基于光场匹配的室内无源定位系统及其方法与流程

本发明涉及光通信定位技术，尤其涉及一种基于光场匹配的室内无源定位系统及其方法。

背景技术：

室内定位的相关应用需求越来越广泛，室内定位技术受到了人们更多的关注；与室内定位相关的应用有智能家居、智能物流、建筑内部导航、仓库产品定位检测等。到目前为止，已经开发出了许多针对室内场景的定位技术，如红外定位，无线局域网、射频识别、超宽带定位等；然而这些定位系统存在相关器件成本高，电辐射等不足。基于可见光室内定位，将利用led集照明与通信于一体，具有定位精度高、没有电磁辐射、成本低、方便快捷和能量消耗较低等优点。

在基于可见光通信的定位技术中，需要对发射源led进行编码调制，复杂度较高，花费成本也较大。

技术实现要素：

本发明的目的就在于克服现有技术存在的缺点和不足，提供一种不同于有源led的一种基于光场匹配的室内无源定位系统及其方法，实现在不对led进行id调制情况下和保证一定精度条件下，达到室内可见光定位。

本发明的目的是这样实现的：

一、基于光场匹配的室内无源定位系统(简称系统)

由相互连通的光照度计和智能手机组成；

光照度计由相互连接的光检测计和光谱滤波器组成；

智能手机内嵌有数据处理软件和定位程序软件。

二、基于光场匹配的室内无源定位方法(简称方法)

本方法包括下列步骤：

①在定位房间内，按照栅格法划分出采集坐标；

②在每个采集点采集测量光照度值；

③在手机端处理采集的光照度值数据形成光指纹库；

④在待测点接收光照度值a，与指纹库指纹进行匹配；

⑤匹配一次后，确定与a匹配度最高的点ai(1≤i≤2)；

⑥在待测点小幅度转动，接收3个光照度值，分别计算这些点与ai的距离；

⑦最后取所确定的点ai的坐标为估计位置。

本发明具有下列优点和积极效果：

①构建基于室内光场强变化趋势的光场指纹，预先测量光场在室内不同位置上的场强及其变化，消除随机干扰，构建与室内位置相对应的独一无二的光场分布图，即光场指纹数据库；

②设计基于光场指纹匹配的室内光场定位算法，实时测量用户所处位置的光场数据，通过测量获得的光场数据来匹配所建的光场分布图中的光场指纹，光场指纹与位置一一对应，因此获得了匹配到光场指纹即确定了用户当前所处的位置，实现定位；

③光场定位属于低能耗无源定位技术，该发明不需要对光源进行任何特殊的调制和改造，适应室内位置光场的变化，有光的地方就能进行定位。

附图说明：

图1是本系统的结构方框图，图中：

10—光照度计，

11—光检测计，

12—光谱滤波器；

20—智能手机，

21—数据处理软件，

22—定位程序软件；

图2是本方法的流程图；

图3是本方法步骤⑥的子流程图；

图4是本方法步骤⑥辅助说明图；

图5是数据处理软件的流程图；

图6是定位程序软件的流程图。

具体实施方式

下面将结合附图和实施例详细说明：

一、系统

1、总体

如图1，本系统由相互连通(由一根线缆连通)的光照度计10和智能手机20组成；

光照度计10由相互连接光检测计11和光谱滤波器12组成；

智能手机20内嵌有数据处理软件21和定位程序软件22。

2、功能部件

1)光照度计10

(1)光检测计11，负责接收led发射的光照信号；

(2)光谱滤波器12，负责处理光检测计得到的光照信号，将光照信号具体化成数字显示。

2)智能手机20

(1)数据处理软件21，负责存储采集点的坐标与对应光照度值，形成光指纹库；

如图5，其工作流程是：

ⅰ、输入坐标与对应的光照度值501；

ⅱ、每个坐标与对应的光照度值形成一个光指纹502；

ⅲ、所有的光指纹形成光指纹库503。

(2)定位程序软件22，负责将在定位时得到的光照度值与光指纹库里的数据进行匹配，得到测试者的定位位置。

如图6，其工作流程是

a、输入定位时接收到的光照度值601；

b、将接收的光照度值与光指纹库里的光照度值进行匹配算法602；

c、匹配度最高的光照度值对应的坐标为最后的定位坐标603。

二、方法

如图2，本方法包括下列步骤：

①在定位房间内，按照栅格法划分出采集坐标-201

在长×宽×高＝6m×6m×6m×房间中，将定位区域按照栅格法划分为30×30个采集点，每个采集点之间的间距为20cm，并且标好每个采集点坐标，坐标x轴与y轴步长取1；

②在每个采集点采集测量光照度值-202

光照度计具有时间自动锁定测量功能，即人为设置特定时间长，然后在特定时间后存储所测的光照度值；将光照度计放置在可移动的高为0.8m的支架台，设置特定时间长为10s，把支架台放在采集点，然后为了避免人对测量结果的影响，测试者离开定位区域，10s后回到测试点，记下光照度计显示器上的光照度值；

③在智能手机端处理采集的光照度值数据形成指纹库-203

对每个采集点都进行测量，将采集点坐标和对应的光照度值在智能手机端用数据处理软件记录下来，然后重复测量每个采集点50次，计算每个采集点50次测量的光照度值的平均值，作为每个采集点的光照度指纹，最后整理对应的采集点坐标和光照度值，用数据处理软件整理形成指纹库；

④在待测点接收光照度值，与指纹库指纹进行匹配-204

定位时，在待测点用光照度计测量得到一个光照度值a，将a与步骤③得到的指纹库中所有的光照度值进行相似度匹配算法，算法如下：

lm是待测点测量到的光照度值，是指纹库中(xi,yj)对应的光照度值，sij是相似度大小；

⑤匹配一次后，确定与a匹配度最高的点ai(1≤i≤2)-205

待测点接收的光照度值a与指纹库中的指纹进行匹配后，由于光线路径反射及led光源对称分布，可能会得到相似度相等的点，但由于房间内存在家具障碍物，所以最多可能会有两个相似度相等的点a1、a2；当进行匹配后，若只得到一个相似度最大的点，则该点就是测试点的估计位置，直接进行步骤⑦；

⑥在待测点小幅度转动，接收3个光照度值，分别计算这些点与ai的距离-206；

⑦取最后所确定的点ai的坐标为估计位置-207

在步骤⑥确定的ai，取ai的坐标为估计位置。

如图3，步骤⑥具体操作如下：

a、测试者在待测点进行小幅度的转动后，再次接收到3个光照度值b、c、d-301；

b、3个光照度值进行指纹相似度匹配算法，分别得到相似度最大的采集点-302

这里以最复杂的情况作为实例，光照度值b、c、d与光指纹库进行匹配后，分别得到了两个相似度相等的点；

c、计算步骤b匹配得到的点与a1、a2的距离，分别记为l1j、l2j-303

分别计算bi、ci、di(1≤i≤2)与a1、a2的距离，与a1的距离记为l1j，与a2的距离记为l2j(1≤j≤6)；

d、以a1、a2为圆心，半径为0.3m，得到两个圆形区域-304；

e、确定圆形区域内点最多的ai-305

l1j小于0.3m的点落在以a1为圆心的圆内，l2j小于0.3m的点落在以a2为圆心的圆内，确定圆内落下的点较多的ai。