CN108169711A - 一种基于可见光的移动机器人马尔可夫定位方法 - Google Patents
一种基于可见光的移动机器人马尔可夫定位方法 Download PDFInfo
- Publication number
- CN108169711A CN108169711A CN201711364147.9A CN201711364147A CN108169711A CN 108169711 A CN108169711 A CN 108169711A CN 201711364147 A CN201711364147 A CN 201711364147A CN 108169711 A CN108169711 A CN 108169711A
- Authority
- CN
- China
- Prior art keywords
- markov
- image
- robot
- mobile robot
- visible ray
- 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.)
- Pending
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
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于可见光的移动机器人马尔可夫定位方法,该方法包括如下步骤:将LED灯组的ID信号进行编码,将编码信号附加到LED上;接收端摄像头从发出的图像信息中提取出编码信息,进行图像识别、解码后得到筒灯编码信息进而由相应的定位公式实现可见光成像定位;马尔科夫定位通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,贝叶斯滤波技术能连续不断的对系统状态进行评估完成对机器人的后验估计;在可见光盲区或者阴影区域造成定位精度下降的情况下,采用马尔科夫定位弥补该区域定位精度,从而实现精度更高的定位。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种基于可见光的移动机器人马尔可夫定位方法。
背景技术
随着智能设备的快速发展,人们对于基于位置的服务要求越来越高。机器人定位,就是相对外部的参考系估计机器人坐标的问题,给定环境地图,机器人需要参考传感器数据,定位自己在环境地图中的相对位置。
近年来,基于可见光定位的定位方式发展迅速,首先将移动端位置信息附加到筒灯上发送出去,接收端接收识别光信号并解析出灯具发送的身份识别信息,进而通过相应算法进行坐标定位。然而,在可见光盲区和阴影的地方,接收端无法接收到良好的信息从而导致定位失败。
马尔科夫定位是一种利用机器人在运动环境中概率密度分布进行全局定位的方法。机器人被放置在环境中某处,环境中所有位置都可以使用一个概率密度函数表示机器人的位置。机器人通过模型预测得到先验估计,结合传感器测量数据对先验估计数据进行更新得到后验估计。进而完成机器人在环境中任何位置的定位,有效弥补可见光盲区和阴影造成的定位问题,提高定位精度。
发明内容
本发明的目的在于克服现有技术的不足,提供一种定位精度高、基于可见光的移动机器人马尔可夫定位方法。
本发明的目的通过下述技术方案实现:
一种基于可见光的移动机器人马尔可夫定位方法,包括如下步骤:
步骤S1:将LED灯组的ID信号进行编码,将编码信号附加到LED上;
步骤S2:接收端摄像头从发出的图像信息中提取出编码信息,进行图像识别、解码后得到筒灯编码信息进而由相应的定位公式实现可见光成像定位;
步骤S3:马尔科夫定位通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,贝叶斯滤波技术能连续不断的对系统状态进行评估完成对机器人的后验估计;
步骤S4:当位于可见光盲区或者阴影区域造成定位精度下降的情况时,调用马尔科夫定位方法,从而实现精度更高的定位。
作为本发明的优选方案,为了提高定位精度,本发明所述步骤S1中,每个LED包含唯一的ID信号编码。
进一步的,为了快速获取机器人的具体位置,提高定位效率,本发明所述步骤S2中,定位过程进一步包括:
步骤S21:对接收端摄像头接收到的含有灯具编码信息的原始图像进行图像预处理、图像分割、图像特征提取后,得到图像条纹,再对图像条纹进行解码;
步骤S22:通过解码获得的编码可查询到预先设置的筒灯坐标信息,进而通过相应定位算法计算出移动机器人的位置。
进一步的,所述图像预处理包括对摄像头接收到的含有灯具编码信息的图像进行闭运算操作:对图像中目标区域先做膨胀再做腐蚀处理,使灯具图像内部形成连通区域。
进一步的,所述图像分割采用轮廓分割的方法,使用邻域连通搜索得到目标基本轮廓,依据轮廓将物体从背景中分割出来。
进一步的,所述图像条纹解码包括输入筒灯图像,选取筒灯中心部位条纹作为感兴趣条纹,在该区域条纹中寻找颜色条纹位置,检验颜色位从而完成解码获得筒灯发送的编码。
进一步的,所述步骤S3中,马尔科夫定位过程进一步分为先验估计和后验估计两部分:
先验估计指的是根据上一时刻概率分布结合模型预测出当前时刻机器人位置的概率分布;先验置信度公式为:
Bel-(xt)=∫p(xt|xt-1)Bel(xt-1)dxt-1 (1)
其中,当前时刻先验估计置信度为Bel-(xt),p(xt|xt-1)指的是系统动态,Bel(xt-1)指的是机器人在xt-1状态时刻位置上后验置信度;
后验估计指的是结合传感器观测数值校正先验估计值,后验置信度公式为:
Bel(xt)=ηp(zt|xt)Bel-(xt) (2)
其中,当前时刻后验估计置信度为Bel(xt),p(zt|xt)是感知模型数值,即机器人在xt状态时刻位置上得到观测值zt的概率;η是一个归一化数值,保证对后验概率密度函数积分结果是1。
进一步的,所述步骤S4中,所述马尔科夫定位所得概率分布是在以下两个事件发生后进行更新:一是机器人的陀螺仪、加速度计等传感器测量数据到达后;二是读取车轮上光电编码器后,利用传感器测量数据以及感知模型更新概率分布并归一化,利用计程数据以及运动模型更新概率分布。
本发明的工作过程和原理是:本发明提供的基于可见光的移动机器人马尔可夫定位方法所对应的装置包括筒灯、移动机器人、摄像头三个部分,各部件之间的位置及连接关系是:筒灯安装在室内屋顶,摄像头安装在机器人顶部;其中筒灯的作用是发射含有信标节点的信息,摄像头的作用是作为接收端接收识别光信号并解析出灯具发送的身份识别信息,利用相应的定位算法完成可见光成像定位;通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,对机器人进行后验估计,从而实现精度更高的定位。
与现有技术相比,本发明还具有以下优点:
(1)本发明所提供的基于可见光的移动机器人马尔可夫定位方法能够有效弥补可见光在其盲区和阴影区域定位精度下降的缺陷,提高整体定位精度。
(2)本发明所提供的基于可见光的移动机器人马尔可夫定位方法利用概率密度分布描述机器人在状态空间可能位置,并用传感器信息不断更新概率密度分布,进而密度分布最大值所在位置不断逼近机器人真实位置,从而提供更高精度的定位信息。
(3)本发明所提供的基于可见光的移动机器人马尔可夫定位方法利用可见光定位技术将ID信号附加到筒灯上发送出去,每个筒灯有对应的ID信号,接收端通过解码获得的编码可查询到预先设置的筒灯坐标信息,进而通过相应定位算法快速、高效地计算出移动机器人的位置。
附图说明
图1是本发明所提供的移动机器人在走廊内位置概率密度分布示意图。
图2是本发明所提供的基于可见光的移动机器人马尔可夫定位方法的定位流程图。
图3是本发明所提供的马尔科夫假设示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明作进一步说明。
实施例1:
如图1、图2和图3所示,本发明公开了一种基于可见光的移动机器人马尔可夫定位方法,该方法对应的装置包括筒灯、移动机器人、摄像头三个部分。各部件之间的位置及连接关系是:筒灯安装在室内屋顶,摄像头安装在机器人顶部;其中,筒灯的作用是发射含有信标节点的信息,摄像头的作用是作为接收端接收识别光信号并解析出灯具发送的身份识别信息,利用相应的定位算法完成可见光成像定位;通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,对机器人进行后验估计,从而实现精度更高的定位。
本发明公开的基于可见光的移动机器人马尔可夫定位方法具体包括如下步骤:
步骤一:在室内天花板设置若干LED以发射光信号,对每个LED进行编号,并对ID信号进行编码进而附加到对应LED上,LED光信道上将发送含有ID信号的光。
步骤二:接收端摄像头从发出的图像信息中提取出编码信息,进行图像识别。对原图像进行图像预处理、图像分割、图像特征提取后对图像条纹解码得到筒灯编码信息进而由相应的定位公式实现可见光成像定位,其具体操作步骤如下:
步骤二一:所述图像预处理包括滤波、增强、图像复原等操作。筒灯出光面是圆形,可用圆形这个几何特征搜索筒灯,由于条纹的存在,圆形轮廓并不明显,无法直接检出。首先将图像进行闭运算操作,即对目标区域做膨胀、腐蚀处理,使灯具图像内部形成连通区域。
步骤二二:所述图像分割指的是将目标图像从整幅图像中分割出来,本方案采用轮廓分割的方法,使用邻域连通搜索得到目标基本轮廓,依据轮廓将物体从背景中分割出来。
步骤二三:所述图像特征提取指对目标图像的几何特征、形状特征、幅值特征等指标进行抽取,以锁定感兴趣区域。
步骤二四:所述图像条纹解码指输入筒灯图像,选取筒灯中心部位条纹作为感兴趣条纹,在该区域条纹中寻找颜色条纹位置,检验颜色位从而完成解码获得筒灯发送的编码。
步骤二一:通过解码获得的编码可查询到预先设置的筒灯坐标信息,进而通过相应定位算法计算出移动机器人的位置。
步骤三:马尔科夫定位通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,贝叶斯滤波技术能连续不断的对系统状态进行评估完成对机器人的后验估计,从而实现精度更高的定位,具体操作步骤如下:
步骤三一:如图(1)所示,马尔科夫定位利用概率密度函数表示移动机器人坐标位置的信任度,信任度越大表明机器人在该位置的概率越高。在假设的一维场景里,机器人在走廊里移动。图1a显示三个相同的波峰,表示根据上一时刻概率分布以及模型预测本时刻机器人位置概率分布;图1b显示三个相同的波峰,表示由传感器测量得到的概率密度分布;图1c显示在机器人所在位置波峰明显大于在其他位置的峰值,表明机器人在该位置的概率最大。
步骤三二:如图(2)所示,整个定位过程分为先验估计和后验估计两部分,基于马尔科夫假设,设当前时刻先验估计置信度为Bel-(xt),当前时刻后验估计置信度为Bel(xt),存在如下关系:
Bel-(xt)=∫p(xt|xt-1)Bel(xt-1)dxt-1 (1)
Bel(xt)=ηp(zt|xt)Bel-(xt) (2)
步骤三三:如公式(1)所示,先验估计指的是根据上一时刻概率分布结合模型预测出当前时刻机器人位置的概率分布。p(xt|xt-1)指的是系统动态,即系统的状态变化情况;Bel(xt-1)指的是机器人在xt-1状态时刻位置上后验置信度,即机器人在xt-1时刻上的概率分布;通过条件概率p(xt|z1:t-1)表示在已知t-1时刻之前所有时刻观测值情况下结合模型预测机器人在当前t时刻概率分布,p(xt|z1:t-1)=∫p(xt|xt-1)p(xt-1|z1:t-1)dxt-1,其中p(xt-1|z1:t-1)=Bel(xt-1),p(xt|z1:t-1)=Bel-(xt)。仅由模型预测出当前时刻概率分布准确度并不够高,尤其是在机器人转向情况下,这时需要考虑传感器实时测量数据。
步骤三四:如公式(2)所示,后验估计指的是结合传感器观测数值校正先验估计值。p(zt|xt)是感知模型数值,即机器人在xt状态时刻位置上得到观测值zt的概率;η是一个归一化数值,保证对后验概率密度函数积分结果是1;公式(2)表明在忽略归一化函数η情况下,后验估计值Bel(xt)是在得到先验估计Bel-(xt)的情况下与该时刻传感器测量值p(zt|xt)相乘所得。进而,由该时刻矫正后的最佳概率值Bel(xt)可作为下一时刻先验估计的条件,结合模型得到t+1时刻先验估计。由此,对每个时刻都可以得到最佳概率分布,实现机器人定位过程的迭代。
步骤三五:如图(3)所示,以上定位技术采用的动态系统是基于马尔科夫假设,即随机过程中,某一时刻t0所处状态是已知条件下,在t>t0时所处状态只和t0时刻有关,而与t0之前的状态无关。基于马尔科夫假设,传感器测量仅仅依靠目标当前物理位置xt,即观测值zt只与当前隐状态xt有关;目标在时刻位置仅仅依赖于系统先前状态xt-1,即当前状态xt只与上一时刻隐状态xt-1有关。
步骤四:在可见光盲区或者阴影区域造成定位精度下降的情况下,需要采用马尔科夫定位弥补该区域定位精度。概率分布在以下两个事件发生后进行更新:一是机器人的陀螺仪、加速度计等传感器测量数据到达后;二是读取车轮上光电编码器后。利用传感器测量数据以及感知模型更新概率分布并归一化,利用计程数据以及运动模型更新概率分布,从而实现对于环境中机器人的全局定位。
本发明的工作过程和原理是:本发明提供的基于可见光的移动机器人马尔可夫定位方法所对应的装置包括筒灯、移动机器人、摄像头三个部分,各部件之间的位置及连接关系是:筒灯安装在室内屋顶,摄像头安装在机器人顶部;其中筒灯的作用是发射含有信标节点的信息,摄像头的作用是作为接收端接收识别光信号并解析出灯具发送的身份识别信息,利用相应的定位算法完成可见光成像定位;通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,对机器人进行后验估计,从而实现精度更高的定位。本发明结合马尔科夫定位的可见光定位方法能够有效弥补可见光在其盲区和阴影区域定位精度下降的缺陷,提高整体定位精度。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于可见光的移动机器人马尔可夫定位方法,其特征在于,包括如下步骤:
步骤S1:将LED灯组的ID信号进行编码,将编码信号附加到LED上;
步骤S2:接收端摄像头从发出的图像信息中提取出编码信息,进行图像识别、解码后得到筒灯编码信息进而由相应的定位公式实现可见光成像定位;
步骤S3:马尔科夫定位通过模型预测对机器人位置进行先验估计,结合传感器观测到的数据,贝叶斯滤波技术能连续不断的对系统状态进行评估完成对机器人的后验估计;
步骤S4:当位于可见光盲区或者阴影区域造成定位精度下降的情况时,调用马尔科夫定位方法,从而实现精度更高的定位。
2.根据权利要求1所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述步骤S1中,每个LED包含唯一的ID信号编码。
3.根据权利要求1所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述步骤S2中,定位过程进一步包括:
步骤S21:对接收端摄像头接收到的含有灯具编码信息的原始图像进行图像预处理、图像分割、图像特征提取后,得到图像条纹,再对图像条纹进行解码;
步骤S22:通过解码获得的编码可查询到预先设置的筒灯坐标信息,进而通过相应定位算法计算出移动机器人的位置。
4.根据权利要求3所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述图像预处理包括对摄像头接收到的含有灯具编码信息的图像进行闭运算操作:对图像中目标区域先做膨胀再做腐蚀处理,使灯具图像内部形成连通区域。
5.根据权利要求3所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述图像分割采用轮廓分割的方法,使用邻域连通搜索得到目标基本轮廓,依据轮廓将物体从背景中分割出来。
6.根据权利要求3所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述图像条纹解码包括输入筒灯图像,选取筒灯中心部位条纹作为感兴趣条纹,在该区域条纹中寻找颜色条纹位置,检验颜色位从而完成解码获得筒灯发送的编码。
7.根据权利要求1所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述步骤S3中,马尔科夫定位过程进一步分为先验估计和后验估计两部分:
先验估计指的是根据上一时刻概率分布结合模型预测出当前时刻机器人位置的概率分布;先验置信度公式为:
Bel-(xt)=∫p(xt|xt-1)Bel(xt-1)dxt-1 (1)
其中,当前时刻先验估计置信度为Bel-(xt),p(xt|xt-1)指的是系统动态,Bel(xt-1)指的是机器人在xt-1状态时刻位置上后验置信度;
后验估计指的是结合传感器观测数值校正先验估计值,后验置信度公式为:
Bel(xt)=ηp(zt|xt)Bel-(xt) (2)
其中,当前时刻后验估计置信度为Bel(xt),p(zt|xt)是感知模型数值,即机器人在xt状态时刻位置上得到观测值zt的概率;η是一个归一化数值,保证对后验概率密度函数积分结果是1。
8.根据权利要求1所述的基于可见光的移动机器人马尔可夫定位方法,其特征在于,所述步骤S4中,所述马尔科夫定位所得概率分布是在以下两个事件发生后进行更新:一是机器人的陀螺仪、加速度计等传感器测量数据到达后;二是读取车轮上光电编码器后,利用传感器测量数据以及感知模型更新概率分布并归一化,利用计程数据以及运动模型更新概率分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364147.9A CN108169711A (zh) | 2017-12-18 | 2017-12-18 | 一种基于可见光的移动机器人马尔可夫定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364147.9A CN108169711A (zh) | 2017-12-18 | 2017-12-18 | 一种基于可见光的移动机器人马尔可夫定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108169711A true CN108169711A (zh) | 2018-06-15 |
Family
ID=62522264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711364147.9A Pending CN108169711A (zh) | 2017-12-18 | 2017-12-18 | 一种基于可见光的移动机器人马尔可夫定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108169711A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141437A (zh) * | 2018-09-30 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种机器人全局重定位方法 |
CN112082556A (zh) * | 2020-09-08 | 2020-12-15 | 杭州电子科技大学 | 一种基于色环灯地标的室内定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509734A (zh) * | 2015-11-30 | 2016-04-20 | 上海航天测控通信研究所 | 基于可见光的室内定位方法及系统 |
CN105674986A (zh) * | 2016-04-05 | 2016-06-15 | 中国电子科技集团公司第二十研究所 | 一种可见光与惯性组合的室内定位方法 |
CN107395279A (zh) * | 2017-08-16 | 2017-11-24 | 华南理工大学 | 一种基于可见光通信的单目定位方法及其系统 |
-
2017
- 2017-12-18 CN CN201711364147.9A patent/CN108169711A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509734A (zh) * | 2015-11-30 | 2016-04-20 | 上海航天测控通信研究所 | 基于可见光的室内定位方法及系统 |
CN105674986A (zh) * | 2016-04-05 | 2016-06-15 | 中国电子科技集团公司第二十研究所 | 一种可见光与惯性组合的室内定位方法 |
CN107395279A (zh) * | 2017-08-16 | 2017-11-24 | 华南理工大学 | 一种基于可见光通信的单目定位方法及其系统 |
Non-Patent Citations (2)
Title |
---|
栾新源: "基于LED可见光通信的室内定位关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
赵增顺 等: "基于Bayes滤波的移动机器人定位方法", 《计算机科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141437A (zh) * | 2018-09-30 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种机器人全局重定位方法 |
CN109141437B (zh) * | 2018-09-30 | 2021-11-26 | 中国科学院合肥物质科学研究院 | 一种机器人全局重定位方法 |
CN112082556A (zh) * | 2020-09-08 | 2020-12-15 | 杭州电子科技大学 | 一种基于色环灯地标的室内定位方法 |
CN112082556B (zh) * | 2020-09-08 | 2024-04-30 | 杭州电子科技大学 | 一种基于色环灯地标的室内定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Afzalan et al. | Indoor positioning based on visible light communication: A performance-based survey of real-world prototypes | |
CN107421506B (zh) | 一种基于室内可见光通信的视觉追踪定位系统和方法 | |
US11143509B2 (en) | Positioning based on illumination sources | |
JP6685234B2 (ja) | 符号化光に基づく携帯装置の位置特定 | |
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 | |
CN101315701B (zh) | 运动目标图像分割方法 | |
CN109861752B (zh) | 一种基于可见光定位的地下车库路径导航系统及方法 | |
US20160197676A1 (en) | Positioning Method Based on Visible Light Source, Mobile Terminal, and Controller | |
CN108495251B (zh) | 一种基于蓝牙和led光定位的组合定位方法 | |
CN107835050B (zh) | 一种基于可见光通信的定位方法及系统 | |
CN108288289B (zh) | 一种用于可见光定位的led视觉检测方法及其系统 | |
WO2019020200A1 (en) | METHOD AND APPARATUS FOR ACCURATE REAL-TIME POSITIONING BY VISIBLE LIGHT | |
CN104007760A (zh) | 一种自主机器人视觉导航中的自定位方法 | |
CN1811644A (zh) | 在复杂环境下智能机器人自主定位的方法 | |
CN108169711A (zh) | 一种基于可见光的移动机器人马尔可夫定位方法 | |
CN111190141B (zh) | 一种可见光室内定位中基于图像叠加确定光源发射序列的方法 | |
KR20070061079A (ko) | 카메라와 표식을 이용한 이동 로봇의 측위 시스템 및 방법 | |
CN103632044A (zh) | 基于地理信息系统的摄像头拓扑构建方法及装置 | |
CN111090074A (zh) | 基于机器学习的室内可见光定位方法和设备 | |
CN114370871A (zh) | 一种可见光定位与激光雷达惯性里程计的紧耦合优化方法 | |
Qin et al. | VLIP: Tightly coupled visible-light/inertial positioning system to cope with intermittent outage | |
CN114758364A (zh) | 基于深度学习的工业物联网场景融合定位方法及系统 | |
WO2018006028A1 (en) | Multi-transmitter vlc positioning system for rolling-shutter receivers | |
CN110531318B (zh) | 一种用于可见光成像室内定位扩展发光单元id的方法 | |
CN108107406A (zh) | Led定位装置、室内定位系统以及室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |