Evaluation of triangle based star identification algorithms under controlled sky image simulations

Abstract

This thesis investigates the performance of two triangle based star sensor algorithms within a controlled simulation environment, namely the Liebe triangle algorithm and the planar triangle algorithm. Star recognition algorithms play a critical role in satellite operations due to the increasing demands on pointing accuracy and the fundamental importance of reliable attitude determination. As new star recognition algorithms are continuously proposed in scientific literature, often introducing novel ideas and variations, assessing their true effectiveness remains challenging. Performance comparisons are frequently hindered by differing simulation conditions, test setups, and evaluation criteria, making it difficult to determine which algorithms or algorithmic components are genuinely effective and how they compare against alternative approaches.

The primary objective of this thesis is to perform a detailed comparison of two selected algorithms by developing a controlled and configurable simulation environment that enables a fair and systematic evaluation. The simulation framework models the behavior of a star sensor and the visible night sky to generate synthetic star images, incorporating adjustable parameters such as camera characteristics, field of view, positional noise, and the presence of false stars. These simulated images serve as input for the implemented algorithms, allowing their performance to be analyzed under varying conditions and configurations.

Comparative results are obtained from multiple simulation runs in which both algorithms are evaluated using identical initial parameters to ensure consistency and fairness. The results highlight the overall performance of each algorithm and provide insight into which internal components contribute most effectively to successful star recognition. The study demonstrates that a controlled testing environment enables meaningful algorithm comparison, and the results indicate that the Liebe triangle algorithm performs significantly more robustly than the planar triangle algorithm, particularly in challenging scenarios.

Tässä diplomityössä tutkitaan kahden tähtisensorin tähtientunnistusalgoritmin suorituskykyä kontrolloidussa simulaatioympäristössä. Tutkittavat algoritmit ovat Lieben kolmioalgoritmi sekä planar triangle -algoritmi. Tähtientunnistusalgoritmit ovat keskeisessä roolissa satelliittien toiminnassa kasvavien suuntaustarkkuusvaatimusten sekä luotettavan asennonmäärityksen merkityksen vuoksi. Tieteellisessä kirjallisuudessa julkaistaan jatkuvasti uusia tähtientunnistusalgoritmeja sekä niiden uusia variaatioita, lähes aina poikkeavissa simulaatio olosuhteissa. Tästä johtuen eri menetelmien välisen suorituskyvyn ja todellisen tehokkuuden vertailukelpoinen arviointi on osoittautunut haastavaksi. Algoritmien suorituskyvyn vertailua vaikeuttavat usein toisistaan poikkeavat simulaatio-olosuhteet, testausasetelmat ja arviointikriteerit, mikä tekee erilaisten ratkaisujen ja yksittäisten algoritmin osien keskinäisestä vertailusta vaikeaa.

Tämän työn päätavoitteena on suorittaa kahden valitun algoritmin yksityiskohtainen vertailu kehittämällä kontrolloitu ja muunneltava simulaatioympäristö, joka mahdollistaa reilun ja systemaattisen arvioinnin. Simulaatioympäristö mallintaa tähtisensorin toimintaa ja näkyvää yötaivasta tuottaen synteettisiä tähtikuvia, joissa voidaan muuttaa muun muassa kameran ominaisuuksia, näkökenttää, sekä hallita kohinaa, näkyvien tähtien sekä väärien tähtien määrää. Näitä simuloituja tähtikuvia käytetään toteutettujen algoritmien syötteinä, mikä mahdollistaa niiden suorituskyvyn analysoinnin erilaisissa olosuhteissa ja konfiguraatioissa.

Vertailudata on kerätty useista simulaatioajoista, joissa molemmat algoritmit arvioidaan identtisillä alkuparametreilla vertailun johdonmukaisuuden ja reiluuden varmistamiseksi. Tulokset havainnollistavat algoritmien kokonaisvaltaista suorituskykyä ja tarjoavat tietoa siitä, mitkä sisäiset algoritmikomponentit vaikuttavat tehokkaimmin onnistuneeseen tähtientunnistukseen. Tutkimus osoittaa, että kontrolloitu testausympäristö mahdollistaa mielekkään algoritmien välisen vertailun, ja tulosten perusteella Lieben kolmioalgoritmi suoriutuu selvästi paremmin kuin planar triangle -algoritmi erityisesti haastavissa tilanteissa.