【可见光室内定位】(三)基于图像传感器CMOS的可见光室内定位技术

本文详细介绍了基于CMOS图像传感器的可见光室内定位技术,包括发射端的编码和调制方案,以及接收端的探测原理、信标LED的图像解调和定位算法。利用LED灯具的闪烁产生光条纹码,通过图像处理提取信息,实现高精度的室内定位。
摘要由CSDN通过智能技术生成

以下内容均为本人阅读多篇论文整理的笔记,在结尾处列出了参考文献,完全尊重和感谢原作者们的研究成果和知识产权


格物致知

基于CMOS的LED-ID定位算法流程框图基于CMOS的LED-ID光条纹调制与识别算法流程框图
首先通过OOK调制技术将LED光源的ID信息(代表LED的位置信息)编译成一段调制信号,用PWM的方法附加到LED灯具的驱动电流上,利用光源作为发射载体,通过终端的图像传感器进行接收,用图像处理算法提取LED-ID光条纹并解码得出发射的ID号码,利用所获取的ID号码对应预先建立好的ID位置信息库中唯 一确定的LED位置坐标(X-Y二维平面坐标),并通过对LED灯的几何光学成像计算得出待测点位置,完成定位。

🟠发射端

信息帧应满足以下几个条件:
(1)LED的亮度变化频率必须大于200Hz,以避免产生人眼能够感知的闪烁。
(2)在一帧信息中应有足够的高电平信号保证 LED 光源的照明亮度;
(3)数据传输时应避免长连0信号出现,否则将造成肉眼可察觉的灯光闪烁;
(4)信息帧的长度适宜, 应保证在一幅照片内能容纳下多个完整的信息帧。

1、编码方案

基于以上条件,可设计定位信息帧结构如下图所示:
在这里插入图片描述

ID编号 二进制 求反
1 0000 0000 0000 0000 0001 1111 1111 1111 1111 1110
2 0000 0000 0000 0000 0010 1111 1111 1111 1111 1101
100000 0001 1000 0110 1010 0000 1110 0111 1001 0101 1111

2、调制方案

采用PWM-OOK 调制

🔴接收端

根据原理可得 — —

  • 相机要求:
    1️⃣COMS
    2️⃣可调至低曝光模式,图像中除LED灯具发光面区域存在条纹图案之外,其他区域都是黑暗的
    3️⃣高分辨率
  • LED要求:
    1️⃣圆筒LED
    2️⃣直径15cm及以上
    3️⃣功率 6w
  • 4
    点赞
  • 51
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Thanks to the highly-dense lighting infrastructure in public areas, visible light emerges as a promising means to indoor localization and navigation. State-of-the-art techniques generally require customized hardware (sensing boards), and mainly work with one single light source (e.g., customized LEDs). This greatly limits their application scope. In this paper, we propose NaviLight, a generic indoor localization and navigation framework based on existing lighting infrastructure with any unmodified light sources (e.g., LED, fluorescent, and incandescent lights). NaviLight simply adopts commercial off-the-shelf mobile phones as receivers, and light intensity values as location signatures. Unlike existing WiFi systems, a single light intensity value is not discriminative enough over space though the light intensity field does vary, which makes our design more challenging. We thus propose a LightPrint as a location signature using a vector of multiple light intensity values obtained during user’s walks. Such LightPrints are created by leveraging any user movement (of varying distance and direction) in order to minimize user efforts. A set of techniques are proposed to achieve quick LightPrint matching, which includes a coarse-grained classification and a fine-grained matching over dynamic time warping. We have implemented NaviLight to provide real-time service on Android phones in three typical indoor environments, covering a total area size over 1000m2. Our experiments show that NaviLight can achieve sub-meter localization accuracy to meet practical engineering requirements.
基于深度学习的红外与可见光图像融合是当前计算机视觉领域的热门研究方向之一。红外图像和见光图像具有不同的物理特性和信息内容,通过将它们融合在一起,可以提高图像的视觉感知和信息提取能力。本文将对基于深度学习的红外与可见光图像融合进行综述。 首先,深度学习在红外与可见光图像融合中的应用已经取得了显著的进展。传统的图像融合方法通常基于手工设计的特征提取和融合规则,而深度学习可以通过自动学习特征表示和融合模式来实现更准确和鲁棒的融合效果。卷积神经网络(CNN)和生成对抗网络(GAN)等深度学习模型被广泛应用于红外与可见光图像融合中,取得了较好的融合效果。 其次,深度学习模型在红外与可见光图像融合中的应用包括特征提取、特征融合和融合结果生成等方面。通过使用深度卷积神经网络,可以提取红外图像可见光图像的高层次语义特征,并将它们融合在一起。生成对抗网络则可以生成逼真的融合结果,使融合后的图像既保留了红外图像的热信息,又具备了可见光图像的丰富细节。 此外,深度学习模型还可以通过多尺度和多模态的方式来进行红外与可见光图像融合。多尺度融合可以有效地处理不同分辨率和空间尺度的图像信息,提高融合结果的质量。多模态融合则可以将红外图像可见光图像的不同特征进行有机组合,增强图像的视觉效果和信息内容。 最后,尽管基于深度学习的红外与可见光图像融合已经取得了一定的成果,但仍然存在一些挑战和问题需要解决。例如,数据集的缺乏和标注困难使得深度学习模型的训练和评估变得困难。此外,不同的红外与可见光图像融合任务和应用场景可能需要针对性的模型设计和算法优化。 综上所述,基于深度学习的红外与可见光图像融合是一个具有挑战性和潜力的研究方向。通过深度学习模型的应用,可以实现更准确、鲁棒和逼真的红外与可见光图像融合效果,为红外图像处理和应用提供更多可能性。然而,仍需要进一步的研究和探索来解决现有问题,并推动该领域的发展。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值