CN102645208A - 基于动态路由机制的视觉测量定位及校正系统 - Google Patents
基于动态路由机制的视觉测量定位及校正系统 Download PDFInfo
- Publication number
- CN102645208A CN102645208A CN2012100944019A CN201210094401A CN102645208A CN 102645208 A CN102645208 A CN 102645208A CN 2012100944019 A CN2012100944019 A CN 2012100944019A CN 201210094401 A CN201210094401 A CN 201210094401A CN 102645208 A CN102645208 A CN 102645208A
- Authority
- CN
- China
- Prior art keywords
- node
- positioning
- algorithm
- nodes
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004040 coloring Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000002922 simulated annealing Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 3
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000004807 localization Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000002153 concerted effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于动态路由机制的视觉测量定位及校正系统，包括：定位算法模块、调度算法模块、校正及容错算法模块；定位算法模块负责整个系统的基本定位实现，是整个系统的核心；调度算法模块实现节点间传感器的无干扰调度，并将多个传感器信息进行汇总融合；校正及容错算法模块实现节点定位的校正，并对丢失的节点实现寻找、容错。本发明具有较高的精度和很强的自适应性，测量定位范围大等特点，定位精度进一步得到了提高，并运用环境内特征区域提取算法建立视觉容错机制，增强了系统的安全性与稳定性，尤其适用于室内定位和未知环境勘测。
Description
技术领域
本发明涉及一种视觉定位领域的方法，具体说是一种基于动态路由机制的视觉测量定位及校正系统。
背景技术
目前，已有很多依据各种定位技术的定位方案，比如：ZigBee定位，WI-FI定位，GPRS定位，GPS定位，超声定位，但在定位精度、环境适应性等方面都存在不足和缺陷：ZigBee定位采用能量指示实现定位，本身精度不高，对环境的适应性又较差，而且在室内使用时，由于墙壁的反射和阻隔效应使得定位结果存在较大误差；WI-FI定位原理与ZigBee类似，因此也具有相似的缺点；GPRS定位精度较低，适合于较大范围内的粗略定位，受环境影响大；GPS定位精度相对较高，但无法在室内使用，而且由于采用高精度GPS，导致成本又很高；超声定位需要在环境内布设大量的传感器，且适应性差；通过视觉对环境进行建模的方法难度大，且定位范围受前期设备布局影响较大。针对上述存在的各种定位技术问题，可以看出：现在还没有一种实用的定位技术能满足：既要实现高精度，又能自适应环境，且成本在可接受的范围之内。
中国专利申请公开号CN 101865656 A，公开日2010年10月20日，发明创造的名称为《一种使用少数共面点精确定位多摄像头系统位姿的方法》，该申请案提出了一种新的多摄像头系统定位方法，能够使用3D共面参考点映射图像点精确定位摄像头的位置。中国专利申请公开号CN 101646072A，公开日2010年2月10日，发明创造的名称为《一种多摄像头自动定位的系统》，该申请案公开的技术方案：至少包括一水平方向摄像头用于横向扫描并拍摄，一垂直方向摄像头用于垂直扫描并拍摄。上述两项技术方案的定位方法均是利用多摄像头定位，虽然精度高，其不足之处是：需要提前布设摄像头采集设备，实施成本较高，且定位范围相对固定，自适应性差。
中国专利授权公告号CN 101509781 B，授权公告日2011年9月14日，发明创造的名称为《基于单目摄像头的步行机器人定位系统》，该项专利公开的系统定位主要保证了实时性和鲁棒性，却无法保证高度精确，而且实施难度高，定位范围小。
发明内容
本发明克服了现有技术中的不足，提供一种基于动态路由机制的视觉测量定位及校正系统。
为了解决上述存在的技术问题，本发明通过以下技术方案实现：一种基于动态路由机制的视觉测量定位及校正系统，包括：定位算法模块、调度算法模块、校正及容错算法模块；定位算法模块负责整个系统的基本定位实现，是整个系统的核心；调度算法模块实现节点间传感器的无干扰调度，并将多个传感器信息进行汇总融合；校正及容错算法模块实现节点定位的校正，并对丢失的节点实现寻找、容错。
所述定位算法模块包括：透视变换物体定位算法、多跳路由机制定位算法、动态路由优化算法；
所述透视变换物体定位算法是指：透视变换有8个自由度，由摄像机画面上的四个点和定位平面内的四个点的对应关系来确定透视变换矩阵，通过画面上待定位点的坐标来求出该点在定位平面上的位置；
透视变换矩阵可表示为 
，或简化为
；
所述多跳路由机制定位算法是指：由于摄像头的视野有限，所以当目标区域较大时无法对所有位置进行定位，因此本发明类比网络传输中的多跳路由机制，在定位网络中了引入路由机制的定位算法，利用多跳传递定位信息，完成整个定位网络中所有节点的定位；
所述的整个定位网络是由协调节点、路由节点、终端节点构成，其中路由节点作为坐标标定标志，终端节点作为被定位物体，协调节点设为整个网络的第一个摄像头节点，因为需要在一个固定的坐标系下对所有节点定位，因此需要协调节点固定位置，协调节点作为一个普通路由节点相对于在其视野范围内的其余节点定位，并且它还是整个网络的信息处理融合和处理中心，负责计算定位结果。
路由节点利用自身的定位信息计算出画面四个顶点对应实际点的图像坐标，计算出透视变换的参数，从而计算出视野内节点的定位坐标。不需要摄像头对其他节点定位，它的定位由上一级路由或协调节点完成，这样经过网络内逐级的多跳传递和计算，就可以得到所有节点的位置；
路由节点主要实现两点功能：
1、作为坐标标定标志，由上一级路由或协调节点定位；
2、为视野内的下一级路由节点或终端节点定位，此时该路由节点必须和摄像头绑定配对使用；
除网络节点外，任意固定物体也可作为定位网络中的路由节点，此固定物体不具备通信或移动能力，但可被其余节点的摄像头定位。两个或多个节点对一固定物体同时定位，通过其中一个节点已知的定位信息，可反向求得其余节点的位置，实现固定路由机制定位。这种机制下的定位可有效降低成本，因降低了对移动环境的适应性，更适用于家居等室内定位，可根据具体应用选择；
由于并不是所有节点都需要搭载或开启摄像头，而且搭载或开启摄像头的成本较高，因此应根据实际情况尽可能高效地选择路由和多跳路径，以减小系统开销。
所述动态路由优化算法是指：整个网络采用加权图的形式描述，要求整个网络最高效率的定位调度，就是要求解这个图的最小生成树，采用Kruskal算法完成最小生成树的求解，以系统节点为根节点，以叶子节点为终端节点，其余节点为路由节点，每个节点的定位由其父节点完成，完成算法计算后将优化选择的路由加入路由表中。
所述调度算法模块包括：多节点无干扰调度算法、信息融合贝叶斯估计算法；
所述多节点无干扰调度算法是指：对节点上的超声传感器等进行无干扰的调度，用于移动节点的避障，或者是为算法的校正采集距离信息，其过程为：
一、利用定位信息，建立节点间干扰的概率模型，根据实际需求化为0-1干扰度矩阵；
二、构建动态复合优先级模型，包括普通优先级、紧急优先级和等待优先级，根据节点状态实时变化；
三、根据0-1干扰度矩阵建立图着色模型；
四、利用遗传算法对着色图问题求解，并利用模拟退火方法对此问题进行局部寻优；
利用遗传算法对着色图问题求解适应度函数为：
五、得出优先级最高的一组完成调度；
所述信息融合贝叶斯估计算法是指：在节点上装载多个测距传感器，利用信息融合中贝叶斯估计的方法计算出高精度的测量数据和测距数据的概率分布，为之后的校正提供依据；
本算法可得公式
。
所述校正及容错算法模块包括：混合遗传校正算法、视觉容错机制算法；
所述混合遗传校正算法是指：在测距概率分布的基础上，对定位值进行调整，使其以最大概率为真。其调整流程为：
一、虚拟力导向局部校正，假设目标区域内各个节点对其他节点均施加大小不等的引力或斥力，各节点根据所受到的合力的大小和方向移动相应的距离，直到达到受力平衡或移动距离的上限，节点S i 所受的虚拟力为：，
为S i 与S j 之间的作用力，既可能为吸引力，也可能为排斥力。S i 与S j 之间的作用力根据当前及相应调整的情况存在的概率确定，以吸引为正，以排斥为负，即当两节点靠近时存在概率增大作用力为正，反之为负，力的大小可以量化为这两个概率的差；
二、混合遗传算法全局校正，运用遗传算法对全局进行校正，直至当前状态存在概率达到最大；在此采用的适应度函数为：
根据信息论可知，图像信息可表示为
，所述视觉容错机制算法是指：采用谱残余方式进行计算环境图像显著度分析，提取图像的调整区域，最小化图像中的冗余信息，而突出谱上的不平滑的区域，对于图像I，计算图像的傅立叶对数谱L(I)，融合可计算得残余谱R(I)：
A(I)为图像的平滑谱线，可由L(I)进行平滑处理得到。将R(I)进行傅立叶逆变换可得显著度图像。再将丢失节点采集到的特征区域与其他节点采集到的特征区域进行匹配，若匹配成功，双方可通过对此物体的定位实现对丢失节点的多跳定位，完成丢失节点的容错。
本发明应用场景及设备组成如图2所示，包含协调节点、路由节点、终端节点三类节点：
协调节点：节点位置固定，完成信息的汇总与处理，并对视野内物体定位，需要较强的处理能力；
路由节点：完成定位信息的中继跳转，对视野内物体定位并由上级路由或协调节点完成自身定位；
终端节点：摄像头视野内的待定位节点；
本发明可以实现多级定位，如图2中所示为三级定位，路由节点1、终端节点1的定位由协调节点完成，协调节点汇总全部下级定位信息，完成整个地图的构建。路由节点2、终端节点2的定位由路由节点1完成，并将定位信息向上汇总，其后依次类推；
本发明所述的基于动态路由机制的视觉测量定位及校正系统的测量定位及校正方法，包括以下步骤：
第一步，各路由节点与协调节点进行图像数据采集，算法处理器完成本地有效范围内的物体定位；
第二步，运用透视变换物体定位算法对各节点定位；
第三步，采用多跳路由机制定位算法将定位信息逐级传输，确定所有节点位置；
第四步，对整个定位网络动态路由优化算法进行优化，找出最高效的网络拓扑结构；确定路由节点，若网络拓扑或路由选择改变，则返回第一步；
第五步，通过无线网络向各结点传输指令，经过多节点无干扰调度算法的运算对各节点完成调度测距；
第六步，将多个测距传感器的信息融合，通过贝叶斯估计的方法确定高精度的测距结果与概率分布，并根据此结果运用混合遗传校正算法对定位结果进行校正；
第七步，若发现系统内出现节点丢失，即无法对某一节点完成单位，利用视觉容错机制算法对丢失节点进行搜寻，保证网络的完整；
第八步，将计算结果通过无线网络回传至控制中心；对优化后的定位信息通在主控平台上显示，定位过程完成，返回第一步。
由于采用上述技术方案，本发明提供的基于动态路由机制的视觉测量定位及校正系统，与现有技术相比，具有这样的有益效果：克服了现有技术存在的不足，将无线网络的路由机制和视觉测量结合在一起，将路由机制引入其中，并结合无线信息传输，提出了新的定位方法。本发明具有较高的精度和很强的自适应性，测量定位范围大等特点。结合贝叶斯估计与虚拟力导向混合遗传算法的无线定位校正、混合优先级排队理论与混合遗传算法的无串扰超声测距调度，本发明的定位精度进一步得到了提高，并运用环境内特征区域提取算法建立视觉容错机制，增强了系统的安全性与稳定性，尤其适用于室内定位和未知环境勘测。
附图说明
图1是算法组成及功能示意图；
图2是视觉网络定位场景及设备组成示意图；
图3是容错机制示意图；
图4是定位及校正算法流程图；
图5是实施例系统示意图。
具体实施方式
以下结合附图对本发明的系统进一步描述：本实施例在以本发明技术方案为前提下实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图5所示，本实例为基于动态路由机制的嵌入式视觉测量定位及校正系统，硬件组成包括：前端采集单元和核心处理单元。前端采集单元实现路由节点与终端节点的信息采集与信息传输功能；核心处理单元以嵌入式OpenCV算法库为基础，实现本发明所述的定位与校正整体算法，包括实现协调节点的功能，搭载信息融合、信息处理、算法实现与信息显示等功能。
所述前端采集单元包括：节点命令传输单元和图像采集与传输单元。
节点命令传输单元采用低成本无线节点完成，芯片选型选用CC2530，完成对前端定位节点的命令传输和传感器信息传输。其内部搭载TI出品的ZSTACK协议栈，通过ZIGBEE协议完成点与点间的数据通信，可实现功耗低、灵活性强、传输距离远的优点，适合完成在不需要传输视频或图像数据的情况下进行节点间的传感器信息和控制命令的传输；节点上同时搭载超声波测距芯片和红外测距芯片，测量各节点间距，通过ZIGBEE网络传输，为定位校正提供所需信息；网络节点间采用对等式星型网络拓扑结构相连接，每个节点分配单一的PID号码；同时，节点通过串行通信总线与核心的ARM芯片通讯，实现对WI-FI网络、前端信息处理核心、摄像头开关控制的交互与控制。
图像采集与传输单元芯片选型选用S3c6410，前端通过ARM处理器对图像信息进行采集，其上搭载嵌入式Linux操作系统，通过SPI总线与CMOS摄像头相连，以中断方式触发处理器对图像信息进行采集；同时，系统根据路由优化算法得到的最优路由表确定本节点是否被选定为路由，若被选定为路由则将摄像头开启，若未被选定为路由则将摄像头关闭。同时，在S3c6410 ARM处理器节点上搭载的Linux操作系统上，搭建boa视频图像服务器，以Stream形式，通过IEEE802.11a/b/g协议架设WI-FI无线网络传输，将摄像头采集到的图像信息通过WI-FI网络向上一级路由节点传输，并最终传输至协同节点完成信息的融合处理。
所述核心处理单元指：为提高图像运算能力，终端节点的处理器选用OMAP3530处理器，其上搭载嵌入式Linux操作系统，其上同时也搭建boa视频图像服务器，通过WI-FI网络接收下级网络传输的视频图像信息，实现所有信息的融合、处理、显示、交互与控制。
在嵌入式Linux上搭载OpenCV算法库，完成透视变换物体定位算法、多跳路由机制定位算法、动态路由优化算法、多节点无干扰调度算法、信息融合贝叶斯估计算法、混合遗传校正算法、视觉容错机制算法等算法的整体实现。算法实现如图5所示，步骤为：利用cvCanny()进行边缘图像分割，利用cvCvtColor()进行特定颜色区域的寻找，利用cvHoughCircle()进行圆形标记的寻找，利用cvGetPerspectiveTransform()得到摄像头当前状态下的空间变换矩阵，利用cvWarpPerspective()进行空间变换并得到标记区域的坐标位置，利用cvExtractSURF()提取空间特征点，利用flannFindPairs()匹配特征点并对定位实现校正和容错。
Claims (5)
1.一种基于动态路由机制的视觉测量定位及校正系统，其特征在于：它包括：定位算法模块、调度算法模块、校正及容错算法模块，定位算法模块负责整个系统的基本定位实现，是整个系统的核心；调度算法模块实现节点间传感器的无干扰调度，并将多个传感器信息进行汇总融合；校正及容错算法模块实现节点定位的校正，并对丢失的节点实现寻找、容错。
2.根据权利要求1所述的一种基于动态路由机制的视觉测量定位及校正系统，其特征在于：所述的所述定位算法模块包括：透视变换物体定位算法、多跳路由机制定位算法、动态路由优化算法；
所述透视变换物体定位算法是指：透视变换有8个自由度，由摄像机画面上的四个点和定位平面内的四个点的对应关系来确定透视变换矩阵，通过画面上待定位点的坐标来求出该点在定位平面上的位置；
所述多跳路由机制定位算法是指：由于摄像头的视野有限，所以当目标区域较大时无法对所有位置进行定位，因此本发明类比网络传输中的多跳路由机制，在定位网络中了引入路由机制的定位算法，利用多跳传递定位信息，完成整个定位网络中所有节点的定位；
所述动态路由优化算法是指：整个网络采用加权图的形式描述，要求整个网络最高效率的定位调度，就是要求解这个图的最小生成树，采用Kruskal算法完成最小生成树的求解，以系统节点为根节点，以叶子节点为终端节点，其余节点为路由节点，每个节点的定位由其父节点完成，完成算法计算后将优化选择的路由加入路由表中。
3.根据权利要求2所述的一种基于动态路由机制的视觉测量定位及校正系统，其特征在于：所述的整个定位网络是由协调节点、路由节点、终端节点构成，其中路由节点作为坐标标定标志，终端节点作为被定位物体，协调节点设为整个网络的第一个摄像头节点，因为需要在一个固定的坐标系下对所有节点定位，因此需要协调节点固定位置，协调节点作为一个普通路由节点相对于在其视野范围内的其余节点定位，并且它还是整个网络的信息处理融合和处理中心，负责计算定位结果。
4.根据权利要求1所述的一种基于动态路由机制的视觉测量定位及校正系统，其特征在于：所述调度算法模块包括：多节点无干扰调度算法、信息融合贝叶斯估计算法；
所述多节点无干扰调度算法是指：对节点上的超声传感器等进行无干扰的调度，用于移动节点的避障，或者是为算法的校正采集距离信息，其过程为：
一、利用定位信息，建立节点间干扰的概率模型，根据实际需求化为0-1干扰度矩阵；
二、构建动态复合优先级模型，包括普通优先级、紧急优先级和等待优先级，根据节点状态实时变化；
三、根据0-1干扰度矩阵建立图着色模型；
四、利用遗传算法对着色图问题求解，并利用模拟退火方法对此问题进行局部寻优；
五、得出优先级最高的一组完成调度；
所述信息融合贝叶斯估计算法是指：在节点上装载多个测距传感器，利用信息融合中贝叶斯估计的方法计算出高精度的测量数据和测距数据的概率分布，为之后的校正提供依据。
5.根据权利要求1所述的一种基于动态路由机制的视觉测量定位及校正系统，其特征在于：所述校正及容错算法模块包括：混合遗传校正算法、视觉容错机制算法；
所述混合遗传校正算法是指：在测距概率分布的基础上，对定位值进行调整，使其以最大概率为真，其调整流程为：
一、虚拟力导向局部校正，
假设目标区域内各个节点对其他节点均施加大小不等的引力或斥力，各节点根据所受到的合力的大小和方向移动相应的距离，直到达到受力平衡或移动距离的上限，节点S i 与S j 之间的作用力，既可能为吸引力，也可能为排斥力，S i 与S j 之间的作用力根据当前及相应调整的情况存在的概率确定，以吸引为正，以排斥为负，即当两节点靠近时存在概率增大作用力为正，反之为负，力的大小可以量化为这两个概率的差；
二、混合遗传算法全局校正，运用遗传算法对全局进行校正，直至当前状态存在概率达到最大，所述视觉容错机制算法是指：采用谱残余方式进行计算环境图像显著度分析，提取图像的调整区域，最小化图像中的冗余信息，而突出谱上的不平滑的区域，对于图像I，计算图像的傅立叶对数谱L(I)，融合可计算得残余谱R(I)：
A(I)为图像的平滑谱线，可由L(I)进行平滑处理得到，将R(I)进行傅立叶逆变换可得显著度图像，再将丢失节点采集到的特征区域与其他节点采集到的特征区域进行匹配，若匹配成功，双方可通过对此物体的定位实现对丢失节点的多跳定位，完成丢失节点的容错。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210094401.9A CN102645208B (zh) | 2012-04-01 | 2012-04-01 | 基于动态路由机制的视觉测量定位及校正系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210094401.9A CN102645208B (zh) | 2012-04-01 | 2012-04-01 | 基于动态路由机制的视觉测量定位及校正系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102645208A true CN102645208A (zh) | 2012-08-22 |
| CN102645208B CN102645208B (zh) | 2014-05-14 |
Family
ID=46658182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210094401.9A Expired - Fee Related CN102645208B (zh) | 2012-04-01 | 2012-04-01 | 基于动态路由机制的视觉测量定位及校正系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102645208B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107172676A (zh) * | 2017-04-20 | 2017-09-15 | 浙江工业大学 | 一种基于节点冗余度和图着色算法的无线传感器网络路由选择方法 |
| CN107371133A (zh) * | 2017-06-14 | 2017-11-21 | 崔兆琦 | 一种提高基站定位精度的方法 |
| CN110856112A (zh) * | 2019-11-14 | 2020-02-28 | 深圳先进技术研究院 | 一种群智感知的多源信息融合室内定位方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030065466A1 (en) * | 2000-05-22 | 2003-04-03 | Snap-On Technologies, Inc. | Self-calibrating, multi-camera machine vision measuring system |
| CN1776356A (zh) * | 2001-06-15 | 2006-05-24 | 斯耐普昂技术有限公司 | 自校准位置确定系统 |
| CN101660908A (zh) * | 2009-09-11 | 2010-03-03 | 天津理工大学 | 基于单个路标的视觉定位与导航方法 |
| JP2011179980A (ja) * | 2010-03-01 | 2011-09-15 | Saxa Inc | 立体マーカを利用した位置計測システム |
-
2012
- 2012-04-01 CN CN201210094401.9A patent/CN102645208B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030065466A1 (en) * | 2000-05-22 | 2003-04-03 | Snap-On Technologies, Inc. | Self-calibrating, multi-camera machine vision measuring system |
| CN1776356A (zh) * | 2001-06-15 | 2006-05-24 | 斯耐普昂技术有限公司 | 自校准位置确定系统 |
| CN101660908A (zh) * | 2009-09-11 | 2010-03-03 | 天津理工大学 | 基于单个路标的视觉定位与导航方法 |
| JP2011179980A (ja) * | 2010-03-01 | 2011-09-15 | Saxa Inc | 立体マーカを利用した位置計測システム |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107172676A (zh) * | 2017-04-20 | 2017-09-15 | 浙江工业大学 | 一种基于节点冗余度和图着色算法的无线传感器网络路由选择方法 |
| CN107172676B (zh) * | 2017-04-20 | 2020-05-05 | 浙江工业大学 | 一种基于节点冗余度和图着色算法的无线传感器网络路由选择方法 |
| CN107371133A (zh) * | 2017-06-14 | 2017-11-21 | 崔兆琦 | 一种提高基站定位精度的方法 |
| CN107371133B (zh) * | 2017-06-14 | 2019-12-27 | 崔兆琦 | 一种提高基站定位精度的方法 |
| CN110856112A (zh) * | 2019-11-14 | 2020-02-28 | 深圳先进技术研究院 | 一种群智感知的多源信息融合室内定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102645208B (zh) | 2014-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Asaad et al. | A comprehensive review of indoor/outdoor localization solutions in IoT era: Research challenges and future perspectives | |
| CN1988550B (zh) | 一种无线传感器网络无锚点定位的分布式实现方法 | |
| CN107179086B (zh) | 一种基于激光雷达的制图方法、装置及系统 | |
| CN112000130A (zh) | 一种无人机的多机协同高精度建图定位系统 | |
| CN105526934B (zh) | 一种室内外一体化高精度定位导航系统及其定位方法 | |
| CN106898249B (zh) | 一种针对地震灾区通信失效区域的地图构建方法 | |
| CN111047814A (zh) | 一种适用于地铁站火灾警情的智能疏散系统及方法 | |
| CN101459870B (zh) | 基于无线传感网的室内定位系统和实现方法 | |
| CN106168805A (zh) | 基于云计算的机器人自主行走的方法 | |
| CN111751785B (zh) | 一种隧道环境下车辆可见光定位方法 | |
| CN103428275A (zh) | 基于wsn的室内移动目标行动路线追踪方法 | |
| CN104217439A (zh) | 一种室内视觉定位系统及方法 | |
| CN104181500A (zh) | 一种基于惯性信息和机会无线信号特征的实时定位方法 | |
| CN105227911A (zh) | 基于扫地机器人的大数据监控及制图的系统及方法 | |
| CN111735458A (zh) | 一种基于gps、5g以及视觉的石化巡检机器人导航定位方法 | |
| Wang et al. | A low-cost simultaneous localization and mapping algorithm for last-mile indoor delivery | |
| Tian et al. | HiQuadLoc: A RSS fingerprinting based indoor localization system for quadrotors | |
| CN108810802A (zh) | 一种基于iBeacon的室内停车场车辆定位方法 | |
| CN102645208A (zh) | 基于动态路由机制的视觉测量定位及校正系统 | |
| Huang et al. | VWR-SLAM: Tightly coupled SLAM system based on visible light positioning landmark, wheel odometer, and RGB-D camera | |
| Wang et al. | Communication efficient, distributed relative state estimation in UAV networks | |
| Afifi et al. | Cellular network-supported machine learning techniques for autonomous UAV trajectory planning | |
| CN104569909A (zh) | 一种室内的定位系统及方法 | |
| CN101470427A (zh) | 基于无线定位的楼宇自动化控制系统和方法 | |
| CN109341688A (zh) | 一种基于构造顺序的地图调用定位算法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140514 Termination date: 20170401 |