一种视觉与惯性协同的室内多行人目标定位方法

多行人目标连续定位与跟踪是大型室内空间安全防护、应急疏散、位置服务等应用领域共同关注的问题.基于固定相机的视觉监测是室内空间人流探测与行人定位的重要方式.然而现有单目视觉行人探测存在行人漏检、易受视觉盲区影响、行人身份难以确定等问题.针对这些问题,提出了一种结合视觉信息与惯性信息的主被动协同定位方法.该方法首先利用视觉...     

基于单目相机的低成本室内行人定位方法

针对大场景低成本人员快速定位的问题,本文提出一种基于单目视觉的指纹定位方法。首先利用人脸识别获得人脸的像素坐标,然后计算人脸在像片上的面积从而进行粗匹配,最后通过人脸在像片上的中心值进行精匹配,最终获得待定位人员的精确坐标。     

融合惯导信息的单目视觉室内定位方法

针对单目视觉定位方法定位精度高但数据源不稳定,而惯性测量组件可稳定获取定位数据却存在累计误差的问题,提出了一种融合惯导信息的单目视觉室内定位方法.该方法利用四参数拟合模型将图像数据转换成定位定姿数据,并在惯导数据解算过程中引入互补滤波修正陀螺仪读数,最后将处理后的数据作为观测值输入到扩展卡尔曼滤波器中,得到最优位置信息.实验结果表明,该方法能够有效地提高室内定位的精度和稳定性.     

一种融合单目视觉SLAM与GPS的无人机视频目标定位方法

提出一种融合单目视觉SLAM与机载GPS信息的无人机视频目标定位方法。首先利用单目视觉SLAM实时估计相机相对位姿,融合机载GPS数据,得到WGS84坐标系下的相机位姿估计;其次利用融合后的相机位姿将已知GPS路标投影到像平面,实现GPS路标与无人机监控视频的叠加显示;最后通过关键帧间的极线搜索匹配确定目标像素点的匹配点,并将其反投影到三维空间得其对应的GPS坐标,实现无人机监控视频中的GPS位置查询。实验验证了该方法的有效性、精确性与实时性。     

单目视觉技术在室内定位中的应用研究

针对有源室内定位技术存在的基建投资较大、信号稳定性要求高、定位效果不理想等问题,文中提出一种成本较低、定位精度不受信号稳定性影响的无源室内定位方法.该方法应用单目视觉技术分析实时照片从而确定用户的室内定位.首先使用AlexNet网络的迁移模型识别照片得到初步定位,进而结合尺度不变特征变换算法和相机位姿估计算法解算出精确定位.经测试,92％ 的测试点定位误差在1.5 m以下.结果表明,文中提出的定位算法能实现较高的定位精度,为无源室内定位的相关研究提供参考.     

一种室内无标志动态目标视觉定位方法

提出了一种室内无标志动态目标的视觉定位方式,采用卡尔曼滤波估计动态目标图像坐标,并利用分区定位方式对多相机视场内的动态目标进行定位,根据观测到动态目标的相机数目将多相机视场范围区域划分为单目区域、双目区域和多目区域,对不同的区域采用不同的定位方式。仿真和真实实验表明,本文算法可以达到10 cm左右的定位精度,运行效率可以达到50 ms/帧。提出的无标志动态目标定位方法具有更高的鲁棒性,基本可以满足实时性要求且定位精度较高。     

单目视觉Tukey权因子模型室内位置测量

面向室内导航和定位的需求,本文提出了一种基于编码图形和单目视觉传感器相结合的室内移动载体位置测量方法。首先,优化设计了一系列用于移动载体空间位置计算的编码影像,利用轮廓匹配、矩计算和映射匹配相结合的方式实现空编图形的识别与定位。其次,针对编码图形中心像方坐标观测值提取残差,构建了基于单位权和Tukey权因子模型的空间后方交会方法,基于两种权重因子分别计算了移动载体的观测值残差权重,分析了不同残差的观测值对结果的影响程度。然后,构建了4组实验环境,从不同角度获取了观测影像,并进行了数据处理与分析。最后,通过实验验证,表明基于2种权因子模型的方法均能够实现载体位置的计算,但基于Tukey权因子方法具有更高的精度,平面精度提高了29.76%—49.42%,高程精度提高了29.17%—74.07%。本文方法能够为室内空间移动载体提供高精度的导航和定位测量服务。     

用户行为感知辅助的室内行人定位

目的 提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。     

一种相机标定辅助的单目视觉室内定位方法

目前随着室内定位技术的发展,人们对室内定位精度提出了更高的要求,高精度、低成本的室内定位技术成为研究的热点。本文结合相机标定提出了一种单目视觉室内定位方法,将室内环境按照是否共面进行区域分割,并对分割后的各区域进行相机标定,对摄像机获取的视频进行运动目标检测获取目标像素坐标,利用像素坐标和相机与空间的位置关系并结合平面约束方程进行目标位置解算。试验表明：该算法定位精度在X方向小于0.15 m,Y方向小于0.35 m,平均单点定位时间小于5 s,获得了良好的室内定位效果。     

一种单目视觉/INS组合室内定位抗差方法

针对单目视觉/INS的组合定位算法中,单目视觉本身不具备尺度的问题以及在景深变化明显和光照不均匀的环境下会产生粗差的问题,提出了一种单目视觉/INS组合室内定位抗差方法。在尺度恢复方面,借助INS的位置增量信息,基于最小二乘法对单目视觉进行尺度恢复。在抗差方法方面,利用INS在短时间间隔内增量信息高精度的特性,对单目视觉在此时间间隔内的增量信息进行检测,判断是否产生粗差并进行粗差剔除,进而提高组合定位系统的定位精度。实验结果表明,所提算法可以有效的探测并剔除单目视觉/INS组合系统在恶劣环境下产生的粗差,提高组合定位系统的精度及鲁棒性。     

一种基于单目视觉的无人机仿地飞行方法

仿地飞行对于无人机航测至关重要,能否相对地面保持稳定的航高直接关系到无人机在复杂地形区域的安全性和数据质量问题。本文提出一种基于单目视觉的无人机航高估计方法,通过光流法对无人机实时获取的视频进行跟踪和分析,提取运动信息以估算实时航高。试验结果表明,该方法能够快速、准确地估算无人机实时航高,在没有地表高程信息的情况下实现了自动仿地飞行。     

聚类阈值结合动态K值的蓝牙室内定位算法

针对固定阈值的动态K近邻算法定位时未能有效剔除距离较远参考点的问题,该文提出了基于聚类阈值结合动态K值的算法:①在离线阶段建立聚类指纹库,并在每个聚类子块中设定聚类阈值;②在线阶段根据待测点信号确定其所处的聚类子块和对应的阈值,由信号强度的欧氏距离和聚类阈值选取K个信号距离最小的参考点;③以信号距离倒数为权重计算坐标加权平均,作为定位结果。实验分析得出,与固定阈值的动态K值算法的平均定位误差为2.64m;聚类阈值结合动态K值算法的平均定位误差为1.12m,降低了57.6%,并且点位误差在1m和2m内的可信度分别为42.3%和77.8%。聚类阈值结合动态K值算法能够较好地剔除距离较远的参考点,可以有效提高蓝牙指纹定位的精度。     

一种改进的RSSI室内加权质心定位算法

针对现有基于信号强度的质心算法定位精度不能满足特定场景下对高精度室内定位需求的问题,该文提出了一种改进的接收信号强度(RSSI)室内加权质心定位算法。该算法通过RSSI测距得出4个已知锚节点到待测点的距离,以相应的锚节点为圆心画圆弧,得到由4段圆弧相交的四边形,其任取3个顶点可以组成一个三角形,然后以距离平方倒数之和作为权值计算4个三角形质心坐标,再以4个三角形质心坐标作为初始值以信号强度之和作为权值求解待测点坐标。实验结果表明:该算法最大误差值为1.02m,最小误差值为0.21m,平均误差值为0.68m;该算法室内定位精度比基于RSSI的质心算法最大提高24cm,最小提高12cm,平均提高了18cm;比加权质心算法最大提高10cm,最小提高3cm,平均提高了8cm。     

一种改进的单目视觉桥梁挠度非接触测量方法

本文在现有单目视觉测量方法基础上,提出了一种相机真实俯仰角计算算法,结合图像快速相关匹配与定位算法,可完成桥梁挠度的快速精确测量。通过精度验证试验和挠度对比测试试验,得到了相应的结果,结果表明：①不考虑目标点真实俯仰角变化的测量方法在距离视场中心较远的位置测量结果中误差较大;②单目视觉方法测量结果与角钢作竖直向下的刚体位移保持一致;③单目视觉方法与GPS测量的挠度曲线变化趋势和测量数值基本一致。试验验证了本文方法的可行性及准确性,可为今后基于数字图像相关方法的土木工程变形测量技术研究提供参考。     

基于改进MCNN的密度图在室内定位中的应用

北京商场购物人群众多,易发生人群拥挤踩踏事故,使得确定高密度人群区域的位置变得至关重要,因此本文引入人群密度图,确定图中人群分布情况,得出室内人群的定位信息。首先将采集的人群视频分割为图像帧,并分成训练集和测试集;然后对训练集图片作人头标签处理,生成地面实况密度图,将其作为改进的多列卷积神经网络算法的训练数据生成模型,并将模型应用于测试集图片生成人群密度图;最后运用Arc GIS对人群密度图与室内平面图作地理配准处理,从而实现对高密度人群的定位。研究结果表明,利用人群密度图确定的高密度区域的位置坐标与实际坐标值基本一致,将人群密度图应用于室内定位是可行的。     

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息,但是误差会随时间增大,不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中,传统的惯导+卫星组合方法也不再适用。针对该问题,本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中,采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法,本文利用视觉定位的位姿信息建立量测方程,进行卡尔曼滤波,并选取合适的试验设备,通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。     

单目视觉测量系统质心定位算法

在测头成像视觉坐标测量系统中,对图像进行采集和处理是为选取合适的特征点并对其进行优化曝光以便获取高质量的图像,进而实现特征点与背景图像分离和特征点中心的精确定位。因此,对于特征点成像的亚像素定位直接决定着三维空间坐标的测量精度。文中提出高斯拟合双三次插值算法,并与灰度加权和高斯双线性进行对比,实验表明精度比较高,能够达到单目视觉测量系统质心定位要求。