一种基于多模数据的室内定位算法

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

一种基于多模数据的室内定位算法

贾玉福1，刘文平1，胡胜红2

（1.湖北经济学院信息管理与统计学院,湖北武汉 430205;2.湖北经济学院信息工程学院,湖北武汉 430205）

收稿日期:2019-07-05 修回日期:2019-09-16 出版日期:2020-02-25 发布日期:2020-02-25
基金资助:
国家自然科学基金(61672213)；湖北省自然科学基金(2018CFB721，2019CFB765)；湖北省高等学校优秀中青年科技创新团队项目(T201714)；湖北省教育厅科技处研究计划(D20182202)

An indoor positioning algorithm based on multimode data

JIA Yu-fu1,LIU Wen-ping1,HU Sheng-hong2

（1.School of Information Management and Statistics,Hubei University of Economics,Wuhan 430205;

2.School of Information Engineering,Hubei University of Economics,Wuhan 430205,China）

Received:2019-07-05 Revised:2019-09-16 Online:2020-02-25 Published:2020-02-25

摘要/Abstract

摘要：

针对室内定位问题，提出一种利用WiFi和视觉信息实现定位的算法。首先利用坐标变换原理分析并建立物体的图像平面坐标与世界坐标系坐标之间的数学关系，再以2个信标之间的距离作为约束条件建立数学方程，求解摄像机的俯仰角；然后根据俯仰角分别计算观察点与2个信标的平面距离，最后根据计算得到的距离和信标的坐标实现观察点定位。依据上述定位求解过程将会解析得到观察点的多个虚拟坐标。为此，利用SAE与DNN模型，以多个自定义WiFi特征为输入，11个距离类别为标签，依据节点之间的距离来识别定位坐标的有效值。实验结果表明，此定位算法能够在室内环境下提供高精度实时定位，算法的可靠性得到了充分验证。

关键词: 单目视觉, 坐标变换, 室内定位, 卷积神经网络, WiFi特征相似度

Abstract:

To solve the indoor positioning problem, an indoor positioning algorithm based on WiFi and visual information is proposed. Firstly, the mathematical relationship between the image plane coordinates and the coordinates of the world coordinate system is analyzed and established by using the principle of coordinate transformation. Secondly, the mathematical equation is established with the distance between two beacons as the constraint condition, and the elevation angle of the camera is solved. Thirdly, the plane distance between the observation point and the two beacons is calculated according to the elevation angle. Finally, the distance between the observation point and the beacon is calculated. The marker can locate the observation point. According to the above positioning process, the virtual coordinates of the observation points will be obtained. Using SAE and DNN model and taking multiple custom WiFi features as input and 11 distance categories as labels, the valid values of positioning coordinates can be identified by the distance between nodes. The experimental results show that the algorithm can provide high precision real-time positioning in indoor environment, and the reliability of the algorithm is fully verified.

Key words: monocular vision, coordinate transformation, indoor positioning, convolutional neural network (CNN), WiFi feature similarity

贾玉福1，刘文平1，胡胜红2. 一种基于多模数据的室内定位算法[J]. 计算机工程与科学.

JIA Yu-fu1,LIU Wen-ping1,HU Sheng-hong2. An indoor positioning algorithm based on multimode data[J]. Computer Engineering & Science.

[1]	田红鹏, 吴璟玮. RIB-NER：基于跨度的中文命名实体识别模型[J]. 计算机工程与科学, 2024, 46(07): 1311-1320.
[2]	尹春勇, 赵峰. 基于双层注意力和深度自编码器的时间序列异常检测模型[J]. 计算机工程与科学, 2024, 46(05): 826-835.
[3]	马长林, 孙状. 基于实体知识的远程监督关系抽取[J]. 计算机工程与科学, 2024, 46(05): 945-950.
[4]	陈杰, 李程, 刘仲. 面向多核向量加速器的卷积神经网络推理和训练向量化方法[J]. 计算机工程与科学, 2024, 46(04): 580-589.
[5]	曹浩东, 汪海涛, 贺建峰. 融合序列局部信息的日期感知序列推荐算法[J]. 计算机工程与科学, 2024, 46(04): 734-742.
[6]	秦文强, 吴仲城, 张俊, 李芳, . 基于异构平台的卷积神经网络加速系统设计[J]. 计算机工程与科学, 2024, 46(01): 12-20.
[7]	周理, 赵祉乔, 潘国腾, 铁俊波, 赵王. 基于RISC-V的图卷积神经网络加速器设计[J]. 计算机工程与科学, 2023, 45(12): 2113-2120.
[8]	余子丞, 凌捷. 基于Transformer和多特征融合的DGA域名检测方法[J]. 计算机工程与科学, 2023, 45(08): 1416-1423.
[9]	刘俊奇, 涂文轩, 祝恩. 图卷积神经网络综述[J]. 计算机工程与科学, 2023, 45(08): 1472-1481.
[10]	易啸, 马胜, 肖侬. 深度学习加速器在不同剪枝策略下的运行优化[J]. 计算机工程与科学, 2023, 45(07): 1141-1148.
[11]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[12]	排日旦·阿布都热依木, 吐尔地·托合提, 艾斯卡尔·艾木都拉, . 基于深度学习的实体关系抽取方法研究[J]. 计算机工程与科学, 2023, 45(05): 895-902.
[13]	董芃杉, 张晶, 金日泽. 基于双通道门控复合网络的中文产品评论情感分析[J]. 计算机工程与科学, 2023, 45(05): 911-919.
[14]	刘子建, 丁维龙, 邢梦达, 李寒, 黄晔. Conv-WGAIN：面向多元时序数据缺失的卷积生成对抗插补网络模型[J]. 计算机工程与科学, 2023, 45(05): 931-939.
[15]	胡宗承, 段晓威, 周亚同, 何昊. 基于多模态融合的动态手势识别研究[J]. 计算机工程与科学, 2023, 45(04): 665-673.

一种基于多模数据的室内定位算法

An indoor positioning algorithm based on multimode data

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价