多照明区域协作的室内可见光定位

考虑室内存在障碍物遮挡及背景光和反射光干扰 较强的实际定位场景,提出了一种基于多照明区域 协作的LED可见光室内定位方法。本文方法引入多照明区域联合定位思想,利用分布于室内 不同区域的LED 发出的参考信号估计定位节点到各LED的信号传输时间差,构造协作定位距离估计目标函数 ,并通过非线 性最小二乘(NLLS)算法获得定位目标的位置估计。将提出的定位算法在10m×3m的空间区域中进行定位仿 真,在5W LED照明、双区域协作条件下,获得了平均定位误差7.41 cm的定位精度。结果表明:提出的协 作算法不仅提高了室内定位精度和系统应用的普适性及鲁棒性,而且有效地解决了室内可见 光定位存在的遮挡效应;此外,对动态定位追踪也有一定的效果。     

多LED照明节点的室内可见光定位方法研究

针对室内复杂环境和室内照明节点拓扑结构对可见光定位精度的影响,基于近似完美三角点测试(APIT)算法设计了一种多LED照明节点的可见光室内定位方法。该方法利用信号传输时间作为节点间距大小的判断凭证,结合APIT定位算法,实现室内可见光定位。仿真结果表明:该定位方法的定位误差在0.24 m左右浮动,在保证了定位精度的基础上,精简了定位设备成本,并提升了定位算法的计算效率,使得定位系统在实际场景中的应用更具稳定性与适用性。     

一种基于计算机视觉的低成本室内空间测量系统设计与实现

设计并实现一种基于计算机视觉的室内空间测量系统,通过3个低成本的USB摄像头对室内目标进行图像拍摄,实时测量出目标的空间精确位置。采用张氏平面标定法标定摄像头的内外参数,并针对室内环境特点设计了简单有效的图像处理方法,利用立体视觉定位原理计算出目标点的空间位置信息。实验结果表明：系统测量误差小于15 mm,数据更新率为15 Hz,均可满足室内机器人的定位需要。     

基于RSS的室内可见光差分修正定位算法

可见光通信技术是利用白光LED同时实现照明和通信的新型通信技术,为室内定位技术提供了新的可能.针对可见光通信中接收信号强度RSS随机波动较大的问题,提出一种基于RSS的改进的差分修正定位算法,通过将各个参考节点分别作为差分修正参考节点进行定位修正,规避了设定参考节点权重过大的问题.该定位算法有效地提高了室内定位精度,无需增加额外硬件设备,计算量小,容易实现.仿真结果表明,该定位算法在5m×5m×3m的空间区域中能够实现约15 cm的平均定位误差性能.     

融合迁移特征学习的生物启发网络用于可见光成像室内位置感知方法

现行可见光定位技术采用各类传感器以及混合复杂算法实现定位，操作难度大且易受干扰，导致系统的定位精度不稳定。为提高可见光室内定位的精度与稳定性，提出将迁移特征学习与生物启发网络相融合的方法并将其应用于可见光室内定位中，在可见光环境下采集图像，利用改进的小波阈值去噪法去除图像噪声对深度特征的影响，提取可见光图像的深度特征并建立指纹库，构建天牛须搜索算法优化的神经网络模型，进行训练与定位测试。结果表明：在实测定位阶段搭建的0.8 m×0.8 m×0.8 m实验环境中，预测坐标的平均误差为4.26 cm，其中，误差小于4 cm的预测点数量占总坐标点数量的63.4%，误差小于6 cm的预测点数量占总坐标点数量的78%。所提方法为室内定位提供了一种稳定可靠的方法。     

可见光通信与双目视觉的室内定位分析

应用可见光通信与双目视觉的室内定位技术,能够提高室内移动机器人的导航精度。基于此,详细阐述了三维定位系统设计、LED光源中心坐标提取、双灯光源识别机制设计、IMU坐标系标定、室内定位技术应用试验这几项室内定位分析环节,希望能够为室内机器人定位技术的发展提供助力。     

双目测量系统的室内定位与重建

为了解决实测场景下光照变换及弱纹理区域对三维重建效果的影响,提出一种双目测量系统的改进AD-Census立体匹配算法进行室内目标物体的定位及三维重建。方法基于双目视觉测量原理,首先采用直方图均衡化、自适应阈值Canny边缘提取及膨胀等操作进行图像预处理,其次利用张正友标定法完成相机标定,通过立体校正去除相机畸变,基于梯度划分弱纹理及边缘区域来改进AD-Census立体匹配算法,最后用所改进算法生成的视差图,实现了室内物体的定位及三维点云重建。实验结果表明,本方法可以提高在弱纹理背景区域的匹配精度,在10 m测距范围内,相对误差不超过5%,在1.8 m处,测量误差较小,在保证精度的同时实现了室内目标场景轮廓的基本重建,视觉效果较好,可广泛应用于实际中。     

基于深度学习的室内照明智能调节系统

为了实现室内照明的智能控制,根据室内人员实时位置进行跟踪式照明,通过人员覆盖区域完成自适应亮度调节,达到总体节能且局部照明舒适的目的。设计了基于光纤传感网络的智能照明系统,提出了基于深度学习的照明区块化设计与人员实时定位的照明调节算法。区块化设计将照明区域划分成多个等尺寸子区域,划分尺度由光源覆盖间距决定,实现对照明区域的离散处理。再通过状态采集模块对每个子区域进行照度量化分析,将检测结果作为卷积网络输入层的控制参数导入分析模型中。结合封闭体人员定位算法实现对照明子区域定位及照度调节。实验测试了100 m2照明范围内的四种典型情况,获得了各LED对测试位置的照度权值,并测试了不同高度对照度值的影响程度。区域内在x轴方向的人员定位精度最大误差为?96 cm,在y轴方向为91 cm,均小于预设照明区块的最小单元。文中算法在LED个数递增时,收敛时间略优于ANN算法,与对应LED体量的照明空间相比,收敛时间满足应用需求,验证了其具有大范围照明智能调节的能力。     

基于最小三角形算法的室内可见光三维定位方法

为进一步提高室内可见光三维定位的精度，提出了一种基于最小三角形算法的室内可见光三维定位方法。该方法采用视距链路模型，由定位终端接收携带发光二极管位置信息的光强信号，利用最小三角形算法和接收信号强度指示方法来计算接收机在室内的三维位置信息，再引入加权质心算法降低光路受遮挡所造成的影响。仿真结果表明：在室内5 m×5 m×3 m的定位区域内，提出的定位方法平均定位误差约为4.35 cm，平均高度误差约为1.65 cm，定位精度优于传统的室内可见光三维定位方法。     

基于ROS与三维点云图像的室内物体精准定位

考虑到ROS SLAM构建的地图只能描述环境的二维信息,三维点云图像只能描述物体独立的三维信息等特点,本文融合了ROS SLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息,提出了一种复合坐标定位系统。首先对不同室内进行分类,进行一维坐标的标定,其次通过对Gmapping算法构建好的地图等进行二三维坐标标定,再结合空间信息构成外部坐标系φ,最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标,结合一维坐标,对物体进行复合四维坐标定位。整个定位实验数据表明,物体室内的位置平均测量误差只有4.2cm,其定位精度比起常见的超声波与红外线定位系统提高6.7%,比基于蓝牙角度测量的定位系统定位精度提高20%,比超宽带定位系统提高72%。物体定位误差小,定位精准。     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

Weighted average indoor positioning algorithm that uses LEDs and image sensors

We propose a weighted average indoor positioning algorithm, which is an improved version of the M.S. Rahman’s algorithm, for the calculation of unknown positions in a visible light communication system consisting of light-emitting diodes (LEDs) and image sensors. The algorithm considers the LED illumination intensity as a key factor, and the generalized Lambert illumination model is adopted to estimate the LED illumination intensity of each pixel in the images obtained at the sensors. The LED illumination intensity is normalized as a weighting factor, following the determination of the center position of the LED image. Simulations showed that the average signal-to-noise ratio in our positioning system was 19.3 dB. The simulation results also showed that the root mean square positioning error was reduced from 6.6 to 3.7 cm when the resolution of the image sensor was 3000 pixels per cm, which is comparable to the error in the widely used M.S. Rahman’s algorithm. The distance between the centers of the lenses and the focal lengths of the lenses also affects the positioning error. After the simulations, the relationship between the positioning error and the lens distance or focal length is deduced. It is observed that this algorithm has lesser positioning errors than the M.S. Rahman’s algorithm.     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

可见光通信的自动导航系统设计

设计了一套利用可见光通信的自动导航系统。通过分析室内可见光信道模型,设计了可见光定位导航系统的发射模块和接收模块。系统在获取了停车位置信息后,通过光电二极管驱动电路将信息发出,光信号传感器模块接收可见光信号;信号经过解调、滤波后由显示屏显示,同时语音系统播报位置信息,利用贝叶斯相位中心偏置天线（Bayesian Information Criterions Displaced Phase Center Antenna,BDPCA）聚类算法计算出最佳导航路径,从而实现自动导航的目的。测试结果表明,该系统可满足目标的精准定位功能,在搭建的1m×1m×1m 验证实验中,系统的最大定位误差为 7.90 cm ,平均定位误差为 4.85 cm ,降低了26%,最佳导航路径距离更短,所需时间降低了20%,系统有较高的工作效率。     

室内可见光异步定位系统光学边界研究

为了研究室内可见光ID定位系统中可见光分布对定位功能实现的关系,搭建可见光通信异步ID定位系统,通过模拟仿真与实验相结合的方法,得出定位系统的定位范围和传输误码率分布。实验结果表明:利用Matlab可以近似地模拟实际模型的空间光分布,在光分布的三维分布图中找出定位系统光学边界,准确地调节定位系统的定位阈值。进一步搭建了50 cm50 cm50 cm的定位系统原型,在光学边界范围内实现无误码率的异步通信和定位功能,而在定位边界上,信号传输的误码率迅速上升,当信噪比为25 dB时,在光学边界上会出现8 cm的信号盲区,适当增加系统的信噪比,将有效降低信号盲区的大小。     

基于可见光通信的停车场泊车自动导航系统

为满足车辆定位需求并实现高效率停车场泊车导航,设计基于可见光通信的停车场泊车自动导航系统,系统的车位信息监测模块通过结合泊车位上方LED照明装置和车位地面的光敏电阻形成光电检测装置,获取停车场车位状态信息后,经STM32单片机产生频率差异显著方波信号;可见光信号调制模块依据可见光通信原理,将方波信号经信号调制电路转换成电信号,驱动停车位的LED灯光源,传输光信号至定位导航模块;定位导航模块利用内置摄像头接收可见光定位信号,经信号解析、定位等步骤获取可见光信号来源位置信息,实现停车场泊车自动导航。实验结果表明,该系统可有效满足车辆定位需求,车辆定位误差控制在0.20 m范围内,且泊车导航所需时间较短,具备较高泊车导航效率。     

稀疏训练指纹库融合MMPSO-ELM室内可见光定位

为了解决采用极限学习机(ELM)神经网络室内可见光定位方法存在误差较大、网络模型训练时间较长、结果稳定性较差等缺点, 采用稀疏训练指纹库, 融合多目标动量粒子群算法(MMPSO), 结合ELM室内可见光定位方法, 形成MMPSO-ELM方案, 引入动量因子, 避免迭代过程中过度振荡, 加快系统收敛速度。在不同的定位空间内随机选取训练数据集方式, 在测试点数量不同的情况下, 将本方案与后向传播(BP)、ELM以及PSO-ELM 3种定位算法进行了比较。结果表明, MMPSO-ELM方案在20组训练数据条件下, 对80组待定位点进行预测定位, 定位误差最大为0.0225m, 最小误差为0.00093m, 平均定位误差低至0.00143m, 且定位性能受定位空间大小影响较小; MMPSO-ELM可见光定位方案具有定位精度高、速度快、泛化性强等优点。该研究为在室内场所实现快速准确定位提供了理论支撑。     

基于自适应Levy飞行的黄金正弦可见光定位研究

为了提高室内可见光定位的精度，采用了基于Levy飞行变异机制、结合自适应移动因子、改进黄金正弦算法的接收信号强度指示可见光定位方法, 将室内屋顶的发光二极管灯按3×3网格状排布，接收到光强信号通过朗伯模型得到未知节点与参考节点的距离，并采用Levy飞行变异机制提升算法搜索空间的多样性，结合自适应移动因子提高算法收敛速度，使得个体更新受局部极值约束力下降。结果表明, 改进算法平均定位误差为1cm，平均迭代次数40次~80次; 改进黄金正弦算法的定位速度和定位精度均得到提升。该研究对室内大型场所实时、快速精确定位有帮助。