室内定位技术与应用综述

近年来,随着基于位置服务日益增大的需求,以及基于卫星定位的全球导航卫星系统(GNSS)无法在室内定位的问题,针对复杂室内场景的室内定位技术发展迅速,逐步在各行各业中发挥作用,从各个方面影响着人们的日常生活。首先对目前主流的室内定位技术分类体系、定位原理和方法进行了详细介绍,然后对国内外室内定位技术的研究现状进行了分析和对比,最后对室内定位技术的应用和难点进行了总结。

多传感器融合机器人室内定位系统设计与实现

目前,室内机器人的应用越来越广,位置信息作为机器人自主技术的基本信息,亟需完善的室内定位系统解决方案。对基于多传感器融合的室内机器人定位系统进行设计与实现,以航位推算为基础方法,加之超声、激光测距信息以及地图信息,通过粒子滤波进行融合,从而得到更精确的定位信息。通过具体的实验测试和结果分析,文中设计的室内机器人定位系统具有很好的定位效果,可在航位推算的基础上,将定位误差降低到原误差的十分之一。

长三角卫星导航应用示范工程建设及成果

2016年9月27日,由上海交通大学牵头的国家重大科技专项“长三角卫星导航应用示范工程”验收总结会在上海顺利召开。北斗系统总设计师杨长风、上海市周波副市长出席会议,充分肯定了项目取得的重大成果,这标志着全国首个北斗区域示范工程项目圆满完成。

基于深度置信网络的室内指纹定位技术

在基于无线指纹室内定位技术中,信号的时空干扰引入了定位误差。为了解决这一问题,文中提出基于深度信号特征的室内定位方案,利用深度置信网络从接收信号强度中提取特征参数作为特征指纹。该方法能有效地缓解信号的波动性干扰,感知当前复杂的室内环境。为评估所提方法的性能,文中选择在两个具有典型性室内场景中进行实验。实验结果表明,该方法在定位精度和定位系统稳定性上都有了显著的提高。

基于3D骨架和RGB图片的时空动作识别

基于3D骨架的动作识别技术现已成为人机交互的重要手段。为了提高3D动作识别的精度,文中提出一种将3D骨架特征和2D图片特征进行融合的双流神经网络。其中一个网络处理3D骨架序列,另一个网络处理2D图片。最后再将二者的特征进行融合,以提高识别精度。相较于单独使用3D骨架的动作识别,文中所使用的方法在NTU_RGBD数据集以及SYSU数据集上都有了很大的精度提升。

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法有助于提升我国军事实力,但是目前针对小目标飞机进行有效追踪的方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳的问题,提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法,以获得更好的追踪性能。该算法首先通过改进的YOLOv3算法对视频中的图像进行检测,在识别到视频中的飞机之后,通过卡尔曼滤波器对飞机的运动轨迹进行预测,并通过匈牙利算法进行数据关联。实验结果显示,该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升,且对飞机的追踪效果精度高且实时性好,具有较高的军事应用价值。

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。

基于深度学习的室内视觉位置识别技术

视觉位置识别技术通过将地点图像与数据库中的图像集进行匹配,根据配对图像标签中的位置信息得到定位结果。现有的视觉位置识别网络都是为了应对室外场景而构建和训练的,在室内场景中的识别性能较差。文中提出了一种基于深度学习的室内视觉位置识别卷积神经网络架构,并在室内场景识别数据集上对网络进行了训练,然后在本地室内数据集上对网络参数进行进一步的微调,较好地解决了室内环境中的位置识别问题。和现有的其它视觉位置识别网络相比,文中训练的网络在实际室内环境测试中最大有30%的识别精度提升。