基于Kmeans聚类的CSI室内定位

多径效应导致基于接收信号强度指示(RSSI)的室内定位精度不高,采用高细粒度的物理层信道状态信息(CSI)可以更好地描述室内多径环境,提高基于指纹的室内定位的精度。利用聚类算法提取CSI,提高了不同位置之间指纹的区分性。在定位阶段采用一种简单有效的方法进行类的匹配。实验结果表明,在使用单个信标的情况下,定位精度较以往算法提高了24%。     

基于Wi-Vi指纹的智能手机室内定位方法

室内定位是近些年国内外研究的热点, 但是目前的室内定位技术在适用性、稳定性和推广性方面仍然存在诸多问题.针对目前室内定位技术的不足, 面向公共室内场景的人员自定位问题, 本文创新性地提出以室内广泛存在、均匀分布的消防安全出口标志为路标(Landmark), 提出以Wi-Vi指纹-WiFi与视觉(Vision)信息相融合的指纹, 为位置表征的多尺度定位方法.该方法首先利用室内广泛存在的WiFi无线信号进行粗定位, 缩小定位范围; 然后在WiFi定位的基础上通过视觉全局和局部特征匹配实现图像级定位和验证; 最后参考消防安全出口标志的空间坐标精确计算用户的位置信息.实验中, 通过市面上流行的不同型号智能手机在12 000平米办公楼和4万平米商场分别进行实地定位测试.测试结果表明:该方法可以达到实时定位的要求, 图像级定位准确率均在97 %以上, 平均定位误差均在0.5米以下.本文所提出的基于Wi-Vi指纹智能手机定位方法为高精度室内定位问题建议了一种新的解决思路.     

基于CSI信号的被动式室内指纹定位算法研究

基于信道状态信息(CSI)的定位技术在室内场景应用中被广泛关注,为了提高WiFi信号多径效应对接收信号强度指示的室内定位精度和稳定性,提出一种基于CSI信号的被动式室内指纹定位算法.该算法在离线阶段将定位场所划分为同等大小的区域块,在各连接点位置使用方差补偿的自适应卡尔曼滤波(Kalman)算法对原始数据进行滤波.再对...     

基于RGB-D相机的室内移动机器人自定位方法

精准可靠的自定位是移动机器人实现多机协同、路径规划与控制决策等自主能力的基础。因此,室内服务机器人作为移动机器人的典型代表,要求能够实时进行自定位,并且有效地避开各种静态和动态障碍物。基于此,提出一种基于RGB-D相机的室内移动机器人自定位方法,该方法利用Hough变换对机器人建立的环境地图进行线特征提取,并建立环境模型误差查找表,将非结构化环境中的自定位问题转化为结构化环境中的自定位问题,然后利用匹配优化算法实现自定位。实验结果表明,采用所提出的方法,机器人能够实现室内环境下实时精确的自定位。     

基于稀疏表示的CSI室内定位方法

室内精确定位具有重要的应用价值.由于GPS等系统在室内受到多种因素影响无法提供精确定位,如何精确定位室内环境位置成为研究和应用的热点.通过分析无线设备的信道状态信息（CSI）可以实现无需携带设备的精准室内定位方法,并应用于多种情形下的位置追踪和感知.为了解决无线信号多径效应和噪声干扰对室内精确定位的影响,提出了基于稀疏表示的CSI室内定位方法.利用CSI提供的频率分集和多天线提供的空间分集,有效地减轻了多径效应的影响.在此基础上,通过稀疏表示方法进行了一定程度上的指纹噪声消除,提高了算法的鲁棒性和抗噪能力;利用CSI灵敏的相位特征提高了定位准确度.采用路由器作为信号发射器,利用Linux 802.11n CSI-TOOL采集CSI信号,定制清华同方台式电脑和Intel 5300无线网卡驱动搭建实验环境.实验结果表明,该算法能够有效提高室内定位的准确度和精度,平均精度在0.5 m左右,准确度达到了91%.     

WSN中基于指纹匹配的室内定位方法

定位技术在无线传感器网络应用中发挥着重要的意义,GPS等室外定位方法在室内环境中信号差,在场景复杂的室内环境中很难有效定位,因此本文实现的一种基于指纹匹配的WSN室内定位方法。 首先构建定位区域中的信号强度指纹地图,利用Kriging插值算法构建分辨率较高的定位指纹地图,然后进行匹配指纹地图定位,采用余弦相似度和空间索引进行目标定位。最后采用K-means提高定位精度并进行优化,基于该定位方法开发了一套WSN室内定位系统,采用Micaz节点作为基站节点,通过实际实验和仿真实验验证了定位方法在室内定位场景中具有较好的抗障碍物干扰性,定位误差在5cm左右。     

基于多模指纹匹配的室内定位系统设计与实现

通过分析近年来基于WiFi信号强度检测的室内定位技术研究成果,提出了一种基于WiFi和运营商基站信号(GSM、CDMA2000、WCDMA)等多模信号指纹匹配的室内定位系统.该系统采集WiFi和基站等无线多模信号,经过归一化、平滑化过滤生成与室内定位点相匹配的多模指纹数据库,通过移动终端实时获取的多模指纹信号与多模指纹数据库匹配,从而实现精确的室内定位.实验结果表明,系统能够实现室内精准定位,并对于WiFi信号的变化有较强的适应性.     

一种基于视觉的图书馆室内定位方法

提出一种可用于图书馆内图书运载车的车辆室内自动定位定向方法。借鉴二维条形码思想,设计了一种简单方便、易于识别、内含绝对位置坐标、具有一定纠错能力的路标,可将路标放置在图书馆天花板上,由安装于图书运载车上且光轴和天花板垂直的摄像机进行拍摄。通过图像分割、连通域寻找、轮廓特征曲线匹配以及路标特征识别步骤定位路标,解析路标中所包含的坐标信息以及偏转角度,进而计算出车辆当前所处的绝对位置和航向角。通过实验,验证了所提出方法的有效性,能够满足图书馆内图书运载车室内定位的要求。     

室内定位方法综述

近年来,随着情景感知、环境智能等应用需求不断增加,对用户位置信息精度的要求也在不断提高。因室内环境复杂、缺乏统一的基础性架构等因素,室内定位方法逐渐成为用户定位领域的研究热点。考虑到室内定位方法的基础架构、位置精度、方法普适性等因素,将现有的室内定位方法分成3大类:基于特定设备的定位方法、基于WIFI的定位方法和基于移动传感器的定位方法。针对具体定位算法及不同算法的性能、特点和优劣等进行探讨和分析,最后总结当前室内定位方法领域的研究现状,并简要介绍该领域未来的研究方向及发展趋势。     

基于K-IDPC算法的Wi-Fi室内定位方法

针对目前室内定位依靠Wi-Fi电磁指纹库方法实现室内人员定位进行判别存在误差大以及时效性低的问题,本文提出一种融合K近邻(K-NN)的改进密度峰值聚类(K-IDPC)算法。引入关联系数和KNN思想,解决了普通密度峰值聚类(DPC)算法对定位数据密度不均衡,聚类中心区分度不高的问题,进而提高了对定位环境的鲁棒性。并结合数据切分算法,对离线电磁数据进行切割,使得大数据集分为若干小数据集,降低了计算复杂度。实验结果表明:提出的室内定位方法,同传统的K均值(K-means)、具有噪声应用的基于密度空间聚类(DBSCAN)、DPC聚类算法相比,能够有效地提高室内定位的效果。     

基于超宽带的移动机器人室内定位系统设计

针对目前移动机器人室内定位方式灵活性差和精度不高的问题,设计了一种基于超宽带(UWB)的高精度移动机器人室内定位系统。系统以UWB射频模块组成无线传感器网络,包括基站(Anchor)和安装在移动机器人顶端的标签(Tag)。采用非对称双边双向测距技术(ADS-TWR)获得标签到各基站之间的距离信息,无需基站与标签、基站与基站之间的时钟同步。距离信息通过Wi Fi由基站传输到上位机,利用卡尔曼滤波算法对距离信息进行优化后进行定位。测试结果表明,该系统具有布设简单、高精度、高实时性的特点,定点定位误差在13 cm以内,动态点定位误差小于20 cm。     

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法.利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算.实验结...     

基于CSI的改进KNN室内定位方法

为了解决基于接收信号强度指示(RSSI)的室内定位方法定位精度低和稳定性差等问题,提出了一种基于信道状态信息(CSI)的无源室内定位算法。该算法使用卡尔曼滤波处理原始CSI信号,结合高斯径向基核函数加权的K邻近算法(RBF-KNN)与置信度空间进行室内定位。实验结果表明:该方法精度高于其他算法。     

Affine visual servoing for robot relative positioning and landmark-based docking

This paper addresses the problem of positioning a robot camera with respect to a fixed object in space by means of visual information. The ultimate goal of positioning is to achieve and/or to maintain a given spatial configuration (position and orientation) with respect to the objects in the environment so as to execute at best the task at hand. Positioning involves the control of 6 d.o.f. in space, which are conveniently referred to as the parameters of the transformation between a camera-centered frame and an object-centered frame. In this paper, we will address the positioning problem referring to these d.o.f.'s, regardless of the specific robot configuration used to move the camera (e.g. eye-in-hand setup, navigation platform with a robot head mounted on it, etc.). The domain of application ranges from navigation tasks, (e.g. localization, docking, steering by means of natural landmarks), grasping and manipulation tasks, and autonomous/intelligent tasks based on active visual behaviors such as reading a book or reaching and commanding a control panel. The solution proposed in this work is to exploit the changes in shape of contours in order to plan and control the positioning process. In order to simplify and speed up the calculations, an affine camera model is used to describe the changes of shape of the contours in the image plane and an affine visual servoing (AVS) approach is derived. The choice of using two-dimensional (2D) features for control greatly enhances the robustness of the positioning process, in that robot kinematics and camera modeling errors are reduced. Among the possible 2D features, visual contours enable us to achieve robust visual estimates while keeping the dimensionality of the control equations low; the same would not be possible using different features such as points or lines. Finally, a feedforward control strategy complements the feedback loop, thereby enhancing the speed and the overall performance of the algorithm. Although a stability analysis of the control scheme has not been performed yet, good simulation results with stable behavior, provided that proper tuning of control parameters and gains has been done, suggest that the approach might be successfully applied in real world cases.     

基于WiFi的动态室内定位方法研究

针对传统的室内定位算法难以有效解决节点动态移动对定位的影响问题,设计了一种基于优先级的动态跨层数据队列管理方法.分析了传统位置指纹的定位方法和容迟性问题,在数据链接层和MAC层之间实现优先级的数据队列管理机制,实验结果表明:融入该机制的室内定位比传统定位方法有更好的定位精度,数据传输率和自适应性.     

基于ZigBee无线传感器网络的一种室内定位新方法

针对一般ZigBee网络提供的定位方式只是一种被动的监控式的定位方式,设计了一种同时提供被动定位和主动定位2种方式的双向定位系统。给出了系统硬件结构,双向定位的ZigBee协议栈编写方法;通过组建网络,让移动节点和协调器同时获得定位所需的接收信号强度指示（RSSI）,且同时使用基于路径损耗模型的指纹数据库,运用限定区域的3种定位算法进行定位计算。实验结果表明：此系统可以实现主动定位和被动定位同时进行的双向定位模式,且定位精度可达到2m以内。     

基于TDOA的室内运动目标双曲线RFID定位方法

射频定位中以接收信号强度（ RSSI）定位的方法存在信号干扰严重、抖动剧烈和误差较大等现象。为了减小射频信号定位的误差,在基于精准时间测量思想的传播信号到达时间差（ TDOA）方法和构建虚拟参考标签经典定位方法的基础上提出了TDOA双曲线定位方法。该方法利用射频信号TDOA,以精准时间差来测量射频（ RF）标签与目标之间的距离,然后借助双曲线定位算法对目标进行定位。仿真结果表明,相比目前经典的 LANDMARC 和VIRE定位方法,TDOA双曲线算法的定位误差50'可在0.216 m内。该方法有效利用了现代高精度时间测量的优势,在室内运动目标定位中具有定位精度高、应用范围广、实现简单等优点。     

Measurement and storage of a network of jacobians as a method for the visual positioning of a robot arm

The goal of this paper is to describe a method to position a robot arm at any visible point of a given workspace without an explicit on line use of the analytical form of the transformations between real space and camera coordinates (camera calibration) or between cartesian and joint coordinates (direct or inverse kinematics of the robot arm). The formulation uses a discrete network of points distributed all over the workspace in which a procedure is given to measure certain Jacobian matrices which represent a good local linear approximation to the unknown compound transformation between camera and joint coordinates. This approach is inspired by the biological observation of the vestibulo-ocular reflex in humans (VOR). We show that little space is needed to store the transformation at a given scale, as feedback on the visual coordinates is used to improve precision up to the limit of the visual system. This characteristic also allows the plant to cope with disturbances in camera positioning or robot parameters. Furthermore, if the dimension of the visual space is equal or bigger than the motor space dimension, the transformation can be inverted, resulting in a realistic model of the plant able to be used to train other methods for the determination of visuo-motor mapping. As a test of the method an experiment to position a real robot arm is presented, together with another experiment showing the robot executing a simple task (building a tower of blocks).