СПОСОБ ОЦЕНИВАНИЯ СТАТИСТИЧЕСКОЙ ПОГРЕШНОСТИ ОПТИКО-ГЕОМЕТРИЧЕСКИХ ДАННЫХ ДЛЯ ОБРАБОТКИ И АНАЛИЗА ИНФОРМАЦИИ КОСМИЧЕСКИХ СРЕДСТВ

Обложка

Цитировать

Полный текст

Аннотация

Актуальность и цели. Поднимается проблема снижения статистической погрешности при формировании параметров проецирования оптико-электронных изображений космических объектов с использованием трехмерной оптико-геометрической модели, поскольку применение существующих методов построения таких моделей ограничивается неопределенностью ракурса космического объекта и размеров его геометрических примитивов, что приводит к ошибкам совмещения, выходящим за пределы статистической погрешности. Материалы и методы. Для преодоления указанных ограничений при формировании параметров проецирования изображений предлагается вариант построения проективной конфигурации, основанный на использовании механизма восприятия глубины сцены при ее отображении на плоскость изображения. Результаты. Разработан алгоритм определения коэффициентов диффузного отражения, основанный на формальном представлении векторов оптических характеристик элементов конструкции космического объекта и приводящий к снижению неопределенности при разбиении поверхностей на классы эквивалентности по коэффициенту диффузного отражения. Выводы. Принципиальное отличие предлагаемого подхода заключается в качественно иной инструментальной поддержке определения коэффициентов диффузного отражения за счет анализа топологии элементов конструкции космического объекта.

Об авторах

Роман Олегович Лавров

Военно-космическая академия имени А. Ф. Можайского

Автор, ответственный за переписку.
Email: vka@mil.ru

кандидат технических наук, доцент, заместитель начальника кафедры метрологического обеспечения вооружения, военной и специальной техники

(Россия, г. Санкт-Петербург, ул. Ждановская, 13)

Игорь Вячеславович Чащин

Военно-космическая академия имени А. Ф. Можайского

Email: vka@mil.ru

кандидат технических наук, преподаватель кафедры метрологического обеспечения вооружения, военной и специальной техники

(Россия, г. Санкт-Петербург, ул. Ждановская, 13)

Анна Юрьевна Иваню

Военно-космическая академия имени А. Ф. Можайского

Email: vka@mil.ru

кандидат технических наук, начальник учебной лаборатории кафедры метрологического обеспечения вооружения, военной и специальной техники

(Россия, г. Санкт-Петербург, ул. Ждановская, 13)

Антон Валерьевич Иваню

Военно-космическая академия имени А. Ф. Можайского

Email: vka@mil.ru

начальник курса

(Россия, г. Санкт-Петербург, ул. Ждановская, 13)

Список литературы

  1. Назаренко А. И. Моделирование космического мусора. М. : ИКИ РАН, 2013. 216 с. (Серия «Механика, управление и информатика»).
  2. Ахметьянов В. Р., Лутов И. О., Олейников М. И. Методы снижения неопределенности исходных данных оптико-геометрического моделирования космических объектов // Авиакосмическое приборостроение. 2017. № 10. С. 19–27.
  3. Сиденко Л. А. Компьютерная графика и геометрическое моделирование : учеб. пособие. СПб. : Питер, 2009. 224 с.
  4. Chatterjee S., Simonoff S. J. Handbook of regression analysis. John Wiley & Sons, 2013. 218 p.
  5. Космический телескоп «Хаббла» // Международный научный сервер. URL: http://Scientific.ru (дата обращения: 15.05.2025).
  6. Lu X.-P., Jewitt D. Dependence of light curves on phase angle and asteroid shape // Astronomical Journal. 2019. Dec. P. 1–2.
  7. Фукунага К. Введение в статистическую теорию распознавания образов : пер. с англ. М. : Наука, 1979. 368 с.
  8. Горелик А. Л., Скрипкин В. А. Методы распознавания. 2-е изд. М. : Высш. шк., 1984. 219 с.
  9. Фу К. Структурные методы распознавания образов : пер. с англ. М. : Мир, 1977. 318 с.
  10. Калинина Н. Д., Куров А. В. Анализ методов распознавания и поиска образов на космических снимках // Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборострое- ние». 2012. № 1. С. 174–188.
  11. Golub G. H., Van Loan C. F. Matrix Computations. Fourth edition. Johns Hopkins University Press, 2013. P. 89–90.
  12. Gallozzi S., Paris D., Scardia M., Dubois D. Concerns about ground-based astronomical observations: quantifying satellites constellations damages [astro-ph.IM]. 2020. P. 2.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».