利用单相机和神经网络估计的室内定位导航

doi:10.13474/j.cnki.11-2246.2017.0324

测绘通报 ›› 2017, Vol. 0 ›› Issue (10): 100-105.doi: 10.13474/j.cnki.11-2246.2017.0324

利用单相机和神经网络估计的室内定位导航

张丽娜¹, 彭力²

1. 浙江安防职业技术学院信息工程学院, 浙江温州 325000;
2. 江南大学信息学院, 江苏无锡 214000

收稿日期:2017-02-21 出版日期:2017-10-25 发布日期:2017-11-07
作者简介:张丽娜(1980-),女,硕士,副教授,主要研究方向为数据挖掘、大数据应用及定位等。E-mail:linazhang1980@163.com
基金资助:
浙江省教育厅一般科研项目（Y201635414）；温州市科技局公益性科技计划（S20160021）；浙江安防职业技术学院重点科研项目（AF2016Z02）

Indoor Positioning Navigation Based on Single Camera and Neural Network Estimation

ZHANG Lina¹, PENG Li²

1. Department of Information Engineering, Zhejiang Security Career Technical College, Wenzhou 325000, China;
2. Department of Information Science, Jiangnan University, Wuxi 214000, China

Received:2017-02-21 Online:2017-10-25 Published:2017-11-07

摘要/Abstract

摘要： 由于三维场景与二维图像之间存在着非线性和高度复杂的关系，使用相机对用户的位置进行估计需要建立复杂的数学模型。针对该问题，本文提出了使用神经网络估计的单相机进行室内定位的方法。室内定位系统的主要优点是LED能够使用可见光通信发送其位置信息。首先，该方法充分利用LED光线的投影不变性，借助图像传感器通信（ISC）完成虚拟直线的构建；然后，运用神经网络估计从该虚拟直线中提取出相机的方向信息；最后，使用一个简单数学方程估计用户位置。仿真试验考虑了4种情形，结果表明，本文提出的方法性能优于同类方法，对于一个房间内的大部分地方，定位误差在35 mm以内。

关键词: 室内定位, 单相机, 神经网络估计, 投影不变性, 定位误差

Abstract: Estimating the user's location with a camera requires the establishment of a complex mathematical model because the relationship between 3D scene and a 2D image is non-linear and highly complex. In order to solve this problem,a single camera based on neural network is proposed.The main advantage of the indoor positioning system is that LED can use the visible light communication to send its location information.The proposed method makes full use of LED light projection invariance,and completes the construction of virtual line by means of imaging sensor communication(ISC).Then,neural network estimation is used to extract information from the virtual camera direction lines.Finally,a simple mathematical equation is adopted to estimate the position of the user indoor.Four situations have been considered in the simulation experiments and the results show that the proposed method outperformed state-of-art techniques and its location error is less than 35 mm for most of the space within a room.

Key words: indoor positioning, single camera, neural network estimation, projection invariance, positioning error

中图分类号:

P237

张丽娜, 彭力. 利用单相机和神经网络估计的室内定位导航[J]. 测绘通报, 2017, 0(10): 100-105.

ZHANG Lina, PENG Li. Indoor Positioning Navigation Based on Single Camera and Neural Network Estimation[J]. 测绘通报, 2017, 0(10): 100-105.

参考文献

[1] 苏松,胡引翠,卢光耀,等.低功耗蓝牙手机终端室内定位方法[J].测绘通报,2015(12):81-84.
[2] 鲍向华.基于室内定位技术的商场导购系统的设计与开发[D].长春:吉林大学,2015.
[3] 周亮,付永涛,李广军.无线定位与惯性导航结合的室内定位系统设计[J].电子技术应用,2014,40(4):73-76.
[4] 孔天恒.基于Radar-scanner/INS的微小型旋翼无人机室内组合导航与控制的研究[D].杭州:浙江大学,2014.
[5] 郭涛,达飞鹏,方旭.小视场环境下的摄像机标定[J].中国激光,2012,39(8):164-168.
[6] LIU G H,WANG W B,YUAN J Y,et al. A Novel Camera Calibration Method of Variable Focal Length Based on Single-view[C]//International Symposium on Electronic Commerce and Security.Nanchang:IEEE,2009:125-128.
[7] SAHA N,IFTHEKHAR M S,LE N T,et al.Survey on Optical Camera Communications:Challenges and Opportunities[J].Iet Optoelectronics,2015,9(5):172-183.
[8] IFTHEKHAR M S,MONDAL R K,LE N T,et al.Simple Method for Indoor Localization in OCC Using Smart Phone Image Sensor[C]//Ubiquitous and Future Networks.Shanghai:IEEE,2014:55-58.
[9] 柯炜,吴乐南,殷奎喜.基于神经网络的数字广播信号无线定位算法[J].东南大学学报(英文版),2010,26(3):394-398.
[10] MAZAN F,KOVAROVA A.Optimizing Artificial Neural Network for Beacon Based Indoor Localization[C]//International Conference on Computer Systems and Technologies.New York:ACM,2016:261-268.
[11] SIMON HAYKIN.神经网络与机器学习(英文版)[M].3版.北京:机械工业出版社,2009.
[12] 许雄,钟燕飞,张良培,等.基于空间自相关BP神经网络的遥感影像亚像元定位[J].测绘学报,2011,40(3):307-311.
[13] 付强,王春平.一种点目标三维重构的新算法[J].科学技术与工程,2008,8(3):643-647.
[14] 李东,毛之琳,廖文兵,等.CGCS2000向独立坐标系转换的精度分析与估计研究[J].测绘通报,2013(10):8-10.
[15] QI Z,XIAO L,FU S,et al.Two-step Camera Calibration Method Based on the SPGD Algorithm[J].Applied optics,2012,51(26):6421-6428.

利用单相机和神经网络估计的室内定位导航

Indoor Positioning Navigation Based on Single Camera and Neural Network Estimation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	赵胤植, 邹进贵, 蔡礼贤, 黄格格. 一种顾及电子元件延迟的超宽带室内定位方法[J]. 测绘通报, 2022, 0(4): 1-5,31.
[2]	周宗锟, 姜卫平, 唐健, 王一文, 欧阳文一. LiDAR地图匹配与二维码融合的AGV室内定位与导航[J]. 测绘通报, 2021, 0(1): 9-12,52.
[3]	王安义, 欧雪. 基于粒子滤波的PDR/地磁指纹室内定位[J]. 测绘通报, 2021, 0(1): 24-28.
[4]	陆妍玲, 韦俊伶, 刘采玮, 李景文, 姜建武. 融合地磁/WiFi/PDR的自适应粒子滤波室内定位[J]. 测绘通报, 2020, 0(6): 1-6.
[5]	何肖娜, 宋斌斌, 余敏. 融合上下文感知的地标检测辅助WiFi-PDR室内定位[J]. 测绘通报, 2020, 0(6): 7-11,16.
[6]	赵琪, 孙立双, 谢志伟. 基于改进MCNN的密度图在室内定位中的应用[J]. 测绘通报, 2020, 0(6): 12-16.
[7]	王照远, 高井祥, 李增科, 常梦阳. 一种融合WiFi/地磁/PDR的室内定位方法[J]. 测绘通报, 2020, 0(6): 17-21.
[8]	刘艳春. 电离层VTEC与气象要素对GPS定位结果的影响[J]. 测绘通报, 2020, 0(11): 116-119,123.
[9]	陶晓晓, 卢小平, 代文晨, 余振宝, 张冬梅. 基于环境光修正的行人航迹推算[J]. 测绘通报, 2020, 0(1): 132-135,141.
[10]	韩杰, 谢勇, 李慧娜, 苗宝亮, 石宏斌. GF-4卫星不同成像状态下影像定位误差特性分析[J]. 测绘通报, 2019, 0(8): 59-62,67.
[11]	郭英, 冯茗杨, 孙玉曦, 姬现磊, 刘清华. 一种基于蓝牙室内指纹定位的贝叶斯改进算法[J]. 测绘通报, 2019, 0(5): 1-6.
[12]	朱家松, 程凯, 周宝定, 林伟东. 基于互补滤波融合WiFi和PDR的行人室内定位[J]. 测绘通报, 2019, 0(5): 12-15,34.
[13]	陈鹏, 廖明, 刘武平, 呙维, 宋杨. 融合三边测量和PDR的室内定位关键技术分析及应用[J]. 测绘通报, 2019, 0(2): 17-21.
[14]	黄鹤, 张新宇, 仇凯悦. PDR算法对地磁室内定位精度的提升研究[J]. 测绘通报, 2019, 0(12): 18-21.
[15]	刘振耀, 李瑞东, 潘军道. 一种基于目标检测和PnP的移动终端室内定位方法[J]. 测绘通报, 2019, 0(11): 51-55.