THE METHOD OF STATISTICAL EVALUATION ERRORS IN OPTICAL AND GEOMETRIC DATA FOR INFORMATION PROCESSING AND ANALYSIS SPACE ASSETS

Cover Page

Cite item

Full Text

Abstract

Background. The paper raises the problem of reducing the statistical error in the formation of projection parameters of optoelectronic images of space objects using a three-dimensional opto-geometric model, since the use of existing methods for constructing such models is limited by the uncertainty of the angle of the space object and the size of its geometric primitives, which leads to alignment errors beyond the statistical error. Materials and methods. To overcome these limitations in the formation of image projection parameters, a variant of constructing a projective configuration based on the use of a mechanism for perceiving the depth of a scene when it is displayed on the image plane is proposed. Results. An algorithm for determining diffuse reflection coefficients has been developed based on a formal representation of the optical characteristics vectors of the structural elements of a space object and leading to a reduction in uncertainty when dividing surfaces into equivalence classes according to the diffuse reflection coefficient. Conclusions. The fundamental difference between the proposed approach is a qualitatively different instrumental support for determining diffuse reflection coefficients by analyzing the topology of the structural elements of a space object.

About the authors

Roman O. Lavrov

Mozhaisky Military Aerospace Academy

Author for correspondence.
Email: vka@mil.ru

Candidate of technical sciences, associate professor, deputy head of the sub-department of metrological support of armaments, military and special equipment

(13 Zhdanovskaya street, Saint Petersburg, Russia)

Igor V. Chashin

Mozhaisky Military Aerospace Academy

Email: vka@mil.ru

Candidate of technical sciences, lecturer of the sub-department of metrological support of armaments, military and special equipment

(13 Zhdanovskaya street, Saint Petersburg, Russia)

Anna Yu. Ivanyu

Mozhaisky Military Aerospace Academy

Email: vka@mil.ru

Candidate of technical sciences, head of the educational laboratory of the sub-department of metrological support of armaments, military and special equipment

(13 Zhdanovskaya street, Saint Petersburg, Russia)

Anton V. Ivanyu

Mozhaisky Military Aerospace Academy

Email: vka@mil.ru

Head of the course

(13 Zhdanovskaya street, Saint Petersburg, Russia)

References

  1. Nazarenko A.I. Modelirovanie kosmicheskogo musora = Space debris modeling. Moscow: IKI RAN, 2013:216. (In Russ)
  2. Akhmetyanov V.R., Lutov I.O., Oleinikov M.I. Methods of reducing the uncertainty of the initial data of optical and geometric modeling of space objects. Aviakosmicheskoe priborostroenie = Aerospace instrumentation. 2017;(10):19–27. (In Russ)
  3. Sidenko L.A. Kompʹyuternaya grafika i geometricheskoe modelirovanie: ucheb. posobie = Computer graphics and geometric modeling: textbook. stipend. Saint Petersburg: Piter, 2009:224. (In Russ)
  4. Chatterjee S., Simonoff S.J. Handbook of regression analysis. John Wiley & Sons, 2013:218.
  5. The Hubble Space Telescope. Mezhdunarodnyj nauchnyj server = International Science Server. (In Russ). Available at: http://Scientific.ru (accessed 15.05.2025).
  6. Lu X.-P., Jewitt D. Dependence of light curves on phase angle and asteroid shape. Astronomical Journal. 2019:1–2.
  7. Fukunaga K. Vvedenie v statisticheskuyu teoriyu raspoznavaniya obrazov: per. s angl = Introduction to the statistical theory of pattern recognition: transl. from English. Moscow: Nauka, 1979:368. (In Russ)
  8. Gorelik A.L., Skripkin V.A. Metody raspoznavaniya. 2-e izd = Recognition methods. 2nd ed. Moscow: Vyssh. shk. 1984:219. (In Russ)
  9. Fu K. Strukturnye metody raspoznavaniya obrazov: per. s angl. = Structural methods of pattern recognition: trans. from English. Moscow: Mir, 1977:318. (In Russ)
  10. Kalinina N.D., Kurov A.V. Analysis of image recognition and search methods in satellite images. Vestnik MGTU im. N.E. Baumana. Ser. «Priborostroenie» = Bulletin of the Bauman Moscow State Technical University. Ser. "Instrumentation". 2012;(1): 174–188. (In Russ)
  11. Golub G.H., Van Loan C.F. Matrix Computations. Fourth edition. Johns Hopkins University Press, 2013:89–90.
  12. Gallozzi S., Paris D., Scardia M., Dubois D. Concerns about ground-based astronomical observations: quantifying satellites constellations damages [astro-ph.IM]. 2020:2.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a 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».