Автономное потоковое детектирование космических объектов на базе удалённой оптической системы

Привычные методы обработки стационарных изображений обеспечивают устойчивую результативность как в области астрометрии объектов глубокого космоса, так и в прикладных задачах определения параметров орбит искусственных спутников. Но быстродействие вычислительной архитектуры и функции малых оптических систем стремительно развиваются, что способствует возможности использования динамического видеопотока в приложении детектирования и инициализации космических объектов. Цель данной работы – автоматизировать процесс обнаружения и обработки данных оптических измерений космических объектов при мониторинге околоземного пространства и численных методах определения орбит.

В работе предлагается реализация малобюджетной автономной оптической системы детектирования космических объектов с элементами удалённого управления. Аппаратное и программное исполнение реализовано и протестировано в формате встраиваемой программной системы на базе Linux-ядра одноплатного компьютера Raspberry Pi и модульной камеры. В лабораторных условиях проведено макетное моделирование траектории движения спутника для предварительной оценки эффективности работы скомпилированных алгоритмических модулей библиотеки компьютерного зрения OpenCV.

На основании результатов моделирования выполнено экспериментальное динамическое обнаружение международной космической станции в режиме реального времени из точки наблюдения с координатами 25°41′49″ в.д. 53°52′36″ с.ш. в промежутке 00:54:00–00:54:30 17.07.2021 (UTC + 03:00). Продемонстрирован результат обработки видеосъёмки пролёта в виде массива координат центроида международной космической станции в плоскости изображения с временными метками периодичностью 0,2 с.

Такой подход обеспечивает автономное извлечение предварительных данных с последующей их конвертацией в угловые координаты космического объекта для численных методов начального определения его орбиты.

1. Walker C., Hall J. (eds.) Impact of Satellite Constellations on Optical Astronomy and Recommendations Toward Mitigations. [Electronic resource]: https://web. archive.org/web/20201129021356/https://aas.org/sites/default/files/2020-08/SATCON1-Report.pdf (accessed: 30.09.2021).

2. Gallozzi S., Scardia M., Roma M.M., Brera I.A., Trieste I. Concerns about ground based astronomical observations: a step to safeguard the astronomical sky. arXiv: Instrumentation and Methods for Astrophysics, 2020, 16 p.

3. Villela T., Costa C.A., Brandão A.M., Bueno F.T., Leonardi R. Towards the Thousandth CubeSat: A Statistical Overview. International Journal of Aerospace Engineering, 2019, vol. 2019, pp. 1–13. DOI: 10.1155/2019/5063145

4. Satellite Box Score. Orbital Debris Quarterly News. NASA, 2021, vol. 25, no. 3, 12 p.

5. Shakun L., Koshkin N., Korobeynikova E., Kozhukhov D., Kozhukhov O., Strakhova S. Comparative analysis of global optical observability of satellites in LEO. Advances in Space Research, 2020, vol. 67(1), pp. 1743–1760. DOI: 10.1016/j.asr.2020.12.021

6. Woods D.F., Shah R.Y., Johnson J.A., Szabo A., Pearce E.C., Lambour R.L., Faccenda W.J. Space Surveillance Telescope: focus and alignment of a three mirror telescope. Optical Engineering, 2013, vol. 52, no. 5, pp. 053604-1– 053604-11. DOI: 10.1117/1.OE.52.5.053604

7. Masias M., Freixenet J., Lladó X., Peracaula M. A review of source detection approaches in astronomical images. Monthly Notices of the Royal Astronomical Society, 2012, vol. 422, iss. 2, pp. 1674–1689. DOI: 10.1111/j.1365-2966.2012.20742.x

8. Schildknecht T., Hinze A., Schlatter P., Silha J., Peltonen J., Säntti T., Flohrer T. Improved Space Object Observation Techniques using CMOS Detectors. Proceedings of 6th European Conference on Space Debris,Darmstadt, Germany, 2013.

9. Danescu R., Ciurte A., Turcu V. A Low Cost Automatic Detection and Ranging System for Space Surveillance in the Medium Earth Orbit Region and Beyond. Sensors, 2014, vol. 14, no. 2, pp. 2703–2731. DOI: 10.3390/s140202703

10. Vallado D. Fundamentals of Astrodynamics and Applications. Hawthorne: Microcosm Press, 2013, 1106 p.

11. Spiridonov A.A., Saetchnikov V.A., Ushakov D.V., Cherny V.E., Kezik A.G. Small Satellite Orbit Determination Methods Based on the Doppler Measurements by Belarusian State University Ground Station. IEEE Journal on Miniaturization for Air and Space Systems, 2021, vol. 2, no. 2, pp. 59–66. DOI: 10.1109/JMASS.2020.3047456

12. Bonnarel F., Fernique P., Bienaymé O., Egret D., Genova F., Louys M., Ochsenbein F., Wenger M., Bartlett J.G. The ALADIN interactive sky atlas – A reference tool for identification of astronomical sources. Astron. Astrophys. Suppl. Ser., 2000, vol. 143(1), pp. 33–40. DOI: 10.1051/aas:2000331

13. Yonghui Xu, Zhang Jihui. Real-time Detection Algorithm for Small Space Targets Based on Max-median Filter. The Journal of Information and Computational Science, 2014, no. 11, pp. 1047–1055. DOI: 10.12733/JICS20102961

14. Zhang Xueyang, Xiang Junhua, Zhang Yulin. Space Object Detection in Video Satellite Images Using Motion Information. International Journal of Aerospace Engineering, 2017, vol. 2017, 9 p. DOI: 10.1155/2017/1024529

15. Francesco Diprima, Santoni Fabio, Piergentili Fabrizio, Fortunato Vito, Abbattista Cristoforo, Amoruso Leonardo, Cardona T. An efficient and automatic debris detection framework based on GPU technology, 2017. [Electronic resource]: https://api.semanticscholar.org/CorpusID:55225562 (accessed: 26.09.2021).

16. Marc Masias Moyset. Automatic source detection inastronomicalimages, 2014. Corpus ID: 129994570. [Electronic resource]: https://www.semanticscholar.org/paper/Automatic-source-detection-in-astronomical-images-Moyset/cc5ab6eab73284687713782dfdaa377ac777b9b9 (accessed: 26.09.2021).

17. Cookbook Raspberry Pi, Monk Simon, Media O’Reilly. Inc. 1005 Gravenstein Highway North, Sebastopol, 2016, CA 95472.

18. Beroiz M., Cabral J.B., Sanchez B. Astroalign: A Python module for astronomical image registration. Astronomy and Computing, 2020, vol. 32, p. 100384. DOI: 10.1016/j.ascom.2020.100384

19. Pulli Kari, Baksheev Anatoly, Kornyakov Kirill, Eruhimov Victor. Real-Time Computer Vision with OpenCV. Communications of the ACM, 2012, vol. 55, no. 6, pp. 61–69. DOI: 10.1145/2184319.2184337

20. Singh P., Deepak B.B.V.L., Sethi T., Murthy M.D.P. Real-time object detection and Tracking using color feature and motion. International Conference on Communications and Signal Processing (ICCSP), 2015, pp. 1236–1241. DOI: 10.1109/ICCSP.2015.7322705

21. Zhu H.J., Han B.C., Qiu B. Survey of Astronomical Image Processing Methods. In: Zhang YJ. (eds). Image and Graphics. Lecture Notes in Computer Science, Springer, Cham, 2015, vol. 9219, pp. 420–429. DOI: 10.1007/978-3-319-21969-1_37

22. Zou Y., Zhao J., Wu Y., Wang B. Segmenting Star Images with Complex Backgrounds Based on Correlation between Objects and 1D Gaussian Morphology. Appl. Sci., 2021, vol. 11(9), p. 3763. DOI: 10.3390/app11093763