基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)及方法與流程
本發(fā)明涉及定位技術領域，更具體地，涉及一種基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)及方法。
背景技術：
目前，定位技術發(fā)展十分迅速，應用非常廣泛，常用的定位方法主要包括GPS定位技術、RFID室內(nèi)定位技術和Wi-Fi定位技術。
其中，利用GPS定位衛(wèi)星，在全球范圍內(nèi)實時進行定位、導航的系統(tǒng)，稱為全球衛(wèi)星定位系統(tǒng)，簡稱GPS。GPS是由美國國防部研制建立的一種具有全方位、全天候、全時段、高精度的衛(wèi)星導航系統(tǒng)，能為全球用戶提供低成本、高精度的三維位置、速度和精確定時等導航信息，是衛(wèi)星通信技術在導航領域的應用典范，它極大地提高了地球社會的信息化水平，有力地推動了數(shù)字經(jīng)濟的發(fā)展。但是，GPS信號的穿墻能力很弱，因此室內(nèi)環(huán)境中，GPS信號十分微弱而很難進行定位，故GPS技術并不適用于進行室內(nèi)定位。
其中，RFID室內(nèi)定位系統(tǒng)通常由電子標簽、射頻讀寫器、中間件以及計算機數(shù)據(jù)庫組成。射頻標簽和讀寫器是通過由天線架起的空間電磁波的傳輸通道進行數(shù)據(jù)交換的。在定位系統(tǒng)應用中，將射頻讀寫器放置在待測移動物體上，射頻電子標簽嵌入到操作環(huán)境中。電子標簽上存儲有位置識別的信息，讀寫器則通過有線或無線形式連接到信息數(shù)據(jù)庫。
射頻識別室內(nèi)定位技術作用距離很近，但它可以在幾毫秒內(nèi)得到厘米級定位精度的信息，且由于電磁場非視距等優(yōu)點，傳輸范圍很大，而且標識的體積比較小，造價比較低。但其不具有通信能力，抗干擾能力較差，不便于整合到其他系統(tǒng)之中，且用戶的安全隱私保障和國際標準化都不夠完善。
其中，Wi-Fi定位技術有兩種，一種是通過移動設備和三個無線網(wǎng)絡接入點的無線信號強度，通過差分算法，來比較精準地對人和車輛的進行三角定位。另一種是事先記錄巨量的確定位置點的信號強度，通過用新加入的設備的信號強度對比擁有巨量數(shù)據(jù)的數(shù)據(jù)庫，來確定位置(“指紋”定位)。Wi-Fi定位技術用于室內(nèi)定位總體精度不高，只有2米，且需要大量鋪設網(wǎng)絡接入點，成本較高。
技術實現(xiàn)要素：
本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)及方法。
根據(jù)本發(fā)明的一個方面，提供基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)，包括發(fā)射端和接收端，
所述發(fā)射端，用于將發(fā)射端所在位置信息以編碼調(diào)制后的光信號向所在空間發(fā)射；
所述接收端，用于接收所述光信號，對所述光信號進行解碼解調(diào)后，進行圖像定位計算獲取位置信息。
根據(jù)本發(fā)明的另一個方面，提供基于相機通信與圖像定位技術的室內(nèi)定位方法，包括：
S1，接收帶有位置編碼信息并且經(jīng)過調(diào)制的光信號，生成圖像信息；
S2，從所述圖像信息中提取接收端距離光源的垂直距離、光源的位置信息和光信號強度，獲取接收端距離光源的水平距離；
S3，根據(jù)圖像信息中兩個光源的位置信息和接收端偏離光源的水平距離進行坐標定位和坐標篩選，以定位接收端的位置坐標
本申請?zhí)岢龅幕谙鄼C通信與圖像定位技術的室內(nèi)定位系統(tǒng)及方法，為解決現(xiàn)有的室內(nèi)定位系統(tǒng)硬件成本高、不支持高速移動、定位精度低等問題而設計，具有綠色環(huán)保、天然高密度覆蓋、信號易實現(xiàn)空間分離等優(yōu)點。
附圖說明
圖1本發(fā)明所述BP神經(jīng)網(wǎng)絡模型示意圖；
圖2為本發(fā)明基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)示意圖；
圖3為本發(fā)明所述系統(tǒng)第一實施例示意圖；
圖4為本發(fā)明所述系統(tǒng)第二實施例示意圖；
圖5為本發(fā)明所述UPSOOK調(diào)制方法波形示意圖；
圖6為本發(fā)明所述高度測量原理示意圖；
圖7為本發(fā)明所述坐標定位原理示意圖；
圖8為本發(fā)明所述坐標篩選原理接收端坐標正常示時與LED燈的位置意圖；
圖9為本發(fā)明所述坐標篩選原理接收端發(fā)生角度旋轉(zhuǎn)時與LED燈的位置示意圖；
圖10為本發(fā)明基于相機通信與圖像定位技術的室內(nèi)定位方法流程圖。
具體實施方式
下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
本發(fā)明實施需要借助BP神經(jīng)網(wǎng)絡模型，BP神經(jīng)網(wǎng)絡的基本原理和算法流程如下：
BP(Back Propagation)神經(jīng)網(wǎng)絡，全稱為誤差反向傳播的多層前向神經(jīng)網(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一，其可以用作分類、聚類和預測等，通過歷史數(shù)據(jù)的訓練，網(wǎng)絡可以學習到數(shù)據(jù)中隱含的知識。BP神經(jīng)網(wǎng)絡的主要特點是信號前向傳遞，誤差反向傳播；通常由輸入層、隱含層和輸出層組成，層與層之間全互連，每層節(jié)點之間不相連。在正向傳播過程中，信息從輸入層節(jié)點經(jīng)隱含層逐層計算傳向輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層沒有得到期望的值，則計算輸出層的誤差，然后反向傳播，通過網(wǎng)絡將誤差信號按原來的連接通路反向傳回去修改其參數(shù)直至達到期望目標。理論證明，三層的BP神經(jīng)網(wǎng)絡，只要隱含層節(jié)點數(shù)足夠多，就具有模擬任何復雜的非線性映射能力。結(jié)合本系統(tǒng)的實際需求具體的三層BP神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖1所示。
上圖中，X1X2…X5是BP神經(jīng)網(wǎng)絡的五維輸入值，Output是BP神經(jīng)網(wǎng)絡的預測輸出，ωij和ωjk是BP神經(jīng)網(wǎng)絡的權(quán)值。從圖1中可以看出，BP神經(jīng)網(wǎng)絡可以看成一個非線性函數(shù)，網(wǎng)絡輸入值和預測值分別為該函數(shù)的自變量和因變量。當輸入節(jié)點數(shù)為5，輸出節(jié)點數(shù)為1時，BP神經(jīng)網(wǎng)絡就表達了從5個自變量到1個因變量的函數(shù)映射關系。
BP神經(jīng)網(wǎng)絡預測前首先要訓練網(wǎng)絡，通過訓練使得網(wǎng)絡具有聯(lián)想記憶和預測能力。BP神經(jīng)網(wǎng)絡的訓練過程包括以下幾個步驟。
步驟1：網(wǎng)絡初始化。根據(jù)系統(tǒng)的輸入輸出序列(X，Y)確定網(wǎng)絡的結(jié)構(gòu)。包括輸入/出層和隱含層的節(jié)點數(shù)(n，m，l)，輸入層、隱含層和輸出神經(jīng)元之間的連接權(quán)值ωij、ωjk，以及隱含層閾值a、輸出層閾值b的初始化，給定學習速率和神經(jīng)元激勵函數(shù)。
步驟2：隱含層輸出計算。根據(jù)輸入向量X，輸出層和隱含層之間的連接權(quán)值ωij以及隱含層閾值，計算隱含層輸出H。
式(1)中，f為隱含層激勵函數(shù)。本發(fā)明選取了對數(shù)S形轉(zhuǎn)移激活函數(shù)：
步驟3：輸出層輸出計算。根據(jù)隱含層輸出H，連接權(quán)值ωjk和閾值b，計算BP神經(jīng)網(wǎng)絡的預測輸出O。
步驟4：誤差計算。根據(jù)網(wǎng)絡預測輸出O和期望輸出Y計算網(wǎng)絡預測誤差e。
ek＝Y(jié)k-Ok k＝1，2，…，m (4)
步驟5：權(quán)值更新。根據(jù)網(wǎng)絡的預值誤差e更新網(wǎng)絡連接權(quán)值ωij、ωjk。
ωjk＝ωjk+γHjek j＝1,2,…,l；k＝1,2,…,m (6)
式中，γ為隱含層激勵函數(shù)。
步驟6：閾值更新。根據(jù)網(wǎng)絡的預值誤差e更新網(wǎng)絡節(jié)點閾值a、b。
bk＝bk+ek k＝1,2,…,m (8)
步驟7：判斷算法迭代是否結(jié)束，若沒有結(jié)束，返回步驟2。
以上為BP神經(jīng)網(wǎng)絡模型及其工作原理介紹。
如圖2所示，為本發(fā)明基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)，包括發(fā)射端和接收端，
所述發(fā)射端，用于將發(fā)射端所在位置信息以編碼調(diào)制后的光信號向所在空間發(fā)射；
所述接收端，用于接收所述光信號，對所述光信號進行解碼解調(diào)后，進行圖像定位計算獲取位置信息。
所述發(fā)射端包括光源、編碼器和調(diào)制器，
所述編碼器，用于對光源位置信息進行光信號編碼；
所述調(diào)制器，用于對編碼后的光信號進行調(diào)制；
所述光源，用于發(fā)射調(diào)制后的光信號。
所述接收端包括：
圖像傳感器，用于接收光信號并生成圖像信息；
解調(diào)器，用于對所述圖像信息進行與調(diào)制過程相反的解調(diào)，以獲取發(fā)射端光信號強度；
解碼器，用于對解調(diào)后的圖像信息進行與編碼過程相反的解碼，以獲取發(fā)射端光源的位置信息；
圖像處理模塊，用于根據(jù)光信號強度及發(fā)射端光源的位置信息，獲取接收端距離發(fā)射端光源的垂直距離和水平距離，以定位接收端的位置坐標。
所述圖像處理模塊包括：
高度測量模塊，用于根據(jù)圖像信息中兩個光源的距離及圖像傳感器的物理焦距，獲取接收端距離光源的垂直距離；
BP神經(jīng)網(wǎng)絡模型，用于根據(jù)接收端距離光源的垂直距離與光信號強度輸出接收端偏離不同光源的水平距離；
定位模塊，用于根據(jù)圖像信息中兩光源的位置信息和接收端偏離光源的水平距離進行坐標定位及坐標篩選，定位接收端的位置坐標。
本發(fā)明所述系統(tǒng)所采用的光源為LED光源，所述圖像傳感器為相機攝像頭等，利用可見光LED和接收端攝像頭，構(gòu)成了一個室內(nèi)定位系統(tǒng)。本發(fā)明的數(shù)據(jù)發(fā)送、接收基于相機通信技術(OCC)，定位技術利用攝像頭采集的圖像和數(shù)據(jù)，充分利用了相機通信的優(yōu)點，是一種全新的定位手段。
本發(fā)明所述系統(tǒng)有兩種實施方案，分別如圖3所示的第一實施例和如圖4所示的第二實施例。
本發(fā)明所述實施例的實施環(huán)境是：
發(fā)射端編碼器為GeoHash編碼器，調(diào)制器為UPSOOK調(diào)制器，光源為LED光源。
在需要定位的建筑室內(nèi)區(qū)域的頂上按預定規(guī)則安裝具有編碼調(diào)制功能的LED燈，這些LED燈具有固定的坐標和位置，LED燈之間的距離通過安裝已知。
對于LED燈的坐標，使用傳統(tǒng)的直角坐標系，即各個LED的坐標為(x，y)。
同時，如果直接發(fā)送(x，y)坐標的話，需要將橫縱坐標分開發(fā)送，發(fā)送難度較大，且直角坐標系并不適合用做定位，因此需要將LED燈的(x,y)坐標信息進行編碼后發(fā)送。本發(fā)明采用GeoHash算法對LED燈的坐標進行編碼。
GeoHash編碼方法有如下優(yōu)點：
首先，如直接使用直角坐標，需要在橫縱坐標兩列上同時應用索引，某些情況下無法在兩列上同時應用索引(例如MySQL4之前的版本，Google App Engine的數(shù)據(jù)層等)。而GeoHash用一個字符串表示橫、縱兩個坐標。只需在一列上應用索引即可。
其次，GeoHash表示的并不是一個點，而是一個矩形區(qū)域。比如編碼11110101，它表示的是一個矩形區(qū)域。編碼越長，表示的矩形區(qū)域越小，定位精度越高，同時通信的代價和成本也越高；編碼越短，表示的矩形區(qū)域越大，定位精度低，但是可以不暴露用戶的精確坐標信息，維護了用戶隱私，同時通信成本也降低了。使用者可以根據(jù)實際定位要求靈活調(diào)整GeoHash編碼長度。
第三，編碼的前綴可以表示更大的區(qū)域。例如11110101，它的前綴1111表示包含編碼11110101在內(nèi)的更大范圍。這個特性可以用于附近地點搜索。根據(jù)用戶當前坐標計算GeoHash(例如11110101)然后取其前綴進行查詢，即可查詢附近的所有地點。同時，根據(jù)這一特性，GeoHash編碼具有一定的糾錯功能，因為相鄰燈的碼字前綴相同，如解碼后，相鄰燈前綴不同，即可判斷解碼出現(xiàn)了錯誤。
對LED燈的坐標進行GeoHash編碼比直接用直角坐標高效很多。
各LED燈發(fā)光前，對各自位置進行GeoHash編碼后，進行調(diào)制后發(fā)射，所述調(diào)制為UPSOOK調(diào)制。UPSOOK為相機通信中較為成功的調(diào)制方式，它是一種基于LED燈亮滅狀態(tài)的調(diào)制方式。
UPSOOK調(diào)制LED燈波形示意圖如圖5所示，雖然相機幀率和發(fā)送信號波特率及載波頻率有精確的對應關系，但因相機的采樣相位和發(fā)送信號相位無法同步，因此相機采樣時刻具有隨機性，這樣會導致采樣到的LED亮滅狀態(tài)存在兩種可能。
如圖5(b)和5(c)所示，對于發(fā)送相同信號的LED燈+攝像頭接收系統(tǒng)，因圖像傳感器采樣位置不同，導致接收到的LED狀態(tài)除FH狀態(tài)除外其他狀態(tài)完全相反。
由圖可知圖5(b)中探測到的LED狀態(tài)和圖5(a)中原始數(shù)據(jù)一一對應(“亮”對應“1”；“滅”對應“0”)，但圖5(c)中探測到的LED狀態(tài)和圖5(a)中原始數(shù)據(jù)完全相反(“亮”對應“0”；“滅”對應“1”)，因此可增加一位標志位來檢查接收端是否出現(xiàn)相位差錯。本發(fā)明事先規(guī)定了標志位必須為比特1，如標志位LED燈狀態(tài)與原始數(shù)據(jù)(即比特1)相同，則意味著采樣相位正確；如標志位LED燈狀態(tài)與原始數(shù)據(jù)(比特1)相反，則意味著采樣相位不正確，需要將接收到的比特進行反轉(zhuǎn)(即0變?yōu)?，1變?yōu)?)。
接收端攝像頭拍攝得到可見光LED的圖像信息，如圖5(d)所示。利用圖像分割以及圖像識別技術，識別出兩盞燈，利用UPSOOK解調(diào)技術分別接收LED中包含的信息，每一副圖片可接收得到一個比特信息。使用與GeoHash編碼方法對應的GeoHash解碼方法，得到對應LED燈的坐標位置。
如圖3所示，基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)第一實施例，包括發(fā)射端和接收端，所述接收端為移動終端，可以為任何帶有攝像頭的智能終端，包括智能手機、平板電腦等。
發(fā)射端包括GeoHash編碼器、UPSOOK調(diào)制器和LED光源。一個GeoHash編碼器、一個UPSOOK調(diào)制器和一個LED光源為一套發(fā)光組件，發(fā)射端包括多個發(fā)光組件，其數(shù)量依據(jù)室內(nèi)定位空間的大小及發(fā)光組件的安裝布局決定。
每個發(fā)光組件通過GeoHash編碼器將自己的坐標位置進行GeoHash編碼并通過UPSOOK調(diào)制器進行UPSOOK調(diào)制后向室內(nèi)定位區(qū)域發(fā)射光信號。
移動終端包括圖像傳感器、UPSOOK解調(diào)器、GeoHash解碼器、高度測量模塊、BP神經(jīng)網(wǎng)絡模型和定位模塊。
所述圖像傳感器接收光信號并生成圖像信息，通過圖像處理識別出的LED燈圖像；然后經(jīng)過UPSOOK解調(diào)器進行UPSOOK調(diào)制相對應的解調(diào)，此過程可以獲得光信號強度。
此后分兩個過程，一個過程經(jīng)過GeoHash解碼器對UPSOOK解調(diào)后的信息進行與GeoHash編碼方法對應的GeoHash解碼，得到對應LED燈的坐標位置。
另一個過程，首先由高度測量模塊根據(jù)圖像信息中兩個LED的距離及圖像傳感器的物理焦距，獲取接收端距離光源的垂直距離；然后根據(jù)測量的垂直距離及光信號強度，進行BP神經(jīng)網(wǎng)絡模型處理，得到移動終端偏離不同光源的水平距離。
最后兩個過程中得到的LED燈的坐標位置和移動終端偏離不同光源的水平距離需要經(jīng)過定位模塊處理，最終對移動終端進行定位。
高度測量的具體實現(xiàn)為：
如圖6所示，室內(nèi)定位區(qū)域頂上兩個LED燈分別為A和B，已知A和B之間的距離為AB。f為移動終端攝像頭的物理焦距，可通過查詢相機參數(shù)獲??；O為焦點，CD為A和B被移動終端攝像頭拍攝后在圖片上的距離，圖像像素點對應的實際大小由相機的圖像傳感器大小決定，可通過查詢相機參數(shù)獲得。
則AOB、COD構(gòu)成相似三角形，可得：
移動終端距離LED燈的垂直高度為：
BP神經(jīng)網(wǎng)絡模型的具體實現(xiàn)為：
對于本發(fā)明所述的LED光源，特別的，對于朗伯型LED，第i個LED燈與移動終端之間的信道增益為Hi(0)，其表達式為：
其中，m為LED燈Lambert階數(shù)，AR為探測器面積，di為LED與探測器之間的距離，為LED發(fā)射角，ψi為LED燈入射光與探測器法線方向夾角，Ψc為探測器FOV，Ts(ψi)是接收濾光片透過率，g(ψi)是接收聚光器增益。
假設接收系統(tǒng)不使用濾光片和聚光器，因此(10)式變?yōu)椋?/p>
通過上述公式可得，距離與接收端光強的關系為非線性關系，通過常規(guī)方法來擬合距離與接收端信號強度的函數(shù)關系較為復雜，本發(fā)明通過BP神經(jīng)網(wǎng)絡來解決這一問題。
在相同距離時，高度不同，接收端LED的亮度明顯不同。于是，單純依靠接收端LED的信號強度并不足以得出接收端距離發(fā)光LED的距離，如果預先知道LED和接收端的垂直高度，則根據(jù)接收端發(fā)光LED的信號強度，就可以得出在這一高度下接收端距離LED的水平距離了。
因此需要測量在接收端距離光源不同垂直高度情況下，接收端與LED的水平距離以及對應的接收端信號強度，并用這些數(shù)據(jù)訓練一個BP神經(jīng)網(wǎng)絡模型。
在實際情況中，發(fā)光LED排布在建筑物的上方，所以接收端與發(fā)光LED的垂直高度，可以轉(zhuǎn)換為接收端的高度坐標。
這樣，將接收端距離光源的垂直距離、接收端偏離發(fā)光LED的水平距離以及對應接收端收到的光信號強度信息作為一個數(shù)據(jù)集，并用這些數(shù)據(jù)集訓練BP神經(jīng)網(wǎng)絡；訓練后的BP神經(jīng)網(wǎng)絡模型便可根據(jù)接收端距離光源的垂直距離和接收端的收到的光信號強度，計算得到接收端偏離LED的水平距離。
在對光信號強度進行計算時，移動終端的圖像傳感器接收到的光信號為圖片，如果直接將接收端圖片的圖像各像素灰度值相加來表示接收端信號強度，則神經(jīng)網(wǎng)絡輸入向量維度太低，不利于發(fā)揮神經(jīng)網(wǎng)絡的優(yōu)勢；而如果使用常見的灰度直方圖來表示接收端圖像的強度信息，則輸入向量中，強度信息的維度有256維遠遠大于高度坐標的1維，強度信息會淹沒高度信息，會大大影響神經(jīng)網(wǎng)絡輸出的準確度。于是，我們將灰度直方圖的信息進行壓縮。具體實現(xiàn)為：1，將接收端彩色圖片轉(zhuǎn)換為灰度圖片，且圖像灰度值介于0-256。2，將灰度圖像的灰度值劃分為四個區(qū)間，分別為：0-64、64-128、128-192、192-256，并分別統(tǒng)計四個灰度區(qū)間的像素點的數(shù)量，構(gòu)成一個四維向量，來表示接收端信號的強度值。
所述BP神經(jīng)網(wǎng)絡的輸入為一個五維向量，由接收端信號強度和接收端高度坐標構(gòu)成；輸出為接收端與對應發(fā)光LED的水平距離。即圖1中BP神經(jīng)網(wǎng)絡的五維輸入值X1，X2，…X5由接收端的高度坐標和信號強度構(gòu)成，BP神經(jīng)網(wǎng)絡的預測輸出Output為移動終端與對應發(fā)光LED的水平距離。
定位模塊的具體實現(xiàn)為：
傳統(tǒng)的基于強度測距的定位技術，通常采用三邊定位法，而三邊定位法要求同時接收三盞LED燈的信息，實際情況中，移動終端的攝像頭同時拍到三盞LED燈的情況較少，一旦用戶開始高速移動，移動終端持續(xù)接受三盞燈的信息極為困難，因此三邊定位并不足以支撐接收端進行高速移動，有較大的局限性。
于是本發(fā)明創(chuàng)新性的提出了一種全新的基于圖像處理的室內(nèi)定位方法，該方法采用坐標定位的方法，僅需兩盞LED燈即可實現(xiàn)定位。該定位方法更為靈活，很好的利用了相機通信的優(yōu)點，且在一定情況下可以支持接收端的高速移動。
可以將定位模塊分為坐標定位單元和坐標篩選單元。
如圖7所示，經(jīng)過BP神經(jīng)網(wǎng)絡模型已經(jīng)獲得兩個LED燈A和B的坐標，以及移動終端和A、B的水平距離dA、dB。所述坐標定位單元通過以A、B為圓心，以dA、dB為半徑的圓來計算坐標。兩圓的交點為P1、P2,接收端的坐標為P1、P2當中的一個。
P1、P2的坐標可由上述二元二次方程求得。
然后坐標篩選單元需要篩選出正確的坐標。以智能手機為例，使用手機前置攝像頭拍攝的圖片，左右發(fā)生了調(diào)轉(zhuǎn)(原理如同照鏡子)，而且上下不變。在對發(fā)光LED的坐標進行排布時，本發(fā)明規(guī)定由南向北LED的縱坐標y依次變大，由西向東LED的橫坐標x依次變大。在一種實施例中，LED的排布為正方形排布，相鄰LED必然橫坐標相同,縱坐標不同；或者縱坐標相同，橫坐標不同。
在定位過程中，假定移動接收端擺放為移動接收端的前端指向正北方向，反映到前置拍攝頭拍攝出的圖片中為：如果接收端處在兩個發(fā)光LED的西側(cè)，即接收端橫坐標小于兩個發(fā)光LED的橫坐標時，攝像頭拍攝的圖片中兩個發(fā)光LED位于圖片中的左半部分；如果接收端處在兩個發(fā)光LED的東側(cè)，即接收端橫坐標大于兩個發(fā)光LED時，圖片中兩個發(fā)光LED位于圖片中的右半部分。當接收端處在兩個發(fā)光LED的北側(cè)或者南側(cè)時，具有相似的原理。
根據(jù)這一特性，歸納出如下定位算法：
以圖片中心為原點建立直角坐標系，每一個像素點為一個單位，則圖片上各點的直角坐標很容易求出。由于在圖片拍攝過程中會出現(xiàn)旋轉(zhuǎn)等情況，所以直接使用直角坐標系進行計算較為復雜，具體實施時可將直角坐標系轉(zhuǎn)換為極坐標(ρ,θ)。本發(fā)明使用極坐標中的θ。
當接收端在某一位置時，假設接收端在LED燈A和LED燈B的一側(cè)，則可能由于旋轉(zhuǎn)角度不同而拍攝的圖像不同。假設圖8所示為接收端坐標正常時與LED燈的位置示意圖，圖9為接收端發(fā)生角度旋轉(zhuǎn)時與LED燈的位置示意圖。
本實施例中規(guī)定實際坐標較大的LED在圖片上夾角為θ1，實際坐標較小的LED在圖片上夾角為θ2。P1點坐標為(x1,y1),P2點坐標為(x2,y2)。設Δθ＝θ2-θ1。接收端坐標為M(x,y)。
若0°<Δθ<180°或Δθ<-180°，
x＝min(x1，x2)
y＝min(y1，y2)
若Δθ>180°或-180°<Δθ<0°，
x＝max(x1，x2)
y＝max(y1，y2)
結(jié)合第二步中得出的接收端高度坐標，即可得出接收端的坐標：(x,y,z)。
如圖4所示，基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)第二實施例，所述第二實施例的發(fā)射端與第一實施例相同；接收端包括移動終端和服務端，移動終端包括圖像傳感器，而UPSOOK解調(diào)器、GeoHash解碼器、高度測量模塊、BP神經(jīng)網(wǎng)絡模型和定位模塊則布置于遠程服務端上。各模塊作用與定位系統(tǒng)工作流程，和第一實施例相同。
相比較而言，第一實施例直接將解碼解調(diào)與圖像處理模塊都集成在移動終端上，而不用將圖像傳感器采集的LED燈的光信號圖像傳輸?shù)椒斩?，比較節(jié)省網(wǎng)絡開銷，可以快速的實現(xiàn)定位。
第二實施例由于將主要處理過程集成在服務端，相比于移動終端具有更大的處理容量和更強的處理能力，能夠處理更大量的數(shù)據(jù)，可以同時處理多個移動終端的定位需求，可以在此基礎上實現(xiàn)其他更復雜的定位技術應用。
如圖10所示，基于相機通信與圖像定位技術的室內(nèi)定位方法，包括：
S1，接收帶有位置編碼信息并且經(jīng)過調(diào)制的光信號，生成圖像信息；
S2，從所述圖像信息中提取接收端距離光源的垂直距離、光源的位置信息和光信號強度，獲取接收端距離光源的水平距離；
S3，根據(jù)圖像信息中兩個光源的位置信息和接收端偏離光源的水平距離進行坐標定位及坐標篩選，以定位接收端的位置坐標。
以上方法對應基于相機通信與圖像定位技術的室內(nèi)定位系統(tǒng)的接收端方法，S1通過接收端圖像傳感器實現(xiàn)，S2通過接收端UPSOOK解調(diào)器、GeoHash解碼器、高度測量模塊和BP神經(jīng)網(wǎng)絡模型實現(xiàn)，S3通過接收端定位模塊實現(xiàn)。
與之對應的發(fā)射端方法是：對LED光信號進行調(diào)制后發(fā)射，其中包括有LED燈位置的編碼信息。
所述S2進一步包括：
S2.1，根據(jù)圖像信息中兩個光源的距離及圖像傳感器的物理焦距，獲取接收端距離光源的垂直距離；
通過本發(fā)明所述系統(tǒng)中的高度測量模塊實現(xiàn)，需要先通過UPSOOK解調(diào)器對信息進行解調(diào)。
S2.2，對光信號進行對應的解調(diào)以獲取光信號強度，進一步進行對應的解碼以獲取光源的位置信息；
通過本發(fā)明所述系統(tǒng)中的GeoHash解碼器實現(xiàn)。
S2.3，基于BP神經(jīng)網(wǎng)絡模型，根據(jù)接收端距離光源的垂直距離及光信號強度，獲取接收端偏離不同光源的水平距離。
通過本發(fā)明所述系統(tǒng)中的BP神經(jīng)網(wǎng)絡模型實現(xiàn)。
最后，本申請的方法僅為較佳的實施方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
- 還沒有人留言評論。精彩留言會獲得點贊！