Image-based celestial localization for GNSS-denied environments

Reliable localization is essential for autonomous systems, but the Global Navigation Satellite Systems (GNSS) commonly used to provide it can be unavailable, jammed, or spoofed. This thesis studies celestial localization as a passive, infrastructure-free alternative that estimates the geographic position of an Earth-based observer from one or more images of the night sky. A complete vision-based pipeline is developed: it detects the stars in an image, identifies them through astrometric calibration, and converts their measured directions, referenced to the gravity vertical provided by an inertial unit, into the observer latitude and longitude. A synthetic star-field simulator is also built to generate images with known ground truth for developing and characterizing the method. On synthetic data spanning the whole sky and the entire Earth, the pipeline reaches sub-kilometer accuracy, with the error governed by the camera pixel scale and the camera attitude identified as the dominant sensitivity. On real images, acquired with a camera and inertial unit and compared against a GNSS reference, the method works end-to-end, its accuracy limited in practice by the camera and attitude calibration rather than by the geometry. These results show that vision-based celestial localization is feasible with commodity hardware and offers a globally available, passive source of absolute position for GNSS-denied scenarios.

Una localizzazione affidabile è essenziale per i sistemi autonomi, ma i sistemi globali di navigazione satellitare (GNSS) comunemente usati per fornirla possono essere non disponibili, soggetti a jamming o a spoofing. Questa tesi studia la localizzazione celeste come alternativa passiva e indipendente da infrastrutture, che stima la posizione geografica di un osservatore terrestre a partire da una o più immagini del cielo notturno. Viene sviluppata una pipeline completa basata su computer vision: rileva le stelle in un'immagine, le identifica tramite calibrazione astrometrica e ne converte le direzioni misurate nella latitudine e longitudine dell'osservatore, prendendo come riferimento la verticale di gravità fornita da un'unità inerziale. Viene inoltre realizzato un simulatore sintetico di campi stellari per generare immagini con ground truth nota, su cui sviluppare e caratterizzare il metodo. Su dati sintetici che coprono l'intero cielo e l'intera Terra, la pipeline raggiunge un'accuratezza sub-chilometrica, con l'errore governato dalla pixel scale della camera e l'assetto della camera identificato come la sensibilità dominante. Su immagini reali, acquisite con una camera e un'unità inerziale e confrontate con un riferimento GNSS, il metodo funziona end-to-end, con l'accuratezza limitata in pratica dalla calibrazione della camera e dell'assetto piuttosto che dalla geometria. Questi risultati mostrano che la localizzazione celeste basata su computer vision è realizzabile con hardware comune e offre una fonte di posizione assoluta, passiva e disponibile a livello globale, per scenari GNSS-denied.