CN111447553B - 一种基于wifi的增强视觉slam方法及装置 - Google Patents
一种基于wifi的增强视觉slam方法及装置 Download PDFInfo
- Publication number
- CN111447553B CN111447553B CN202010224865.1A CN202010224865A CN111447553B CN 111447553 B CN111447553 B CN 111447553B CN 202010224865 A CN202010224865 A CN 202010224865A CN 111447553 B CN111447553 B CN 111447553B
- Authority
- CN
- China
- Prior art keywords
- wifi
- similarity
- signature
- signatures
- rssi
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/63—Location-dependent; Proximity-dependent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于WIFI的增强视觉SLAM方法及装置,包括收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI签名为在视觉SLAM建图过程中聚类成的不同区域的WIFI签名,然后收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名,基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋,根据所述词袋进行回环检测。通过将WIFI感应与视觉SLAM相结合,在进行回环检测前,预先处理WIFI数据,再处理图像数据,可以达到粗调再微调的效果,大幅地提升回环检测的准确度和速度,具有准确、高效等显著优点。
Description
技术领域
本发明涉及室内导航定位与建图方法技术领域,特别是涉及一种基于WIFI的增强视觉SLAM方法及装置。
背景技术
SLAM是Simultaneous localization and mapping的缩写,意思为同步定位与建图,主要用于解决机器人在未知环境运动时的定位与地图构建问题。只利用相机作为外部感知传感器的SLAM技术称为视觉SLAM。经典的视觉SLAM一般包含前端视觉里程计、后端优化、回环检测和建图四个主要部分。
在现有技术中,将机器人或其它移动设备部署在城市地区等未知环境中,当用于远程办公、增强现实(AR,Augmented Reality)以及服务应用等方面时,可以实现对自身的定位和识别周围的环境并导航的功能。
但是,在室内办公环境中,视觉SLAM存在由于大量重复对称的空间结构所带来感知混叠的现象,很容易造成错误的回环检测而导致错误定位,从而增加计算的复杂度及处理时间的问题。
发明内容
本发明提供了一种基于WIFI的增强视觉SLAM方法及装置,以解决在室内办公环境中,视觉SLAM存在由于大量重复对称的空间结构所带来感知混叠的现象,很容易造成错误的回环检测而导致错误定位,从而增加计算的复杂度及处理时间的问题。通过将WIFI感应与视觉SLAM相结合,在进行回环检测前,预先处理WIFI数据,再处理图像数据,可以达到粗调再微调的效果,大幅地提升回环检测的准确度和速度,具有准确、高效等显著优点。
根据本发明实施例的第一方面,提供一种基于WIFI的增强视觉SLAM方法,所述方法包括:
收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名;
收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名;
基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
根据所述词袋进行所述回环检测。
可选地,所述区域地图数据库的层次结构如下:
每个所述区域地图数据库中包含若干个区域地图,每个所述区域地图用区域地图WIFI签名表示;
每个所述区域地图中包含若干个所述词袋,每个所述词袋用词袋WIFI签名表示。
可选地,所述WIFI签名通过BSSID和RSSI两个值来表示,用以表示对应的WIFI信号。
可选地,所述相似度为WIFI签名的相似度,包括BSSID相似度和RSSI相似度。
可选地,所述相似度的计算包括以下步骤:
计算并比较所述区域地图数据库中的所述区域地图WIFI签名的所述BSSID相似度和所述RSSI相似度,从而确定所述区域地图,其中,所述区域地图WIFI签名的所述BSSID相似度和所述RSSI相似度的计算公式如下:
BSSID相似度=ref·cur,
RSSI相似度=v·w/|v||w|;
计算并比较确定的所述区域地图中包含的所述词袋WIFI签名的所述RSSI相似度,从而确定所述词袋,其中,所述词袋WIFI签名的所述RSSI相似度的计算公式如下:
RSSI相似度=u·ri/|u||ri|。
根据本发明实施例的第二方面,提供一种基于WIFI的增强视觉SLAM装置,所述装置包括:
生成模块,用于收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名;
聚类模块,用于收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名;
遍历模块,用于基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
检测模块,用于根据所述词袋进行所述回环检测。
通过以上技术方案可知,一种基于WIFI的增强视觉SLAM方法及装置,通过将WIFI检测整合到视觉SLAM算法中来,在视觉SLAM建图过程中,聚类第一WIFI签名,形成区域地图数据库,在回环检测之前,再聚类第二WIFI签名,与区域地图数据库中的第一WIFI签名进行匹配,计算相似度,可以快速、准确地得到相似度最高的词袋,进行回环检测。可以解决在室内办公环境中,由于存在大量重复对称的空间结构所带来的感知混叠现象,很容易造成错误的回环检测从而导致错误定位,从而增加计算的复杂度及处理时间的问题。因此,通过将WIFI检测整合到视觉SLAM算法中,来大致定位机器人或移动设备所在的区域,大幅地提升回环检测的准确度和速度,具有准确、高效等显著优点。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请的基于WIFI的增强视觉SLAM方法的流程图;
图2为本申请的区域地图数据库的层次结构图;
图3为本申请的计算相似度的流程图;
图4为本申请的基于WIFI的增强视觉SLAM装置的框图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示,一种基于WIFI的增强视觉SLAM方法的流程图,该方法包括以下步骤:
S1:收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名。
在本申请实施例中,视觉SLAM建图时,会先收集不同区域的WIFI信号,形成第一WIFI信号,将形成的所述第一WIFI信号聚类成对应的第一WIFI签名,根据所述第一WIFI签名的不同将整个区域划分为不同的区域,从而形成对应的区域地图数据库。在视觉SLAM建图收集WIFI信号时,机器人或者移动设备会以每隔几米,暂停十几秒的方式来收集WIFI信号。在移动的过程中,各个WIFI信号的接入点(AP,Access Point)的信号强度会不断变化,也会不断有接入点接入或者断开。因此,形成的区域地图数据库为动态的数据库,包含整个区域的动态的WIFI签名。通过形成整个区域的区域地图数据库,可以确定回环检测的大致范围,为后续的数据处理、分析提供充分的数据资源。
S2:收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名。
在本申请实施例中,在回环检测之前,要收集当前区域的所述WIFI信号,形成第二WIFI信号,并将所述第二WIFI信号聚类成所述第二WIFI签名。通过聚类成所述第二WIFI签名,可以为后续的数据处理提供匹配依据,快速地找出对应的词袋,从而大幅地提升回环检测的准确度和速度。
S3:基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
S4:根据所述词袋进行所述回环检测。
在本申请实施例中,在回环检测之前,通过收集第二WIFI信号,并聚类成第二WIFI签名,将所述第二WIFI签名与所述区域地图数据库中的第一WIFI签名进行匹配。具体匹配的方式为计算相似度,所述相似度为对应WIFI签名的相似度,通过计算相似度,可以得到所述区域地图数据库中的所述相似度最高的词袋。所述词袋为一组图像中的每幅图像的特征的总和。最后,再根据所述词袋进行所述回环检测。通过将所述第一WIFI签名与所述第二WIFI签名相匹配的方式,可以减少错误回环检测的发生,从而减少错误的定位。在进行回环检测之前,预先处理WIFI数据,再处理图像数据,可以达到粗调再微调的效果,大幅地提升回环检测的准确度和速度,具有准确、高效等显著优点。
所述区域地图数据库的层次结构如下:
每个所述区域地图数据库中包含若干个区域地图,每个所述区域地图用区域地图WIFI签名表示;
每个所述区域地图中包含若干个所述词袋,每个所述词袋用词袋WIFI签名表示。
如图2所示,为本申请的区域地图数据库的层次结构图,每个所述区域地图数据库中包含n个区域地图,其中,n为大于或等于0的整数,每个所述区域地图用区域地图WIFI签名表示。而每个所述区域地图中又包含i个所述词袋,其中,i为大于或等于0的整数,每个所述词袋用词袋WIFI签名表示。也就是说每个区域地图数据库中对应n个区域地图WIFI签名,而每个区域地图WIFI签名又对应i个词袋WIFI签名。通过建立区域地图数据库,可以将WIFI信号按层次的划分,当第一WIFI签名和第二WIFI签名进行匹配时,可以按照一级一级的层次结构关系来进行匹配,从而加快匹配速度及准确性,进而大幅地提升回环检测的准确度和速度。
所述WIFI签名通过BSSID和RSSI两个值来表示,用以表示对应的WIFI信号。
在本申请实施例中,当室内环境下存在大量的重复对称结构的区域,例如,走廊、房间等,同时,室内分布有多个WIFI信号时,在机器人或移动设备上装配接收信号强度指示器用以接收各个WIFI信号。根据IEEE 802.11标准,所有WIFI接入点(AP)都会不断地发送信号,以向潜在的客户端通告其存在,所有客户端都会为可见的每个接入点(AP)计算RSSI(接收的信号强度指示,Received Signal Strength Indication)值,每个接入点(AP)都有一个BSSID(基本服务集标识符,Basic Service Set Identifier)值,该值对于任何WIFI信号都是唯一的。在机器人或移动设备上,可以收集来自多个WIFI信号接入点(AP)的BSSID值和RSSI值,来形成对应的WIFI签名。机器人或移动设备在不同的区域会接收到不同的接入点(AP)和RSSI值的组合,不同的接入点(AP)之间以BSSID值加以区分,在某一地点接收并形成的WIFI签名可以用以下的形式表示:
{
AP0(BSSID0):RSSI0
AP1(BSSID1):RSSI1
…
APk(BSSIDk):RSSIk
…
},其中,k为大于或等于0的整数。
通过形成WIFI签名可以实现当前区域与整个区域的信号的匹配,从而快速、准确地找到对应的词袋,完成回环检测,避免错误的回环检测而导致的错误定位。
所述相似度为WIFI签名的相似度,包括BSSID相似度和RSSI相似度。
所述相似度的计算包括以下步骤:
计算并比较所述区域地图数据库中的所述区域地图WIFI签名的所述BSSID相似度和所述RSSI相似度,从而确定所述区域地图,其中,所述区域地图WIFI签名的所述BSSID相似度和所述RSSI相似度的计算公式如下:
BSSID相似度=ref·cur,
RSSI相似度=v·w/|v||w|;
计算并比较确定的所述区域地图中包含的所述词袋WIFI签名的所述RSSI相似度,从而确定所述词袋,其中,所述词袋WIFI签名的所述RSSI相似度的计算公式如下:
RSSI相似度=u·ri/|u||ri|。
如图3所示,为本申请的计算相似度的流程图。在本申请实施例中,通过将当前区域的所述第二WIFI签名与所述区域地图数据库中的第一WIFI签名进行匹配,即计算相似度,得到所述相似度最高的词袋,最后,根据所述相似度最高的词袋进行所述回环检测。所述相似度即为WIFI签名的相似度,包括BSSID相似度和RSSI相似度。计算相似度时,首先要确定所述区域地图,即计算所述区域地图WIFI签名的相似度。将每一个所述区域地图WIFI签名和当前区域的第二WIFI签名的BSSID值组合为一个参考向量,根据BSSID值的有无,分别派生出所述区域地图数据库中的所述区域地图WIFI签名计算向量ref,和当前区域的第二WIFI签名计算向量cur,当BSSID值存在时,在向量中标记为1,当BSSID值不存在时,在向量中标记为0。从而,得到BSSID相似度的计算公式如下:
BSSID相似度=ref·cur。
当只出现一个高值的BSSID相似度值时,则确定其对应的所述区域地图为目标值。当出现多个高值的BSSID相似度值时,会进一步比较RSSI相似度值,找出最高值的RSSI相似度值,从而确定其所对应的所述区域地图为目标值。RSSI相似度的计算公式如下:
RSSI相似度=v·w/|v||w|,
其中,v为所述区域地图数据库中的区域地图WIFI签名中的RSSI值组成的向量值,w为所述当前区域的所述第二WIFI签名中的RSSI值组成的向量值。
确定所述区域地图后,要确定所述区域地图中RSSI相似度最高的词袋。在确定所述区域地图后,将所述当前区域的所述第二WIFI签名中的RSSI值与确定的所述区域地图中包含的所述词袋对应的所述词袋WIFI签名中的RSSI值进行对比,若存在相同的RSSI值,则记录其值,若不相同,则记为0,从而形成当前区域的所述第二WIFI签名的RSSI向量u,而向量ri则是由确定的所述区域地图中的所述词袋对应的所述词袋WIFI签名中的RSSI值形成,由此,可以推出所述词袋WIFI签名的RSSI相似度计算公式如下:
RSSI相似度=u·ri/|u||ri|,其中,i为大于或等于0的整数。
通过计算词袋的RSSI相似度,找出RSSI相似度值最高的词袋,确定其为最终的目标值,最后,根据找到的所述词袋进行回环检测。
通过根据区域地图数据库的层次结构关系,逐层地计算相似度,可以快速、准确地找到词袋进行回环检测,大幅地提升回环检测的准确度和速度,减少计算的复杂度及处理时间,进行及时、准确地定位,具有准确、高效等显著优点。
图4为本申请的基于WIFI的增强视觉SLAM装置的框图。参照图4,该装置包括:
生成模块11,用于收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名。
在本申请实施例中,通过形成整个区域的区域地图数据库,可以确定回环检测的大致范围,为后续的数据处理、分析提供充分的数据资源。
聚类模块12,用于收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名。
在本申请实施例中,通过聚类成所述第二WIFI签名,可以为后续的数据处理提供匹配依据,快速地找出对应的词袋,从而大幅地提升回环检测的准确度和速度。
遍历模块13,用于基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
检测模块14,用于根据所述词袋进行所述回环检测。
在本申请实施例中,通过将所述第一WIFI签名与所述第二WIFI签名相匹配的方式,可以减少错误回环检测的发生,从而减少错误的定位。在进行回环检测之前,预先处理WIFI数据,再处理图像数据,可以达到粗调再微调的效果,大幅地提升回环检测的准确度和速度,具有准确、高效等显著优点。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (5)
1.一种基于WIFI的增强视觉SLAM方法,其特征在于,所述方法包括:
收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名;
收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名;
基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
根据所述词袋进行所述回环检测;
其中,所述区域地图数据库的层次结构如下:
每个所述区域地图数据库中包含若干个区域地图,每个所述区域地图用区域地图WIFI签名表示;
每个所述区域地图中包含若干个所述词袋,每个所述词袋用词袋WIFI签名表示。
2.根据权利要求1所述的方法,其特征在于:
所述WIFI签名通过BSSID和RSSI两个值来表示,用以表示对应的WIFI信号。
3.根据权利要求1所述的方法,其特征在于:
所述相似度为WIFI签名的相似度,包括BSSID相似度和RSSI相似度。
4.根据权利要求3所述的方法,其特征在于,所述相似度的计算包括以下步骤:
计算并比较所述区域地图数据库中的所述区域地图WIFI签名的BSSID相似度和RSSI相似度,从而确定所述区域地图,其中,所述区域地图WIFI签名的所述BSSID相似度和所述RSSI相似度的计算公式如下:
BSSID相似度=ref.cur;
其中,ref为所述区域地图数据库中的所述区域地图WIFI签名计算向量,cur为当前区域的第二WIFI签名计算向量;
RSSI相似度=v·w/|v||w|;
其中,v为所述区域地图数据库中的区域地图WIFI签名中的RSSI值组成的向量值,w为所述当前区域的所述第二WIFI签名中的RSSI值组成的向量值;
计算并比较确定的所述区域地图中包含的所述词袋WIFI签名的所述RSSI相似度,从而确定所述词袋,其中,所述词袋WIFI签名的所述RSSI相似度的计算公式如下:
RSSI相似度=u·ri/|u||ri|;
其中,u为当前区域的所述第二WIFI签名的RSSI值组成的向量值,ri为所述区域地图中的所述词袋WIFI签名中的RSSI值组成的向量值,i为大于或等于0的整数。
5.一种基于WIFI的增强视觉SLAM装置,其特征在于,所述装置包括:
生成模块,用于收集第一WIFI信号,并聚类成第一WIFI签名,形成对应的区域地图数据库,所述第一WIFI信号为在视觉SLAM建图过程中,收集的不同区域的WIFI信号,所述第一WIFI签名为在视觉SLAM建图过程中,聚类成的不同区域的WIFI签名;
聚类模块,用于收集第二WIFI信号,并聚类成第二WIFI签名,所述第二WIFI信号为在回环检测之前,收集当前区域的所述WIFI信号,所述第二WIFI签名为在回环检测之前,聚类成的当前区域的所述WIFI签名;
遍历模块,用于基于所述第二WIFI签名,遍历所述区域地图数据库,计算相似度,得到所述区域地图数据库中的所述相似度最高的词袋;
检测模块,用于根据所述词袋进行所述回环检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224865.1A CN111447553B (zh) | 2020-03-26 | 2020-03-26 | 一种基于wifi的增强视觉slam方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224865.1A CN111447553B (zh) | 2020-03-26 | 2020-03-26 | 一种基于wifi的增强视觉slam方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111447553A CN111447553A (zh) | 2020-07-24 |
CN111447553B true CN111447553B (zh) | 2021-10-15 |
Family
ID=71652475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010224865.1A Active CN111447553B (zh) | 2020-03-26 | 2020-03-26 | 一种基于wifi的增强视觉slam方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111447553B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118038103B (zh) * | 2024-04-11 | 2024-06-14 | 南京师范大学 | 基于改进动态扩展模型自适应算法的视觉回环检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463929A (zh) * | 2014-12-16 | 2015-03-25 | 重庆邮电大学 | 基于图像边缘检测信号相关性的室内wlan信号地图绘制与映射方法 |
CN105547305A (zh) * | 2015-12-04 | 2016-05-04 | 北京布科思科技有限公司 | 一种基于无线定位和激光地图匹配的位姿解算方法 |
CN106156195A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 基于位置信息的搜索方法及其*** |
CN108495259A (zh) * | 2018-03-26 | 2018-09-04 | 上海工程技术大学 | 一种渐进式室内定位服务器及定位方法 |
CN110645986A (zh) * | 2019-09-27 | 2020-01-03 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9357346B2 (en) * | 2012-07-16 | 2016-05-31 | Aisle411, Inc. | System and method for indoor location mapping and tracking |
CN108256543A (zh) * | 2016-12-29 | 2018-07-06 | 纳恩博(北京)科技有限公司 | 一种定位方法及电子设备 |
US20190373413A1 (en) * | 2018-06-01 | 2019-12-05 | Apple Inc. | Feature-based slam with z-axis location |
-
2020
- 2020-03-26 CN CN202010224865.1A patent/CN111447553B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463929A (zh) * | 2014-12-16 | 2015-03-25 | 重庆邮电大学 | 基于图像边缘检测信号相关性的室内wlan信号地图绘制与映射方法 |
CN106156195A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 基于位置信息的搜索方法及其*** |
CN105547305A (zh) * | 2015-12-04 | 2016-05-04 | 北京布科思科技有限公司 | 一种基于无线定位和激光地图匹配的位姿解算方法 |
CN108495259A (zh) * | 2018-03-26 | 2018-09-04 | 上海工程技术大学 | 一种渐进式室内定位服务器及定位方法 |
CN110645986A (zh) * | 2019-09-27 | 2020-01-03 | Oppo广东移动通信有限公司 | 定位方法及装置、终端、存储介质 |
Non-Patent Citations (3)
Title |
---|
Utilizing WiFi Signals for Improving SLAM and Person Localization;Taku Kudo;《Proceedings of the 2017 IEEE/SICE International Symposium on System Integration》;20171214;全文 * |
基于RSSI的仿生SLAM算法研究;张志根;《陕西理工大学学报(自然科学版)》;20200220;全文 * |
基于WIFI指纹定位的仿生SLAM研究;秦国威;《智能***学报》;20180408;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111447553A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2991505C (en) | Scalable indoor navigation and positioning systems and methods | |
US9838850B2 (en) | Systems and methods for determining indoor location and floor of a mobile device | |
US9313617B2 (en) | Identification of points of interest and positioning based on points of interest | |
US7974632B2 (en) | Method and system for the localization of a mobile WLAN client | |
JP5746020B2 (ja) | 位置決定方法および位置決定装置 | |
US10415978B2 (en) | Landmark location determination | |
CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
WO2021092873A1 (zh) | 一种对终端设备进行楼层判定的方法 | |
KR20100046048A (ko) | 참조 포지션과의 포지션 일치 결정 장치 및 그 방법 | |
CN111698774B (zh) | 基于多源信息融合的室内定位方法及装置 | |
CN103761539A (zh) | 一种基于环境特征物体的室内定位方法 | |
CN105898711B (zh) | 一种基于地磁基准线的定位方法及装置 | |
CN111447553B (zh) | 一种基于wifi的增强视觉slam方法及装置 | |
CN115808170A (zh) | 一种融合蓝牙与视频分析的室内实时定位方法 | |
Gu et al. | Integration of positioning and activity context information for lifelog in urban city area | |
JP6683195B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、プログラム | |
GB2570853A (en) | Identifying sites visited by a user device | |
Ramaneti et al. | IoT based 2D indoor navigation system using BLE beacons and Dijkstra's algorithm | |
Liu et al. | A low-cost and scalable framework to build large-scale localization benchmark for augmented reality | |
CN109612455A (zh) | 一种室内定位方法及*** | |
US20220122316A1 (en) | Point cloud creation | |
Lee et al. | A feasibility study on smartphone localization using image registration with segmented 3d building models based on multi-material classes | |
CN110692260B (zh) | 终端设备定位***和方法 | |
KR102580937B1 (ko) | 위치 기반 서비스를 위한 측위 데이터 보정 장치, 방법 및 이를 이용한 측위 데이터 제공 시스템 | |
EP3726253A1 (en) | Video enhanced location estimates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |