmehr M, Ghomi MK. An accuracy of better than 200 m in positioning using a portable star tracker. New Astronomy. 2020;74:101272. DOI: 10.1016/j.newast.2019.04.004

[3] Kühl CT. Combined earth-/star sensor for attitude and orbit determination of geostationary satellites. 2005.

DOI: not available . https://elib.uni-stuttgart.de/server/api/core/bitstreams/72e7f29f-e557-4702-a898-15d49a34116f/content

[4] De Almeida Martins F, Carrara V, d’Amore R. Positionless Attitude Estimation with Integrated Star and Horizon Sensors. IEEE Access. 2023;12:2340-8. DOI: 10.1109/ACCESS.2023.3348077

[5] Critchley-Marrows JJ, Wu X, Cairns IH. An architecture for a visual-based PNT alternative. Acta Astronautica. 2023;210:601-9. DOI: 10.1016/j.actaastro.2023.05.022

[6] Hyndman C. Using Star Trackers to Improve Space Situational Awareness. 2024. DOI: 10.15142/drn1-qw73

[7] Marin M, Bang H. Design and simulation of a high-speed star tracker for direct optical feedback control in ADCS. Sensors. 2020;20(8):2388. DOI: 10.3390/s20082388

[8] Braun B, Barf J. Image processing based horizon sensor for estimating the orientation of sounding rockets, launch vehicles and spacecraft. CEAS Space Journal. 2023;15(3):509-33. DOI: 10.1007/s12567-022-00461-0

[9] Pedrotty S, Lovelace R, Christian J, Renshaw D, Quintero G, editors. Design and performance of an open-source star tracker algorithm on commercial off-the-shelf cameras and computers. Annual AAS Guidance, Navigation and Control Conference; 2020. DOI: not available. https://ntrs.nasa.gov/api/citations/20200001376/downloads/20200001376.pdf

[10] Kim H-S, Hong J-H, Park W-s, Ryoo C-K, editors. Satellite celestial navigation using star-tracker and earth sensor. 2015 15th International Conference on Control, Automation and Systems (ICCAS); 2015: IEEE.

DOI: 10.1109/ICCAS.2015.7364961

[11] Koßack V, Erdmann T, Grau S. Small Satellite Attitude Verification Using Multispectral Imagery of Moon and Earth Horizon Constellation. 2024. DOI: 10.52202/078368-0019

[12] Colagrossi A, Lavagna M, Bertacin R. An effective sensor architecture for full-attitude determination in the hermes nano-satellites. Sensors. 2023;23(5):2393. DOI: 10.3390/s23052393

[13] Gordon C. Quaternion Representation of 3D Orientation and Rotation for Sensor Fusion Applications. Accedido; 2021. DOI: not available. https://bpb-us-e1.wpmucdn.com/sites.tufts.edu/dist/e/1115/files/2021/05/Gordon_QuaternionRepresentation.pdf

[14] Thrasher AC, Christian J, Inman R, Pecourt R, Lovelace R, Russell-McCorkle B, editors. Optical Deep-Space Instrument for Navigation (ODIN). 4th Space Imaging Workshop; 2024. DOI: not available. https://ntrs.nasa.gov/citations/20240012072

[15] Pauly L, Rharbaoui W, Shneider C, Rathinam A, Gaudilliere V, Aouada D. A survey on deep learning-based monocular spacecraft pose estimation: Current state, limitations and prospects. Acta Astronautica. 2023;212:339-60. DOI: 10.1016/j.actaastro.2023.08.001

[16] Wang Z, Li Z, Wang N, Hoque M, Wang L, Li R, et al. Real-time precise orbit determination for LEO between kinematic and reduced-dynamic with ambiguity resolution. Aerospace. 2022;9(1):25. DOI: 10.3390/aerospace9010025

[17] Zhou W, Wang Z, Li L, Liu B, Wu Y. LDFNN: A lightweight dual-feedback neural network for space target component detection. Advances in Space Research. 2025;75(7):5702-17. DOI: 10.1016/j.asr.2025.01.052

[18] Liu B, Yang Y, Chen H. A lightweight convolutional neural network super-resolution method to improve the quality of target image in space measurement tasks. Measurement. 2025;242:116242.

DOI: 10.1016/j.measurement.2024.116242

[19] Rodriguez Tersa J. Simulation of the ADCS subsystem for a VLEO satellite: Universitat Politècnica de Catalunya; 2023. DOI: not available. https://upcommons.upc.edu/entities/publication/2d415cd3-2def-4fc6-83c8-8a31c0ebe4c1

[20] Clark R, Fu Y, Dave S, Lee R. Simulation of RSO images for space situation awareness (SSA) using parallel processing. Sensors. 2021;21(23):7868. DOI: 10.3390/s21237868

[21] Hayek S, Saroufim J, Kassas Z, editors. Ephemeris error correction for tracking non-cooperative LEO satellites with pseudorange measurements. Proceedings of IEEE Aerospace Conference; 2024.

DOI: 10.1109/AERO58975.2024.10521364

[22] Song C, Geng S, Chen L, An X, Ma H. Calculating global navigation satellite system satellite velocities and accelerations by utilizing the orbit fitting and orbit integration methods. Remote Sensing. 2024;16(13):2366. DOI: 10.3390/rs16132366

[23] Koenig AW, Kruger J, Sullivan J, D'Amico S, editors. ARTMS: enabling autonomous distributed angles-only orbit estimation for spacecraft swarms. 2021 American Control Conference (ACC); 2021: IEEE.

DOI: 10.23919/ACC50511.2021.9483242

[24] Del Prete R, Renga A. A novel visual-based terrain relative navigation system for planetary applications based on mask R-CNN and projective invariants. Aerotecnica Missili & Spazio. 2022;101(4):335-49.

DOI: 10.1007/s42496-022-00139-0

[25] Sullivan J, Lovell TA, D’Amico S, editors. Angles-only navigation for autonomous on-orbit space situational awareness applications. AAS/AIAA Astrodynamics Specialist Conference, Snowbird, UT; 2018.

DOI: not available. https://slab.sites.stanford.edu/sites/g/files/sbiybj25201/files/media/file/asm_2018_paper_sullivandamico.pdf

[26] Sang P, Liu W, Cao Y, Xue H, Li B. Research on Precise Attitude Measurement Technology for Satellite Extension Booms Based on the Star Tracker. Sensors. 2024;24(20):6671. DOI: 10.3390/s24206671

[27] Schwab D, Winternitz W, Grabowski J. Angles-Only Initial Orbit Determination via Multivariate Gaussian Process Regression. Electronics. 2022;11(4):588. DOI: 10.3390/electronics11040588

[28] Deng R, Tang Z, Wang H. Non-Cooperative LEO Satellite Orbit Determination Using Single Station for Space-Based Opportunistic Positioning. Remote Sensing. 2024;16(5):912. DOI: 10.3390/rs16050912

[29] Yanfang L, Rui Z, Desong D, Shuqing C, Naiming Q. Feature-aided pose estimation approach based on variational auto-encoder structure for spacecrafts. Chinese Journal of Aeronautics. 2024;37(8):329-41.

DOI: 10.1016/j.cja.2024.03.017

[30] Bürger KC, Fialho FdO, Aykroyd CR. Embedded Star Catalog Calculation Tool for Autonomous Star Trackers. Publications of the Astronomical Society of the Pacific. 2024;136(10):104502. DOI: 10.1088/1538-3873/ad7f86

[31] Dave S, Clark R, Lee RS. Rsonet: An image-processing framework for a dual-purpose star tracker as an opportunistic space surveillance sensor. Sensors. 2022;22(15):5688. DOI: 10.3390/s22155688

[32] Wang A, Gu D, Huang Z, Liu C, Shao K, Tong L. GRACE-FO attitude determination: Star camera installation matrix calibration and incremental quaternion integrator. Acta Astronautica. 2024;219:774-84.

DOI: 10.1016/j.actaastro.2024.03.073

[33] Cain SC, Lichter MJ, editors. Earth/Moon System Star Tracking Sensor for Improved Deep Space Laser Communications. AIAA SCITECH 2023 Forum; 2023. DOI: 10.2514/6.2023-2415

[34] Schulz VH, Marcelino GM, Seman LO, Santos Barros J, Kim S, Cho M, et al. Universal verification platform and star simulator for fast star tracker design. Sensors. 2021;21(3):907. DOI: 10.3390/s21030907

[35] Wu W, Jin Z, Wang C. Satellite position and attitude estimation using an infrared earth sensor. Infrared Physics & Technology. 2024;141:105381. DOI: 10.1016/j.infrared.2024.105381

[36] Agarwal S, Hervas-Martin E, Byrne J, Dunne A, Luis Espinosa-Aranda J, Rijlaarsdam D. An evaluation of low-cost vision processors for efficient star identification. Sensors. 2020;20(21):6250. DOI: 10.3390/s20216250

[37] Wang B, Wang H, Jin Z. An efficient algorithm for infrared earth sensor with a large field of view. Sensors. 2022;22(23):9409. DOI: 10.3390/s22239409

[38] Zhang Z, Zhang G, Cao J, Li C, Chen W, Ning X, et al., editors. Overview on space-based optical orbit determination method employed for space situational awareness: From theory to application. Photonics; 2024: MDPI.

DOI: 10.3390/photonics11070610

[39] Miller S, Adams C, Alem N, Cannon H, Grashuis R, Hendriks T, et al. Starling cubesat swarm technology demonstration flight results. 2024. DOI: 10.26077/6h4f-r354

[40] Wang B, Chen Y, Wang Y, Dong Y, Wu J. An Efficient Algorithm for Infrared Earth Sensor with a Weighted Total Least Squares Horizon Line Model. Sensors. 2022;22(23):9409. DOI: 10.3390/s22239409

[41] Christian JA. A Tutorial on Horizon-Based Optical Navigation Using Images of a Planet or Moon. 2021. In: arXiv preprint (tutorial slides / notes) [Internet]. DOI: not available.  

[42] Zi W, Jinghao W, Jiyang Y, Zhang L, Qifeng Y. High-accuracy real-time satellite pose estimation for in-orbit applications. Chinese Journal of Aeronautics. 2025:103458. DOI: 10.1016/j.cja.2025.103458

[43] Zafar S, Ibrahim H, Khurshid K, editors. Earth horizon sensor for attitude determination of LEO satellites. 2019 Second International Conference on Latest trends in Electrical Engineering and Computing Technologies (INTELLECT); 2019: IEEE. DOI: 10.1109/INTELLECT47034.2019.8955456

[44] Deng H, Wang H, Liu Y, Jin Z. Short-Arc Horizon-Based Optical Navigation by Total Least-Squares Estimation. Aerospace. 2023;10(4):371. DOI: 10.3390/aerospace10040371

[45] Nguyen T. Attitude determination using infrared earth horizon sensors. 2014. DOI: not available. https://digitalcommons.usu.edu/cgi/viewcontent.cgi?article=3096&context=smallsat

[46] Nguyen T, Cahoy K, Marinan A. Attitude determination for small satellites with infrared earth horizon sensors. Journal of Spacecraft and Rockets. 2018;55(6):1466-75. DOI: 10.2514/1.A34010

[47] Yu Y, Wang Z, Li Z, Yu Q. A comprehensive study on PnP-based pipeline for pose estimation of noncooperative satellite. Acta Astronautica. 2024;224:486-96. DOI: 10.1016/j.actaastro.2024.08.027

[48] Bechini M, Lavagna M. Robust and efficient single-CNN-based spacecraft relative pose estimation from monocular images. Acta Astronautica. 2025. DOI: 10.1016/j.actaastro.2025.04.016

[49] Rathinam A, Qadadri H, Aouada D, editors. Spades: A realistic spacecraft pose estimation dataset using event sensing. 2024 IEEE International Conference on Robotics and Automation (ICRA); 2024: IEEE.

DOI: 10.1109/ICRA57147.2024.10611231

[50] Shimane Y, Weiss A, Berntorp K. Autonomous Horizon-Based Optical Navigation on Near-Rectilinear Halo Orbits. 2024. DOI: not available. https://seal.ae.gatech.edu/sites/default/files/2024-09/ShimaneYuri.pdf

[51] Shimane Y, Miraldo P, Berntorp K, Greiff M, Elango P, Weiss A. High-Fidelity Simulation of Horizon-Based Optical Navigation with Open-Source Software. 2023.

DOI: not available. https://www.merl.com/publications/docs/TR2023-128.pdf

[52] Balossi C, Piccolo F, Panicucci P, editors. Moon Limb-Based Autonomous Optical Navigation. AAS/AIAA Astrodynamics Specialist Conference; 2024. DOI: not available. https://re.public.polimi.it/retrieve/7a33bbed-ef02-4dd0-8f21-67e9f1f342e3/BALOC01-24.pdf

[53] Reed AW, Hashemi C, Melamed D, Menon N, Hirakawa K, McCloskey S, editors. EBS-EKF: Accurate and High Frequency Event-based Star Tracking. Proceedings of the Computer Vision and Pattern Recognition Conference; 2025.

DOI: 10.1109/CVPR52734.2025.00610

[54] Chen S, Yang W, Wang W, Mai J, Liang J, Zhang X. Spacecraft Homography Pose Estimation with Single-Stage Deep Convolutional Neural Network. Sensors. 2024;24(6):1828. DOI: 10.3390/s24061828

[55] Christian JA. Initial orbit determination from only heading measurements. Journal of Spacecraft and Rockets. 2023;60(4):1169-75. DOI: 10.2514/1.A35593

آمار
تعداد مشاهده مقاله: 52
تعداد دریافت فایل اصل مقاله: 52


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب