计算机视觉室内定位的原理,基于计算机视觉的室内定位与导航系统

摘要：

室内定位与导航技术是当前热门研究技术,随着大型建筑物的日益增多,此项技术愈发重要.室内定位与导航与如今人们常用的通过GPS或北斗卫星导航的室外导航技术不同,由于墙壁的阻挡与折射,室外卫星信号会出现较大的偏差,为了取得更准确的定位,需要使用室内传感器定位.而定位之后进行路径规划与导航同样重要,本文旨在建立一个快速,准确的室内定位与导航系统.本文的定位模块是为了获取导航网络的训练数据.定位技术基于射频与超声波测距原理,在室内搭建多个射频与超声波定位基点,测算定位基点与移动目标——智能小车之间的距离,其中射频定位基点完成智能小车的区域粗定位,超声波定位基点完成智能小车的精确定位.最终定位出智能小车的室内坐标误差不大于5cm,基本满足本系统要求的定位精度.本文的室内路径规划算法与定位模块相结合,定位得到移动设备当前位置后,通过路径规划算法得到当前位置的标签,得到导航算法的训练集.路径规划算法基于改进的参数自适应蚁群算法.蚁群算法是一种根据蚂蚁寻路原则开发的生物智能算法,蚂蚁在搜寻食物时会在路径上留下信息素,随着时间的积累,最短路径上的信息素浓度要高于其他路径,使得后续的蚂蚁有更大的几率选择该条路径.本文对蚁群算法的主要参数进行了改进,针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数.仿真实验表明,改进后的蚁群算法有着更快的收敛速度.本文设计的导航原理基于计算机视觉技术,利用时下热门的卷积神经网络识别智能小车拍摄的图像.本文在VGG网络的基础上设计了一个十六层的卷积神经网络,网络的输入为智能小车在行驶过程中拍摄的图片,输出为图片的分类,不同的分类标志智能小车不同的转向角度.通过智能小车在已规划路线上的位置标注采集到的图片,对网络进行训练,最终得到该神经网络模型.实验表明本网络对测试集图片的分类精度高于VGG16.选择合适的硬件模块和软件系统,设计并组合以上三大模块,共同构成了本文最终设计的室内定位与导航系统.

展开