隨著移動通信技術(shù)的不斷發(fā)展和新業(yè)務(wù)需求的不斷增多,基于位置的服務(wù)引起了大量的關(guān)注,確定移動目標(biāo)的位置信息是實(shí)現(xiàn)定位的關(guān)鍵。目前制造車間的設(shè)備繁多,環(huán)境廣闊,如何實(shí)現(xiàn)車間人員或物品的實(shí)時(shí)定位,是現(xiàn)代制造車間面臨的難題�；赪iFi和圖像的位置指紋定位方法因原理簡單、成本低,在大型制造車間場景應(yīng)用廣泛。本文提出了三維空間下的AP部署策略和基于WiFi信號與圖像的融合定位算法,解決目前普遍存在的定位精度與定位實(shí)時(shí)性等問題。（1）深入分析基于WiFi和圖像的位置指紋定位方法以及融合定位方法,并介紹兩種方法的定位原理,著重研究了典型的定位算法:確定性算法和概率性算法,以及圖像的特征信息提取的三種方法:SIFT算法、SURF算和LBP算法。（2）針對目前制造車間三維定位空間的復(fù)雜性、無線信號易受干擾等問題,提出了一種六棱柱網(wǎng)格劃分方法應(yīng)用于三維室內(nèi)定位系統(tǒng)。通過比較移動目標(biāo)與RPs之間的距離分布函數(shù),驗(yàn)證所提六棱柱網(wǎng)格劃分方法相較于立方體網(wǎng)格有更低的定位誤差。建立了基于信號覆蓋率和信號空間歐氏距離的三維AP部署多目標(biāo)函數(shù),并采用人工免疫算法求解。仿真和4種真實(shí)場景下的實(shí)驗(yàn)結(jié)果表明,相較于矩心部署方... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

–3圖像金字塔的構(gòu)造示意圖

所以匹配的方法大多依賴于對圖像特征的提取并進(jìn)行特征匹配，基于圖像的位置指紋定位算法流程如圖2-2 所示。離線階段在線階段相機(jī)指紋庫匹配數(shù)據(jù)庫匹配算法 定位結(jié)果圖像特征位置指紋庫圖像特征值圖 2–2 基于圖像的位置指紋定位算法過程2.2.2 圖像特征提取算法基于圖像的定位方法雖然提高了移動目標(biāo)的定位精度，但該方法需要大量的計(jì)算過程，特別對于目前移動設(shè)備來說計(jì)算量過于復(fù)雜，導(dǎo)致實(shí)時(shí)定位性差。因此基于圖像的定位方法要對圖像進(jìn)行全局特征或局部特征提取，圖像的局部特征通常與該圖像的一種特征或幾種特征變化有關(guān)。下面主要介紹三種應(yīng)用比較廣泛的圖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，是一種對圖像局部特征進(jìn)行檢測和提取的算法。SIFT 對圖像提取 SIFT 特征主要分為：尺度空間的極值檢測，特征點(diǎn)過濾，分配方向以及生成 SIFT 特征（Sedaghat et al.，2015）。尺度空間的極值用來模擬圖像的多尺度特征并進(jìn)行統(tǒng)一的描述和轉(zhuǎn)換，圖像

應(yīng)了一個(gè) 64 維的向量，至此，SURF 特征描述子被獲得（關(guān)凱，2016）（3）LBP 算法局部二值模式（Local Binary Pattern，LBP）是描述圖像局部紋理法，首先由 Ojala et al.（1994）在 1994 年提出用于紋理特征提取。近年LBP 的圖像特征提取算法得到了飛速的應(yīng)用和發(fā)展，主要涉及圖像的紋分類等領(lǐng)域。算法主要關(guān)注圖像的紋理特征，再進(jìn)行特征向量提取，紋述了圖像灰度空間的特征分布，在描述圖像特征方法有較好的性能，因于圖像的室內(nèi)定位系統(tǒng)中有越來越多研究人員采用紋理特征進(jìn)行定位研LBP 算法的過程：首先將 RGB 圖像轉(zhuǎn)化為灰度圖，再將灰度圖中素點(diǎn)的灰度值設(shè)置為閾值，將此像素點(diǎn)周圍點(diǎn)的灰度值與閾值進(jìn)行比較到一組二進(jìn)值的序列，再轉(zhuǎn)換成十進(jìn)制數(shù)，得到 LBP 特征值。因此 LB以減小計(jì)算的復(fù)雜度并避免光照影響等優(yōu)點(diǎn)。標(biāo)準(zhǔn) LBP 算法是定義在在一個(gè)九宮格下（Kanade et al.，2000），如示，以九宮格的中心的像素灰度值設(shè)置為閾值，并用周圍 8 個(gè)點(diǎn)處的灰值相比較，大于閾值記為 1；否則記為 0。

【參考文獻(xiàn)】：
期刊論文
[1]基于智能手機(jī)無線信號和圖像距離感知融合的室內(nèi)定位算法[J]. 侯松林,楊凡,鐘勇.  計(jì)算機(jī)應(yīng)用. 2018(09)
[2]基于WIFI指紋定位的仿生SLAM研究[J]. 秦國威,孫新柱,陳孟元.  智能系統(tǒng)學(xué)報(bào). 2018(03)
[3]基于數(shù)據(jù)融合的壓縮感知多目標(biāo)定位算法[J]. 楊思星,郭艷,李寧,孫保明,錢鵬.  計(jì)算機(jī)科學(xué). 2018(09)
[4]2016年國外慣性技術(shù)發(fā)展與回顧[J]. 薛連莉,陳少春,陳效真.  導(dǎo)航與控制. 2017(03)
[5]А Novel AP Placement Algorithm Based on User Distribution for Indoor WLAN System[J]. Shu Tang,Lin Ma,Yubin Xu.  中國通信. 2016(10)
[6]正則化稀疏模型[J]. 劉建偉,崔立鵬,劉澤宇,羅雄麟.  計(jì)算機(jī)學(xué)報(bào). 2015(07)
[7]基于LARS-Lasso的指數(shù)跟蹤及其在股指期貨套利策略中的應(yīng)用[J]. 梁斌,陳敏,繆柏其,黃意球,陳釗.  數(shù)理統(tǒng)計(jì)與管理. 2011(06)
[8]基于模糊多目標(biāo)免疫算法的概念設(shè)計(jì)[J]. 陳光柱,肖興明,李志蜀,程志紅,翟雨生.  機(jī)械工程學(xué)報(bào). 2007(03)

博士論文
[1]WLAN位置指紋室內(nèi)定位關(guān)鍵技術(shù)研究[D]. 陳麗娜.華東師范大學(xué) 2014

碩士論文
[1]基于局部特征的表情識別研究[D]. 李月.南京郵電大學(xué) 2018
[2]基于圖像信號與無線通信信號融合的室內(nèi)定位關(guān)鍵技術(shù)研究[D]. 李菲.北京郵電大學(xué) 2018
[3]基于標(biāo)識的室內(nèi)視覺定位算法研究[D]. 關(guān)凱.哈爾濱工業(yè)大學(xué) 2016
[4]基于壓縮感知的室內(nèi)定位算法研究[D]. 陳暾.湖南師范大學(xué) 2015
[5]基于字典學(xué)習(xí)的非凸壓縮感知圖像重構(gòu)方法[D]. 張子君.西安電子科技大學(xué) 2014
[6]基于壓縮感知的雷達(dá)目標(biāo)定位算法研究[D]. 李芳華.湖南大學(xué) 2012



本文編號：3439140