CN103810450B - 一种射频识别的精确区域定位方法及系统 - Google Patents
一种射频识别的精确区域定位方法及系统 Download PDFInfo
- Publication number
- CN103810450B CN103810450B CN201210451847.2A CN201210451847A CN103810450B CN 103810450 B CN103810450 B CN 103810450B CN 201210451847 A CN201210451847 A CN 201210451847A CN 103810450 B CN103810450 B CN 103810450B
- Authority
- CN
- China
- Prior art keywords
- point
- grid
- coordinate
- mesh
- final
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种射频识别的精确区域定位方法及系统,该方法包括:步骤1,在射频识别定位系统中建立应用场景的二维平面模型;步骤2,将二维平面模型用网格表示,并预先为网格中的每个点分配一个表示其所在区域的灰度值;步骤3,从射频识别定位系统获取目标对象的坐标后,将坐标换算到网格点上,根据网格上相应点的灰度值得到目标对象所在的初步位置;步骤4,利用初步位置和目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标。本发明克服了直接将坐标换算为所在区域或房间而引起的缺陷,避免出现目标对象“穿墙而过”的情况,能得到目标对象所在区域的精确信息;且运算速度快,占用资源少,实施成本低廉。
Description
技术领域
本发明涉及一种射频识别定位技术,尤其涉及一种射频识别的精确区域定位的方法及系统。
背景技术
射频识别(RFID)技术具有快速、远距、多目标、非视线、批量识读目标对象的特点,因而被广泛应用于需要跟踪目标对象位置的领域。由于全球定位系统(GPS)在室内的信号强度较弱,成本较高,无法应用于室内目标对象定位,因此射频识别定位广泛应用于室内目标对象定位。目前,被广泛采用的射频识别定位系统是符合ISO/IEC 24730标准的射频读写器和射频标签。
ISO/IEC 24730射频识别定位系统主要用于目标对象的点定位,即利用至少4个射频读写器(基准点)与射频标签之间通信信号的传播时间、信号到达方向等,计算出射频标签的坐标。为应用ISO/IEC 24730定位系统,需要事先确定射频读写器的坐标,才能根据ISO/IEC 24730标准中规定的协议和方法,根据基准点的坐标,计算出射频标签的坐标。
申请号为201010523264.7、申请公布号为102456145、申请公布日为2012.05.16的中国发明专利公开了一种区域定位系统就是通过结合使用加速度积分算法和RFID区域校准技术来实现相对精准的坐标定位,但是也会出现目标对象“穿墙而过”的情况。一个符合ISO/IEC 24730标准的射频识别定位系统最大能够覆盖约1000平方米的区域,在多数室内应用中,这样大小区域通常是由若干个小区域(如房间)构成的。由于射频识别定位系统的定位精度在1米—3米之间,如果直接将目标对象的点坐标换算为目标对象所在的区域,在对移动目标对象进行连续的区域定位时,如果目标对象位于某个房间的墙壁附近,由于定位不可能准确和定位产生的偏移,这时就会出现目标对象“穿墙而过”的情况,即目标对象在某个时刻位于房间A,在紧接的下一个时刻位于邻接的房间B。这种情况对于某些需要精确确定目标对象所在区域的应用(如监狱人员定位应用),是无法接受的。
因此,迫切需要一种精确的区域定位方法,能够将目标对象的点坐标换算到区域坐标,并能在目标对象的点坐标发生变化时,修正目标对象的点坐标和所在区域,避免出现目标对象“穿墙而过”这种不符合物理规律的情况发生。本发明正是基于这种现实需求而产生的。
发明内容
本发明的目的是:在射频识别定位系统提供的目标对象坐标基础上,提供一种射频识别的精确区域定位方法及系统,克服在射频识别定位应用中,直接将目标对象坐标换算为目标对象所在区域或房间而引起的缺陷,通过提供一种根据应用场景,将定位系统获取的目标对象坐标换算为目标对象所在区域的方法,并在出现目标对象“穿墙而过”时,修正目标对象坐标和所在区域的方法,让定位系统的使用者能够得到精确的目标对象所在区域的信息。
为实现上述目的,本发明提出了一种射频识别的精确区域定位方法,包括:
步骤1,在射频识别定位系统中建立应用场景的二维平面模型;
步骤2,将所述二维平面模型用网格表示,并预先为网格中的每个点分配一个表示其所在区域的灰度值;
步骤3,从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格点上,根据该网格点的灰度值得到所述目标对象所在的初步位置;
步骤4,利用所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标。
所述步骤1中:所述二维平面模型由多个区域组成,每个区域为一个凸多边形,所述每个区域由多个条线段围成;两个区域的公共部分为线段,所述线段表示区域的边界,所述两条或多条线段的公共部分是顶点。
所述步骤1中:所述场景的描述方法如下:
场景最小坐标(Xmin,Ymin);场景最大坐标(Xmax,Ymax);
网格宽度W,网格高度H;
顶点数目;
每个顶点的描述为:(顶点x坐标,顶点y坐标);
线段数目;
每个线段的描述为:(第一个顶点编号,第二个顶点编号,线段类型);
区域数目;
每个区域的描述为:(第一个顶点编号,...,最后一个顶点编号);
所述编号都是大于0的整数,所述线段类型:0表示可以穿过的门、边界等,1表示不能穿过的墙。
所述步骤2中:所述网格是一个二维的点阵,所述二维平面模型中的每个顶点、每条线段上的点、每个区域中的点都换算成网格中的对应点;所述网格中的每个点都有一个灰度值,该灰度值确定某个网格点为墙、门、边界,或者网格点所在的区域的编号。
所述步骤2中:
所述二维平面模型中的每个顶点坐标(X,Y)采用线性变换方法,换算到网格中的对应点(x,y)。
所述二维平面模型中的每条线段上的点换算到网格中的对应点的换算方法是:
步骤21,将线段的两个顶点分别按线性变换方法换算到网格中的对应点;
步骤22,使用计算机图形学的画点算法计算出两个顶点之间的所有点在网格中的对应点,得到点坐标序列,经处理后获得所需的坐标序列;
所述二维平面模型中的区域的中心点也按上述方法换算到网格中的对应点。
所述步骤2中:
所述灰度值的分配方法为:
最大灰度值为N(例如,N=255或N=65535)
对应墙的网格点,灰度值为0;
对应门和边界的网格点,灰度值为(N-1);
对应区域中心点的网格点,灰度值为区域编号1到(N-2);
其他网格点,灰度值暂时为N。
对于网格中灰度值为N的点,继续分配灰度值。具体分配方法如下:
寻找所述灰度值为N的网格点的邻接网格点,若该邻接网格点的个灰度值在1到(N-2)之间,包括1和(N-2),则将所述邻接网格点的灰度值分配为所述灰度值为N的网格点的最终灰度值。
所述步骤4中:对同一个目标对象,根据从前一时刻(i-1)所在的最终网格点到当前时刻(i)所在的初步网格点的直线上的各种网格点(如区域网格点、门网格点或边界网格点、墙网格点)的分布情况,计算目标对象在时刻(i)所在的最终区域、最终网格点坐标和最终场景坐标。
为实现上述目标,本发明还提供了一种射频识别的精确区域定位系统,其特征在于,包括:
二维平面模型构建模块,用于在射频识别定位系统中建立实际应用场景的二维平面模型;
离散分配模块,用于将所述二维平面模型离散化为网格表示,并预先为网格中的每个点分配一个表示其所在区域的灰度值;
初步区域获得模块,用于从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格点上,根据该网格点的灰度值得到目标对象所在的初步位置。
结果获得模块,根据所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标。
所述结果获得模块中:对同一个目标对象,根据从前一时刻(i-1)所在的最终网格点到当前时刻(i)所在的初步网格点的直线上的各种网格点(如区域网格点、门网格点或边界网格点、墙网格点)的分布情况,计算目标对象在时刻(i)所在的最终区域、最终网格点坐标和最终场景坐标。
本发明的有益效果在于:与现有的将目标对象的场景坐标直接换算到目标对象所在的区域方法比较,本发明能避免当目标对象相邻两次的坐标差距较大时,出现向定位系统的使用者报告目标对象“穿墙而过”这种不符合物理规律的情况,改善了定位系统的使用效果。本发明的实施成本低廉。本发明中采用的精确区域定位方法,运算速度快,占用的计算机存储等资源少,在一般的计算机上就能够运行。在原有射频识别定位系统的基础上,可以不增加计算机或只是增加一台普通计算机即可。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1是本发明的射频识别精确区域定位方法的流程图;
图2是本发明的射频识别精确区域定位系统的示意图;
图3是本发明的射频识别精确区域定位方法的一个实施例场景示意图。
具体实施方式
图1是本发明的射频识别精确区域定位方法的流程图,如图1所述该方法包括:
步骤1,在射频识别定位系统中建立应用场景的二维平面模型;
步骤2,将所述二维平面模型用网格表示,并预先为网格中的每个点分配一个表示其所在区域的灰度值;
步骤3,从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格点上,根据网格点的灰度值得到所述目标对象所在的初步位置;
步骤4,利用所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标。
所述射频识别定位系统的区域定位方法的具体实施步骤如下
1).建立实际应用场景的二维平面模型,所述场景的二维平面模型的描述方式如下:
场景最小坐标(Xmin,Ymin);场景最大坐标(Xmax,Ymax);
网格宽度W;网格高度H;
顶点数目;
每个顶点的描述为:(顶点x坐标,顶点y坐标);
线段数目;
每个线段的描述为:(第一个顶点编号,第二个顶点编号,线段类型);
区域数目;
每个区域的描述为:(第一个顶点编号,...,最后一个顶点编号);
所述编号都是大于0的整数,所述线段类型:0表示可以穿过的门、边界等,1表示不能穿过的墙。
附图3是本发明的射频识别精确区域定位方法的一个实施例的场景示意图。实际场景可以比附图3例子的场景更复杂,例如,允许线段为斜线,可以有更多的区域。如图3所示,例子场景模型由2个区域组成,包括7个顶点,8条线段。附图3中,黑线段对应墙,虚线段对应门和边界。附图3的描述如下:
场景最小坐标(Xmin=-1,Ymin=-1);场景最大坐标(Xmax=11,Ymax=9);
网格宽度W=1000;网格高度H=1000;
顶点数目=7;
顶点1(0,0);顶点2(5,0);顶点3(10,0);
顶点4(10,8);顶点5(5,8);顶点6(0,8);顶点7(5,6);
线段数目=8;
线段1(1,2,1);线段2(2,3,1);线段3(3,4,1);
线段4(4,5,1);线段5(5,6,1);线段6(1,6,1);
线段7(7,2,1);线段8(5,7,0);
区域数目=2;
区域1(1,2,6,5,7);
区域2(2,3,4,5,7);
所述编号都是大于0的整数,所述线段类型:0表示可以穿过的门、边界等,1表示不能穿过的墙。
2).将场景模型离散化为网格表示。网格是一个二维的点阵。
场景模型中的每个顶点的坐标(X,Y)都按线性变换换算到对应场景网格中的某个点(x,y)。换算方法如下:
x=W*(X-Xmin)/(Xmax-Xmin)
y=H*(Y–Ymin)/(Ymax–Ymin)
其中,W为网格的宽度(网格x方向的点数目),H为网格的高度(网格y方向的点数目),且如果x、y不是整数时,只取整数值,Xmin为场景的最小x坐标,Xmax为场景的最大x坐标,Ymin为场景的最小x坐标,Ymax为场景的最大y坐标;
场景模型的线段上的各个点也换算为场景网格中对应点。换算方法如下:
先将线段的两个顶点(X1,Y1)和(X2,Y2)分别换算到网格中的点(x1,y1)和(x2,y2);
然后,使用计算机图形学中的画点算法,例如,Bresenham算法,计算出网格上(x1,y1)到(x2,y2)直线段上所有点的坐标,得到一个点坐标序列(x1,y1)……(xi,yi)(xj,yj)……(x2,y2)。点的序列中,任意相邻两点(xi,yi)和(xj,yj),应该满足条件:xi=xj或者yi=yj,如果不满足这个条件,就需要在(xi,yi)和(xj,yj)之间插入一个坐标点(xk,yk),得(xi,yi)(xk,yk)(xj,y),使得xi=xk或者yi=yk,而且xk=xj或者yk=yj。
场景模型每个区域的中心点,也按上述顶点的换算方法,换算到网格中对应点。
顶点、线段和区域中心点换算到网格点后,为网格中已经换算的网格点分配一个灰度值,分配方法如下:
最大灰度值为N(例如,N=255或N=65535);
对应于墙的网格点,灰度值为0;
对应于门和边界的网格点,灰度值为(N-1);
对应于区域中心点的网格点,灰度值为区域编号,1到(N-2);
其它网格点,灰度值暂时为N。
对于网格中灰度值为N的点,继续分配灰度值。具体分配方法如下:
如果某个网格点的灰度值为N,在网格中有一个灰度值为1到(N-2)之间,包括1和(N-2),的邻接网格点,则其灰度值分配为这个邻接网格点的灰度值。
3).从射频识别坐标定位系统获取目标对象的初步场景坐标(X’,Y’)后,根据步骤2)中顶点坐标的换算方法,将目标对象坐标换算到网格上的某个点的坐标(x’,y’),根据网格点的灰度值,得到目标对象所在的初步区域R’i。
4).对同一个目标对象,根据时刻(i)所在的初步区域R’(i)与前一时刻(i-1)所在的最终区域R(i-1),按照下列规则,计算目标对象在时刻(i)所在的最终区域R(i):
如果R’(i)=R(i-1),则最终区域R(i)=初步区域R’(i),最终网格坐标(xi,yi)=初步网格坐标(x’i,y’i),最终场景坐标(Xi,Yi)=初步场景坐标(X’i,Y’i)。例如,附图3中,目标对象前一时刻场景坐标为(4,1),网格坐标为(416,200),区域为1,当前时刻场景坐标为(4,2),当前时刻网格坐标为(416,300),初始区域为1,由于两个区域相同,则最终区域为1,场景坐标为(4,2),网格坐标为(416,300)。
如果R’(i)≠R(i-1),按照步骤2)中的方法,计算从前一时刻(i-1)网格点(xi-1,yi-1)到当前时刻(i)的初步网格点(x i,y i)的直线段上所有网格点;
如果从(xi-1,yi-1)到(x’i,y’i)的所有网格点都是区域网格点、门网格点或边界网格点,则最终区域R(i)=初步区域R’(i),最终网格坐标(xi,yi)=初步网格坐标(x’i,y’i),最终场景坐标(Xi,Yi)=初步场景坐标(X’i,Y’i)。例如,附图3中,目标对象前一时刻场景坐标为(4,7),网格坐标为(416,800),区域为1,当前时刻场景坐标为(6,7),当前时刻网格坐标为(583,800),初始区域为2,由于当前网格点和前一时刻网格点之间都是网格点和门网格点,因此,最终区域为2,场景坐标为(6,7),网格坐标为(583,800)。
如果从(xi-1,yi-1)到(x’i,y’i)的网格点中存在墙网格点,查找从(xi-1,yi-1)到(x’i,y’i)的第一个墙网格点的前一个且区域为R(i-1)的网格点(xk,yk),最终区域R(i)=(xk,yk)所在区域,最终网格坐标(xi,yi)=(xk,yk),最终场景坐标(Xi,Yi)如下计算:
Xi=xi*(Xmax–Xmin)/W+Xmin
Yi=yi*(Ymax–Ymin)/H+Ymin
例如,附图3中,目标对象前一时刻场景坐标为(4,1),网格坐标为(416,200),区域为1,当前时刻场景坐标为(6,1),当前时刻网格坐标为(583,200),初始区域为2,由于从(416,200)到(583,200)存在墙网格点(500,200),出现了“穿墙”现象,现有的技术面对这种现象,由于不作穿墙判断,直接采用新的场景坐标或网格点坐标,就会接受目标对象穿墙这种不符合物理规律的事实,将会向使用者显示目标对象穿墙而过,让使用者难以接受;或者需要在每个房间再安装定位设备,增加了定位系统成本。
而本发明先从(416,200)前进到(499,200),由于(499,200)就是到(583,200)最近的网格点,因此,最终区域为1,网格坐标为(499,200),场景坐标为(4.99,1),从而避免了目标对象穿墙而过的现象。
图2是本发明的射频识别精确区域定位系统的示意图。如附图2所示,该系统包括:射频识别坐标定位系统100和射频识别区域定位系统200。
所述射频识别坐标定位系统100可以是任何可以给出目标对象坐标的定位系统,例如,德国Nanotron公司的LES系统。
所述射频识别区域定位系统200包括:二维平面模型构建模块300、离散分配模块400、初步区域获得模块500和结果获得模块600。所述射频识别区域定位系统运行在普通的计算上。
所述二维平面模型构建模块300,用于在射频识别定位系统中建立实际应用场景的二维平面模型。
建立实际应用场景的二维平面模型,所述场景的二维平面模型的描述方式如下:
场景最小坐标为(Xmin,Ymin);场景最大坐标(Xmax,Ymax);
网格宽度W;网格高度H;
顶点数目;
每个顶点的描述为:(顶点x坐标,顶点y坐标);
线段数目;
每个线段的描述为:(第一个顶点编号,第二个顶点编号,线段类型);
区域数目;
每个区域的描述为:(第一个顶点编号,...,最后一个顶点编号);
所述编号都是大于0的整数,所述线段类型:0表示可以穿过的门、边界等,1表示不能穿过的墙。
附图3是本发明的射频识别精确区域定位方法的一个实施例场景示意图。实际场景可以比附图3中例子场景更复杂,例如,允许线段为斜线,可以有更多的区域。附图3的例子中,例子场景模型由2个区域组成,包括7个顶点,8条线段。附图3中,黑线段对应墙,虚线段对应门和边界。附图3的描述如下:
场景最小坐标(Xmin=-1,Ymin=-1);场景最大坐标(Xmax=11,Ymax=9);
网格宽度W=1000;网格高度H=1000;
顶点数目=7;
顶点1(0,0);顶点2(5,0);顶点3(10,0);
顶点4(10,8);顶点5(5,8);顶点6(0,8);顶点7(5,6);
线段数目=8;
线段1(1,2,1);线段2(2,3,1);线段3(3,4,1);
线段4(4,5,1);线段5(5,6,1);线段6(1,6,1);
线段7(7,2,1);线段8(5,7,0);
区域数目=2;
区域1(1,2,6,5,7);
区域2(2,3,4,5,7);
所述编号都是大于0的整数,所述线段类型,0表示可以穿过的门、边界等,1表示不能穿过的墙。
所述离散分配模块400,用于将所述二维平面模型离散化为网格表示,并预先为网格中的每个点分配一个灰度值。
网格是一个二维的点阵。
场景模型中的每个顶点的坐标(X,Y)都按线性变换换算到对应场景网格中的某个点(x,y)。换算方法如下:
x=W*(X–Xmin)/(Xmax–Xmin)
y=H*(Y–Ymin)/(Ymax–Ymin)
其中,W为网格的宽度(网格x方向的点数目),H为网格的高度(网格y方向的点数目),且如果x、y不是整数时,只取整数值,Xmin为场景的最小x坐标,Xmax为场景的最大x坐标,Ymin为场景的最小x坐标,Ymax为场景的最大y坐标;
场景模型的线段上的各个点也换算为场景网格中对应点。换算方法如下:
先将线段的两个顶点(X1,Y1)和(X2,Y2)分别换算到网格中的点(x1,y1)和(x2,y2);
然后,使用计算机图形学中的画点算法,例如,Bresenham算法,计算出网格上(x1,y1)到(x2,y2)直线段上所有点的坐标,得到一个点坐标序列(x1,y1)……(xi,yi)(xj,yj)……(x2,y2)。点的序列中,任意相邻两点(xi,yi)和(xj,yj),应该满足条件:xi=xj或者yi=yj,如果不满足这个条件,就需要在(xi,yi)和(xj,yj)之间插入一个坐标点(xk,yk),得(xi,yi)(xk,yk)(xj,yj),使得xi=xk或者yi=yk,而且xk=xj或者yk=yj。
场景模型每个区域的中心点,也按上述顶点的换算方法,换算到网格中对应点。
顶点、线段和区域中心点换算到网格点后,为网格中已经换算的网格点分配一个灰度值,分配方法如下:
最大灰度值为N(例如,N=255或N=65535);
对应于墙的网格点,灰度值为0;
对应于门和边界的网格点,灰度值为(N-1);
对应于区域中心点的网格点,灰度值为区域编号,1到(N-2);
其它网格点,灰度值暂时为N。
对于网格中灰度值为N的点,继续分配灰度值。具体分配方法如下:
如果某个网格点的灰度值为N,在网格中有一个灰度值为1到(N-2)之间,包括1和(N-2),的邻接网格点,则其灰度值分配为这个邻接网格点的灰度值。
所述初步区域获得模块500,用于从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格上的某个点,根据该点的灰度值得到目标对象所在的初步位置。
从射频识别定位应用系统获取目标对象的初步场景坐标(X’,Y’)后,根据离散分配模块400中顶点坐标的换算方法,将目标对象坐标换算到网格上的某个点的坐标(x’,y’),根据网格点的灰度值,得到目标对象所在的初步位置R’i。
所述结果获得模块600,根据所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标。
对同一个目标对象,根据时刻(i)所在的初步区域R’(i)与前一时刻(i-1)所在的最终区域R(i-1),按照下列规则,计算目标对象在时刻(i)所在的最终区域R(i):
如果R’(i)=R(i-1),则最终区域R(i)=初步区域R’(i),最终网格坐标(xi,yi)=初步网格坐标(x’i,y’i),最终场景坐标(Xi,Yi)=初步场景坐标(X’i,Y’i)。
如果R’(i)≠R(i-1),按照离散分配模块400中的方法,计算从前一时刻(i-1)网格点(xi-1,yi-1)到当前时刻(i)的初步网格点(x’i,y’i)的直线段上所有网格点;例如,附图3中,目标对象前一时刻场景坐标为(4,1),网格坐标为(416,200),区域为1,当前时刻场景坐标为(4,2),当前时刻网格坐标为(416,300),初始区域为1,由于两个区域相同,则最终区域为1,场景坐标为(4,2),网格坐标为(416,300)。
如果从(xi-1,yi-1)到(x’i,y’i)的所有网格点都是区域网格点、门网格点或边界网格点,则最终区域R(i)=初步区域R’(i),最终网格坐标(xi,yi)=初步网格坐标(x’i,y’i),最终场景坐标(Xi,Yi)=初步场景坐标(X’i,Y’i)。例如,附图3中,目标对象前一时刻场景坐标为(4,7),网格坐标为(416,800),区域为1,当前时刻场景坐标为(6,7),当前时刻网格坐标为(583,800),初始区域为2,由于当前网格点和前一时刻网格点之间都是网格点和门网格点,因此,最终区域为2,场景坐标为(6,7),网格坐标为(583,800)。
如果从(xi-1,yi-1)到(x’i,y’i)的网格点中存在墙网格点,查找从(xi-1,yi-1)到(x’i,y’i)的第一个墙网格点的前一个且区域为R(i-1)的网格点(xk,yk),最终区域R(i)=(xk,yk)所在区域,最终网格坐标(xi,yi)=(xk,yk),最终场景坐标(Xi,Yi)如下计算:
Xi=xi*(Xmax-Xmin)/W+Xmin
Yi=yi*(Ymax–Ymin)/H+Ymin
例如,附图3中,目标对象前一时刻场景坐标为(4,1),网格坐标为(416,200),区域为1,当前时刻场景坐标为(6,1),当前时刻网格坐标为(583,200),出现了“穿墙”现象,现有的技术面对这种现象,由于不作穿墙判断,直接采用新的场景坐标或网格点坐标,就会接受目标对象穿墙这种不符合物理规律的事实,将会向使用者显示目标对象穿墙而过,让使用者难以接受;或者需要在每个房间再安装定位设备,增加了定位系统成本。
而本发明初始区域为2,由于从(416,200)到(583,200)存在墙网格点(500,200),因此,先从(416,200)前进到(499,200),由于(499,200)就是到(583,200)最近的网格点,因此,最终区域为1,网格坐标为(499,200),场景坐标为(4.99,1),从而避免了目标对象穿墙而过的现象。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明权利要求的保护范围。
Claims (9)
1.一种射频识别精确区域定位方法,其特征在于,包括:
步骤1,在射频识别定位系统中建立应用场景的二维平面模型;
步骤2,将所述二维平面模型用网格表示,并预先为网格中的每个点分配一个表示其所在区域灰度值;
步骤3,从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格上,根据网格上相应点的灰度值得到所述目标对象所在的初步位置;
步骤4,利用所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标;
其中,所述步骤2中:所述网格是一个二维的点阵,所述二维平面模型中的每个顶点、每条线段上的点、每个区域中的点都换算网格中的对应点;所述网格中的每个点都有一个灰度值,该灰度值确定某个网格点为墙、门、边界,或者网格点所在的区域的编号。
2.如权利要求1所述的区域定位方法,其特征在于,所述步骤1中:所述二维平面模型由多个区域组成,所述每个区域为一个凸多边形,所述每个区域由多条线段围成;两个区域的公共部分为线段,该线段表示区域的边界,所述线段的公共部分是顶点。
3.如权利要求1所述的区域定位方法,其特征在于,所述步骤1中:所述场景的描述方法如下:
场景最小坐标(Xmin,Ymin);场景最大坐标(Xmax,Ymax);
网格宽度W,网格高度H;
顶点数目;
每个顶点的描述为:(顶点x坐标,顶点y坐标);
线段数目;
每个线段的描述为:(第一个顶点编号,第二个顶点编号,线段类型);
区域数目;
每个区域的描述为:(第一个顶点编号,...,最后一个顶点编号);
所述编号都是大于0的整数,所述线段类型:0表示可以穿过的门、边界,1表示不能穿过的墙。
4.如权利要求1所述的区域定位方法,其特征在于,所述步骤2中:
所述二维平面模型中的每个顶点坐标(X,Y)采用线性变换方法,换算到网格中的对应点(x,y);
所述二维平面模型中的每条线段上的点换算到网格中的对应点的换算方法是:
步骤21,将线段的两个顶点分别按线性变换方法换算到网格中的对应点;
步骤22,使用计算机图形学的画点算法计算出两个顶点之间的所有点在网格中的对应点,得到点坐标序列,经处理后获得所需的坐标序列;
所述二维平面模型中的区域的中心点也按上述方法换算到网格中的对应点。
5.如权利要求1所述的区域定位方法,其特征在于,所述步骤2中:
所述灰度值的分配方法为:
最大灰度值为N;
对应墙的网格点,灰度值为0;
对应门和边界的网格点,灰度值为(N-1);
对应区域中心点的网格点,灰度值为区域编号1到(N-2);
其他网格点,灰度值为N。
6.如权利要求5所述的区域定位方法,其特征在于,对于所述网格中灰度值为N的点,要继续分配灰度值,分配方法如下:
寻找所述灰度值为N的网格点的邻接网格点,若该邻接网格点的灰度值在1到(N-2)之间,包括1和(N-2),则将所述邻接网格点的灰度值分配为所述灰度值为N的网格点的最终灰度值。
7.如权利要求1所述的区域定位方法,其特征在于,所述步骤4中:对同一个目标对象,根据从前一时刻(i-1)所在的最终网格点到当前时刻(i)所在的初步网格点的直线上的多个网格点的分布情况,计算目标对象在时刻(i)所在的最终区域、最终网格点坐标和最终场景坐标。
8.一种射频识别精确区域定位系统,其特征在于,包括:
二维平面模型构建模块,用于在射频识别定位系统中建立实际应用场景的二维平面模型;
离散分配模块,用于将所述二维平面模型离散化为网格表示,并预先为网格中的每个点分配一个表示其所在区域的灰度值;
初步区域获得模块,用于从所述射频识别定位系统获取目标对象的坐标后,将所述坐标换算到网格上的某个点,根据该点的灰度值得到目标对象所在的初步位置;
结果获得模块,根据所述初步位置和所述目标对象前一时刻的最终位置,计算目标对象在此时刻所在的最终区域、最终网格坐标和最终场景坐标;
其中,所述网格是一个二维的点阵,所述二维平面模型中的每个顶点、每条线段上的点、每个区域中的点都换算网格中的对应点;所述网格中的每个点都有一个灰度值,该灰度值确定某个网格点为墙、门、边界,或者网格点所在的区域的编号。
9.如权利要求8所述的区域定位系统,其特征在于,所述结果获得模块中:对同一个目标对象,根据从前一时刻(i-1)所在的最终网格点到当前时刻(i)所在的初步网格点的直线上的多个网格点的分布情况,计算目标对象在时刻(i)所在的最终区域、最终网格点坐标和最终场景坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210451847.2A CN103810450B (zh) | 2012-11-12 | 2012-11-12 | 一种射频识别的精确区域定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210451847.2A CN103810450B (zh) | 2012-11-12 | 2012-11-12 | 一种射频识别的精确区域定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810450A CN103810450A (zh) | 2014-05-21 |
CN103810450B true CN103810450B (zh) | 2017-01-25 |
Family
ID=50707198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210451847.2A Active CN103810450B (zh) | 2012-11-12 | 2012-11-12 | 一种射频识别的精确区域定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810450B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895383A (zh) * | 2017-11-13 | 2018-04-10 | 北京邮电大学 | 一种粒子穿墙检测方法、装置及电子设备 |
CN108426527B (zh) * | 2018-01-23 | 2019-08-16 | 淮阴工学院 | 一种基于dlt的rfid标签三维坐标自动检测方法 |
EP3768117A1 (de) * | 2018-04-16 | 2021-01-27 | Bulthaup GmbH & Co. KG | Möbelstrukturelement |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1578530A (zh) * | 2003-06-30 | 2005-02-09 | 微软公司 | 用于确定便携式计算设备的定位动态特性的系统和方法 |
CN101018402A (zh) * | 2005-12-07 | 2007-08-15 | 埃卡豪股份有限公司 | 位置确定技术 |
CN101207638A (zh) * | 2007-12-03 | 2008-06-25 | 浙江树人大学 | 一种基于预测的无线传感器网络目标跟踪方法 |
WO2011070551A1 (en) * | 2009-12-10 | 2011-06-16 | Nokia Corporation | Method and apparatus for constructing a user-generated geolocation system |
CN202374456U (zh) * | 2011-12-06 | 2012-08-08 | 北京理工大学 | 一种基于无线射频节点网络探测的安全监控系统 |
CN102663716A (zh) * | 2012-03-12 | 2012-09-12 | 武汉大学 | 适用于影像有效范围为凸多边形的接缝线网络生成方法 |
-
2012
- 2012-11-12 CN CN201210451847.2A patent/CN103810450B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1578530A (zh) * | 2003-06-30 | 2005-02-09 | 微软公司 | 用于确定便携式计算设备的定位动态特性的系统和方法 |
CN101018402A (zh) * | 2005-12-07 | 2007-08-15 | 埃卡豪股份有限公司 | 位置确定技术 |
CN101207638A (zh) * | 2007-12-03 | 2008-06-25 | 浙江树人大学 | 一种基于预测的无线传感器网络目标跟踪方法 |
WO2011070551A1 (en) * | 2009-12-10 | 2011-06-16 | Nokia Corporation | Method and apparatus for constructing a user-generated geolocation system |
CN202374456U (zh) * | 2011-12-06 | 2012-08-08 | 北京理工大学 | 一种基于无线射频节点网络探测的安全监控系统 |
CN102663716A (zh) * | 2012-03-12 | 2012-09-12 | 武汉大学 | 适用于影像有效范围为凸多边形的接缝线网络生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103810450A (zh) | 2014-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | A Practical and Economical Ultra‐wideband Base Station Placement Approach for Indoor Autonomous Driving Systems | |
CN113744395B (zh) | 一种建筑地基沉降的监测预警方法及系统 | |
US20220309201A1 (en) | Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment | |
CN104977584B (zh) | 一种对流天气的临近预报方法及系统 | |
CN102708369B (zh) | 一种基于卫星图像的海冰参数提取方法 | |
CN106970387A (zh) | 一种基于ais与雷达数据融合的内河航道交通流检测方法 | |
CN107193060B (zh) | 一种多路径台风风暴潮快速预测方法及系统 | |
CN105550199A (zh) | 一种基于多源地图的点位聚合方法及装置 | |
CN113570122B (zh) | 预测风速的方法、装置、计算机设备和存储介质 | |
CN103810450B (zh) | 一种射频识别的精确区域定位方法及系统 | |
CN103929717A (zh) | 一种基于权重Voronoi图的无线传感器网络定位方法 | |
CN106556877B (zh) | 一种地磁通化方法及装置 | |
Kim et al. | Mapping local vulnerabilities into a 3D city model through social sensing and the CAVE system toward digital twin city | |
CN115731560B (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN107588775A (zh) | 一种新型室内定位方法 | |
CN105654151B (zh) | 一种工件定位方法及定位系统 | |
CN111275807A (zh) | 一种3d道路建模的方法和系统 | |
CN106125037A (zh) | 基于WiFi信号强度和Micro‑Model的室内无线热点回溯定位方法 | |
CN107148080A (zh) | 一种基于海伦公式计算面积残差的二次规划定位方法 | |
US9910131B2 (en) | Method and device for positioning terminal location | |
CN106910218A (zh) | 基于大区域栅格数字高程模型的地表表面面积计算方法 | |
CN113593006A (zh) | 一种基于深度学习的气象数据空间插值精细化方法及系统 | |
CN109598925A (zh) | 出租车车辆聚集报警方法、终端设备及存储介质 | |
CN104463896A (zh) | 基于核相似区分布特性的图像角点检测方法及系统 | |
CN104537874B (zh) | 基于三角区域定位的室内停车场寻车方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |