CN105954719B - 一种低成本室内定位方法及系统 - Google Patents
一种低成本室内定位方法及系统 Download PDFInfo
- Publication number
- CN105954719B CN105954719B CN201610259684.6A CN201610259684A CN105954719B CN 105954719 B CN105954719 B CN 105954719B CN 201610259684 A CN201610259684 A CN 201610259684A CN 105954719 B CN105954719 B CN 105954719B
- Authority
- CN
- China
- Prior art keywords
- signal
- light
- light intensity
- intensity
- low cost
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/1141—One-way transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种低成本室内定位方法及系统,该低成本室内定位方法包括如下步骤:接收步骤:接收调制光接收传感器发送的合成光源信号;信号分解步骤:将调制光接收传感器发送的合成光源信号进行分解,从而得到各个通道光源信号的强度值;还包括高斯过程数据建模步骤和定位步骤。本发明的有益效果是:本发明通过采用简单的可调制LED灯和低成本的调制光接收传感器,通过光的最优编解码,多光源光分量分解以及贝叶斯状态滤波等多种方法的融合,实现了低成本室内定位技术的低成本化,这套系统的计算负载低,只需要进行简单的贝叶斯迭代,并且能够实现亚米级的定位精度,能够满足大部分智能设备低成本室内定位需求。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种低成本室内定位方法及系统。
背景技术
伴随着互联网和智能硬件技术的迅速发展,智能手机、智能穿戴和服务机器人等智能设备已经在民用服务行业等得到了广泛的应用。人们或者机器人在通过互联网进行交互信息的同时,也需要与周围的物理环境进行交互,其中的一个重要交互就是获得自身相对于周围环境的空间位置,即解决在哪里的问题。GPS是目前最常用的定位导航系统,但是在室内环境中无法正常工作;针对这个缺点,人们利用无线电通信系统,开发了室内的GPS定位系统,但是这种系统需要搭建额外的无线电基站,定位精度也在数米,应用十分有限。类似于室内GPS系统,人们基于室内环境wifi热点遍布的特点,开发出了基于同步定位与制图技术的wifi室内定位系统,但这种方法可靠性比较有限,精度在数米之外,由于许多室内环境不具有wifi热点,该方法应用也有限。在机器人领域,人们利用各种传感器开发了许多室内定位技术,例如基于激光测距仪的定位和基于视觉系统的定位等,这些定位系统成本较高,而且计算负载比较大。人们还通过惯性导航器件来实现定位,但精度不高而且误差存在累计。
发明内容
本发明提供了一种低成本室内定位方法,包括如下步骤:
接收步骤:接收调制光接收传感器发送的合成光源信号;
信号分解步骤:将调制光接收传感器发送的多通道合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模步骤:在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位步骤:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
作为本发明的进一步改进,在所述信号分解步骤中,通过如下公式实现合成光源信号的分解:
其中L1,L2,…Ln为多通道光强度组成的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
作为本发明的进一步改进,在所述定位步骤中,定位所需的观测模型是:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标。
作为本发明的进一步改进,在所述定位步骤中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模,设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x)。
作为本发明的进一步改进,所述光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
在所述高斯过程数据建模步骤中,训练使用的高斯过程核函数为径向基函数。
本发明还提供了一种低成本室内定位系统,包括:
接收模块:用于接收调制光接收传感器发送的合成光源信号;
信号分解模块:用于将调制光接收传感器发送的多通道合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模模块:用于在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位模块:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
作为本发明的进一步改进,在所述信号分解模块中,通过如下公式实现合成光源信号的分解:
其中L1,L2,…Ln为传感器感知的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
作为本发明的进一步改进,在所述定位模块中,定位所需的观测模型是:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标。
作为本发明的进一步改进,在所述定位模块中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模,设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x)。
作为本发明的进一步改进,所述光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
本发明的有益效果是:本发明通过采用简单的可调制LED灯和低成本的调制光接收传感器,通过光的最优编解码,多光源光分量分解以及贝叶斯状态滤波等多种方法的融合,实现了低成本室内定位技术的低成本化,这套系统的计算负载低,只需要进行简单的贝叶斯迭代,并且能够实现亚米级的定位精度,能够满足大部分智能设备低成本室内定位需求;本发明为相关室内服务机器人或室内环境下(如医院、地铁站、超市等等场所)的个人及智能设备定位提供低成本的解决方案,具有显著的社会意义和实用价值。
附图说明
图1是本发明的硬件装置框图。
图2是本发明的方差空间图。
图3是本发明的光强均值空间图。
具体实施方式
本发明针对智能装备(包括智能手机、穿戴式设备、和智能机器人等)的低成本室内定位问题,提出了一种新的实现装置、方法及系统;利用这种装置定位方法和系统,室内环境不需要部署复杂的辅助路标,只需利用室内的可调制光源(例如:频率可控的LED灯)和调制光接收传感器(例如:成本极低的光电二极管或者手机自带的光电传感器),就可以实现亚米级的定位精度,整个方法简单易行,成本低。本发明由硬件装置和核心算法组成,下面我们就这两个方面分别展开论述:
如图1所示,硬件构成:可调制光源(如频率可控的白光LED或者红外LED光源等)、调制光接收传感器(如光电二极管接收端)、以及智能终端组成。
可调制光源不限于采用基于wifi或者蓝牙的频率和光强可控制的LED灯具,其发出的光需要经过调制,这些信息将作为每个灯具唯一的标识。调制光接收传感器不限于采用普通的LED二极管或者智能全屏手机自带的光电传感器。智能终端可以采用智能手机或者价格低廉的嵌入式控制板(如本公司所开发的IntoRobot-Atom智能终端核心板)。
每个光源拥有唯一的身份识别码,编码方式的选择对定位精度的影响至关重要,我们通过最优通讯选码方式,对比各种编码的自相关函数和它们之间的互相关函数,选择多光源互扰影响最小,最适合解调的卡萨米(Kasami)编码方式对LED进行编码。为了滤除LED光的噪声,我们采用频域分析法来滤除杂质频率的噪声。
本发明公开了一种低成本室内定位方法,包括如下步骤:
接收步骤:接收调制光接收传感器发送的合成光源信号;
信号分解步骤:将调制光接收传感器发送的多通道合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模步骤:在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位步骤:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
环境中不同光源采取不同的编码形式,根据叠加原理,空间中某点的光照强度为所有光源单独作用时在该点产生的光强的叠加。我们需要将合成光强分离为各独立光源单独作用产生的光强的线性组合。本发明对LED灯产生的光强信号的分解进行数学描述。对于合成光信号可将其表示为空间中的多维向量,并将环境中所有光源信号作为一组基底,将各光源在空间中某确定点的信号强度作为待求未知数。这样,信号分解问题转化为线性方程组求解的问题,通过求解线性方程组,即可实现信号的分解。但实际应用中,由于通讯选码方式等原因,导致该线性方程组成为超定方程组,通过奇异值分解可求得方程组得近似解,从而实现信号的分解。该超定方程组如下公式表示:
其中L1,L2,…Ln为传感器感知的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
本发明采用高斯噪声模型来对LED光源的空间光强分布进行建模(通过大量实验,我们得到距离平方和光强成反比)。在高斯过程拟合框架下,选取合适的均值函数,方差函数,以及最重要的核函数,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型。观测数据可以利用运动扑捉系统对光源在空间中各个位置调制光强进行采样获得。
在高斯过程数据建模步骤中,图2即方差空间,其颜色深度反映了对应位置的估计的信任程度,颜色越深越信任(即方差越小)。图3为光强均值空间的描述,颜色越浅,相应的光强信号越强(即均值越大)。
为了提供定位的准确性和稳定性,本发明采用了基于贝叶斯状态滤波的方法来融合多种定位信息。基于上述合成光强的分解和单光源光强度模型,我们可以获得定位所需的观测模型:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标。此模型并不在最终算法中显示体现。
本发明利用智能设备的惯性导航器件(如智能手机的加速度计)来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,如此不断迭代循环就能不断更新系统的状态。本发明所使用的贝叶斯状态估计器不限于采用(扩展)卡尔曼滤波器或者粒子滤波器。对于两种定位信息的测量不确定性,分别用实验标定获得。对于信号光的不确定性,根据对光照环境建模得到的强度分布图,结合实验得到不同信号模式下的测量误差。针对手持设备,运动更新模型将直接利用由上一个时刻定位结果拟合的位置估计最大似然的高斯分布。最后,根据具体设计的定位实验验证模型的正确性。
在所述定位步骤中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模。设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x).由于系统不包括其他传感器,如惯性或视觉系统,因此对运动的估计只能由经验模型决定,如本发明中可利用一个二维高斯过程描述,其均值为(0,0),在两个运动方向的方差为0.4米。注意,此定义描述的运动模型即所定位的本体位置倾向于保持不变,或运动较慢,在90%的条件下,最大运动速度为0.4米每更新周期。针对不同应用背景,相关参数可进一步调整。之后,定位过程即最大化后验概率的标准过程。
光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
本发明还公开了一种低成本室内定位系统,包括:
接收模块:用于接收调制光接收传感器发送的合成光源信号;
信号分解模块:用于将调制光接收传感器发送的合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模模块:用于在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位模块:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
在所述信号分解模块中,通过如下公式实现合成光源信号的分解:
其中L1,L2,…Ln为传感器感知的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
在所述定位模块中,定位所需的观测模型是:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标。此模型并不在最终算法中显示体现。
在所述定位模块中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模,设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x)。
在所述高斯过程数据建模模块中,训练使用的高斯过程核函数为径向基函数。
光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
本发明通过分析现有智能设备低成本室内定位的需求(即低成本、计算负载低以及精度适中(亚米级)),提出了本发明中的基于光通信编解码和状态滤波技术的低成本室内定位方法及系统。LED灯是未来室内灯具的发展趋势,越来越多的室内灯具将换成可程序控制的LED灯具,本发明正是利用这一特点,提出通过廉价的光电二极管获取调制灯光信号,在智能终端运行本发明提出的方法及系统,实现室内亚米级的定位精度。
本发明通过采用简单的可调制LED灯和低成本的调制光接收传感器,通过光的最优编解码,多光源光分量分解以及贝叶斯状态滤波等多种方法的融合,实现了低成本室内定位技术的低成本化,这套系统的计算负载低,只需要进行简单的贝叶斯迭代,并且能够实现亚米级的定位精度,能够满足大部分智能设备低成本室内定位需求。值得指出的是,本发明的方法及系统应用于智能手机端,将不需要添加任何的额外设备,使用者就可以在装有可调制LED灯具的室内进行定位。本发明不仅可以应用于家庭服务机器人的定位与导航,还实现智能手机或这穿戴式设备在大型商场,地铁站、地下停车场等等,都有非常广泛的应用价值。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种低成本室内定位方法,其特征在于,包括如下步骤:
接收步骤:接收调制光接收传感器发送的合成光源信号;
信号分解步骤:将调制光接收传感器发送的多通道合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模步骤:在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位步骤:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
2.根据权利要求1所述的低成本室内定位方法,其特征在于,在所述信号分解步骤中,通过如下公式实现合成光源信号的分解:
其中L1,L2,…Ln为传感器感知的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
3.根据权利要求1所述的低成本室内定位方法,其特征在于,在所述定位步骤中,定位所需的观测模型是:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标,L1、L2…Ln为调制光接收传感器感知的n个光源的光强。
4.根据权利要求1所述的低成本室内定位方法,其特征在于,在所述定位步骤中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模,设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x)。
5.根据权利要求1所述的低成本室内定位方法,其特征在于,所述光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
6.一种低成本室内定位系统,其特征在于,包括:
接收模块:用于接收调制光接收传感器发送的合成光源信号;
信号分解模块:用于将调制光接收传感器发送的多通道合成光源信号进行分解,从而得到各个通道光源信号的强度值;
高斯过程数据建模模块:用于在地图创建过程中,训练样本包括各离散训练点处的多通道光强度组成的光强向量及各训练点的位置信息,通过高斯过程,光强向量与位置之间建立映射关系,所述映射关系由高斯过程描述,包括均值和方差两个子空间,输入观测数据训练高斯过程回归模型,建立当前的多光源环境下,各个信号光强度的空间分布模型;
定位模块:采用了基于贝叶斯状态滤波的方法融合多种定位信息,利用智能设备的惯性导航器件来获得先验位置信息,之后通过观测模型修正预测的状态,得到当前时刻的最佳估计,从而完成定位。
7.根据权利要求6所述的低成本室内定位系统,其特征在于,在所述信号分解模块中,通过如下公式实现合成光源信号的分解:
其中L1,L2,…Ln为传感器感知的n个光源的光强,ci,j表示第i个光源的第j种调制方式,Mj为第j次调制的合成光强信号。
8.根据权利要求6所述的低成本室内定位系统,其特征在于,在所述定位模块中,定位所需的观测模型是:
其中ai为第i个光源光强-距离平方倒数的比例系数,Pi为第i个光源的空间坐标,R为调制光接收传感器的空间坐标,L1、L2…Ln为调制光接收传感器感知的n个光源的光强。
9.根据权利要求6所述的低成本室内定位系统,其特征在于,在所述定位模块中,通过卡尔曼滤波定位,卡尔曼滤波定位包括对传感过程的建模和对运动过程的建模,设描述位置的随机变量为x,控制和运动变量为u,观测到的光强信号向量为z,后验概率分布为:
对于S个光源的环境,观测的似然概率即传感过程的建模为:
这里P(zts|xt)即对应每一位置x,所观测到的光强向量的分布s(x)。
10.根据权利要求6所述的低成本室内定位系统,其特征在于,所述光强度的空间分布模型建模过程不需要相关光源位置信息,所建立的模型为数据驱动,相关光源位置信息由各光源光强分布推理获得,无需事先测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610259684.6A CN105954719B (zh) | 2016-04-22 | 2016-04-22 | 一种低成本室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610259684.6A CN105954719B (zh) | 2016-04-22 | 2016-04-22 | 一种低成本室内定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954719A CN105954719A (zh) | 2016-09-21 |
CN105954719B true CN105954719B (zh) | 2019-03-19 |
Family
ID=56916163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610259684.6A Active CN105954719B (zh) | 2016-04-22 | 2016-04-22 | 一种低成本室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954719B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169943A (zh) * | 2016-09-27 | 2016-11-30 | 郑州云海信息技术有限公司 | 一种移动终端间数据传输方法及系统 |
CN107257581A (zh) * | 2017-05-25 | 2017-10-17 | 乐高乐佳(北京)信息技术有限公司 | 一种室内定位方法、装置及终端 |
CN107465459B (zh) * | 2017-08-29 | 2020-01-03 | 北京邮电大学 | 一种基于颜色空间强度分布的室内可见光定位方法 |
CN107589397B (zh) * | 2017-09-15 | 2018-10-12 | 南京轩世琪源软件科技有限公司 | 一种led室内定位发射系统 |
CN108692701B (zh) * | 2018-05-28 | 2020-08-07 | 佛山市南海区广工大数控装备协同创新研究院 | 基于粒子滤波器的移动机器人多传感器融合定位方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8411258B2 (en) * | 2010-12-22 | 2013-04-02 | Intel Corporation | Systems and methods for determining position using light sources |
US9444547B2 (en) * | 2011-07-26 | 2016-09-13 | Abl Ip Holding Llc | Self-identifying one-way authentication method using optical signals |
US8248467B1 (en) * | 2011-07-26 | 2012-08-21 | ByteLight, Inc. | Light positioning system using digital pulse recognition |
JP6096383B2 (ja) * | 2013-07-23 | 2017-03-15 | フィリップス ライティング ホールディング ビー ヴィ | 符号化光成分の変調 |
CN204009237U (zh) * | 2014-08-14 | 2014-12-10 | 苏州大学 | 自分裂光束的产生装置 |
CN105403879A (zh) * | 2015-11-26 | 2016-03-16 | 电子科技大学 | 基于室内光信号的定位导航系统及其定位导航的方法 |
-
2016
- 2016-04-22 CN CN201610259684.6A patent/CN105954719B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105954719A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105954719B (zh) | 一种低成本室内定位方法及系统 | |
Maheepala et al. | Light-based indoor positioning systems: A review | |
El-Sheimy et al. | Indoor navigation: State of the art and future trends | |
Fan et al. | Performance enhancement of MEMS-based INS/UWB integration for indoor navigation applications | |
Croce et al. | An indoor and outdoor navigation system for visually impaired people | |
Guan et al. | Robust robotic localization using visible light positioning and inertial fusion | |
CN106767822B (zh) | 基于相机通信与图像定位技术的室内定位系统及方法 | |
CN107328424A (zh) | 导航方法和装置 | |
Jiménez et al. | Light-matching: A new signal of opportunity for pedestrian indoor navigation | |
Kunhoth et al. | Comparative analysis of computer-vision and BLE technology based indoor navigation systems for people with visual impairments | |
CN108496057A (zh) | 基于照明源定位 | |
Kakiuchi et al. | Pedestrian dead reckoning for mobile phones through walking and running mode recognition | |
Qiu et al. | Visible light communication-based indoor localization using Gaussian process | |
CN110686671B (zh) | 基于多传感器信息融合的室内3d实时定位方法及装置 | |
CN103591958A (zh) | 一种基于智能眼镜的人员导航系统及方法 | |
Wang et al. | Recent advances in pedestrian inertial navigation based on smartphone: A review | |
CN106716053B (zh) | 移动体的三维姿势及位置识别装置 | |
Long et al. | Single UWB anchor aided PDR heading and step length correcting indoor localization system | |
Morawska et al. | Transfer learning-based UWB indoor localization using MHT-MDC and clusterization-based sparse fingerprinting | |
Huang et al. | VWR-SLAM: Tightly coupled SLAM system based on visible light positioning landmark, wheel odometer, and RGB-D camera | |
CN106461370A (zh) | 移动体的姿势识别装置以及基于位置的附加服务提供系统 | |
Jose et al. | Taylor series method in TDOA approach for indoor positioning system. | |
Zaib et al. | Smartphone based indoor navigation for blind persons using user profile and simplified building information model | |
Li et al. | Integrated wearable indoor positioning system based on visible light positioning and inertial navigation using unscented kalman filter | |
Hossan et al. | Simplified photogrammetry using optical camera communication for indoor positioning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |