CN113959439B - 稀疏光源下的室内高精度可见光定位方法及系统 - Google Patents
稀疏光源下的室内高精度可见光定位方法及系统 Download PDFInfo
- Publication number
- CN113959439B CN113959439B CN202111227967.XA CN202111227967A CN113959439B CN 113959439 B CN113959439 B CN 113959439B CN 202111227967 A CN202111227967 A CN 202111227967A CN 113959439 B CN113959439 B CN 113959439B
- Authority
- CN
- China
- Prior art keywords
- led
- positioning
- coordinate system
- visible light
- ellipse
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000002245 particle Substances 0.000 claims abstract description 80
- 238000012937 correction Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 230000003068 static effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 12
- 230000001186 cumulative effect Effects 0.000 description 8
- 238000005315 distribution function Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- G01C21/1656—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 with passive imaging devices, e.g. cameras
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明请求保护一种稀疏光源下的室内高精度可见光定位方法、介质及系统。在可见光定位系统中,发光二极管(LED)在天花板布局通常使智能手机在捕获的图像中获得不到三个LED。由于缺乏必要的定位信息,大多数学者将惯性测量单元(IMU)与改进的滤波算法相结合来实现稀疏光源下的定位本发明提出了稀疏光源下的室内高精度可见光定位算法。首先,提出了一种几何校正机制,利用椭圆拟合来校正方位角,以提高静态系统的定位精度。然后,通过无迹粒子滤波(UPF)建立整个定位过程的运动模型,由于粒子是随机生成的,因此不需要手动设置初始状态参数,以此提高动态系统的定位精度。
Description
技术领域
本发明属于通信网络技术领域,涉及一种面向室内智能灯的稀疏光源下的高精度可见光定位(Visible Light Positioning)方法、介质及系统。
背景技术
随着物联网和移动通信技术的快速发展,室内定位技术越来越吸引人们的目光。例如,在大型超市、地下停车场和工业应用中,对室内高精度定位的需求很大,传统的室外全球定位系统(GPS)技术在室内无法实现高精度定位。基于红外、蓝牙、WiFi和RFID的室内定位技术由于需要增加额外的基础设施和易受电磁干扰的影响,无法得到很好的推广和应用。LED正逐渐取代传统的白炽灯和荧光灯,成为下一代最有前途的灯具。由于其成本低、功耗低、寿命长等特点,被广泛应用于各种室内场景。可见光定位是LED应用的一个重要分支,它可以同时实现照明和定位。可见光定位系统分为基于相机的系统和基于光电二极管的系统。近年来,大多数学者关注的是基于相机的定位系统。基于相机的定位系统使用图像而不是接收信号强度指示(RSSI)来实现定位,因此具有更高的定位精度和抵抗环境光干扰的能力。然而,LED在天花板的布局使得作为接收机的智能手机在摄像头预览对话框中通常捕获不到三个LED。当捕获的LED少于3个时,这些系统无法获得多个几何参数,导致无法利用几何摄影实现定位。
一些学者提出将惯性测量单元与改进的滤波算法相结合来实现稀疏光源下的定位。提出的系统虽然可以在稀疏光源下实现室内可见光定位,但存在以下部分或全部问题:
(1)当定位系统捕获不到3个LED时,定位系统可以实现定位,但定位精度明显下降。这是由于惯性测量单元得到的方位角不准确造成的;
(2)当系统需要动态定位时,无法自动设置系统初始状态参数。这是因为基于卡尔曼滤波建立的运动模型需要计算雅可比矩阵。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种实现高精度定位的稀疏光源下的室内高精度可见光定位方法及系统。本发明的技术方案如下:
一种稀疏光源下的室内高精度可见光定位方法,其包括以下步骤:图像处理步骤:通过智能手机前置摄像头获取捕捉LED图像,并对LED图像进行包括ROI提取、椭圆拟合在内的处理步骤;
定位计算步骤:设计几何校正机制,利用椭圆拟合来校正方位角,利用世界坐标系、相机坐标系标定接收机的惯性测量单元引起的方位角误差;利用LED在像素坐标系中的中心坐标、椭圆特征参数和LED的轮廓尺寸,计算LED在相机坐标系中的坐标;通过坐标变换方法得到接收机的位置;
建立运动模型:引入无迹粒子滤波融合可见光定位和惯性测量单元,消除了对初始位置信息的要求,实现了高精度定位。
进一步的,所述图像处理步骤中,使用智能手机前置摄像头,设置摄像头参数,捕捉LED图像,在捕获的图像中,LED由亮条纹和暗条纹组成,代表了LED的识别码即LED-ID,然后将LED的识别信息与数据库信息进行匹配,数据库中会有对应LED的世界坐标和半径,得到LED解码后的世界坐标和半径;采用Canny算子提取亮条纹和暗条纹区域的轮廓点,然后使用最小二乘法来拟合椭圆;得到关于中心坐标、长轴和短轴在内的椭圆参数。
进一步的,所述设计几何校正机制具体包括:
1)采用智能LED灯,其亮度会随着外界周围光亮度的变化而变化,采用Manchester编码方式来对发送端进行序列编程,使得人眼感知不到智能LED的闪烁;发送端根据周围环境来改变智能LED灯的明亮程度;通过改变逻辑“0”与逻辑“1”的比例来改变智能LED灯的亮度;
2)利用接收机倾斜时获得的图像进行角度校正;智能手机沿水平方向的倾斜角足够大,可以发现在捕获的图像中LED是椭圆形的,通过设置用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点;得到关于中心坐标、长轴和短轴在内的椭圆参数;
3)在椭圆拟合过程之后,利用像素坐标系与世界坐标的投影几何原理,LED在像素平面的点投影为正交投影,以及LED世界坐标得到LED轮廓横坐标,取得LED轮廓横坐标的最大值umax;
4)根据椭圆拟合得到椭圆特征值,利用这些特征值在像素坐标系下,将LED轮廓表示出来,其中LED轮廓的横坐标有最大值
5)理论上,umax应该与相等,利用此关系计算方位角γ,计算出的方位角替代惯性测量单元给出的不准确方位角,用于实现高精度定位。
进一步的,利用世界坐标系与相机坐标系的投影几何关系来标定惯性测量单元引起的方位角误差,具体包括:获取LED在天花板上与捕获的图像之间的投影几何关系,通过设置合理用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点;将轮廓点坐标代入椭圆方程:
f(x)=k1x2+k2xy+k3y2+k4x+k5y+k6=0
其中ki,i=1,2…6是椭圆系数,(x,y)表示轮廓点坐标,最后,利用椭圆系数ki来获得像素坐标系下椭圆中心坐标(u0,v0)、半长轴a、半短轴b和长轴倾角θ。
进一步的,可见光定位系统涉及三个坐标系,分别为世界坐标系P(x,y,z),相机坐标系Pc(X,Y,Z)和像素坐标系p(u,v,1),世界坐标系通过旋转矩阵R转换到相机坐标系,相机坐标系通过对角矩阵K转换到像素坐标系,即p=KR(Pl-Pr),其中Pr是接收机的世界坐标,Pl是LED的世界坐标,R是旋转矩阵。
进一步的,旋转矩阵R由接收机俯仰角α、横滚角β以及方位角γ组成,将像素坐标系与世界坐标利用投影几何原理关联起来,LED在像素平面的点投影为正交投影,接收机和LED的垂直距离h是固定的,f为焦距,根据LED世界坐标及投影几何原理得到LED轮廓横坐标,LED轮廓横坐标取得最大值如下:
根据椭圆拟合得到椭圆特征值,利用这些特征值在像素坐标系下,将LED轮廓表示出来,其中LED轮廓的横坐标有最大值为:
理论上,umax应该与相等,利用此关系计算方位角γ,计算出的方位角会替代惯性测量单元给出的不准确方位角。
进一步的,所述基于无迹粒子滤波运动模型运行流程具体包括:
步骤1:初始化,系统随机产生粒子,获得粒子初始状态和粒子权重/>
步骤2:为粒子群选取Sigma采样点;
步骤3:系统更新,根据k时刻可见光定位结果对粒子状态和权重进行更新,更新后的粒子权重为
步骤4:重采样,根据粒子权重进行采样,获得权重较大的粒子;
步骤5:获得状态估计结果,惯性测量单元得到的方位角经过几何校正表示为θk和步长Sk,用于状态方程的更新,和/>是产生的噪声序列,获得系统k时刻最终定位结果;在接下来的运动过程,从步骤2到步骤5循环完成定位。
一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如任一项所述的稀疏光源下的室内高精度可见光定位方法。
一种稀疏光源下的室内高精度可见光定位系统,包括图像处理模块:使用智能手机前置摄像头,在合理的摄像头参数下,捕捉LED图像;在捕获的图像中,LED由亮条纹和暗条纹组成,代表了LED的识别即LED-ID;然后将LED的识别信息与数据库信息进行匹配,得到LED解码后的世界坐标和半径;同时提取亮条纹和暗条纹区域的轮廓点来拟合椭圆轮廓;最后得到了关于中心坐标、长轴和短轴椭圆参数;
定位计算模块:利用世界坐标系与相机坐标系的投影几何关系来标定惯性测量单元引起的方位角误差;然后,利用LED在像素坐标系中的中心坐标、椭圆特征参数和LED的轮廓尺寸,计算LED在相机坐标系中的坐标;然后,通过坐标变换方法得到接收机的位置;
运用模型模块:引入无迹粒子滤波有效融合可见光定位和惯性测量单元,消除了对初始位置信息的要求,实现了高精度定位。
进一步的,所述无迹粒子滤波是一种实现贝叶斯递归理论的顺序蒙特卡罗方法。采用蒙特卡罗方法的随机抽样来近似真实状态的概率分布,得到最小方差估计;当捕获的图像中LED数量小于3个时,不需要如扩展卡尔曼滤波使用线性逼近非线性并计算雅可比矩阵;无迹粒子滤波器的计算过程大多集中在粒子的选择上;无迹粒子滤波器的初始化是系统随机生成粒子并赋予它们相同的权重,在接下来的运动时刻,采用无迹粒子滤波的可见光定位系统根据状态估计快速得到接近真实位置的粒子,进而获得准确的定位。
本发明的优点及有益效果如下:
本发明首先提出一种几何校正机制,使用椭圆拟合来校正方位角,以提高静态系统的定位精度。然后,提出通过无迹粒子滤波(UPF)为整个定位过程建立运动模型,由于粒子是随机生成的,因此不需要手动设置初始状态参数。
本发明提出了基于几何校正机制的单LED定位算法。使用智能手机前置摄像头捕捉LED图像,LED灯罩是圆形的。如果智能手机沿水平方向的倾斜角足够大,可以发现在捕获的图像中LED是椭圆形的,这影响了普通定位系统的定位精度。为了提高定位精度,本发明对捕获的图像进行处理,得到关于中心坐标、长轴、短轴等椭圆参数,用于校正惯性测量单元计算的方位角。在获得准确的方位角后,在任意角度,仅捕捉单个LED时,利用校正的方位角、比例因子、旋转矩阵等参数实现高精度定位。
本发明建立了基于无迹粒子滤波的动态可见光定位系统的运动模型,可以消除对初始位置信息的要求,提高定位精度。无迹粒子滤波是一种实现贝叶斯递归理论的顺序蒙特卡罗方法。采用蒙特卡罗方法的随机抽样来近似真实状态的概率分布,得到最小方差估计。传统粒子滤波中的顺序重要采样(SIS)方法导致粒子群退化。序列重要重采样(SIR)可以降低粒子降解,但被选粒子失去多样性,导致粒子稀缺。将无迹粒子滤波应用于可见光定位系统中,解决了需要手动设置初始位置的问题。当捕获的图像中LED数量小于3个时,不需要如扩展卡尔曼滤波使用线性逼近非线性并计算雅可比矩阵。这是因为无迹粒子滤波器的计算过程大多集中在粒子的选择上。无迹粒子滤波器的初始化是系统随机生成粒子并赋予它们相同的权重,在接下来的运动时刻,采用无迹粒子滤波的可见光定位系统可以根据状态估计快速得到接近真实位置的粒子,进而获得准确的定位。
附图说明
图1是本发明提供优选实施例设计的可见光定位系统概述图;
图2为本发明LED在天花板上与捕获的图像之间的投影几何关系示意图;
图3为本发明涉及的世界坐标系、相机坐标系和像素坐标系之间的关系示意图;
图4为本发明智能手机旋转角度与相机坐标系中的椭圆形轮廓示意图;
图5为本发明基于无迹粒子滤波运动模型运行流程图;
图6为本发明设计的系统软件架构图;
图7为本发明角度与垂直距离对系统解码成功率的影响(a)角度的影响(b)垂直距离的影响;
图8为本发明背景光干扰对系统解码成功率的影响测试图;
图9为本发明方位角校正对系统性能的影响(a)方位角误差(b)解码成功率(c)当系统有角度校正时绘制定位误差的累积分布函数(CDF)(d)当系统没有角度校正时绘制定位误差的累积分布函数(CDF);
图10为本发明系统在可见光定位系统有UPF、无UPF两种情况下的精度对比图(a)定位系统无UPF的X-Y视图(b)定位系统有UPF的X-Y视图(c)当接收机没有无迹粒子滤波时定位系统的累积分布函数(d)当接收机有无迹粒子滤波时定位系统的累积分布函数。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本发明考虑智能灯下的可见光定位系统的架构图如图1所示。本发明的智能灯下的可见光定位系统主要分为三个部分:图像处理、定位计算和无迹粒子滤波。
(1)图像处理。使用智能手机前置摄像头,在合理的摄像头参数下,捕捉LED图像。在捕获的图像中,LED由亮条纹和暗条纹组成,代表了LED的识别(LED-ID)。然后将LED的识别信息与数据库信息进行匹配,得到LED解码后的世界坐标和半径。同时提取亮条纹和暗条纹区域的轮廓点来拟合椭圆轮廓。最后得到了关于中心坐标、长轴和短轴等椭圆参数;
(2)定位计算。利用世界坐标系与相机坐标系的投影几何关系来标定惯性测量单元引起的方位角误差。然后,利用LED在像素坐标系中的中心坐标、椭圆特征参数和LED的轮廓尺寸,计算LED在相机坐标系中的坐标。然后,通过坐标变换方法得到接收机的位置(世界坐标);
(3)建立运动模型。引入无迹粒子滤波有效融合可见光定位和惯性测量单元,消除了对初始位置信息的要求,实现了高精度定位。
图2是本发明LED在天花板上与捕获的图像之间的投影几何关系示意图。通过设置合理用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点。将轮廓点坐标代入椭圆方程:
f(x)=k1x2+k2xy+k3y2+k4x+k5y+k6=0
其中ki,i=1,2…6是椭圆系数,最后,本项目利用椭圆系数ki来获得像素坐标系下椭圆中心坐标(u0,v0)、半长轴a、半短轴b和长轴倾角θ。
图3是本发明涉及的世界坐标系、相机坐标系和像素坐标系之间的关系示意图。本发明定位系统涉及三个坐标系,分别为世界坐标系P(x,y,z),相机坐标系Pc(X,Y,Z)和像素坐标系p(u,v,1)。世界坐标系通过旋转矩阵R转换到相机坐标系,相机坐标系通过对角矩阵K转换到像素坐标系,即p=KR(Pl-Pr),其中Pr是接收机的世界坐标,Pl是LED的世界坐标,R是旋转矩阵。
图4为本发明智能手机旋转角度与相机坐标系中的椭圆形轮廓示意图。旋转矩阵R由接收机俯仰角α、横滚角β以及方位角γ组成,本发明将像素坐标系与世界坐标利用投影几何原理关联起来,LED在像素平面的点投影为正交投影,接收机和LED的垂直距离h是固定的,f为焦距。根据LED世界坐标及投影几何原理得到LED轮廓横坐标,LED轮廓横坐标取得最大值如下:
根据椭圆拟合得到椭圆特征值,本发明利用这些特征值在像素坐标系下,将LED轮廓表示出来。其中LED轮廓的横坐标有最大值为:
理论上,umax应该与相等,利用此关系计算方位角γ。计算出的方位角会替代惯性测量单元给出的不准确方位角,用于实现高精度定位。
图5为本发明基于无迹粒子滤波运动模型运行流程图。具体步骤的详细说明如下:
步骤1:初始化,系统随机产生粒子,获得粒子初始状态和粒子权重/>
步骤2:为粒子群选取Sigma采样点;
步骤3:系统更新,根据k时刻可见光定位结果对粒子状态和权重进行更新,更新后的粒子权重为
步骤4:重采样,根据粒子权重进行采样,获得权重较大的粒子;
步骤5:获得状态估计结果,惯性测量单元得到的方位角经过几何校正表示为θk和步长Sk,用于状态方程的更新,和/>是产生的噪声序列,获得系统k时刻最终定位结果。
在接下来的运动过程,从步骤2到步骤5循环完成定位。
图6为本发明设计的系统软件架构图。软件架构分为以下几个模块:
(1)相机参数模块。用于设置相机曝光时间和感光度的值。
(2)图像捕捉模块。用于智能手机使用Camera2应用程序编程接口(API)拍摄图像。
(3)图像处理模块。通过灰度、二值化、和Canny算子提取捕获的LED轮廓。在安卓系统中,使用OpenCV API来执行上述功能。
(4)定位计算模块。使用SensorService并设计了定位算法来计算接收机的位置。
图7为本发明角度与垂直距离对系统解码成功率的影响测试图。图7a展示了解码成功率与角度(俯仰角、横滚角)之间的关系。实线和双划线分别代表横滚角和俯仰角。本发明系统设置LED和智能手机之间的垂直距离是1.5m,并使得横滚角和俯仰角从5°到60°范围以恒定梯度(5°)的角度变化。在每个角度分别拍摄100张图像并解码。由结果数据可以看出,由于角度增大,LED-ID解码成功率降低。图7b展示了垂直距离对解码成功率的影响。智能手机围绕横滚轴和俯仰轴旋转5°,并设置智能手机与LED之间的垂直距离分别为1.0m、1.5m、2.0m和2.5m。在每个高度距离拍摄100张图像并解码。从图7b可以看到,随着距离的增加,解码成功率下降。当垂直距离为1.0m,解调成功率为98%,当垂直距离2.5m,解码成功率下降至远低于30%。这是因为随着LED和智能手机之间垂直距离的增加,光线捕获图像中LED的强度降低,这影响亮条纹和暗条纹之间的强度对比,从而降低解码成功率。
图8为本发明背景光干扰对系统解码成功率的影响测试图。测试人员使用另一个智能手机手电筒作为光干涉源,将手电筒放在接收机顶部倾斜45°和20cm到100厘米的距离。从图8可以看出,环境光干扰不影响解码成功率,这表明本发明解码机制是健壮性的。
图9为本发明方位角校正对系统性能的影响。图9a方位角误差,展示了几何校正机制对角度校正的影响,将智能手机保持在俯仰角为10°并且滚动角为0°的状态下,将其方位角从-180°改变到+180°。从图9a中可以看出,没有角度校正时,系统最大方位角误差达到14°和平均角度误差为8.8°。使用几何校正机制校正之后,最大方位角误差为5.1°,平均角度误差降低到2.04°。这表明提出几何校正机制可以减少方位角误差。图9b展示了校正或未校正的方位角对解码成功率的影响,将智能手机方位角从0°改变到+180°,分别使用未校正的方位角和校正的方位角系统拍摄100张图像并解码。从图9b可以看出,校正或未校正方位角的解码成功率几乎相同。这表明几何校正机制对地标识别没有影响。图9c展示了当系统有角度校正时绘制定位误差的累积分布函数(CDF),图9d展示了当系统没有角度校正时绘制定位误差的累积分布函数(CDF)。从结果可以看出,角度校正后的平均定位误差为8.8cm。有角度校正的系统定位精度优于没有角度校正的系统。
图10为本发明系统在可见光定位系统有UPF、无UPF两种情况下的精度对比图。图10a展示了没有无迹粒子滤波的系统定位精度(定位误差)。本发明将实验区域平均划分为0.5m×0.5m的正方形,交点作为基准定位坐标(加号符点)。测试人员使用智能手机在不同的交叉点进行定位测试,得到计算出的定位坐标(空心圆点)。从图10a中可以看出,没有无迹粒子滤波时,系统的平均定位误差为12.5cm。图10b定位系统有UPF的X-Y视图,在实验区域随机选择一条路径L,测试人员使得智能手机以匀速沿路径L移动。双划线为智能手机真实行驶路径,虚线/实线为不加/加无迹粒子滤波计算定位结果绘制的路径。从图10b中可以看到,实线更接近双划线,这说明无迹粒子滤波可以提高系统定位精度。图10c当接收机没有无迹粒子滤波时定位系统的累积分布函数,图10d当接收机有无迹粒子滤波时定位系统的累积分布函数,从结果可以看出使用无迹粒子滤波的平均定位误差为8.8cm,比没有使用无迹粒子滤波的平均定位误差低29.6%。使用无迹粒子滤波的系统80%的定位误差小于10cm。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (8)
1.一种稀疏光源下的室内高精度可见光定位方法,其特征在于,包括以下步骤:图像处理步骤:通过智能手机前置摄像头获取捕捉LED图像,并对LED图像进行包括ROI提取、椭圆拟合在内的处理步骤;
定位计算步骤:设计几何校正机制,利用椭圆拟合来校正方位角,利用世界坐标系、相机坐标系标定接收机的惯性测量单元引起的方位角误差;利用LED在像素坐标系中的中心坐标、椭圆特征参数和LED的轮廓尺寸,计算LED在相机坐标系中的坐标;通过坐标变换方法得到接收机的位置;
建立运动模型:引入无迹粒子滤波融合可见光定位和惯性测量单元,消除了对初始位置信息的要求,实现了高精度定位;
所述设计几何校正机制具体包括:
1)采用智能LED灯,其亮度会随着外界周围光亮度的变化而变化,采用Manchester编码方式来对发送端进行序列编程,使得人眼感知不到智能LED的闪烁;发送端根据周围环境来改变智能LED灯的明亮程度;通过改变逻辑“0”与逻辑“1”的比例来改变智能LED灯的亮度;
2)利用接收机倾斜时获得的图像进行角度校正;智能手机沿水平方向的倾斜角足够大,可以发现在捕获的图像中LED是椭圆形的,通过设置用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点;得到关于中心坐标、长轴和短轴在内的椭圆参数;
3)在椭圆拟合过程之后,利用像素坐标系与世界坐标的投影几何原理,LED在像素平面的点投影为正交投影,以及LED世界坐标得到LED轮廓横坐标,取得LED轮廓横坐标的最大值umax;
4)根据椭圆拟合得到椭圆特征值,利用这些特征值在像素坐标系下,将LED轮廓表示出来,其中LED轮廓的横坐标有最大值
5)理论上,umax应该与相等,利用此关系计算方位角γ,计算出的方位角替代惯性测量单元给出的不准确方位角,用于实现高精度定位。
2.根据权利要求1所述的一种稀疏光源下的室内高精度可见光定位方法,其特征在于,所述图像处理步骤中,使用智能手机前置摄像头,设置摄像头参数,捕捉LED图像,在捕获的图像中,LED由亮条纹和暗条纹组成,代表了LED的识别码即LED-ID,然后将LED的识别信息与数据库信息进行匹配,数据库中会有对应LED的世界坐标和半径,得到LED解码后的世界坐标和半径;采用Canny算子提取亮条纹和暗条纹区域的轮廓点,然后使用最小二乘法来拟合椭圆;得到关于中心坐标、长轴和短轴在内的椭圆参数。
3.根据权利要求1所述的一种稀疏光源下的室内高精度可见光定位方法,其特征在于,利用世界坐标系与相机坐标系的投影几何关系来标定惯性测量单元引起的方位角误差,具体包括:获取LED在天花板上与捕获的图像之间的投影几何关系,通过设置合理用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点;将轮廓点坐标代入椭圆方程:
f(x)=k1x2+k2xy+k3y2+k4x+k5y+k6=0
其中ki,i=1,2…6是椭圆系数,(x,y)表示轮廓点坐标,最后,利用椭圆系数ki来获得像素坐标系下椭圆中心坐标(u0,v0)、半长轴a、半短轴b和长轴倾角θ。
4.根据权利要求1所述的一种稀疏光源下的室内高精度可见光定位方法,其特征在于,可见光定位系统涉及三个坐标系,分别为世界坐标系P(x,y,z),相机坐标系Pc(X,Y,Z)和像素坐标系p(u,v,1),世界坐标系通过旋转矩阵R转换到相机坐标系,相机坐标系通过对角矩阵K转换到像素坐标系,即p=KR(Pl-Pr),其中Pr是接收机的世界坐标,Pl是LED的世界坐标,R是旋转矩阵。
5.根据权利要求4所述的一种稀疏光源下的室内高精度可见光定位方法,其特征在于,旋转矩阵R由接收机俯仰角α、横滚角β以及方位角γ组成,将像素坐标系与世界坐标利用投影几何原理关联起来,LED在像素平面的点投影为正交投影,接收机和LED的垂直距离h是固定的,f为焦距,根据LED世界坐标及投影几何原理得到LED轮廓横坐标,LED轮廓横坐标取得最大值如下:
根据椭圆拟合得到椭圆特征值,利用这些特征值在像素坐标系下,将LED轮廓表示出来,其中LED轮廓的横坐标有最大值为:
理论上,umax应该与相等,利用此关系计算方位角γ,计算出的方位角会替代惯性测量单元给出的不准确方位角。
6.根据权利要求1所述的一种稀疏光源下的室内高精度可见光定位方法,其特征在于,无迹粒子滤波运动模型运行流程具体包括:
步骤1:初始化,系统随机产生粒子,获得粒子初始状态和粒子权重/>
步骤2:为粒子群选取Sigma采样点;
步骤3:系统更新,根据k时刻可见光定位结果对粒子状态和权重进行更新,更新后的粒子权重为
步骤4:重采样,根据粒子权重进行采样,获得权重较大的粒子;
步骤5:获得状态估计结果,惯性测量单元得到的方位角经过几何校正表示为θk和步长Sk,用于状态方程的更新,和/>是产生的噪声序列,获得系统k时刻最终定位结果;在接下来的运动过程,从步骤2到步骤5循环完成定位。
7.一种稀疏光源下的室内高精度可见光定位系统,其特征在于,包括图像处理模块:使用智能手机前置摄像头,在合理的摄像头参数下,捕捉LED图像;在捕获的图像中,LED由亮条纹和暗条纹组成,代表了LED的识别即LED-ID;然后将LED的识别信息与数据库信息进行匹配,得到LED解码后的世界坐标和半径;同时提取亮条纹和暗条纹区域的轮廓点来拟合椭圆轮廓;最后得到了关于中心坐标、长轴和短轴椭圆参数;
定位计算模块:利用世界坐标系与相机坐标系的投影几何关系来标定惯性测量单元引起的方位角误差;然后,利用LED在像素坐标系中的中心坐标、椭圆特征参数和LED的轮廓尺寸,计算LED在相机坐标系中的坐标;然后,通过坐标变换方法得到接收机的位置;
运用模型模块:引入无迹粒子滤波有效融合可见光定位和惯性测量单元,消除了对初始位置信息的要求,实现了高精度定位;
设计几何校正机制具体包括:
1)采用智能LED灯,其亮度会随着外界周围光亮度的变化而变化,采用Manchester编码方式来对发送端进行序列编程,使得人眼感知不到智能LED的闪烁;发送端根据周围环境来改变智能LED灯的明亮程度;通过改变逻辑“0”与逻辑“1”的比例来改变智能LED灯的亮度;
2)利用接收机倾斜时获得的图像进行角度校正;智能手机沿水平方向的倾斜角足够大,可以发现在捕获的图像中LED是椭圆形的,通过设置用于捕获LED图像的摄像头参数之后,通过高斯模糊、灰度化、二值化之后,使用Canny算子取出轮廓点;得到关于中心坐标、长轴和短轴在内的椭圆参数;
3)在椭圆拟合过程之后,利用像素坐标系与世界坐标的投影几何原理,LED在像素平面的点投影为正交投影,以及LED世界坐标得到LED轮廓横坐标,取得LED轮廓横坐标的最大值umax;
4)根据椭圆拟合得到椭圆特征值,利用这些特征值在像素坐标系下,将LED轮廓表示出来,其中LED轮廓的横坐标有最大值
5)理论上,umax应该与相等,利用此关系计算方位角γ,计算出的方位角替代惯性测量单元给出的不准确方位角,用于实现高精度定位。
8.根据权利要求7所述的稀疏光源下的室内高精度可见光定位系统,其特征在于,所述无迹粒子滤波是一种实现贝叶斯递归理论的顺序蒙特卡罗方法,采用蒙特卡罗方法的随机抽样来近似真实状态的概率分布,得到最小方差估计;当捕获的图像中LED数量小于3个时,不需要如扩展卡尔曼滤波使用线性逼近非线性并计算雅可比矩阵;无迹粒子滤波器的计算过程大多集中在粒子的选择上;无迹粒子滤波器的初始化是系统随机生成粒子并赋予它们相同的权重,在接下来的运动时刻,采用无迹粒子滤波的可见光定位系统根据状态估计快速得到接近真实位置的粒子,进而获得准确的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227967.XA CN113959439B (zh) | 2021-10-21 | 2021-10-21 | 稀疏光源下的室内高精度可见光定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227967.XA CN113959439B (zh) | 2021-10-21 | 2021-10-21 | 稀疏光源下的室内高精度可见光定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113959439A CN113959439A (zh) | 2022-01-21 |
CN113959439B true CN113959439B (zh) | 2024-03-19 |
Family
ID=79465386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111227967.XA Active CN113959439B (zh) | 2021-10-21 | 2021-10-21 | 稀疏光源下的室内高精度可见光定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959439B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998425B (zh) * | 2022-08-04 | 2022-10-25 | 吉奥时空信息技术股份有限公司 | 一种基于人工智能的目标物体地理坐标定位方法和装置 |
CN116232458B (zh) * | 2022-12-06 | 2024-03-29 | 重庆邮电大学 | 确保连贯定位和通信的可见光混合定位与通信方法及系统 |
CN117650844B (zh) * | 2024-01-29 | 2024-04-26 | 江西开放大学 | 一种vlc中继系统安全性能优化方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101189487A (zh) * | 2005-03-11 | 2008-05-28 | 形创有限公司 | 三维扫描自动参考系统和设备 |
CN103383446A (zh) * | 2013-04-09 | 2013-11-06 | 北京半导体照明科技促进中心 | 基于可见光的室内定位方法、装置和系统以及光源 |
CN205175398U (zh) * | 2014-01-20 | 2016-04-20 | 广东工业大学 | 以定距三球为视觉标志物的室内自动运输车定位系统 |
CN106961724A (zh) * | 2017-03-24 | 2017-07-18 | 重庆邮电大学 | 一种基于可见光通信的移动目标实时定位方法 |
WO2017218093A1 (en) * | 2016-06-15 | 2017-12-21 | Qualcomm Incorporated | Methods and apparatus for positioning a vehicle |
WO2019020200A1 (en) * | 2017-07-28 | 2019-01-31 | Fundació Privada I2Cat, Internet I Innovació Digital A Catalunya | METHOD AND APPARATUS FOR ACCURATE REAL-TIME POSITIONING BY VISIBLE LIGHT |
CN109636850A (zh) * | 2019-01-14 | 2019-04-16 | 刘翔宇 | 面向室内智能灯下的可见光定位方法 |
CN109697735A (zh) * | 2019-01-14 | 2019-04-30 | 刘翔宇 | 面向室内智能灯下的可见光定位图像处理方法 |
CN110261823A (zh) * | 2019-05-24 | 2019-09-20 | 南京航空航天大学 | 基于单个led灯的可见光室内通信定位方法及系统 |
CN111780769A (zh) * | 2020-07-29 | 2020-10-16 | 深圳市南科信息科技有限公司 | 单灯可见光定位方法 |
-
2021
- 2021-10-21 CN CN202111227967.XA patent/CN113959439B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101189487A (zh) * | 2005-03-11 | 2008-05-28 | 形创有限公司 | 三维扫描自动参考系统和设备 |
CN103383446A (zh) * | 2013-04-09 | 2013-11-06 | 北京半导体照明科技促进中心 | 基于可见光的室内定位方法、装置和系统以及光源 |
CN205175398U (zh) * | 2014-01-20 | 2016-04-20 | 广东工业大学 | 以定距三球为视觉标志物的室内自动运输车定位系统 |
WO2017218093A1 (en) * | 2016-06-15 | 2017-12-21 | Qualcomm Incorporated | Methods and apparatus for positioning a vehicle |
CN109451773A (zh) * | 2016-06-15 | 2019-03-08 | 高通股份有限公司 | 用于定位交通工具的方法和装置 |
CN106961724A (zh) * | 2017-03-24 | 2017-07-18 | 重庆邮电大学 | 一种基于可见光通信的移动目标实时定位方法 |
WO2019020200A1 (en) * | 2017-07-28 | 2019-01-31 | Fundació Privada I2Cat, Internet I Innovació Digital A Catalunya | METHOD AND APPARATUS FOR ACCURATE REAL-TIME POSITIONING BY VISIBLE LIGHT |
CN109636850A (zh) * | 2019-01-14 | 2019-04-16 | 刘翔宇 | 面向室内智能灯下的可见光定位方法 |
CN109697735A (zh) * | 2019-01-14 | 2019-04-30 | 刘翔宇 | 面向室内智能灯下的可见光定位图像处理方法 |
CN110261823A (zh) * | 2019-05-24 | 2019-09-20 | 南京航空航天大学 | 基于单个led灯的可见光室内通信定位方法及系统 |
CN111780769A (zh) * | 2020-07-29 | 2020-10-16 | 深圳市南科信息科技有限公司 | 单灯可见光定位方法 |
Non-Patent Citations (3)
Title |
---|
基于LED光源的室内高精度成像定位新方法;侯文佐 等;激光与光电子学进展;第53卷(第6期);全文 * |
基于改进粒子滤波的室内自适应定位算法;胡东海 等;计算机工程与应用;第55卷(第9期);全文 * |
基于智能手机的VLC/IPDR粒子滤波融合室内定位;王杨 等;中国激光;第47卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113959439A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113959439B (zh) | 稀疏光源下的室内高精度可见光定位方法及系统 | |
CN110261823B (zh) | 基于单个led灯的可见光室内通信定位方法及系统 | |
WO2018049998A1 (zh) | 交通标志牌信息获取方法及装置 | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
CN109724603A (zh) | 一种基于环境特征检测的室内机器人导航方法 | |
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 | |
CN108332748B (zh) | 一种室内可见光定位方法及装置 | |
CN111260539B (zh) | 鱼眼图目标识别方法及其系统 | |
CN108305291B (zh) | 利用包含定位二维码的墙体广告的单目视觉定位定姿方法 | |
CN109188358B (zh) | 一种基于成像传感器的高精度可见光定位方法 | |
CN109116298B (zh) | 一种定位方法、存储介质及定位系统 | |
CN107609547B (zh) | 星体快速识别方法、装置及望远镜 | |
CN113269040A (zh) | 结合图象识别与激光雷达点云分割的驾驶环境感知方法 | |
WO2021147670A1 (zh) | 图像处理的方法和装置 | |
Nagy et al. | SFM and semantic information based online targetless camera-LIDAR self-calibration | |
CN111291761A (zh) | 用于识别文字的方法和装置 | |
CN113486975A (zh) | 遥感图像的地物分类方法、装置、设备及存储介质 | |
CN112149707B (zh) | 图像采集控制方法、装置、介质及设备 | |
CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
CN112907745B (zh) | 一种数字正射影像图生成方法及装置 | |
CN116843748B (zh) | 一种远距二维码及其物体空间位姿获取方法及系统 | |
US10540809B2 (en) | Methods and apparatus for tracking a light source in an environment surrounding a device | |
CN209014730U (zh) | 一种三维固态面阵激光雷达人脸识别装置 | |
RU2583756C2 (ru) | Способ определения местоположения на основе сигнатур изображений городской застройки в видимом и инфракрасном диапазонах | |
CN114758111A (zh) | 一种自适应补光方法、系统、设备和介质 |
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 |