CN114885284B - 基于计算机视觉与无线通信的智能定位方法及系统 - Google Patents

基于计算机视觉与无线通信的智能定位方法及系统 Download PDF

Info

Publication number
CN114885284B
CN114885284B CN202210811503.1A CN202210811503A CN114885284B CN 114885284 B CN114885284 B CN 114885284B CN 202210811503 A CN202210811503 A CN 202210811503A CN 114885284 B CN114885284 B CN 114885284B
Authority
CN
China
Prior art keywords
node
received signal
signal strength
fresnel
fresnel zone
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
CN202210811503.1A
Other languages
English (en)
Other versions
CN114885284A (zh
Inventor
孙海鹏
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.)
Nantong Feixuan Intelligent Technology Co ltd
Original Assignee
Nantong Feixuan Intelligent 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 Nantong Feixuan Intelligent Technology Co ltd filed Critical Nantong Feixuan Intelligent Technology Co ltd
Priority to CN202210811503.1A priority Critical patent/CN114885284B/zh
Publication of CN114885284A publication Critical patent/CN114885284A/zh
Application granted granted Critical
Publication of CN114885284B publication Critical patent/CN114885284B/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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及无线通信技术领域，具体涉及基于计算机视觉与无线通信的智能定位方法及系统。该方法首先获取障碍物的实际位置。基于目标节点，获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列；菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区；目标节点的位置映射至场景地图中，由目标节点和菲涅耳区得到待定位节点的位置。本发明实施例通过障碍物对目标节点和待定位节点之间的菲涅耳区的影响，达到了利用单个目标节点即可对待定位节点进行定位的目的。

Description

基于计算机视觉与无线通信的智能定位方法及系统
技术领域
本发明涉及计算机视觉与无线通信技术领域，具体涉及基于计算机视觉与无线通信的智能定位方法及系统。
背景技术
随着社会的发展，位置信息正在成为生活中许多应用的基石，例如智能交通系统、辅助驾驶服务、公共安全、基于位置的广告、个性化的基于位置的旅游信息和对物品进行定位防止物品移动等场景，所以位置信息的获取对于社会来说必不可少。
目前，在较为宽广的街道等区域一般采用全球定位系统（GPS）来进行定位；而在一些信号可能会受到影响的地方，比如室内或者地下等较为封闭的区域，常见的定位方法是设置多个锚点，使用无线接收设备接收多个锚点的信号强度，通过多个锚点的信号强度来获取无线接收信号的位置。但是由于某些区域处无法放置多个锚点，则会导致这些区域成为定位死角。
发明内容
为了解决上述技术问题，本发明的目的在于提供基于计算机视觉与无线通信的智能定位方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了基于计算机视觉与无线通信的智能定位方法，该方法包括以下步骤：
获取障碍物的实际位置，所述障碍物的实际位置是通过所采集的当前场景的场景图像获取障碍物，并将所述场景图像投影至场景地图中得到障碍物的实际位置；
获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；所述接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列；所述菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，所述菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区；所述目标节点的位置映射至所述场景地图中，由所述目标节点和所述菲涅耳区得到待定位节点在所述场景地图中的位置。
优选的，所述通过所采集的当前场景的场景图像获取障碍物，包括：
利用目标检测技术对当前场景的场景图像进行检测，得到所述场景图像中的障碍物。
优选的，所述场景图像投影至场景地图中，包括：
利用透视变换将所述场景图像投影至场景地图。
优选的，所述将所述场景图像投影至场景地图中得到障碍物的实际位置，包括：
获取所述障碍物在所述场景地图中的轴对齐矩形边界框的底面的质心，所述质心为所述障碍物的实际位置。
优选的，所述获取实时的待定位节点的接收信号强度为：每秒采集三次所述待定位节点的接收信号强度。
优选的，所述获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列，包括：
构建接收信号强度序列；
获取接收信号强度序列中相邻的接收信号强度的差值，由多个所述差值构建接收信号强度差值序列。
优选的，所述菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区，包括：
连续获取四个菲涅耳边界点，所述菲涅耳边界点和目标节点处的像素值置为0，其他点的像素值置为255，构建菲涅耳区二值图，所述菲涅耳区二值图中的所述菲涅耳边界点和目标节点进行椭圆拟合得到的椭圆区域为所述菲涅耳区。
优选的，所述由所述目标节点和所述菲涅耳区得到待定位节点在所述场景地图中的位置，包括：
获取所述菲涅耳区的最小外接矩形和所述最小外接矩形的四个角点坐标；
基于所述菲涅耳区的短轴，将所述最小外接矩形的四个角点坐标分为两组角点坐标组，每组所述角点坐标组包括与所述短轴同向的两个角点坐标；获取每组所述角点坐标组内两个角点坐标的均值坐标；
从两个所述均值坐标中选取出待定位节点坐标，得到待定位节点在所述场景地图中的位置。
优选的，所述从两个所述均值坐标中选取处待定位节点坐标，包括：
分别获取所述目标节点至两个所述均值坐标的距离作为第一距离和第二距离；
所述第一距离和所述第二距离中最大值对应的坐标为所述待定位节点坐标。
第二方面，本发明一个实施例提供了基于计算机视觉与无线通信的智能定位系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于计算机视觉与无线通信的智能定位方法。
本发明实施例至少具有如下有益效果：
本发明实施例利用计算机视觉与无线通信技术首先获取场景地图中障碍物的实际位置。基于目标节点，获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列，利用菲涅耳区内有障碍物时对接收信号强度的影响，利用接收信号强度差值序列和对应的障碍物的实际位置得到多个菲涅耳边界点；菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区，由目标节点和得到的多个菲涅耳点确定菲涅耳区范围；目标节点的位置映射至场景地图中，由目标节点和菲涅耳区得到待定位节点在场景地图中的位置。根据障碍物对待定位节点的接收信号强度的影响，确定目标节点和待定位节点之间的菲涅耳区，根据菲涅耳区得到待定位节点的位置，达到了利用单个目标节点来获取待定位节点的位置的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的基于计算机视觉与无线通信的智能定位方法的方法流程图；
图2为本发明一个实施例所涉及的获取障碍物的实际位置的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于计算机视觉与无线通信的智能定位方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了基于计算机视觉与无线通信的智能定位方法及系统的具体实施方法，该方法适用于工厂内对不能轻易移动的设备的智能定位场景，如对工厂内的空压机进行定位等。该定位方法的应用场景中包括目标节点、待定位节点和障碍物，在障碍物的辅助下利用单个目标节点对待定位节点进行定位，目标节点和待定位节点之间有供障碍物通行的区域，该待定位节点安装在不能轻易移动的设备上。其中，目标节点用于获取待定位节点的接收信号强度或者获取由障碍物影响后的待定位节点的接收信号强度，该目标节点为无线访问接入点，目标节点可利用蓝牙或者WiFi接收待定位节点的接收信号强度；待定位节点用于发出信号，使得目标节点能够接收到待定位节点发出的接收信号强度或者使目标节点在障碍物的影响下获取待定位节点的接收信号强度，该待定位节点也为无线访问接入点，待定位节点利用蓝牙或者WiFi与目标节点进行通信；障碍物用于确定目标节点和待定位节点之间的菲涅耳区域，使目标节点利用障碍物的位置和接收信号强度能够待定位节点对待定位节点，该障碍物为人、车或者机器人等。该定位方法的应用场景下，每次进入定位场景内的障碍物只能有一个，如每次仅给一人发放不能轻易移动的设备所在的区域的通行证等等。为了解决在某些区域无法放置多个锚点（节点）而导致这些区域会成为定位死角的问题，本发明实施例在仅放置一个目标节点的情况下，根据障碍物对待定位节点的接收信号强度的影响，确定目标节点和待定位节点之间的菲涅耳区，根据菲涅耳区得到待定位节点的位置，达到了利用单个目标节点来获取待定位节点的位置的目的。
下面结合附图具体的说明本发明所提供的基于计算机视觉与无线通信的智能定位方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的基于计算机视觉与无线通信的智能定位方法的步骤流程图，该方法包括以下步骤：
步骤S100，获取障碍物的实际位置，障碍物的实际位置是通过所采集的当前场景的场景图像获取障碍物，并将场景图像投影至场景地图中得到障碍物的实际位置。
请参阅图2，利用计算机视觉算法获取障碍物的实际位置。具体的：
步骤S101，通过所采集的当前场景的场景图像获取障碍物。
利用相机采集当前场景下的场景图像，并利用计算机视觉算法对场景图像进行检测，得到场景图像中的障碍物以后续得到障碍物的实时位置。需要说明的是场景图像中除了障碍物还包括目标节点。
为了节省成本，在本发明实施例中采用目标检测技术对场景图像进行检测，其中目标检测技术采用基于单目视觉的网络模型，如FCOS3D、SMOKE等网络模型。需要说明的是为了提高模型的鲁棒性以及检测准确率，对于上述模型的训练需要再次进行数据集采集及迁移学习，神经网络的训练过程为现有技术。
步骤S102，将场景图像投影至场景地图中得到障碍物的实际位置。
首先构建场景平面图像，对于场景地图的构建可以人为的基于当前场景的范围生成一个具有比例关系的场景地图。将场景图像投影至场景地图，在本发明实施例中采用透视变换将场景图像投影至场景地图，在其他实施例中实施者可根据实际情况调整该投影方法。具体的：对场景图像进行透视变换得到当前场景下的场景地图，其中进行透视变换时需要计算单应性矩阵，获取场景图像的四个角点的单应性矩阵，单应性矩阵的求解方法为现有技术。通过投影可以将相机拍摄到的场景图像内各个障碍物投影至场景地图上，进而可以获取障碍物的实时位置。
获取场景地图中障碍物的实际位置。具体的：首先获取障碍物在场景地图中对应的轴对齐矩形边界框（axially aligned bounding box,AABB）的底面，该轴对齐矩形边界框的底面的质心为障碍物的实际位置。需要说明的是，轴对齐矩形边界框是一种常见的用来界定物体的几何图元，轴对齐矩形边界框是与轴对齐的，边必须垂直于坐标轴的一种矩形边界框。需要说明的是通常待定位节点很小，障碍物相对于待定位节点的对应物体大得多。
步骤S200，获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列；菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区；目标节点的位置映射至场景地图中，由目标节点和菲涅耳区得到待定位节点在场景地图中的位置。
布置单个无线访问接入点（AP），将该无线访问接入点作为目标节点，用该目标节点获取待定位节点发出的实时的接收信号强度（Received Signal Strength Indication,RSSI），构建接收信号强度序列。在本发明实施例中每秒采集三次实时的待定位节点的接收信号强度。
目标节点和待定位节点在无线传输过程中，会形成菲涅耳区。菲涅耳区是在收发天线之间，由电波的直线路径与折线路径的行程差为反射点形成的、以收发天线位置为焦点、以直线路径为轴的椭球面，菲涅耳区域是对信号作出主要贡献的区域。当菲涅耳区存在障碍物时，接收信号强度会大幅度下降。为了使接收信号强度序列反映由障碍物引起的菲涅耳区阻塞，必须从待定位节点传输高频RF信号，例如5GHz无线网和毫米波段，因为待定位节点使用的频率越高，菲涅耳区被阻挡时，目标节点接收到的接收信号强度的衰减越大，频率应高于至少2.4GHz，这在无线局域网和个人局域网（PAN）系统，如Wi-Fi、蓝牙和紫峰协议（ZigBee）中广泛使用，即待定位节点传输的信号为高频信号。
由于当障碍物在菲涅耳区内时，接收信号强度急剧下降。基于接收信号强度序列中元素数值的下降时刻、上升时刻，以及下降时刻、上升时刻所对应的障碍物的实际位置，对菲涅耳区进行定位。下降时刻代表障碍物进入菲涅耳区的时刻，上升时刻代表障碍物离开菲涅耳区的时刻。
由于不同的待定位节点与目标节点的距离不同，会导致接收信号强度的高低不同，待定位节点与目标节点的距离较近时的接收信号强度高于待定位节点与目标节点距离较远时的接收信号强度，此时难以用一个固定的阈值去判断接收信号强度的变化程度。
故本发明实施例利用构建好的接收信号强度序列的一阶差分序列来反映接收信号强度的变化情况，该一阶差分序列即为接收信号强度差分序列。具体的：获取接收信号强度序列中相邻的接收信号强度的差值，由得到的多个相邻的接收信号强度的差值构建接收信号强度差值序列。
对接收信号强度差值序列预设阈值，使用该预设阈值获取接收信号强度差值序列发生较大变化的时间：当接收信号强度差值序列中的接收信号强度差值的绝对值大于等于预设阈值时，认为接收信号强度发生较大变化，则认为此时有障碍物进入菲涅耳区导致接收信号强度发生了较大变化；当接收信号强度差值的绝对值小于预设阈值时，认为此时没有障碍物进行入菲涅耳区。在本发明实施例中预设阈值的大小为2，在其他实施例中实施者可根据实际情况调整该阈值。
获取接收信号强度差值序列中大于预设阈值的差值序列，因为接收信号强度的上升和下降的过程不是一个骤变的过程，而是一个逐渐变化的过程，所以该大于预设阈值的差值应该是一个逐渐变化的连续性的。
多个接收信号强度差值序列中任意接收信号强度差值元素的绝对值大于预设阈值的接收信号强度序列作为菲涅耳区序列；如若接收信号强度差值序列为{0,0,1,2,3,4,5,3,2,0,0,0,-3,-5,-4,-3,-2,-2,-1,0,0,0}，则对应的菲涅耳区序列为{2,3,4,5,3,2}和{-3,-5,-4,-3,-2,-2}。正常情况下障碍物进入菲涅耳区就会离开菲涅耳区，所以会有一个进入菲涅耳区和离开菲涅耳区的过程，每个障碍物应有对应的两个菲涅耳区序列，即进入和离开菲涅耳区的时候都会引起接收信号强度的变化。
基于一个障碍物，分别记录两个菲涅耳区序列中第一个接收信号强度差值元素所对应的时刻，即获取两个第一个元素所对应的接收信号强度时刻，这两个时刻认为是刚进入菲涅耳区的时间和刚离开菲涅耳区的时间。
获取刚进入菲涅耳区的时间和刚离开菲涅耳区的时间对应的两个障碍物的实际位置为菲涅耳边界点，该菲涅耳边界点包括进入菲涅耳边界点和离开菲涅耳边界点，一个进入菲涅耳边界点和一个离开菲涅耳边界点为一组菲涅耳边界点组。
连续获取四个菲涅耳边界点，或者说连续获取两组菲涅耳边界点组，该菲涅耳边界点为障碍物对应的实际位置，每个菲涅耳边界点在场景地图中均有对应的实际位置，将四个菲涅耳边界点和目标节点映射至一张图像中，该菲涅耳边界点和目标节点处像素值置为0，其他点的像素值置为255，构建菲涅耳区二值图。
对菲涅耳区二值图中的菲涅耳边界点和目标节点进行椭圆拟合得到椭圆区域，该椭圆区域即为菲涅耳区。
获取菲涅耳区的最小外接矩形和最小外接矩形的四个角点坐标。
基于菲涅耳区的短轴，将最小外接矩形的四个角点坐标分为两组角点坐标组，每组角点坐标包含与短轴同向的两个角点坐标。
获取每组角点坐标组内两个角点坐标的均值坐标。
从两个均值坐标中选取出待定位节点坐标，得到待定位节点在场景地图中的位置。具体的：分别获取目标节点至两个均值坐标的两个距离，分别作为第一距离和第二距离。从第一距离和第二距离中选取最大值对应的坐标为待定位节点坐标，将目标节点的位置和待定位节点坐标再次映射至场景地图中，即获得了待定位节点的实时位置。
综上所述，本发明实施例利用计算机视觉与无线通信技术首先获取场景地图中障碍物的实际位置。基于目标节点，获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列；菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区；目标节点的位置映射至场景地图中，由目标节点和菲涅耳区得到待定位节点在场景地图中的位置。根据障碍物对待定位节点的接收信号强度的影响，确定目标节点和待定位节点之间的菲涅耳区，根据菲涅耳区得到待定位节点的位置，达到了利用单个目标节点来获取待定位节点的位置的目的。
基于计算机视觉与无线通信的智能定位系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。由于基于计算机视觉与无线通信的智能定位方法在上述给出了详细描述，不再赘述。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于计算机视觉与无线通信的智能定位方法，应用于目标节点，利用所述目标节点对待定位节点进行定位，其特征在于，该方法包括以下步骤：
获取障碍物的实际位置，所述障碍物的实际位置是通过所采集的当前场景的场景图像获取障碍物，并将所述场景图像投影至场景地图中得到障碍物的实际位置；
获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列；所述接收信号强度差值序列中任意元素的绝对值大于等于预设阈值的接收信号强度序列为菲涅耳区序列；所述菲涅耳区序列中第一个元素对应的障碍物的实际位置为菲涅耳边界点，所述菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区；所述目标节点的位置映射至所述场景地图中，由所述目标节点和所述菲涅耳区得到待定位节点在所述场景地图中的位置；
其中，由所述目标节点和所述菲涅耳区得到待定位节点在所述场景地图中的位置为：获取所述菲涅耳区的最小外接矩形和所述最小外接矩形的四个角点坐标；基于所述菲涅耳区的短轴，将所述最小外接矩形的四个角点坐标分为两组角点坐标组，每组所述角点坐标组包括与所述短轴同向的两个角点坐标；获取每组所述角点坐标组内两个角点坐标的均值坐标；从两个所述均值坐标中选取出待定位节点坐标，得到待定位节点在所述场景地图中的位置；
其中，从两个所述均值坐标中选取出待定位节点坐标，得到待定位节点在所述场景地图中的位置为：分别获取所述目标节点至两个所述均值坐标的距离作为第一距离和第二距离；所述第一距离和所述第二距离中最大值对应的坐标为所述待定位节点坐标。
2.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述通过所采集的当前场景的场景图像获取障碍物，包括：
利用目标检测技术对当前场景的场景图像进行检测，得到所述场景图像中的障碍物。
3.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述场景图像投影至场景地图中，包括：
利用透视变换将所述场景图像投影至场景地图。
4.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述将所述场景图像投影至场景地图中得到障碍物的实际位置，包括：
获取所述障碍物在所述场景地图中的轴对齐矩形边界框的底面的质心，所述质心为所述障碍物的实际位置。
5.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述获取实时的待定位节点的接收信号强度为：每秒采集三次所述待定位节点的接收信号强度。
6.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述获取实时的待定位节点的接收信号强度，构建接收信号强度差值序列，包括：
构建接收信号强度序列；
获取接收信号强度序列中相邻的接收信号强度的差值，由多个所述差值构建接收信号强度差值序列。
7.根据权利要求1所述的基于计算机视觉与无线通信的智能定位方法，其特征在于，所述菲涅耳边界点和目标节点进行椭圆拟合得到菲涅耳区，包括：
连续获取四个菲涅耳边界点，所述菲涅耳边界点和目标节点处的像素值置为0，其他点的像素值置为255，构建菲涅耳区二值图，所述菲涅耳区二值图中的所述菲涅耳边界点和目标节点进行椭圆拟合得到的椭圆区域为所述菲涅耳区。
8.基于计算机视觉与无线通信的智能定位系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~7任意一项所述方法的步骤。
CN202210811503.1A 2022-07-12 2022-07-12 基于计算机视觉与无线通信的智能定位方法及系统 Active CN114885284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210811503.1A CN114885284B (zh) 2022-07-12 2022-07-12 基于计算机视觉与无线通信的智能定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210811503.1A CN114885284B (zh) 2022-07-12 2022-07-12 基于计算机视觉与无线通信的智能定位方法及系统

Publications (2)

Publication Number Publication Date
CN114885284A CN114885284A (zh) 2022-08-09
CN114885284B true CN114885284B (zh) 2022-09-20

Family

ID=82683176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210811503.1A Active CN114885284B (zh) 2022-07-12 2022-07-12 基于计算机视觉与无线通信的智能定位方法及系统

Country Status (1)

Country Link
CN (1) CN114885284B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291635A (zh) * 2016-07-25 2017-01-04 无锡知谷网络科技有限公司 用于室内定位的方法及系统
CN113194531B (zh) * 2020-01-14 2023-01-20 维沃移动通信有限公司 定位方法及通信设备
CN114646916A (zh) * 2020-12-20 2022-06-21 苏州优它科技有限公司 一种基于视距路径识别定位仿真方法
CN112738749B (zh) * 2020-12-25 2021-10-01 武汉理工大学 一种基于菲涅尔区的船载环境多目标室内定位方法

Also Published As

Publication number Publication date
CN114885284A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN112106126B (zh) 车辆与行人碰撞避免的方法和系统
Wigren Adaptive enhanced cell-ID fingerprinting localization by clustering of precise position measurements
US8115814B2 (en) Mobile tracking system, camera and photographing method
Liu et al. Survey of wireless based indoor localization technologies
CN110926461B (zh) 一种基于超宽带室内定位方法和系统、导航方法和系统
US9451404B2 (en) System and method for determining a position of a mobile unit
KR100682869B1 (ko) 위치 추적 시스템 및 그 방법
KR101397999B1 (ko) 센서 네트워크에서의 전송 파워를 이용한 센서 노드위치인식 방법 및 장치
CN110572811B (zh) 超宽频动态定位方法及其系统
Sivakumar et al. Meta-heuristic approaches for minimizing error in localization of wireless sensor networks
US20220038147A1 (en) Communication control method, communication control device, and communication control program
Hisaka et al. On-board wireless sensor for collision avoidance: Vehicle and pedestrian detection at intersection
CN112911249B (zh) 目标对象的跟踪方法、装置、存储介质及电子装置
CN112711055A (zh) 一种基于边缘计算的室内外无缝定位系统及方法
Koubaa et al. Taxonomy of fundamental concepts of localization in cyber-physical and sensor networks
CN114885284B (zh) 基于计算机视觉与无线通信的智能定位方法及系统
Wang et al. Indoor localization service based on the data fusion of Wi-Fi and RFID
Naggar et al. A low cost indoor positioning system using computer vision
KR101091102B1 (ko) 항만 환경 기반의 실시간 다단계 위치 인식 시스템의 동작 방법
US20220375354A1 (en) Method of determining location for swarm flight using uwb
Li et al. Optimal deployment of drone base stations for cellular communication by network-based localization
Dao et al. A robust WLAN positioning system based on probabilistic propagation model
Jeong et al. Directional RSS-based localization for multi-robot applications
CN116805324A (zh) 一种跟踪对象检测方法、装置、设备及计算机存储介质
US20220279560A1 (en) Optimizing Resource Allocation by Computer Vision

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