CN104574386B - 一种基于三维环境模型匹配的室内定位方法 - Google Patents
一种基于三维环境模型匹配的室内定位方法 Download PDFInfo
- Publication number
- CN104574386B CN104574386B CN201410831889.8A CN201410831889A CN104574386B CN 104574386 B CN104574386 B CN 104574386B CN 201410831889 A CN201410831889 A CN 201410831889A CN 104574386 B CN104574386 B CN 104574386B
- Authority
- CN
- China
- Prior art keywords
- data
- dimensional
- indoor
- space
- information
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于三维环境模型匹配的室内定位方法,利用传感器采集到的三维信息进行室内环境建模、位置分析与信息标定。用户收集当前场景信息,通过与三维环境模型信息进行快速对比与精确特征匹配,实现用户的室内定位。完成该定位方法需要分别搭建室内定位的数据采集装置与数据分析平台。数据采集装置包括但不限于RGB‑D传感器、惯性测量传感器等,可以完成室内的任意位置三维信息与姿态、偏角等空间信息采集;数据分析平台可以利用采集到的三维信息进行环境模型的快速存储、位置分析与信息标定,并实时将分析后得到的定位结果反馈给用户,实现室内定位功能。
Description
技术领域
本发明涉及计算机模式识别领域内的一种室内定位方法,具体涉及到基于三维环境模型匹配的室内定位方法。
背景技术
室内定位技术是指在室内环境中实现位置定位。目前主要采用无线通讯、基站定位、惯性测量定位等多种技术集成形成一套室内位置定位体系,从而实现用户在室内空间中的位置监控。可靠、精确的室内定位技术无论是在商业应用,还是公共安全、家庭服务等方面都拥有广阔的市场前景,也是当下研究的热门技术之一。在商业应用上,室内定位技术可以用来帮助使用者在购物场所进行店铺导购与精确的商品信息推送,完成大型仓库中的指挥调度等;在公共安全方面,可以为盲人进行室内导航,在博物馆、室内景观为参观者提供新颖的交互方式。在医院提供指定科室的定位服务;在家庭服务方面,可以帮助小型机器人完成室内的移动与位置感知。
目前的室内定位***主要采用超声波定位、无线传感器定位、蓝牙信标定位等等。通过在室内安装多个应答器,在待测物体或使用者安装或佩戴信号发射装置,应答器接收信号发射装置发送的信号后给信号发射装置返回一个应答信号,然后根据应答信号的延迟时间确定待测物体和应答器之间的距离,从而确定待测物体的位置。
由于现有技术需要室内定位服务提供者提前在需要进行定位的室内部署大量的应答器或信标,用来实时接收使用者的发射信号,并需要待测物体或使用者同时安装或佩戴支持相同技术的信号发射或收集装置,使得目前室内定位服务的硬件成本高,使用和维护也十分不便。此外,由于部署的应答器对于部署区域条件具有一定限制,也需要服务提供者对室内进行相对较为精确的平面测绘,进一步提高了室内定位的服务成本。
发明内容
本发明提出一种基于三维环境模型匹配的室内定位方法,目的在于避免现有技术中的不足之处,提供一种不需要部署应答器或信标,仅通过用户采集当前时刻的三维信息,并与前期录入的整个三维环境信息进行对比,通过计算机模式识别方法计算得到相对精确的室内位置。本发明针对目标匹配的三维环境模型进行了存储结构优化,提高了匹配的速度,可以实现快速准确的室内定位。
为实现上述发明目的,本室内定位方法特征在于:
步骤1):构造数据采集装置,即三维环境扫描设备,包括但不限于RGB-D传感器、惯性测量传感器等,收集室内环境的颜色深度以及姿态、偏角信息,并上传至数据分析平台进行三维环境建模和位置标定与分析处理。
更优选的,可以在数据采集装置中添加惯性测量传感器模组构成数据采集的辅助模块,获得该时刻的姿态、偏角等空间信息,使数据分析平台可以综合该信息获得更为精确的三维环境模型,从而得到更精确的位置分析。
更优选的,数据采集装置可以集成到智能手机中,通过添加深度相机模块,可以使智能手机完成三维环境信息采集功能以及面向用户的智能手机室内定位服务。
步骤2):利用基于计算机视觉测程原理的算法对数据采集装置在不同时刻收集到的信息进行相对位置估计,从而获得三维环境中每一个位置的三维坐标。结合计算得到的每一时刻的准确位置和收集到的颜色深度信息建立整个室内环境的三维模型。
更优选的,可以使用其他进一步优化的基于计算机视觉原理的相对位置估计算法以及室内同时定位与构图算法完成室内三维环境模型的构建。
步骤3):在建立整个室内环境的三维模型过程中,利用计算机优化算法对三维模型的存储结构进行优化。即建立四个存储空间,分别为:预处理空间,短程空间,工作空间,长程空间。当前时刻扫描得到该位置的三维信息数据时,先将该时刻数据放入预处理空间,进行特征点提取;处理完成后,该时刻数据移入短程空间,短程空间对新到来的数据和前一时刻的数据进行对比,当前后两时刻数据的相对变换在一个可接受的阈值范围内,将这两组数据合并在一起,重新放入短程空间中。短程空间的空间上限为一固定值S(即最多存储S组合并后数据);当短程空间存满时,将最早进入空间中的一组数据移入工作空间。对于工作空间中的每一组数据,设定其权值参数(初始参数为零),定义在空间中扫描时间越久的点,权值越高。当对每帧的处理时间超过阈值T时,就将工作空间中的权值最低的点移入长程空间。
步骤4):按照以上的存储方式建立三维环境信息的存储模型之后,用户使用数据采集装置得到当前位置任意方向的颜色深度信息。
更优选的,使用集成数据采集装置,即RGB-D传感器的智能手机完成面向用户的当前位置任意方向的颜色深度信息采集。
步骤5):将用户得到的颜色深度信息自动上传至数据分析平台,与平台上存储在工作空间的每一组数据进行特征点匹配。匹配过程中利用贝叶斯滤波器计算当前时刻信息与每组数据的相似值大小,当超过阈值后,认为匹配成功。
步骤6):查找匹配成功后的该时刻信息在三维环境模型中的位置,并将该时刻用户所在位置计算出来,作为位置反馈给用户使用的终端,完成室内定位。
本发明提出一种基于三维环境模型匹配的室内定位方法,其特征在于,通过数据采集装置和数据分析平台完成室内三维环境模型的构建,并通过计算机模式识别方法计算得到用户相对精确的室内位置
步骤1):构造数据采集装置,即三维环境扫描设备,包括RGB-D传感器、惯性测量传感器,收集室内环境的颜色深度以及姿态、偏角信息,并上传至数据分析平台进行三维环境建模和位置标定与分析处理;
步骤2):利用基于计算机视觉测程原理的算法对数据采集装置在不同时刻收集到的信息进行相对位置估计,从而获得三维环境中每一个位置的三维坐标;结合计算得到的每一时刻的准确位置和收集到的颜色深度信息建立整个室内环境的三维模型;
步骤3):在建立整个室内环境的三维模型过程中,利用计算机优化算法对三维模型的存储结构进行优化,即建立四个存储空间,分别为:预处理空间,短程空间,工作空间,长程空间;当前时刻扫描得到该当前位置的三维信息数据时,先将该当前时刻数据放入预处理空间,进行特征点提取;处理完成后,该当前时刻数据移入短程空间,短程空间对新到来的数据和前一时刻的数据进行对比,当前后两时刻数据的相对变换在一个预定的阈值范围内,将这两组数据合并在一起,重新放入短程空间中;短程空间的空间上限为一固定值S,即最多存储S组合并后数据;当短程空间存满时,将最早进入短程空间中的一组数据移入工作空间;对于工作空间中的每一组数据,设定其权值参数,定义在空间中扫描时间越久的点,权值越高;当对每帧的处理时间超过阈值T时,就将工作空间中的权值最低的点移入长程空间;
步骤4):按照以上的存储方式建立三维环境信息的存储模型之后,用户使用数据采集装置得到当前位置任意方向的颜色深度信息;
步骤5):将用户得到的颜色深度信息自动上传至数据分析平台,与平台上存储在工作空间的每一组数据进行特征点匹配;匹配过程中利用贝叶斯滤波器计算当前时刻信息与每组数据的相似值大小,当超过阈值后,认为匹配成功;
步骤6):查找匹配成功后的该当前时刻信息在三维环境模型中的位置,并将该当前时刻用户所在位置计算出来,作为当前位置反馈给用户使用的终端,完成室内定位。
针对目标匹配的三维环境模型提出了存储结构优化方法,采用四级存储结构,包括预处理空间,短程空间,工作空间,长程空间,数据在四级空间中移动并转化,最后利用定位的数据为工作空间中的局部数据。并搭载在数据分析平台上,提高三维数据的匹配速度,从而实现快速准确的室内定位。
数据采集装置包括RGB-D传感器、激光雷达传感器、惯性测量传感器以及集成了相关模块的智能硬件、智能手机。
包括一个数据分析平台,其根据数据采集装置采集到的颜色深度信息完成室内三维环境模型构建,根据用户上传三维数据进行位置匹配的特征匹配。
数据分析平台作为室内定位服务器,面向该服务的使用者提供室内定位服务,其中该平台集成了三维数据的接收、反馈、分析的功能。
应用特征匹配算法,即随机抽样一致和迭代最近点的方法去除误匹配,并将位姿迭代求精;以及采用存储优化算法将会使该室内定位的定位精度更好、定位时间更短。
需要该技术的室内定位服务提供者利用该方法对三维环境模型进行定期的模型维护,以保证目标匹配的三维环境模型的时效性。
所述步骤1)中,数据采集装置集成到智能手机中,通过添加深度相机模块,使智能手机完成三维环境信息采集功能以及面向用户的智能手机室内定位服务。
所述步骤1)中,使用基于视觉测程和迭代最近点结合的方法,完成室内三维环境模型的构建。
所述步骤4)中,使用集成数据采集装置,即RGB-D传感器的智能手机完成面向用户的当前位置任意方向的颜色深度信息采集。
本发明的优点在于,避免了现有的室内定位技术中需要大量依赖精确部署的应答器以及信标的限制。通过前期采集室内三维环境信息,可以构建三维环境模型并记录、存储模型中每一个空间坐标点的位置信息。当用户采集到任意时刻三维信息后,数据分析平台通过匹配算法快速得到该时刻三维数据在整个三维环境模型中的相对位置,并反馈给用户当前计算得到的位置信息。利用本发明涉及的相关技术,可以在今后室内定位技术中,替代现有室内定位产品,得到快速的市场应用。
首先,由于该技术对于外部设备依赖小:用户手持数据采集装置,与三维环境模型进行快速匹配获得较为准确的位置信息,仅需要室内定位提供者前期采集较为完整的室内三维环境模型并进行定期环境模型维护即可。所以大大降低了室内定位的硬件成本。随着今后数据采集装置的轻量化、小型化,可以将其集成在具有三维数据采集模块的智能手机中,从而为用户直接提供智能手机的室内定位服务。
该技术可以适用于目前的室内定位主流应用场景中,由于数据分析平台存储了需要提供室内定位服务的三维环境模型。因此通过对三维环境模型的分析以及虚拟标签的添加可以为用户提供更加多样的服务。三维环境模型中的虚拟标签可以帮助使用该室内定位服务的用户得到多种位置信息。当其他无线传感器节点的数据同步上传到数据分析平台时,即可以虚拟标签的形式添加到三维环境模型中的指定位置,如定位区域的具体环境情况、温度、湿度、人流量等,当用户通过数据采集装置上传三维信息后,数据分析平台通过匹配算法,将位置信息反馈给用户的同时,也可将该位置的虚拟标签信息反馈给用户。
附图说明
图1数据采集装置结构图;
图2数据分析平台算法框图;
图3目标匹配流程图。
具体实施方式
下面结合附图,对本发明的技术方案作进一步的详细说明。
首先,通过附图1对本发明中所涉及的数据采集装置进行说明。数据采集装置是一个用于收集环境中颜色及深度信息并可实时处理上传的三维扫描设备。数据采集装置包含嵌入式中央处理器芯片、深度测距芯片、深度摄像机元件,颜色摄像机元件、无线收发等模块。
接下来利用附图2所示的室内定位技术目标匹配的三维环境模型数据建立流程图来具体说明整套方案的工作流程和细节实施方法。
具体实施步骤如下:
步骤1):收集整个室内环境的三维信息,建立目标匹配数据集(即三维环境模型)。对于数据集中的每一时刻三维数据信息称为一个位置元素L,该位置元素由数据采集装置采集到每一组颜色深度数据时,进入预处理空间生成。首先提取数据中超过特征点强度的特征点,形成图像的特征描述符,称为这组数据的视觉符号,由所有视觉符号构成一个视觉符号表,同时为每张图像设定一个特征点数量上限,保证能够尽量完全覆盖整张图,以及一个下限。若当前时刻这一组数据的特征点数量低于下限则不予考虑。
步骤2):特征点匹配。利用NNDR方法(最近邻比法),计算这个特征点与最近邻特征点的距离和次近邻特征点的距离比。如果该比值小于阈值,认为该特征点与最近邻特征点完成匹配。为了提高查找相邻数据的效率,采用KD-tree(K维数形)数据结构。
步骤3):对于每一位置元素L,包含其中的所有特征点量化值z以及为它分配的初始权值w。在预处理空间处理完成之后,该位置元素进入到短程空间,需要重新对其权值进行更新。对于新进入短程空间的位置元素Lt,需要和之前的每一个Lc进行比较,即做特征点匹配。匹配之后按照公式(1),决定二者的相似程度。
Npair是两个位置元素(Lt,Lc)之间匹配上的视觉符号个数,NLc分别是两个位置元素Lt,Lc中包含视觉符号的个数,s(Lt,Lc)是两个位置元素Lt,Lc的相似值。当按照上式计算出的s值超过某阈值时,即认为两个位置元素比较相似,并把二者合并,将其权值增加。同时,在环境中每平行移动固定距离D,当检测到两个位置元素位移相差为D时,也将该位置元素的权值增大。
步骤4):按照步骤3)中的方法,对进入短程空间的每个位置元素做权值更新,当短程空间中的位置元素个数超过上限时,就将其中最早进入短程空间的位置元素移入工作空间。
步骤5):建立好工作空间后,即可对用户收集到的当前三维信息进行模型匹配。首先对用户收集到的当前时刻三维信息进行特征点提取,再转换为量化后的视觉符号,利用步骤3提到的方法将其与工作空间中的每一个位置元素进行匹配,将匹配结果代入贝叶斯滤波器算法计算出每一个匹配得到的相似值,当这个值超过阈值时,认为检测到相似位置。
当匹配成功后,得到该时刻信息在三维环境模型中匹配的相似位置,此时可认为得到的三维环境模型中的相似位置为该时刻用户所在位置,数据分析平台将此位置反馈给用户使用的终端。当数据采集模块集成到智能手机时,该定位信息将会直接反馈到用户的智能手机,至此完成室内定位功能。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于三维环境模型匹配的室内定位方法,其特征在于,通过数据采集装置和数据分析平台完成室内三维环境模型的构建,并通过计算机模式识别方法计算得到用户的室内位置,具体包括如下步骤:
步骤1):构造数据采集装置,即三维环境扫描设备,包括RGB-D传感器、惯性测量传感器,收集室内环境的颜色深度以及姿态、偏角信息,并上传至数据分析平台进行三维环境建模和位置标定与分析处理;
步骤2):利用基于计算机视觉测程原理的算法对数据采集装置在不同时刻收集到的信息进行相对位置估计,从而获得三维环境中每一个位置的三维坐标;结合计算得到的每一时刻的准确位置和收集到的颜色深度信息建立整个室内环境的三维模型;
步骤3):在建立整个室内环境的三维模型过程中,利用计算机优化算法对三维模型的存储结构进行优化,即建立四个存储空间,分别为:预处理空间,短程空间,工作空间,长程空间;当前时刻扫描得到当前位置的三维信息数据时,先将该当前时刻数据放入预处理空间,进行特征点提取;处理完成后,该当前时刻数据移入短程空间,短程空间对新到来的数据和前一时刻的数据进行对比,当前后两时刻数据的相对变换在一个预定的阈值范围内,将这两组数据合并在一起,重新放入短程空间中;短程空间的空间上限为一固定值S,即最多存储S组合并后数据;当短程空间存满时,将最早进入短程空间中的一组数据移入工作空间;对于工作空间中的每一组数据,设定其权值参数,初始参数为零,定义在空间中扫描时间越久的点,权值越高;当对每帧的处理时间超过阈值T时,就将工作空间中的权值最低的点移入长程空间;
步骤4):按照以上的存储方式建立三维环境信息的存储模型之后,用户使用数据采集装置得到当前位置任意方向的颜色深度信息;
步骤5):将用户得到的颜色深度信息自动上传至数据分析平台,与平台上存储在工作空间的每一组数据进行特征点匹配;匹配过程中利用贝叶斯滤波器计算当前时刻信息与每组数据的相似值大小,当超过阈值后,认为匹配成功;
步骤6):查找匹配成功后的该当前时刻信息在三维环境模型中的位置,并将该当前时刻用户所在位置计算出来,作为当前位置反馈给用户使用的终端,完成室内定位。
2.根据权利要求1所述的基于三维环境模型匹配的室内定位方法,其特征在于,针对目标匹配的三维环境模型提出了存储结构优化方法,采用四级存储结构,包括预处理空间,短程空间,工作空间,长程空间,数据在四级空间中移动并转化,最后利用定位的数据为工作空间中的局部数据,并搭载在数据分析平台上,提高三维数据的匹配速度,从而实现快速准确的室内定位。
3.根据权利要求1或2所述的基于三维环境模型匹配的室内定位方法,其特征在于,数据采集装置包括RGB-D传感器、激光雷达传感器、惯性测量传感器以及集成了相关模块的智能硬件。
4.根据权利要求1或2所述的基于三维环境模型匹配的室内定位方法,其特征在于,包括一个数据分析平台,其根据数据采集装置采集到的颜色深度信息完成室内三维环境模型构建,根据用户上传三维数据进行位置匹配的特征匹配。
5.根据权利要求1或2所述的基于三维环境模型匹配的室内定位方法,其特征在于,数据分析平台作为室内定位服务器,面向服务的使用者提供室内定位服务,其中该数据分析平台集成了三维数据的接收、反馈、分析的功能。
6.根据权利要求1或2所述的基于三维环境模型匹配的室内定位方法,其特征在于,应用特征匹配算法,即随机抽样一致和迭代最近点的方法去除误匹配,并将位姿迭代求精;以及采用存储优化算法使该室内定位的定位精度更好、定位时间更短。
7.根据权利要求4所述的基于三维环境模型匹配的室内定位方法,其特征在于,需要室内定位服务提供者利用该室内定位方法对三维环境模型进行定期的模型维护,以保证目标匹配的三维环境模型的时效性。
8.根据权利要求7所述的基于三维环境模型匹配的室内定位方法,其特征在于,所述步骤1)中,数据采集装置集成到智能手机中,通过添加深度相机模块,使智能手机完成三维环境信息采集功能以及面向用户的智能手机室内定位服务。
9.根据权利要求7所述的基于三维环境模型匹配的室内定位方法,其特征在于,所述步骤1)中,使用基于视觉测程和迭代最近点结合的方法,完成室内三维环境模型的构建。
10.根据权利要求7所述的基于三维环境模型匹配的室内定位方法,其特征在于,所述步骤4)中,使用集成数据采集装置,即RGB-D传感器的智能手机完成面向用户的当前位置任意方向的颜色深度信息采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410831889.8A CN104574386B (zh) | 2014-12-26 | 2014-12-26 | 一种基于三维环境模型匹配的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410831889.8A CN104574386B (zh) | 2014-12-26 | 2014-12-26 | 一种基于三维环境模型匹配的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574386A CN104574386A (zh) | 2015-04-29 |
CN104574386B true CN104574386B (zh) | 2017-05-17 |
Family
ID=53090358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410831889.8A Active CN104574386B (zh) | 2014-12-26 | 2014-12-26 | 一种基于三维环境模型匹配的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574386B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243665A (zh) * | 2015-10-10 | 2016-01-13 | 中国科学院深圳先进技术研究院 | 一种机器人双足定位方法和装置 |
TWI628614B (zh) * | 2015-10-12 | 2018-07-01 | 李曉真 | 立體虛擬實境的互動房屋瀏覽方法及其系統 |
CN105371847B (zh) * | 2015-10-27 | 2018-06-29 | 深圳大学 | 一种室内实景导航方法及*** |
CN106197452A (zh) * | 2016-07-21 | 2016-12-07 | 触景无限科技(北京)有限公司 | 一种视觉图像处理设备及*** |
CN106197429A (zh) * | 2016-07-21 | 2016-12-07 | 触景无限科技(北京)有限公司 | 一种多信息融合定位设备及*** |
CN106291635A (zh) * | 2016-07-25 | 2017-01-04 | 无锡知谷网络科技有限公司 | 用于室内定位的方法及*** |
CN106447585A (zh) * | 2016-09-21 | 2017-02-22 | 武汉大学 | 城市地区和室内高精度视觉定位***及方法 |
CN106558101A (zh) * | 2016-11-03 | 2017-04-05 | 广州凯耀资产管理有限公司 | 空间信息获取方法和装置 |
CN106507477A (zh) * | 2016-11-22 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种基于湿度的室外定位方法及服务器 |
CN107223269B (zh) * | 2016-12-29 | 2021-09-28 | 达闼机器人有限公司 | 三维场景定位方法和装置 |
CN106949887B (zh) * | 2017-03-27 | 2021-02-09 | 远形时空科技(北京)有限公司 | 空间位置追踪方法、空间位置追踪装置及导航*** |
CN108537805B (zh) * | 2018-04-16 | 2021-09-21 | 中北大学 | 一种基于特征几何收益的目标识别方法 |
CN112020630B (zh) | 2018-04-27 | 2024-06-28 | 北京嘀嘀无限科技发展有限公司 | 用于更新建筑物的3d模型的***和方法 |
CN110415297B (zh) * | 2019-07-12 | 2021-11-05 | 北京三快在线科技有限公司 | 定位方法、装置及无人驾驶设备 |
CN110307844A (zh) * | 2019-07-26 | 2019-10-08 | 马鞍山市科泰电气科技有限公司 | 一种基于三维建模***的工厂人员定位导航***及方法 |
CN112398116B (zh) * | 2019-08-16 | 2023-05-30 | 广东电网有限责任公司广州供电局 | 电网勘测装置、设备和方法 |
CN111263295B (zh) * | 2020-01-15 | 2021-08-13 | 广东工业大学 | 一种wlan室内定位方法和装置 |
CN111897902A (zh) * | 2020-07-14 | 2020-11-06 | 西安润森数码网络科技有限责任公司 | 基于lbs和gis的精准定位方法、装置及存储介质 |
CN112212864A (zh) * | 2020-09-02 | 2021-01-12 | 鹏城实验室 | 基于深度学习的火灾场景导航方法及***、存储介质 |
CN112200865B (zh) * | 2020-09-30 | 2023-01-03 | 张成林 | 物体定位方法及物体定位装置 |
KR20220121278A (ko) * | 2021-02-24 | 2022-09-01 | 삼성디스플레이 주식회사 | 디스플레이 배치제안방법 및 디스플레이 배치제안장치 |
CN114234961A (zh) * | 2021-12-29 | 2022-03-25 | 智小途(上海)数字科技有限公司 | 一种实景与地图匹配的便携式终端多图层浏览*** |
CN115218918B (zh) * | 2022-09-20 | 2022-12-27 | 上海仙工智能科技有限公司 | 一种智能导盲方法及导盲设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236548A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种微型无人机室内自主导航方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8442305B2 (en) * | 2009-06-30 | 2013-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Method for determining 3D poses using points and lines |
-
2014
- 2014-12-26 CN CN201410831889.8A patent/CN104574386B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236548A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种微型无人机室内自主导航方法 |
Non-Patent Citations (2)
Title |
---|
RSSI ranging model and 3D indoor positioning with ZigBee network;Qun CHEN et al;《Position Location and Navigation Symposium (PLANS), 2012 IEEE/ION》;20120423;1233-1239 * |
基于人工视觉的四旋翼飞行器室内定位与控制;陈小龙 等;《兵工自动化》;20120531;第31卷(第5期);61-64 * |
Also Published As
Publication number | Publication date |
---|---|
CN104574386A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574386B (zh) | 一种基于三维环境模型匹配的室内定位方法 | |
CN111919476B (zh) | 一种室内定位的方法、服务器及定位*** | |
US11285613B2 (en) | Robot vision image feature extraction method and apparatus and robot using the same | |
CN110856112B (zh) | 一种群智感知的多源信息融合室内定位方法及*** | |
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位***、定位设备和定位方法 | |
CN110446159A (zh) | 一种室内无人机精确定位与自主导航的***及方法 | |
Zhao et al. | Enhancing camera-based multimodal indoor localization with device-free movement measurement using WiFi | |
CN107182036A (zh) | 基于多维特征融合的自适应位置指纹定位方法 | |
CN110375739B (zh) | 一种移动端视觉融合定位方法、***及电子设备 | |
CN105872477A (zh) | 视频监控方法和视频监控*** | |
CN103889049A (zh) | 基于惯性测量元件辅助的无线信号室内定位***与方法 | |
CN104781849A (zh) | 单眼视觉同时定位与建图(slam)的快速初始化 | |
CN110874583A (zh) | 一种客流统计的方法、装置、存储介质及电子设备 | |
KR102585821B1 (ko) | 증강 현실 장치 및 위치 설정 방법 | |
CN108564653B (zh) | 基于多Kinect的人体骨架追踪***及方法 | |
CN106952289A (zh) | 结合深度视频分析的WiFi目标定位方法 | |
WO2016033800A1 (en) | Positioning based on radio frequency fingerprints | |
CN111901749A (zh) | 一种基于多源融合的高精度三维室内定位方法 | |
CN115808170B (zh) | 一种融合蓝牙与视频分析的室内实时定位方法 | |
CN105163382A (zh) | 一种室内区域定位优化方法及*** | |
CN107576325A (zh) | 一种融合视觉里程计和磁传感器的室内定位终端 | |
Jiang et al. | Indoor localization with a signal tree | |
CN115727854A (zh) | 一种基于bim结构信息的vslam定位方法 | |
CN105898711A (zh) | 一种基于地磁基准线的定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |