本技术介绍了一种利用深度学习进行室内可见光与UWB数据融合的定位方法。该方法首先收集不同位置的可见光到达角(AoA)和超宽带(UWB)距离信息,并进行预处理。
背景技术
基于可见光的定位技术是一种利用光通信技术来确定物体或个体在室内精确位置的方法。这种方法依赖于发光二极管(LED)光源的特性,因为LED可以以极高的频率进行调制,这使得它们能够承载和传输数据。接收设备中的解调器恢复调制在光信号上的信息。预先建立一个数据库,存储在不同位置的光信号特征,然后将实时测量的信号特征与数据库中的特征进行比较,找到最匹配的位置。但其缺陷在于可见光易受遮挡会严重影响定位效果。
现存方案中,公开号为CN114786119A的基于神经网络的可见光室内定位系统,通过硬件的搭建获取了LED灯的RSSI信息,再送入神经网络进行训练来提高定位的精度。但没有解决LED易受到遮挡,以及室内墙壁地面、随机摆放物品的多次反射效应,导致定位稳定性较差的问题。
而公开号为CN118067123A的一种基于UWB的室内定位方法,基于UWB的技术方案,通过测量靶点和各个UWB锚点的距离,采用加权最小二乘定位算法进行定位解算;对于异常观测量数据,通过有偏卡尔曼滤波的方式估计观测量的误差,利用加权最小二乘定位算法进行定位解算。需要部署多个UWB锚点,大大提高了成本,同时忽略了UWB技术方案在复杂金属物品环境下的稳定性问题。
实现思路