-
公开(公告)号：CN113490146B
公开(公告)日：2022-04-22
申请号：CN202110497977.9
申请日：2021-05-08
Applicant: 湖南大学
Abstract: 本发明提出一种基于WiFi与视觉融合的SLAM方法，包括如下步骤：规划室内环境路径，并设定起始点；移动机器人沿所设路径进行数据采集，同时采集WiFi和图像数据；建立WiFi‑SLAM地图；建立视觉SLAM地图；将移动机器人放置室内环境的任意位置，采集当前时刻的WiFi数据和图像数据；匹配WiFi和图像确定当前时刻位置；移动机器人移动位置获取下一时刻数据并进行位置确定及更新。本发明所提供的SLAM技术的能有效提高SLAM技术的鲁棒性及精确性。
-
公开(公告)号：CN113382376A
公开(公告)日：2021-09-10
申请号：CN202110498071.9
申请日：2021-05-08
Applicant: 湖南大学
Abstract: 本发明提出一种基于WIFI和视觉集成的室内定位方法，包括如下步骤：采集WIFI‑视觉指纹数据库，构建均匀网格指纹点，在每个指纹点处采集WIFI数据以及周围全方位的图像数据；在定位区域内任意位置采集WIFI数据以及多方位的图像数据，整个定位过程分为WIFI指纹粗定位和视觉指纹精定位；在WIFI粗定位阶段，提出基于斜率搜索的自适应KNN算法来智能获取样本个数K的取值，将WIFI数据与离线指纹数据进行匹配，得到候选点；在视觉精定位阶段，基于WIFI算法得到的候选点结果，提出一种多角度的无监督融合视觉定位算法，对各方向的图像所估计的位置得到相应权重值，从而实现定位。本发明有效的将WIFI与视觉集成起来，在各定位性能上具备一定的竞争力。
-
公开(公告)号：CN112887902B
公开(公告)日：2021-12-21
申请号：CN202110093814.4
申请日：2021-01-22
Applicant: 湖南大学
Abstract: 本发明公开一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法，包括离线数据模型训练和在线位置预测，离线模型训练过程包括：1)指纹数据库预处理；2)使用高斯聚类在定位空间划分子区域；3)训练一个高准确率的随机森林分类器；在线位置预测阶段包括：4)通过随机森林分类器得到指纹所在的子区域；5)依据混合度量标准计算指纹点之间的差异度；6)在子区域中使用自适应KNN算法得到用户的位置预测结果。该方法可快速准确的进行室内定位，通过高斯聚类划分子区间，有效地解决RSS的空间歧义性，使用随机森林分类器减少指纹预测所需的数据匹配次数，提高预测速度，以指纹的混合度量作为指纹间差异度的评判标准，更具鲁棒性和稳定性，提高定位精度。
-
公开(公告)号：CN113490146A
公开(公告)日：2021-10-08
申请号：CN202110497977.9
申请日：2021-05-08
Applicant: 湖南大学
Abstract: 本发明提出一种基于WiFi与视觉融合的SLAM方法，包括如下步骤：规划室内环境路径，并设定起始点；移动机器人沿所设路径进行数据采集，同时采集WiFi和图像数据；建立WiFi‑SLAM地图；建立视觉SLAM地图；将移动机器人放置室内环境的任意位置，采集当前时刻的WiFi数据和图像数据；匹配WiFi和图像确定当前时刻位置；移动机器人移动位置获取下一时刻数据并进行位置确定及更新。本发明所提供的SLAM技术的能有效提高SLAM技术的鲁棒性及精确性。
-
公开(公告)号：CN113490137A
公开(公告)日：2021-10-08
申请号：CN202110498068.7
申请日：2021-05-08
Applicant: 湖南大学
Abstract: 本发明提出一种WiFi和视觉融合的室内定位方法，包括如下步骤：在室内定位区域中设定指纹点，同时采集WiFi数据和图像数据，并构建离线指纹库；在室内定位区域内任意位置设定待测点，并同时采集该点的WiFi数据和图像数据；采用WiFi定位算法筛选出WiFi候选点集；将WiFi候选点集的结果作为限制范围，采用图像定位算法筛选出图像候选点集；采用融合定位算法将WiFi估计位置与图像估计位置进行融合，从而实现室内定位。
-
Patent Agency Ranking
公开(公告)号：CN112325883A
公开(公告)日：2021-02-05
申请号：CN202011121060.0
申请日：2020-10-19
Applicant: 湖南大学
Abstract: 本发明提供一种WiFi和视觉多源融合的移动机器人室内定位方法，包括如下步骤：采集室内定位空间中的WiFi信息和图像信息，进行预处理后，建立WiFi地图和视觉SLAM地图；对多个地标分别计算在所述WiFi地图和所述视觉SLAM地图中的位置信息，并采用指纹地标法建立所述WiFi地图和所述视觉SLAM地图的映射关系，使所述WiFi地图和所述视觉SLAM地图融合；移动机器人处于定位空间内的任一位置时，采用基于信息增益的KNN指纹定位算法利用所述WiFi地图进行WiFi定位；采用图像的特征匹配算法利用所述视觉SLAM地图进行视觉SLAM定位；将WiFi定位与视觉SLAM定位中的视觉词袋技术融合实现粗定位；以粗定位的范围作为约束条件采用视觉SLAM定位实现精确定位。本发明提供的定位方法定位精度高。
-
公开(公告)号：CN110493867A
公开(公告)日：2019-11-22
申请号：CN201910568709.4
申请日：2019-06-27
Applicant: 湖南大学
Abstract: 本发明公开了一种信号选择及位置校正的无线室内定位方法，包含以下步骤：步骤一、在部署阶段，建立室内定位空间的WiFi指纹数据库；步骤二、基于检测到的AP，构建AP选择策略，通过筛选AP，保留定位贡献度较高的接入点子集，以减小部分低效AP对定位性能的影响；步骤三、对在线阶段确定的位置进行定位校正，在线定位时，通过对校正指纹进行分析，进一步减小异常在线指纹产生的定位误差。本发明通过计算不同AP的定位贡献度，有效提取出信息度更强的AP子集，确保定位精度的同时，减小低效AP对定位误差的影响；本发明通过对在线指纹确定的较大误差进行校正，给不同校正指纹分配不同的置信系数，进一步减小了定位误差，提高定位精度。
-
公开(公告)号：CN112887911B
公开(公告)日：2022-03-15
申请号：CN202110066411.0
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明提出一种基于WIFI与视觉融合的室内定位方法，包括如下步骤：采集粗指纹点的WIFI数据；计算粗指纹点的WIFI数据的平均绝对误差，采用插值法建立扩展误差矩阵，计算得到梯度误差矩阵，依据梯度误差矩阵建立自适应指纹网格点，采集自适应指纹网格点的WIFI数据和图像数据建立离线数据库；将移动机器人放置于室内定位区域内的任意位置，采集当前位置点的WIFI数据和图像数据，并采用WIFI定位算法和图像匹配定位算法与离线数据库进行匹配，得到移动机器人位置的估计概率；通过斜率法筛选出可能性较大的多个估计位置，建立无监督融合系统，得到各估计位置的权重值，实现移动机器人位置的最终定位。本发明所提供的定位方法的定位准确率和定位稳定性得到显著提升。
-
公开(公告)号：CN112887911A
公开(公告)日：2021-06-01
申请号：CN202110066411.0
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明提出一种基于WIFI与视觉融合的室内定位方法，包括如下步骤：采集粗指纹点的WIFI数据；计算粗指纹点的WIFI数据的平均绝对误差，采用插值法建立扩展误差矩阵，计算得到梯度误差矩阵，依据梯度误差矩阵建立自适应指纹网格点，采集自适应指纹网格点的WIFI数据和图像数据建立离线数据库；将移动机器人放置于室内定位区域内的任意位置，采集当前位置点的WIFI数据和图像数据，并采用WIFI定位算法和图像匹配定位算法与离线数据库进行匹配，得到移动机器人位置的估计概率；通过斜率法筛选出可能性较大的多个估计位置，建立无监督融合系统，得到各估计位置的权重值，实现移动机器人位置的最终定位。本发明所提供的定位方法的定位准确率和定位稳定性得到显著提升。
-
公开(公告)号：CN112887902A
公开(公告)日：2021-06-01
申请号：CN202110093814.4
申请日：2021-01-22
Applicant: 湖南大学
Abstract: 本发明公开一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法，包括离线数据模型训练和在线位置预测，离线模型训练过程包括：1)指纹数据库预处理；2)使用高斯聚类在定位空间划分子区域；3)训练一个高准确率的随机森林分类器；在线位置预测阶段包括：4)通过随机森林分类器得到指纹所在的子区域；5)依据混合度量标准计算指纹点之间的差异度；6)在子区域中使用自适应KNN算法得到用户的位置预测结果。该方法可快速准确的进行室内定位，通过高斯聚类划分子区间，有效地解决RSS的空间歧义性，使用随机森林分类器减少指纹预测所需的数据匹配次数，提高预测速度，以指纹的混合度量作为指纹间差异度的评判标准，更具鲁棒性和稳定性，提高定位精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.013 seconds)
