CN111079787A - 一种位置指纹识别方法 - Google Patents

一种位置指纹识别方法 Download PDF

Info

Publication number
CN111079787A
CN111079787A CN201911121047.2A CN201911121047A CN111079787A CN 111079787 A CN111079787 A CN 111079787A CN 201911121047 A CN201911121047 A CN 201911121047A CN 111079787 A CN111079787 A CN 111079787A
Authority
CN
China
Prior art keywords
image
mapping
measurement
ssim
psnr
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.)
Granted
Application number
CN201911121047.2A
Other languages
English (en)
Other versions
CN111079787B (zh
Inventor
韩飞
王兆龙
刘超镇
孙俊
韩宇
刘珊珊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201911121047.2A priority Critical patent/CN111079787B/zh
Publication of CN111079787A publication Critical patent/CN111079787A/zh
Application granted granted Critical
Publication of CN111079787B publication Critical patent/CN111079787B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

一种位置指纹识别方法，首先获得测量窗口，利用同样的映射函数，将离线场强库映射成离线图，将测量窗口映射成测量图，在离线图上滑动测量图，计算SSIM和PSNR，选择离线图上SSIM最高且PSNR值最大的图像区域，获得位置指纹识别结果。本发明基于SSIM和PSNR来分析图像相似性，不单纯依靠欧式距离，而是从多个角度衡量相似性，因此获得的位置精度更高，能在不显著增加运算量的基础上，提高位置比对的准确性。

Description

一种位置指纹识别方法
技术领域
本发明涉及导航技术领域，尤其涉及一种基于SSIM和PSNR的位置指纹识别方法。
背景技术
基于位置指纹定位技术具有高自主性、快速性等特点，因此成为室内定位、集群定位等多种场景下自主定位的关键技术。目前的位置指纹识别方法，主要集中在基于近邻法和机器学习法两类。近邻法计算简单，但仅考虑了点的强度值，在信号强度波动较大时，欧式距离最小的点可能不唯一，导致无法准确识别定位；机器学习虽然精度较高，但需要事先进行大量的训练，且计算过程较为复杂。因此，研究一种运算简单的能从多个角度评价指纹相似度的位置指纹识别方法，对于提高位置比对的准确性有重要的意义。
发明内容
本发明提供一种位置指纹识别方法，基于SSIM和PSNR来分析图像相似性，不单纯依靠欧式距离，而是从多个角度衡量相似性，因此获得的位置精度更高，能在不显著增加运算量的基础上，提高位置比对的准确性。
为了达到上述目的，本发明提供一种位置指纹识别方法，包含：
获得测量窗口；
利用同样的映射函数，将离线场强库映射成离线图，将测量窗口映射成测量图；
在离线图上滑动测量图，计算SSIM和PSNR；
选择离线图上SSIM最高且PSNR值最大的图像区域，获得位置指纹识别结果。
利用多头敏感器在同一时间基准下，同时测量多个位置的强度值，形成空间上连续的测量区域，作为测量窗口。
所述的映射函数将物理空间的位置网格点映射成图像空间的像素点，将物理空间的强度映射成图像空间的灰度。
所述的映射函数为：
f(·)＝f1(·)·f2(·)；
第一映射函数f1(·)将物理空间的位置(x,y)和强度(RSSI1,RSSI2,RSSI3)分别映射成像平面的像素点位置(ux,uy)和RGB三通道强度值
Figure BDA0002275480370000021
Figure BDA0002275480370000022
Figure BDA0002275480370000023
第二映射函数f2(·)将像平面的像素点位置(ux,uy)和RGB三通道强度值
Figure BDA0002275480370000024
映射成图像空间的像素点位置(ux,uy)和灰度值IGray＝f2(R,G,B)；
Figure BDA0002275480370000025
所述的测量图通过蛇形滑动的方式遍历离线图的所有区域。
计算SSIM和PSNR包含：
Figure BDA0002275480370000026
Figure BDA0002275480370000027
其中，PM为测量图，PT|M为离线图中对应测量窗口大小的被比对部分，uM和uT|M分别是PM和PT|M的像素均值，
Figure BDA0002275480370000028
和
Figure BDA0002275480370000029
分别是PM和PT|M的方差，σM,T|M是PM和PT|M的协方差；C1和C2为根据图像设定的常数；Fr为图像尺寸大小；PM,n为图像PM的第n个像素值；PT|M,n为图像PT|M的第n个像素值。
计算离线图上SSIM最高且PSNR值最大的图像区域的形心坐标，并将形心坐标从图像空间反映射到物理空间，该物理空间的坐标值即为用户的位置指纹识别结果。
所述的形心坐标为：
Figure BDA0002275480370000031
其中，i为敏感器的个数；
Figure BDA0002275480370000032
为敏感器Si对应的测量窗口图像的像素点位置。
利用映射函数f(·)＝f1(·)·f2(·)对形心坐标(uxD,uyD)进行反映射计算，得到当前用户的位置指纹识别结果(xu,yu)。
与现有技术相比，本发明的有益效果在于：
1、将位置和强度映射成图像的像素位置和亮度，采用图像分析工具SSIM和PSNR来分析相似性，不单纯依靠欧式距离，而是从多个角度衡量相似性，因此获得的位置精度更高。
2、能在不显著增加运算量的基础上，提高位置比对的准确性。
3、采用测量窗口的强度代替传统的点的强度，可将临近区域的强度值纳入比对范畴，增强比对结果的准确性。
附图说明
图1是本发明提供的一种位置指纹识别方法的流程图。
图2为场强和图像的映射关系示意图。
图3为用户敏感器布局示意图。
图4为窗口滑动过程示意图。
图5为相似度评价结果示意图。
具体实施方式
以下根据图1～图5，具体说明本发明的较佳实施例。
本发明提供一种位置指纹识别方法，包含以下步骤：
通过在用户上设置多头敏感器，同时测量多个位置的强度值，形成空间上连续的测量区域，即测量窗口；
利用同样的映射方式分别将离线场强库映射成离线图，将测量窗口映射成测量图，即，将位置网格点映射成像素点，将强度映射成灰度；
在离线图上滑动测量图，通过SSIM和PSNR计算窗口图像和离线库图像的相似度；
选择SSIM最高且PSNR值最大的图像区域，获得位置指纹识别结果。
所述的SSIM是指结构相似性评价指标，用来评价图像在亮度、对比度、结构等方面的相似性；所述的PSNR是指图像峰值信噪比，用来评价图像的失真度；所述的多头敏感器是指基于同一个时间基准，拥有多个测量部分和同一个数据处理部分的测量敏感器；所述的离线场强库是指根据自由传播公式事先计算出或事先标定获得的位置与场强对应的数据库。
所述的通过在用户上设置多头敏感器获得测量窗口是指：在同一时间基准下，通过同时测量多个位置的强度值，形成空间上连续的测量区域，即测量窗口。采用测量窗口的强度代替以往的测量点的强度，可将临近区域的强度值纳入比对范畴，增强比对结果的准确性。
所述的将离线场强库映射成离线图是指：将离线场强库中包含的位置和强度两个要素映射成像素点位置和灰度值两个要素，从而完成将离线场强库映射成离线图。
所述的将测量窗口映射成测量图是指：将测量窗口中包含的位置和强度两个要素映射成像素点位置和灰度值两个要素，从而完成将测量窗口映射成离线图。
所述的在离线图上滑动测量图是指：测量图通过蛇形滑动的方式遍历离线图的所有区域，以便得到最优比对结果。
所述的选择SSIM最高且PSNR值最大的区域，获得位置指纹识别结果的方法具体包含：求取SSIM最高且PSNR值最大的区域的形心坐标，并将形心坐标从图像空间反映射到物理空间，该物理空间的坐标值即为用户的位置指纹识别结果。
如图1所示，在本发明的一个实施例中，所述的位置指纹识别方法，包含以下步骤：
步骤S1、根据映射函数将离线位置指纹库T映射成离线图PT。
具体为，如图2所示，将离线场强库中包含的位置(x,y)和强度(RSSI1,RSSI2,RSSI3)两个要素，经过第一映射函数f1(·)，映射成像平面的像素点位置(ux,uy)和RGB三通道强度值
Figure BDA0002275480370000051
Figure BDA0002275480370000052
Figure BDA0002275480370000053
再经过第二映射函数f2(·)，映射成像素点位置(ux,uy)和灰度值IGray＝f2(R,G,B)两个要素；
Figure BDA0002275480370000054
从而完成将离线场强库T到图像PT的映射，其中，映射函数f(·)＝f1(·)·f2(·)。
步骤S2、根据映射函数将测量窗口M映射成窗口图像PM.
在用户上设置拥有多个测量部分和同一个数据处理部分的测量敏感器，即多头敏感器，并通过该敏感器测量i×i范围的场强。设定i＝3，则如图3所示，在同一时间基准下，通过同时测量多个位置的强度值S1～S8，形成空间上连续的测量区域，即测量窗口M。采用测量窗口M的强度代替以往的测量点的强度，可将临近区域的强度值纳入比对范畴，增强比对结果的准确性。并采用步骤S1所述的映射方式f(·)＝f1(·)·f2(·)，将测量窗口M映射成窗口图像PM。
步骤S3、如图4所示，在离线图PT上滑动测量图PM，并计算SSIM和PSNR值：
Figure BDA0002275480370000061
Figure BDA0002275480370000062
其中，PM为测量图，PT|M为离线库图像中对应窗口M大小的被比对部分，uM和uT|M分别是PM和PT|M的像素均值，
Figure BDA0002275480370000063
和
Figure BDA0002275480370000064
分别是PM和PT|M的方差，σM,T|M是PM和PT|M的协方差；C1和C2为根据图像设定的常数；Fr为图像尺寸大小；PM,n为图像PM的第n个像素值；PT|M,n为图像PT|M的第n个像素值。
步骤S4、选择SSIM和PSNR最大的图像区域PD。
如图5所示，SSIM值从亮度、对比度、结构相似等方面考核了PM和PT|M的相似度，因此SSIM值越高代表相似性也越高，即测量窗口与此处的离线场强图最接近；PSNR从峰值信噪比的角度考核了PM和PT|M的相似度，PSNR的值越大代表两张图片之间的失真度越小，即越相似。
根据上述分析，得到离线图PT上与当前测量图PM相似度最强的区域PD。
得到图像域里的最相似区域PD之后，计算该区域的形心(uxD,uyD)：
Figure BDA0002275480370000065
其中，i为敏感器的个数；
Figure BDA0002275480370000066
为敏感器Si对应的测量窗口图像的像素点位置。
步骤S5、根据形心(uxD,uyD)和映射关系f(·)＝f1(·)·f2(·)，通过简单的反映射计算，可得当前用户定位结果(xu,yu)。
与现有技术相比，本发明的有益效果在于：
1、将位置和强度映射成图像的像素位置和亮度，采用图像分析工具SSIM和PSNR来分析相似性，不单纯依靠欧式距离，而是从多个角度衡量相似性，因此获得的位置精度更高。
2、能在不显著增加运算量的基础上，提高位置比对的准确性。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (9)

1.一种位置指纹识别方法，其特征在于，包含：
获得测量窗口；
利用同样的映射函数，将离线场强库映射成离线图，将测量窗口映射成测量图；
在离线图上滑动测量图，计算SSIM和PSNR；
选择离线图上SSIM最高且PSNR值最大的图像区域，获得位置指纹识别结果。
2.如权利要求1所述的位置指纹识别方法，其特征在于，利用多头敏感器在同一时间基准下，同时测量多个位置的强度值，形成空间上连续的测量区域，作为测量窗口。
3.如权利要求2所述的位置指纹识别方法，其特征在于，所述的映射函数将物理空间的位置网格点映射成图像空间的像素点，将物理空间的强度映射成图像空间的灰度。
4.如权利要求3所述的位置指纹识别方法，其特征在于，所述的映射函数为：
f(·)＝f1(·)·f2(·)；
第一映射函数f1(·)将物理空间的位置(x,y)和强度(RSSI1,RSSI2,RSSI3)分别映射成像平面的像素点位置(ux,uy)和RGB三通道强度值
Figure FDA0002275480360000011
Figure FDA0002275480360000012
Figure FDA0002275480360000013
第二映射函数f2(·)将像平面的像素点位置(ux,uy)和RGB三通道强度值
Figure FDA0002275480360000014
映射成图像空间的像素点位置(ux,uy)和灰度值IGray＝f2(R,G,B)；
Figure FDA0002275480360000015
5.如权利要求4所述的位置指纹识别方法，其特征在于，所述的测量图通过蛇形滑动的方式遍历离线图的所有区域。
6.如权利要求5所述的位置指纹识别方法，其特征在于，计算SSIM和PSNR包含：
Figure FDA0002275480360000021
Figure FDA0002275480360000022
其中，PM为测量图，PT|M为离线图中对应测量窗口大小的被比对部分，uM和uT|M分别是PM和PT|M的像素均值，
Figure FDA0002275480360000023
和
Figure FDA0002275480360000024
分别是PM和PT|M的方差，σM,T|M是PM和PT|M的协方差；C1和C2为根据图像设定的常数；Fr为图像尺寸大小；PM,n为图像PM的第n个像素值；PT|M,n为图像PT|M的第n个像素值。
7.如权利要求6所述的位置指纹识别方法，其特征在于，计算离线图上SSIM最高且PSNR值最大的图像区域的形心坐标，并将形心坐标从图像空间反映射到物理空间，该物理空间的坐标值即为用户的位置指纹识别结果。
8.如权利要求7所述的位置指纹识别方法，其特征在于，所述的形心坐标为：
Figure FDA0002275480360000025
其中，i为敏感器的个数；
Figure FDA0002275480360000026
为敏感器Si对应的测量窗口图像的像素点位置。
9.如权利要求7所述的位置指纹识别方法，其特征在于，利用映射函数f(·)＝f1(·)·f2(·)对形心坐标(uxD,uyD)进行反映射计算，得到当前用户的位置指纹识别结果(xu,yu)。
CN201911121047.2A 2019-11-15 2019-11-15 一种位置指纹识别方法 Active CN111079787B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911121047.2A CN111079787B (zh) 2019-11-15 2019-11-15 一种位置指纹识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911121047.2A CN111079787B (zh) 2019-11-15 2019-11-15 一种位置指纹识别方法

Publications (2)

Publication Number Publication Date
CN111079787A true CN111079787A (zh) 2020-04-28
CN111079787B CN111079787B (zh) 2023-06-06

Family

ID=70311098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911121047.2A Active CN111079787B (zh) 2019-11-15 2019-11-15 一种位置指纹识别方法

Country Status (1)

Country Link
CN (1) CN111079787B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120274515A1 (en) * 2009-11-04 2012-11-01 Gamesontrack A/S Positioning system and method
CN102982535A (zh) * 2012-11-02 2013-03-20 天津大学 基于psnr和ssim的立体图像质量评价方法
CN104463929A (zh) * 2014-12-16 2015-03-25 重庆邮电大学 基于图像边缘检测信号相关性的室内wlan信号地图绘制与映射方法
CN105120517A (zh) * 2015-07-29 2015-12-02 重庆邮电大学 基于多维尺度分析的室内wlan信号平面图构建与定位方法
CN105205114A (zh) * 2015-09-06 2015-12-30 重庆邮电大学 一种基于图像处理的Wi-Fi定位指纹数据库构建方法
CN105548963A (zh) * 2015-12-18 2016-05-04 中国科学院半导体研究所 一种基于led定位的可旋转自适应系统
CN108282743A (zh) * 2018-03-05 2018-07-13 桂林理工大学 室内定位方法、装置及系统
CN108802681A (zh) * 2018-04-19 2018-11-13 江苏理工学院 一种基于多接收端的可见光定位方法及定位系统
US20180359113A1 (en) * 2017-06-13 2018-12-13 Honeywell International Inc. Systems and methods for indoor tracking via wi-fi fingerprinting and electromagnetic fingerprinting
CN109951798A (zh) * 2019-03-13 2019-06-28 南京邮电大学 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法
CN110133592A (zh) * 2019-05-09 2019-08-16 哈尔滨师范大学 一种基于可见光通信的室内两点定位方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120274515A1 (en) * 2009-11-04 2012-11-01 Gamesontrack A/S Positioning system and method
CN102982535A (zh) * 2012-11-02 2013-03-20 天津大学 基于psnr和ssim的立体图像质量评价方法
CN104463929A (zh) * 2014-12-16 2015-03-25 重庆邮电大学 基于图像边缘检测信号相关性的室内wlan信号地图绘制与映射方法
CN105120517A (zh) * 2015-07-29 2015-12-02 重庆邮电大学 基于多维尺度分析的室内wlan信号平面图构建与定位方法
CN105205114A (zh) * 2015-09-06 2015-12-30 重庆邮电大学 一种基于图像处理的Wi-Fi定位指纹数据库构建方法
CN105548963A (zh) * 2015-12-18 2016-05-04 中国科学院半导体研究所 一种基于led定位的可旋转自适应系统
US20180359113A1 (en) * 2017-06-13 2018-12-13 Honeywell International Inc. Systems and methods for indoor tracking via wi-fi fingerprinting and electromagnetic fingerprinting
CN108282743A (zh) * 2018-03-05 2018-07-13 桂林理工大学 室内定位方法、装置及系统
CN108802681A (zh) * 2018-04-19 2018-11-13 江苏理工学院 一种基于多接收端的可见光定位方法及定位系统
CN109951798A (zh) * 2019-03-13 2019-06-28 南京邮电大学 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法
CN110133592A (zh) * 2019-05-09 2019-08-16 哈尔滨师范大学 一种基于可见光通信的室内两点定位方法

Also Published As

Publication number Publication date
CN111079787B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN107014294B (zh) 一种基于红外图像的接触网几何参数检测方法及系统
CN109883533B (zh) 基于机器视觉的低频振动测量方法
CN109658398B (zh) 一种基于三维测量点云的零件表面缺陷识别与评估方法
CN103782232B (zh) 投影仪及其控制方法
JP4885584B2 (ja) レンジファインダ校正方法及び装置
US8103376B2 (en) System and method for the on-machine 2-D contour measurement
US6208769B1 (en) Method of accurately locating the fractional position of a template match point
CN103292701A (zh) 基于机器视觉的精密器件在线尺寸测量方法
US20080101722A1 (en) Correlation peak finding method for image correlation displacement sensing
KR102073468B1 (ko) 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법
CN100372089C (zh) 图形评价装置、图形评价方法
CN108205645B (zh) 一种异源图像匹配系统的基准图质量评价方法
CN114081471A (zh) 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法
CN113902894B (zh) 一种基于图像处理的条式水平仪自动读数识别方法
CN106529548A (zh) 亚像素级的多尺度Harris角点检测算法
US6683977B1 (en) Method of taking three-dimensional measurements of object surfaces
US20130331145A1 (en) Measuring system for mobile three dimensional imaging system
CN116740053B (zh) 一种锻造加工智能生产线的管理系统
US10719707B2 (en) Pedestrian detection method and related monitoring camera
CN111079787B (zh) 一种位置指纹识别方法
JP4101478B2 (ja) 人体端点検出方法及び装置
CN111199191A (zh) 基于刻度搜索的指针式仪表自动读取方法
KR20060122959A (ko) 대상의 각도 포즈를 결정하는 방법 및 장치
Iovenitti et al. Three-dimensional measurement using a single image
US10204407B2 (en) Measurement method and measurement device of critical dimension of sub-pixel

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant