一种基于蓝牙的室内定位导航技术

为解决GNSS定位技术的“最后一公里”问题,室内定位近年来成为定位领域的研究热点。为了满足室内定位和导航服务的需要,该文采用iBeacon信标节点,设计了一种蓝牙技术为基础的室内定位系统。利用不同AP对位置的影响差异,实现空间分割以自动构建指纹数据库,结合用户的运动状态实现室内定位。研究结果表明:该文的定位方案在500m2的室内环境下,定位精度优于2m,完全可以满足日常定位导航功能。     

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。     

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。     

利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas & Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。     

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.     

基于岭估计的相机标定方法

相机内外参数标定是摄影测量的一个关键问题,相机参数的选取又是决定相机标定质量的重要因素,且不同等级的相机其参数的选择往往很难确定,常导致所选取的参数之间存在相关性,影响相机标定质量。相机参数间的相关性一般可以通过验后未知数之间的相关系数矩阵发现,提出了基于岭估计的相机标定方法,利用本方法可以提高参数求解精度。     

一种稳健估计的无人机机载相机标定法

针对无人机机载相机参数需频繁地高精度标定问题,为满足不同条件下以及航测的需要,提出利用稳健估计平差法参与相机标定的方法.该方法根据相机针孔成像原理,利用线性和非线性的Tsai两步标定法,以及从Robust原理导出的选择权迭代法,逐步消弱特征点定位粗差对内参数估计的影响,以实现高精度相机标定.以无人机机载相机Cannon EOS 5D MarkⅡ进行标定试验,并采用9×9棋盘格LCD(纯平液晶显示器)作为标定模板.结果表明,该方法可获取较高的标定精度,且比等权最小二乘法参数估计更优,对于无人机机载相机标定具有一定的实用性.     

一种顾及电子元件延迟的超宽带室内定位方法

针对超宽带定位系统中存在多种误差影响定位精度的问题,本文全面分析了超宽带室内定位的误差源,给出了超宽带室内定位基本函数模型,提出了将电子元件延迟这一系统差与三维坐标同时作为参数进行估计,并通过高斯-牛顿迭代算法得到定位结果的方法。试验结果表明,该方法能有效消除位置系统偏差,两组静态试验均以全站仪测量结果作为真值,点位误差分别为4.1、2.3 cm,相较于已有方法分别提高了64%和87%,而动态试验结果更接近于参考轨迹,最大误差小于10 cm。     

室内定位导航服务引发苹果谷歌“暗战”

据美国知名科技博客BI报道,苹果公司有可能利用全球海量用户手中的iPhone来收集建筑物内的地图信息．借助建筑内分布的iBeacon硬件设备验证,最终绘制室内地图。地图此前一直是苹果的弱项,虽然收购了HopStop、Locationary、C3科技、Placebase、Poly9 Group,“拉拢”了TomTom和高德地图,     

基于抗差岭估计的相机标定方法

数字工业摄影测量中,十参数模型是目前应用最广泛的相机畸变模型,但也存在过度参数化问题。相机标定以像点坐标为观测值,当标定模型同时受到复共线和观测异常的影响时,相机标定结果也会受到影响。为提高相机标定精度,提出基于抗差岭估计的相机标定方法,该方法不仅可以改善模型中由于过度参数化导致的复共线问题,而且可以有效抵制观测值异常的影响,提高相机参数求解精度。     

基于无线传感器网络的室内定位研究

分析了以接收信号强度为基础的三边测量法和场景分析法两类无线室内定位算法的基本原理,利用无线传感器网络节点在实际的室内环境中对这两类算法进行了测试并对它们的定位精度进行了分析和对比。     

基于改进时星差分的室内伪卫星精密单点定位研究

考虑到室内伪卫星定位环境的特殊性,通过一定的硬件设计保证各路伪卫星信号的传输同步性。在此基础上,提出了一种基于改进时星差分的室内伪卫星精密单点定位模型,给出了该方法的具体计算步骤。实测数据表明,在室内环境,无周跳影响下该方法的定位精度可以达到cm级。     

利用神经网络预测的GPS/SINS组合导航系统算法研究

提出了一种基于神经网络预测的GPS/SINS组合导航系统算法。GPS信号可用时,该算法分别将惯性传感器的输出以及卡尔曼滤波器的输出信息作为神经网络的输入及理想输出信息,并进行在线训练;当GPS信息失锁时,利用已经训练好的神经网络预测各导航参数误差,并校正SINS。地面静态实验与动态跑车实验结果证明了该方法的可行性与有效性。     

基于微惯性技术的室内定位理论及应用

室内定位方法的可行性及准确性成为位置信息服务体系的研究热点,针对移动智能终端普及率的提高,提出了基于内置微惯性传感器的定位理念。通过采用Allan方差分析惯性器件误差参数,并基于频谱分析采用滤波降噪方案提高器件输出信噪比,结合人体运动特征准确判定步态,为零速修正算法的实现提供依据,通过建立局部区域的地磁信息数据库,实现磁匹配零速修正卡尔曼组合误差修正。实验结果验证了基于微惯性技术的室内定位方法的可行性。     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

北斗导航定位系统单点定位中的一种定权方法

北斗卫星导航定位系统星座复杂、不同种类卫星高度差异较大,本文将全局性非线性最小二乘算法(Bancroft算法)应用到北斗单点定位中,Bancroft算法主要依据四维空间下的一种Lorentz内积实现,将Bancroft算法中的Lorentz内积方程写成误差方程形式,推导此方程的权,得到一种新的北斗观测值定权公式。为了验证上述定权方法,基于伪距相位差值(CC组合)组合观测值分析了北斗GEO、IGSO和MEO卫星的测距信号质量,基于多路径(MP组合)组合观测值分析了多路径效应对单点定位的影响。结果表明,新算法提高了北斗单点定位精度。     

一种基于全向指纹库的WiFi室内定位方法

WiFi室内定位技术是导航与位置服务领域的研究热点。室内环境下WiFi信号衰减受人体遮蔽影响较大,本文考虑了用户朝向引起的信号强度差异,提出了一种基于全向指纹库的WiFi室内定位方法。试验结果表明,该方法定位精度高于基于方向识别的指纹定位方法,当K取4时,平均定位误差为1.44 m,定位精度优于1 m的置信概率为54%,优于2 m的置信概率为88%。     

一种顾及动静态的室内定位技术精度评价方法

为了解决室内定位问题,已提出多种室内定位系统,但各类定位系统的精度评价只利用了静态方法或动态方法中的一种,而两种方法均存在一定的优势和局限。本文根据室内定位系统精度评价的目的和需求,结合静态和动态评价方法的优劣进行优势互补,提出了一种顾及动静态的精度评价方法,该方法的关键是真值参考系统的建立。在对一种基于手机WiFi/PDR融合定位的室内定位系统验证试验中发现,该方法可以有效获得精度评价的指标,可满足室内定位系统的评估需求。     

基于几何聚类指纹库的约束KNN室内定位模型

针对室内环境基于RSSI定位不稳定问题,提出了以几何信息改进基于指纹库的KNN定位算法。根据室内几何布局建立了聚类指纹库,提出了表征点位几何特性的点散发性强度(geometric strength of sporad-ic, GSS)概念。利用最邻近样本点的GSS判别移动终端所在参考点RP控制网结构以动态选择KNN关键参数K,构建最佳多边形为约束准则自适应选取后K- 1个邻近点,建立了基于几何聚类指纹库的约束加权KNN室内定位模型。结果表明,改进后定位模型可以更好地估计终端位置信息,其中几何聚类指纹库是改善定位准确性的关键,约束KNN能够有效地提高室内定位精度。