面向制造车间的WiFi与图像指纹融合定位方法研究
发布时间：2021-10-16 04:24
随着移动通信技术的不断发展和新业务需求的不断增多,基于位置的服务引起了大量的关注,确定移动目标的位置信息是实现定位的关键。目前制造车间的设备繁多,环境广阔,如何实现车间人员或物品的实时定位,是现代制造车间面临的难题。基于WiFi和图像的位置指纹定位方法因原理简单、成本低,在大型制造车间场景应用广泛。本文提出了三维空间下的AP部署策略和基于WiFi信号与图像的融合定位算法,解决目前普遍存在的定位精度与定位实时性等问题。（1）深入分析基于WiFi和图像的位置指纹定位方法以及融合定位方法,并介绍两种方法的定位原理,着重研究了典型的定位算法:确定性算法和概率性算法,以及图像的特征信息提取的三种方法:SIFT算法、SURF算和LBP算法。（2）针对目前制造车间三维定位空间的复杂性、无线信号易受干扰等问题,提出了一种六棱柱网格划分方法应用于三维室内定位系统。通过比较移动目标与RPs之间的距离分布函数,验证所提六棱柱网格划分方法相较于立方体网格有更低的定位误差。建立了基于信号覆盖率和信号空间欧氏距离的三维AP部署多目标函数,并采用人工免疫算法求解。仿真和4种真实场景下的实验结果表明,相较于矩心部署方...
【文章来源】：成都理工大学四川省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
–3图像金字塔的构造示意图
所以匹配的方法大多依赖于对图像特征的提取并进行特征匹配，基于图像的位置指纹定位算法流程如图2-2 所示。离线阶段在线阶段相机指纹库匹配数据库匹配算法 定位结果图像特征位置指纹库图像特征值图 2–2 基于图像的位置指纹定位算法过程2.2.2 图像特征提取算法基于图像的定位方法虽然提高了移动目标的定位精度，但该方法需要大量的计算过程，特别对于目前移动设备来说计算量过于复杂，导致实时定位性差。因此基于图像的定位方法要对图像进行全局特征或局部特征提取，图像的局部特征通常与该图像的一种特征或几种特征变化有关。下面主要介绍三种应用比较广泛的图像局部特征提取算法。（1）SIFT 算法SIFT(Scale-invariant feature transform)算法在 1999 年，由加拿大教授 DavidLowe（2004）提出，是一种对图像局部特征进行检测和提取的算法。SIFT 对图像提取 SIFT 特征主要分为：尺度空间的极值检测，特征点过滤，分配方向以及生成 SIFT 特征（Sedaghat et al.，2015）。尺度空间的极值用来模拟图像的多尺度特征并进行统一的描述和转换，图像
应了一个 64 维的向量，至此，SURF 特征描述子被获得（关凯，2016）（3）LBP 算法局部二值模式（Local Binary Pattern，LBP）是描述图像局部纹理法，首先由 Ojala et al.（1994）在 1994 年提出用于纹理特征提取。近年LBP 的图像特征提取算法得到了飞速的应用和发展，主要涉及图像的纹分类等领域。算法主要关注图像的纹理特征，再进行特征向量提取，纹述了图像灰度空间的特征分布，在描述图像特征方法有较好的性能，因于图像的室内定位系统中有越来越多研究人员采用纹理特征进行定位研LBP 算法的过程：首先将 RGB 图像转化为灰度图，再将灰度图中素点的灰度值设置为阈值，将此像素点周围点的灰度值与阈值进行比较到一组二进值的序列，再转换成十进制数，得到 LBP 特征值。因此 LB以减小计算的复杂度并避免光照影响等优点。标准 LBP 算法是定义在在一个九宫格下（Kanade et al.，2000），如示，以九宫格的中心的像素灰度值设置为阈值，并用周围 8 个点处的灰值相比较，大于阈值记为 1；否则记为 0。
【参考文献】：
期刊论文
[1]基于智能手机无线信号和图像距离感知融合的室内定位算法[J]. 侯松林,杨凡,钟勇. 计算机应用. 2018(09)
[2]基于WIFI指纹定位的仿生SLAM研究[J]. 秦国威,孙新柱,陈孟元. 智能系统学报. 2018(03)
[3]基于数据融合的压缩感知多目标定位算法[J]. 杨思星,郭艳,李宁,孙保明,钱鹏. 计算机科学. 2018(09)
[4]2016年国外惯性技术发展与回顾[J]. 薛连莉,陈少春,陈效真. 导航与控制. 2017(03)
[5]А Novel AP Placement Algorithm Based on User Distribution for Indoor WLAN System[J]. Shu Tang,Lin Ma,Yubin Xu. 中国通信. 2016(10)
[6]正则化稀疏模型[J]. 刘建伟,崔立鹏,刘泽宇,罗雄麟. 计算机学报. 2015(07)
[7]基于LARS-Lasso的指数跟踪及其在股指期货套利策略中的应用[J]. 梁斌,陈敏,缪柏其,黄意球,陈钊. 数理统计与管理. 2011(06)
[8]基于模糊多目标免疫算法的概念设计[J]. 陈光柱,肖兴明,李志蜀,程志红,翟雨生. 机械工程学报. 2007(03)
博士论文
[1]WLAN位置指纹室内定位关键技术研究[D]. 陈丽娜.华东师范大学 2014
硕士论文
[1]基于局部特征的表情识别研究[D]. 李月.南京邮电大学 2018
[2]基于图像信号与无线通信信号融合的室内定位关键技术研究[D]. 李菲.北京邮电大学 2018
[3]基于标识的室内视觉定位算法研究[D]. 关凯.哈尔滨工业大学 2016
[4]基于压缩感知的室内定位算法研究[D]. 陈暾.湖南师范大学 2015
[5]基于字典学习的非凸压缩感知图像重构方法[D]. 张子君.西安电子科技大学 2014
[6]基于压缩感知的雷达目标定位算法研究[D]. 李芳华.湖南大学 2012
本文编号：3439140
【文章来源】：成都理工大学四川省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
–3图像金字塔的构造示意图
所以匹配的方法大多依赖于对图像特征的提取并进行特征匹配，基于图像的位置指纹定位算法流程如图2-2 所示。离线阶段在线阶段相机指纹库匹配数据库匹配算法 定位结果图像特征位置指纹库图像特征值图 2–2 基于图像的位置指纹定位算法过程2.2.2 图像特征提取算法基于图像的定位方法虽然提高了移动目标的定位精度，但该方法需要大量的计算过程，特别对于目前移动设备来说计算量过于复杂，导致实时定位性差。因此基于图像的定位方法要对图像进行全局特征或局部特征提取，图像的局部特征通常与该图像的一种特征或几种特征变化有关。下面主要介绍三种应用比较广泛的图像局部特征提取算法。（1）SIFT 算法SIFT(Scale-invariant feature transform)算法在 1999 年，由加拿大教授 DavidLowe（2004）提出，是一种对图像局部特征进行检测和提取的算法。SIFT 对图像提取 SIFT 特征主要分为：尺度空间的极值检测，特征点过滤，分配方向以及生成 SIFT 特征（Sedaghat et al.，2015）。尺度空间的极值用来模拟图像的多尺度特征并进行统一的描述和转换，图像
应了一个 64 维的向量，至此，SURF 特征描述子被获得（关凯，2016）（3）LBP 算法局部二值模式（Local Binary Pattern，LBP）是描述图像局部纹理法，首先由 Ojala et al.（1994）在 1994 年提出用于纹理特征提取。近年LBP 的图像特征提取算法得到了飞速的应用和发展，主要涉及图像的纹分类等领域。算法主要关注图像的纹理特征，再进行特征向量提取，纹述了图像灰度空间的特征分布，在描述图像特征方法有较好的性能，因于图像的室内定位系统中有越来越多研究人员采用纹理特征进行定位研LBP 算法的过程：首先将 RGB 图像转化为灰度图，再将灰度图中素点的灰度值设置为阈值，将此像素点周围点的灰度值与阈值进行比较到一组二进值的序列，再转换成十进制数，得到 LBP 特征值。因此 LB以减小计算的复杂度并避免光照影响等优点。标准 LBP 算法是定义在在一个九宫格下（Kanade et al.，2000），如示，以九宫格的中心的像素灰度值设置为阈值，并用周围 8 个点处的灰值相比较，大于阈值记为 1；否则记为 0。
【参考文献】：
期刊论文
[1]基于智能手机无线信号和图像距离感知融合的室内定位算法[J]. 侯松林,杨凡,钟勇. 计算机应用. 2018(09)
[2]基于WIFI指纹定位的仿生SLAM研究[J]. 秦国威,孙新柱,陈孟元. 智能系统学报. 2018(03)
[3]基于数据融合的压缩感知多目标定位算法[J]. 杨思星,郭艳,李宁,孙保明,钱鹏. 计算机科学. 2018(09)
[4]2016年国外惯性技术发展与回顾[J]. 薛连莉,陈少春,陈效真. 导航与控制. 2017(03)
[5]А Novel AP Placement Algorithm Based on User Distribution for Indoor WLAN System[J]. Shu Tang,Lin Ma,Yubin Xu. 中国通信. 2016(10)
[6]正则化稀疏模型[J]. 刘建伟,崔立鹏,刘泽宇,罗雄麟. 计算机学报. 2015(07)
[7]基于LARS-Lasso的指数跟踪及其在股指期货套利策略中的应用[J]. 梁斌,陈敏,缪柏其,黄意球,陈钊. 数理统计与管理. 2011(06)
[8]基于模糊多目标免疫算法的概念设计[J]. 陈光柱,肖兴明,李志蜀,程志红,翟雨生. 机械工程学报. 2007(03)
博士论文
[1]WLAN位置指纹室内定位关键技术研究[D]. 陈丽娜.华东师范大学 2014
硕士论文
[1]基于局部特征的表情识别研究[D]. 李月.南京邮电大学 2018
[2]基于图像信号与无线通信信号融合的室内定位关键技术研究[D]. 李菲.北京邮电大学 2018
[3]基于标识的室内视觉定位算法研究[D]. 关凯.哈尔滨工业大学 2016
[4]基于压缩感知的室内定位算法研究[D]. 陈暾.湖南师范大学 2015
[5]基于字典学习的非凸压缩感知图像重构方法[D]. 张子君.西安电子科技大学 2014
[6]基于压缩感知的雷达目标定位算法研究[D]. 李芳华.湖南大学 2012
本文编号：3439140
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3439140.html
