CN113923599B - 一种基于无线融合信号的vslam闭环检测方法 - Google Patents

一种基于无线融合信号的vslam闭环检测方法 Download PDF

Info

Publication number
CN113923599B
CN113923599B CN202111118659.3A CN202111118659A CN113923599B CN 113923599 B CN113923599 B CN 113923599B CN 202111118659 A CN202111118659 A CN 202111118659A CN 113923599 B CN113923599 B CN 113923599B
Authority
CN
China
Prior art keywords
signal
receiving end
wireless
bluetooth
signal receiving
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
Application number
CN202111118659.3A
Other languages
English (en)
Other versions
CN113923599A (zh
Inventor
黄河
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.)
Jiangsu Jingxin Photoelectric Technology Co ltd
Original Assignee
Jiangsu Jingxin Photoelectric Technology Co ltd
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 Jiangsu Jingxin Photoelectric Technology Co ltd filed Critical Jiangsu Jingxin Photoelectric Technology Co ltd
Priority to CN202111118659.3A priority Critical patent/CN113923599B/zh
Publication of CN113923599A publication Critical patent/CN113923599A/zh
Application granted granted Critical
Publication of CN113923599B publication Critical patent/CN113923599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于无线融合信号的VSLAM闭环检测方法，属于视觉导航技术领域。该VSLAM闭环检测方法将蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理后，获取参考点坐标，并通过参考点和和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值构建无线融合信号指纹，通过无线融合信号指纹定位蓝牙信号接收端的可选区域对空间场景的分区，将信号强度序列加入了场景图像信息中，使得新获取的场景图像不需要与地图中所有的关键帧进行匹配，减少了闭环检测的搜索区域，减少了当前场景图像匹配所需要的计算量，提升了VSLAM的运行效率以及VSLAM闭环检测的定位精度。

Description

一种基于无线融合信号的VSLAM闭环检测方法
技术领域
本发明属于视觉导航技术领域，具体地涉及一种基于无线融合信号的VSLAM闭环检测方法。
背景技术
在VSLAM系统中，新的场景图像都需要与之前的场景图像之间进行相似度的计算。如果两个场景图相似度高于相似度阈值，则放弃该场景图像，低于阈值，那么就需要通过VSLAM闭环检测模块来检测终端在运行过程中是否发生了闭环。倘若通过闭环判断出移动终端在实验场景的运行过程中发生了闭环，那么闭环检测模块就会将判断信息传递给后端优化，从而能够在后续的建图模块中添加新的地图节点并进行新老节点之间的重新连线。
利用传统的词袋模型辅助VLSAM闭环检测时，每一个新插入的关键帧都要与地图中已经存在的所有关键帧进行匹配。随着视觉SLAM系统的不断运行，整个系统中的图片数量会急剧的增长，使得整个的计算量大幅增加，增加了耗时，导致整个VSLAM系统闭环检测的准确率和实效性都降低了。
发明内容
针对现有技术中存在的问题，本发明提供了一种基于无线融合信号的VSLAM闭环检测方法。该VSLAM闭环检测方法通过在定位区域确定无线融合信号指纹，只需将空间场景图像与对应定位区域的无线融合信号指纹进行匹配，大大减小了闭环检测的计算量，并提高了检测精度。
为实现上述目的，本发明采用如下技术方案：一种基于无线融合信号的VSLAM闭环检测方法，在空间场景中布设有移动的无线信号接收端与无线信号发射器，所述无线信号发射器包括：蓝牙信号发射器和WiFi信号发射器，所述VSLAM闭环检测方法具体包括如下步骤：
(1)对无线信号接收端接收到的无线信号强度进行卡尔曼滤波预处理，得到无线信号强度均值集合；本发明中无线信号强度均值集合包括：蓝牙信号强度均值集合和WiFi信号强度均值集合；
(2)利用蓝牙信号强度均值集合以及WiFi信号强度均值集合，根据无线信号传播测距模型，计算各个蓝牙信号发射器、WiFi信号发射器到无线信号接收端之间的距离，根据极大似然估计模型，记录四个最短距离对应的蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标，通过蓝牙信号发射器位置坐标估计出蓝牙信号接收端的可取区域，通过WiFi信号发射器位置坐标估计出WiFi信号接收端的可取区域；并通过对蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理，得到融合位置坐标作为参考点坐标；
(3)将参考点坐标和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值共同组成无线融合信号指纹；
(4)移动无线信号接收端，重复步骤(1)-(3)，获得无线融合信号指纹库；
(5)通过无线融合信号指纹库中蓝牙信号接收端的可选区域对空间场景进行划分，若当前场景图像在蓝牙信号接收端的可选区域内，计算当前场景图像与对应蓝牙信号接收端的可选区域内参考点的欧式距离，当所述欧式距离小于阈值时，将当前场景图像作为闭环帧。
进一步地，所述无线信号传播测距模型具体为：
Figure BDA0003276259070000021
其中，PL(d)表示无线信号强度均值，d表示无线信号接收端到无线信号发射器之间的距离，f表示无线信号频率，
Figure BDA0003276259070000022
表示无线信号穿透损耗补偿，Xσ表示高斯正态分布的随机分布变量。
进一步地，所述蓝牙信号接收端的可取区域的估计方法具体为：根据计算的蓝牙信号发射器到无线信号接收端之间的距离，记录四个距离最短的蓝牙信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为蓝牙信号接收端的可取区域。
进一步地，所述WiFi信号接收端的可取区域的估计方法具体为：根据计算的WiFi信号发射器到无线信号接收端之间的距离，记录四个距离最短的WiFi信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为WiFi信号接收端的可取区域。
进一步地，所述参考点坐标的获取方法具体为：根据蓝牙信号接收端的可取区域的面积ΔSb计算蓝牙信号发射器的权值
Figure BDA0003276259070000023
根据WiFi信号接收端的可取区域的面积ΔSw计算WiFi信号发射器的权值
Figure BDA0003276259070000024
并进行权值归一化处理，得到蓝牙信号发射器的归一化权值
Figure BDA0003276259070000025
WiFi信号发射器的归一化权值
Figure BDA0003276259070000026
根据归一化权值，融合蓝牙信号发射器的位置坐标和WiFi信号发射器的位置坐标，作为参考点坐标。
进一步地，步骤(5)中的阈值为经验值。
与现有技术相比，本发明具有如下有益效果：考虑到室内定位容易受到干扰并且信号的波动范围较大，使得定位存在相当的误差，本发明基于无线融合信号的VSLAM闭环检测方法通过利用WiFi信号和蓝牙信号在空间和时间上的一致性，将蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理后，获取参考点坐标，并通过参考点和和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值构建无线融合信号指纹，通过无线融合信号指纹定位蓝牙信号接收端的可选区域对空间场景的分区，将信号强度序列加入了场景图像信息中，使得新获取的场景图像不需要与地图中所有的关键帧进行匹配，减少了闭环检测的搜索区域，在很大程度上减少了当前场景图像匹配所需要的计算量，提升了VSLAM的运行效率以及VSLAM闭环检测的定位精度。
附图说明
图1为本发明基于无线融合信号的VSLAM闭环检测方法的流程图；
图2为二维平面上蓝牙信号接收端的可取区域表示图。
具体实施方式
下面结合附图对本发明的技术方案作进一步地解释说明。
在空间场景中布设有移动的无线信号接收端与无线信号发射器，该无线信号发射器包括：蓝牙信号发射器和WiFi信号发射器，如图1，本发明基于无线融合信号的VSLAM闭环检测方法具体包括如下步骤：
(1)真实环境内有着桌椅等固定障碍物和来回走动的人群，会导致无线信号接收端与无线信号发射器之间的传播路径被阻隔，使得无线信号在室内的传播过程中会有一定程度的衰减，并且电磁波在遇到静止和移动的障碍物时，会产生多径效应，发射的无线信号经过多次衰减阻隔后才能被终端接收，造成了信号终端直接接收到的无线信号是非常不稳定的，如果使用不经过预处理的无线信号强度建立指纹库定位，会使得信号强度指纹库中含有许多噪声，这些噪声会影响参考点匹配的结果，从而造成较大的定位误差。因此本发明首先对无线信号接收端接收到的无线信号强度进行卡尔曼滤波预处理，得到无线信号强度均值集合，降低无线信号波动带来的误差，消除环境中的噪声；本发明无线信号强度均值集合包括：蓝牙信号强度均值集合和WiFi信号强度均值集合。
(2)利用蓝牙信号强度均值集合以及WiFi信号强度均值集合，根据无线信号传播测距模型，计算各个蓝牙信号发射器、WiFi信号发射器到无线信号接收端之间的距离，本发明中所采用的无线信号传播测距模型具体为：
Figure BDA0003276259070000031
其中，PL(d)表示无线信号强度均值，d表示无线信号接收端到无线信号发射器之间的距离，f表示无线信号频率，
Figure BDA0003276259070000032
表示无线信号穿透损耗补偿，Xσ表示高斯正态分布的随机分布变量。
根据极大似然估计模型，记录四个最短距离对应的蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标，通过蓝牙信号发射器位置坐标估计出蓝牙信号接收端的可取区域，具体为：将无线信号接收端的位置坐标记为(0，0，h)，以无线信号接收端的高度h作为平面值截取三维数学空间模型，可以得到二维的平面定位可取区域，使得定位的范围大大缩小，不仅降低了三维模型带来的空间误差，还让融合定位的稳定性得到了提升。如图2为二维平面上蓝牙信号接收端的可取区域表示图，根据计算的蓝牙信号发射器到无线信号接收端之间的距离，记录四个距离最短的蓝牙信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为蓝牙信号接收端的可取区域。
同样地，根据极大似然估计模型，记录四个最短距离对应的WiFi信号发射器位置坐标，通过WiFi信号发射器位置坐标估计出WiFi信号接收端的可取区域，具体地：根据计算的WiFi信号发射器到无线信号接收端之间的距离，记录四个距离最短的WiFi信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为WiFi信号接收端的可取区域。
通过对蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理，得到融合位置坐标作为参考点坐标，具体地：根据蓝牙信号接收端的可取区域的面积ΔSb计算蓝牙信号发射器的权值
Figure BDA0003276259070000041
根据WiFi信号接收端的可取区域的面积ΔSw计算WiFi信号发射器的权值
Figure BDA0003276259070000042
并进行权值归一化处理，得到蓝牙信号发射器的归一化权值
Figure BDA0003276259070000043
WiFi信号发射器的归一化权值
Figure BDA0003276259070000044
根据归一化权值，融合蓝牙信号发射器的位置坐标和WiFi信号发射器的位置坐标，作为参考点坐标，从而达到限定可取区域的目的，并同时加权融合WiFi信号和蓝牙信号两种定位方法所得到的定位结果。
(3)由于视觉传感器的机器人在室内场景运行中采集到的场景图像和当前所在位置的无线融合信号强度序列单独对应的，因此，将参考点坐标和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值共同组成无线融合信号指纹，这样使得每一个场景图像进行闭环检测时，不需要与地图库中所有的关键帧进行特征匹配，只需要与指纹库中无线融合信号指纹进行匹配，由于信号强度信息序列数据的数据量远小于匹配大量视觉特征点的数据量，使得闭环检测的计算量大大减小，而定位建图精度又因为无线融合位置信息的加入变得更加精确。
(4)移动无线信号接收端，重复步骤(1)-(3)，获得无线融合信号指纹库，从而实现相对精确的指纹定位。
(5)本发明中通过蓝牙位置坐标估计来缩小定位区域，约束匹配结果，使得参考点更接近于待测定位点，定位误差也相对较小，再利用WiFi信号进行定位时，只需要对蓝牙定位区域中的参考点进行指纹库匹配，选择与待测定位点最近的参考点作为最后的终端位置估计。因此，通过无线融合信号指纹库中蓝牙信号接收端的可选区域对空间场景进行划分，减少了闭环检测的搜索区域，在很大程度上减少了特征匹配所需要的计算量，提升了整体的运行效率。若当前场景图像在蓝牙信号接收端的可选区域内，计算当前场景图像与对应蓝牙信号接收端的可选区域内参考点的欧式距离，当所述欧式距离小于阈值时，将当前场景图像作为闭环帧。本发明中的阈值为经验值。
本发明无线融合信号的VSLAM闭环检测方法通过利用WiFi信号和蓝牙信号在空间和时间上的一致性，将蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理后，获取参考点坐标，并通过参考点和和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值构建无线融合信号指纹，通过无线融合信号指纹定位蓝牙信号接收端的可选区域对空间场景的分区，将信号强度序列加入了场景图像信息中，使得新获取的场景图像不需要与地图中所有的关键帧进行匹配，减少了闭环检测的搜索区域，在很大程度上减少了当前场景图像匹配所需要的计算量，提升了VSLAM的运行效率以及VSLAM闭环检测的定位精度。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施方式，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种基于无线融合信号的VSLAM闭环检测方法，其特征在于，在空间场景中布设有移动的无线信号接收端与无线信号发射器，所述无线信号发射器包括：蓝牙信号发射器和WiFi信号发射器，所述VSLAM闭环检测方法具体包括如下步骤：
(1)对无线信号接收端接收到的无线信号强度进行卡尔曼滤波预处理，得到无线信号强度均值集合；所述无线信号强度均值集合包括：蓝牙信号强度均值集合和WiFi信号强度均值集合；
(2)利用蓝牙信号强度均值集合以及WiFi信号强度均值集合，根据无线信号传播测距模型，计算各个蓝牙信号发射器、WiFi信号发射器到无线信号接收端之间的距离，根据极大似然估计模型，记录四个最短距离对应的蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标，通过蓝牙信号发射器位置坐标估计出蓝牙信号接收端的可取区域，通过WiFi信号发射器位置坐标估计出WiFi信号接收端的可取区域；并通过对蓝牙信号发射器位置坐标和WiFi信号发射器位置坐标进行权值归一化处理，得到融合位置坐标作为参考点坐标；
(3)视觉传感器的机器人在室内场景运行中采集到的场景图像和当前所在位置的无线融合信号强度序列单独对应，使得采集的场景图像和当前所在位置是一一对应的关系，将参考点坐标和蓝牙信号接收端的可取区域中WiFi信号强度均值最强的WiFi信号强度均值共同组成无线融合信号指纹；
(4)移动无线信号接收端，重复步骤(1)-(3)，获得无线融合信号指纹库；
(5)通过无线融合信号指纹库中蓝牙信号接收端的可选区域对空间场景进行划分，若当前场景图像在蓝牙信号接收端的可选区域内，计算当前场景图像与对应蓝牙信号接收端的可选区域内参考点的欧式距离，当所述欧式距离小于阈值时，将当前场景图像作为闭环帧；
所述参考点坐标的获取方法具体为：根据蓝牙信号接收端的可取区域的面积ΔSb计算蓝牙信号发射器的权值
Figure FDA0003839553720000011
根据WiFi信号接收端的可取区域的面积ΔSw计算WiFi信号发射器的权值
Figure FDA0003839553720000012
并进行权值归一化处理，得到蓝牙信号发射器的归一化权值
Figure FDA0003839553720000013
WiFi信号发射器的归一化权值
Figure FDA0003839553720000014
根据归一化权值，融合蓝牙信号发射器的位置坐标和WiFi信号发射器的位置坐标，作为参考点坐标。
2.根据权利要求1所述基于无线融合信号的VSLAM闭环检测方法，其特征在于，所述无线信号传播测距模型具体为：
Figure FDA0003839553720000015
其中，PL(d)表示无线信号强度均值，d表示无线信号接收端到无线信号发射器之间的距离，f表示无线信号频率，
Figure FDA0003839553720000016
表示无线信号穿透损耗补偿，Xσ表示高斯正态分布的随机分布变量。
3.根据权利要求1所述基于无线融合信号的VSLAM闭环检测方法，其特征在于，所述蓝牙信号接收端的可取区域的估计方法具体为：根据计算的蓝牙信号发射器到无线信号接收端之间的距离，记录四个距离最短的蓝牙信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为蓝牙信号接收端的可取区域。
4.根据权利要求1所述基于无线融合信号的VSLAM闭环检测方法，其特征在于，所述WiFi信号接收端的可取区域的估计方法具体为：根据计算的WiFi信号发射器到无线信号接收端之间的距离，记录四个距离最短的WiFi信号发射器的位置坐标，并分别以四个点的位置坐标为球心，对应的距离为半径，画圆，将四个圆的重叠部分作为WiFi信号接收端的可取区域。
5.根据权利要求1所述基于无线融合信号的VSLAM闭环检测方法，其特征在于，步骤(5)中的阈值为经验值。
CN202111118659.3A 2021-09-24 2021-09-24 一种基于无线融合信号的vslam闭环检测方法 Active CN113923599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118659.3A CN113923599B (zh) 2021-09-24 2021-09-24 一种基于无线融合信号的vslam闭环检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118659.3A CN113923599B (zh) 2021-09-24 2021-09-24 一种基于无线融合信号的vslam闭环检测方法

Publications (2)

Publication Number Publication Date
CN113923599A CN113923599A (zh) 2022-01-11
CN113923599B true CN113923599B (zh) 2022-11-15

Family

ID=79236084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118659.3A Active CN113923599B (zh) 2021-09-24 2021-09-24 一种基于无线融合信号的vslam闭环检测方法

Country Status (1)

Country Link
CN (1) CN113923599B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117629175A (zh) * 2022-08-16 2024-03-01 华为技术有限公司 信号特征图的生成方法、装置、电子设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688665A (zh) * 2017-09-27 2018-02-13 深圳大学 一种室内地图自动构建方法、装置及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403163B (zh) * 2017-07-31 2019-11-08 武汉大学 一种基于深度学习的激光slam闭环自动检测方法
CN108256563B (zh) * 2018-01-09 2020-05-26 深圳市无限动力发展有限公司 基于距离度量的视觉词典闭环检测方法与装置
CN110443263B (zh) * 2018-05-02 2022-06-07 北京京东尚科信息技术有限公司 闭环检测方法、装置、设备和计算机可读介质
CN112082553A (zh) * 2020-07-24 2020-12-15 广州易来特自动驾驶科技有限公司 基于wifi和激光雷达的室内定位方法、定位装置和机器人
CN112230243B (zh) * 2020-10-28 2022-04-08 西南科技大学 一种移动机器人室内地图构建方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688665A (zh) * 2017-09-27 2018-02-13 深圳大学 一种室内地图自动构建方法、装置及存储介质

Also Published As

Publication number Publication date
CN113923599A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
Luo et al. Indoor localization system based on hybrid Wi-Fi/BLE and hierarchical topological fingerprinting approach
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
CN109275093B (zh) 基于uwb定位与激光地图匹配的定位方法和移动终端
CN105424030B (zh) 基于无线指纹和mems传感器的融合导航装置和方法
Niitsoo et al. Convolutional neural networks for position estimation in tdoa-based locating systems
CN109141442B (zh) 基于uwb定位与图像特征匹配的导航方法和移动终端
US9411037B2 (en) Calibration of Wi-Fi localization from video localization
CN105704652B (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
Du et al. CRCLoc: A crowdsourcing-based radio map construction method for WiFi fingerprinting localization
CN105636201B (zh) 基于稀疏信号指纹数据库的室内定位方法
CN112729301A (zh) 一种基于多源数据融合的室内定位方法
Wendeberg et al. Robust tracking of a mobile beacon using time differences of arrival with simultaneous calibration of receiver positions
CN105163382A (zh) 一种室内区域定位优化方法及系统
US10614436B1 (en) Association of mobile device to retail transaction
Souli et al. Relative positioning of autonomous systems using signals of opportunity
CN113923599B (zh) 一种基于无线融合信号的vslam闭环检测方法
KR102119196B1 (ko) 머신러닝 기반의 실내 측위 방법 및 시스템
Arsan et al. A Clustering‐Based Approach for Improving the Accuracy of UWB Sensor‐Based Indoor Positioning System
Wei et al. RSSI-based location fingerprint method for RFID indoor positioning: a review
Koledoye et al. Improved MDS-based localization with non-line-of-sight RF links
Junoh et al. Enhancing indoor localization with semi-crowdsourced fingerprinting and gan-based data augmentation
JP6959533B2 (ja) 干渉源探索方法及び干渉源探索装置
Tao et al. CBWF: A lightweight circular boundary based WiFi fingerprinting localization system
Li et al. A survey of crowdsourcing-based indoor map learning methods using smartphones
US11894880B2 (en) Automatic fine-grained radio map construction and adaption

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