基于Wi-Fi的动态室内定位方法

针对目前动态室内定位方法定位精度不足,研究基于Wi-Fi的动态室内定位方法。该方法利用传感器采集Wi-Fi的RSS(received signal strength,接收信号强度)指纹信号后,使用改进非均值滤波算法去除RSS指纹信号的干扰噪声,以不含干扰噪声的RSS指纹信号作为基础,使用基于指纹子空间匹配动态室内定位方法,计算不同阶段RSS指纹覆盖向量、汉明距离以及欧式距离等,得到若干个动态室内定位估计值,再使用峰值密度聚类算法对若干个动态室内定位估计值进行估计,获取估计值中可信的估计位置,即动态室内定位结果。实验结果表明：该方法不仅可有效去除RSS指纹信号含有的干扰噪声,还可对动态室内目标进行准确定位,定位误差仅为-1～0.5 m,定位精度较高。     

基于RSSI的Wi-Fi室内定位常用算法对比

WiFi定位是室内定位的方法之一,其观测值主要为WiFi的信号强度(received signal strength indication,RSSI),利用信号强度进行室内定位的方法基本上可以分为两种,一种根据模型计算接收节点与发射节点的距离,估计接收节点的位置;另一种是根据事先采集的信号强度指纹进行空间匹配。通过在不同场景下对两种定位算法的比较,基于信号强度指纹匹配的定位精度明显高于基于估计接收节点的定位精度,但与指纹匹配法相比,位置估计法更加灵活。     

亚像素及模板匹配在十字形标记定位中的应用

首先介绍了亚像素和模板匹配的知识,在此基础上介绍了十字形标记的模板匹配以及亚像素定位算法过程,并且通过实验验证了本算法的定位效果以及定位速度,本文算法的识别率能够达到97％,识别速度能够达到40ms.     

基于Wi-Fi的室内定位技术研究

近年来,位置服务的相关技术和产业向室内发展,主要发展动力是室内位置服务应用范围很广且能带来巨大的商业潜能。各大运营商分别制定了大规模战略目标,促进新业务趁此机会迅速转型。文章首先介绍了当前主要的室内定位技术,然后在对基于Wi-Fi的室内定位技术的工作原理作出说明,结合各大运营商的Wi-Fi部署情况和各大商场内部对精准定位的需求,重点对RSSI和CSI技术来进行研究。     

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。     

基于Wi-Fi的室内测时差定位方法

近年来室内Wi-Fi定位技术快速发展,已有多种定位方法投入商业运用。为满足用户对室内定位的更高精准度的要求,文章旨在研究基于室内Wi-Fi定位改进的测到达时差定位方法,采用高精度的相对时统、脉冲测时差及四站三双曲面定位技术,进一步提高定位精度,对Wi-Fi定位家族(体系)加强、补充和丰富。     

图象匹配的快速映射定位法

本文证明了用投影特征进行图象匹配定位的唯一性。用Walsh函数作核函数计算投影特征,可加快计算过程。利用窗口图象的相对位移与投影序列之间的线性模型进行了快速映射定位,提出了两种组合精定位方法。实验结果证实,本文方法的定位精度与SSDA相近,但速度提高了十多倍。     

基于Wi-Fi和基站信号强度的室内定位系统设计与实现

分析了现有的室内定位技术,对室内定位信号测量技术、位置估算技术、定位采用的信号以及典型的室内定位系统作了详细阐述。提出了基于Wi-Fi和基站信号强度的室内定位系统架构,并从功能实现和软件架构2个方面说明了该系统的组成,最后经实验证明该系统能够实现及时稳定的室内定位和位置服务。     

一种基于单目视觉的无人机室内定位方法

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难。另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该类方法受环境的影响比较大,而且往往需要部署多个设备。此外,这种方式只能得到远近信息,无法知道设备在空间中的姿态。该文提出一种基于单目视觉的无人机室内定位方法。首先,通过无人机机载相机拍摄的图像,结合特征点法和直接法,先跟踪特征点,然后利用直接法根据关键点进行块匹配,估计相机位姿。然后利用深度滤波器对特征点进行深度估计,建立一个当前环境的稀疏地图,最后利用ROS (Robot Operating System)的3维可视化工具RVIZ对真实环境进行仿真。仿真结果表明,所提方法在室内环境下可以获得良好的性能,定位精度达到0.04 m。     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

基于信道状态信息测距的Wi-Fi室内定位误差界分析方法

相较常用于室内定位的Wi-Fi接收信号强度(RSS),Wi-Fi信道状态信息(CSI)包含了信号传输过程中更细粒度的物理层信息(如各个子载波的幅值和相位),故可将其用于较精确的测距以实现较高的Wi-Fi室内定位精度.由于现有基于CSI测距的定位方法普遍缺少关于定位误差界的理论分析,从而导致难以对不同定位方法的理想性能进...     

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle, AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter, IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。     

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆 Wishart 分布对一步预测误差协方差矩阵 P _k|k–1和观测噪声协方差矩阵 R _k建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量 X _k, P _k|k–1和 R _k的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的 SLAM 算法(UKF SLAM) 、自适应更新观测噪声的容积卡尔曼滤波的SLAM 算法(VB-ACKF SLAM) 相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m, 3.47 m;噪声时不变时,平均位置误差分别减小0.62 m, 1.41 m,证明DSACKF SLAM算法有更好的估计性能。     

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械(Micro-Electro-Mechanical System,MEMS)惯性导航系统(Inertial Navigation System,INS)的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无...     

基于DBSCAN子空间匹配的蜂窝网室内指纹定位算法

针对无线信道动态衰落特性引起的蜂窝网室内定位误差较大的问题,该文提出基于密度的空间聚类(Density Based Spatial Clustering of Applications with Noise, DBSCAN)子空间匹配算法,有效剔除大误差点,提高定位精度。首先通过划分信号空间,构建多个子空间,在子空间中利用加权K近邻匹配算法(Weighted K Nearest Neighbor, WKNN)估计出目标位置;然后利用DBSCAN对估计位置进行聚类以剔除异常点;最后结合概率模型确定最终估计位置。实验结果表明,基于DBSCAN的子空间匹配算法能有效剔除大误差点,提高蜂窝网室内定位系统的整体性能。     

基于兴趣倾向机制的仿生SLAM算法

该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。     

基于信号分布混合假设检验的Wi-Fi室内定位方法

Wi-Fi室内定位技术是目前移动计算领域的研究热点之一,而传统位置指纹定位方法没有考虑复杂室内环境下Wi-Fi信号分布的多样性问题,从而导致Wi-Fi室内定位系统的鲁棒性较差。为了解决这一问题,该文提出一种基于信号分布混合假设检验的Wi-Fi室内定位方法。首先根据Jarque-Bera(JB)检验结果对各个参考点处的Wi-Fi信号分布进行正态性评价;然后针对不同Wi-Fi信号分布特性,利用混合Mann-Whitney U检验/T检验方法构造匹配参考点集合,以实现对目标的区域定位;最后通过计算定位区域中匹配参考点的K近邻(K-Nearest Neighbor, KNN),完成对目标的位置坐标估计。实验结果表明,所提方法相比于传统Wi-Fi室内定位方法具有更高的定位精度和更强的系统鲁棒性。     

室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.