픽셀 불균일 보정을 통한 별추적기 자세정확도 개선 :Research of star tracker attitude accuracy improvement through pixel non-uniformity correction

김상일

추천

검색

자료유형: 학위논문

저자정보: 김상일 (충남대학교, 忠南大學校大學院)

지도교수: 황동환

발행연도: 2015

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2015

Pixel 불균일 보정을 통한 APS 기반 별추적기 자세 정확도 개선 방안 연구

김상일 , 황동환 제어로봇시스템학회 국내학술대회 논문집 2015.05 학술대회자료

픽셀 불균일 보정을 통한 별추적기 자세정확도 개선

김상일 전자전파정보통신공학과 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Star Tracker provides measurement of three axes attitude information of a spacecraft from star imaging. Therefore, pixel uniformity correction of the Detector to find exact center point of the star image becomes an important factor in the performance of star tracker. Pixel uniformity correction refers to the compensation for White Spot, DSNU(Dark Signal Non-Uniformity), PRNU(Pixel Response Non-Uniformity), common method is to use methods for pixel linearity measurements. In the case of pixel linearity measurements method, it is necessary to have a memory of the same size as the pixel number of sensor and it has to be regularly rewarded for characteristics of the sensor to change with the passage of time. If the proposed ROI tracking correction method is used in the star tracker noise correction algorithm , DSNU and white spot can be corrected in realtime and use of memory can be reduced.

1. 서론 1
1.1. 연구의 배경 1
1.2. 연구 동향 2
1.3. 논문의 구성 3
2. 별추적기 자세결정 원리 5
2.1. 별 벡터 측정 방법 6
2.2. 별 카탈로그에 정의된 별 벡터 찾는 방법 8
2.3. 자세 결정 방법 9
3. 별추적기 자세 오차 요인 11
3.1. 광학계정렬 문제 12
3.2. 센서의 기하보정 문제 13
3.3. FOV(Field of View)결정 문제 14
3.4. 광행차 보상 문제 14
3.5. SEU(Single Event Upset) 패턴에 의한 오차 15
4. 픽셀 불균일 보정 17
4.1. 픽셀 불균일 17
4.1.1. 랜덤 노이즈 17
4.1.2. 고정 패턴 노이즈 18
4.1.3. 결함 18
4.2. 픽셀 불균일이 별추적기에 미치는 영향 19
4.3. 픽셀 분균일 보정 방법 22
4.3.1. 일반적인 보정 방법 22
4.3.2. 관심영역 추적을 통한 보정 방법 24
5. 시험 31
5.1. 시험 장비 31
5.2. 시험 구성 32
5.3. 시험 결과 33
5.3.1. 야외 촬영 이미지 33
5.3.2. 노이즈 보정 패턴 35
5.3.3. 등성별 Rate Stabilization 36
5.3.4. 등성별 별추적기 정확도 47
6. 결 론 48
참고문헌 49
ABSTRACT 51

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)