一种基于聚类和扇环模型的室内可见光被动式定位方法与流程

本发明涉及一种基于聚类和扇形模型的室内可见光被动式定位方法，属于室内可见光定位和人工智能定位领域。

背景技术：

随着人工智能和室内可见光通信技术的快速发展，基于室内可见光的定位技术得到广泛关注。室外定位技术主要通过全球定位系统或北斗系统对目标进行定位。然而室内定位系统，gps或北斗系统基本失去定位的精度，因此需要一套新的定位系统对室内目标进行实时定位。室内定位技术分为主动和被动两种，主动式定位技术依靠对目标身上携带的无线设备进行定位实现对目标的定位功能。被动式定位则无需目标本身携带有任何无线设备，单纯依靠室内安装的定位系统定位目标的位置，因此被动式定位技术非常适于实现对目标室内的监控，老人或病人的监控，和智能家居。随着可见光通信技术的发展，室内光照设备可以在实现照明的基本功能的同时提供通信和定位的功能。因此基于可见光的被动式定位系统非常适于被动式室内定位。

技术实现要素：

本发明的目的在于：提出一种基于聚类和扇形模型的室内可见光被动式定位方法。该方法利用受遮挡的光电探测器的位置信息对室内目标进行被动式定位。其特点在于不需要定位目标携带定位设备，可广泛应用于复杂的室内环境中，实现高精度的目标定位。为实现以上功能，本发明采用的技术方案为：

一种基于聚类和扇形模型的室内可见光被动式定位方法，包括以下步骤：

步骤1：在室内安装可以进行可见光通信的led光源，地面上铺设用于检测光强信息的光电探测器及对光电探测器进行采样传输的无线节点。

步骤2：在目标未出现的条件下，将监控区域所有的节点的状态设定为0；

步骤3：在目标进入监控区域后，监控区域的部分节点将被目标遮挡，将受遮挡的阴影节点的权重设定为1，并利用聚类算法对权重为1的节点进行聚类，根据节点间的距离将阴影节点划分为几个节点集合其中为该第l个led光源对应的第i个阴影节点集合；

步骤4：计算led光源到阴影节点集合的最小距离其中为第l个光源在地面投影的坐标，为第l个光源对应的第i个阴影节点集合中节点的坐标，将半径与检测目标的最大直径rc的和定义为目标区域最大半径；

步骤5：计算以阴影节点集合的边界斜率kmin，kmax，方法如下：

1)当斜率取值范围不连续时：

2)当斜率取值范围连续时：

其中(xled，yled)为led光源在地面投影的坐标值，(xm，ym)为阴影节点的坐标；

步骤6：计算由光源在地面投影点，边界斜率构成的扇形区域内距离光源投影点最远的节点距离rmin的方法如下：

步骤7：根据步骤4、5、6中获取的目标可能区域的参数，计算目标可能区域内存在的虚拟点x：

步骤8：根据步骤7中的结果，将目标可能区域内的虚拟点的权重设为1，目标可能区域外的虚拟点的权重设为0，即为目标可能区域子地图

步骤9：利用步骤8中所获取的目标可能区域子地图计算监控区域权重地图

步骤10：计算监控区域权重地图的最大权重值，并获取监控区域权重等于最大权重值的虚拟点，并利用聚类算法，根据虚拟点间的距离将这些虚拟点划分为虚拟点集合βj,j＝1,2...,j；

步骤11：根据步骤10中所获得的各个虚拟点集合，计算各个目标坐标：其中numj为各个虚拟点集合中虚拟点的个数，xi为虚拟点的坐标。

附图说明

图1为本发明的可见光被动式定位系统的场景示意图。

图2基于聚类和扇形模型的室内可见光被动式定位方法。

具体实施方式

下面结合附图对本发明的实施进行具体阐述。图1给出根据本发明的一个应用实例。如

图1所示，在监控区域的屋顶上安装有可以进行可见光通信的led光源，地面上均匀铺设光电探测器，光电探测器所获取的光强信号有无线节点进行采样并发送给汇聚模块，且无线节点具有光通信解调模块，可以识别出接收到的光信号是由哪个led光源发出。最终由中央服务器进行处理获取定位坐标。

图2所示提供了本发明的基于聚类和扇环模型的被动式定位算法的流程框。其具体步骤如下：

步骤1：监控区域中的各个节点实时检测各led光源的光照强度，并将光强信息发送给中央服务器；

步骤2：对应于个led光源的光强强度与无人存在场景下的本底光强做差，获得各节点处光强的变化；

步骤3：将光强变化较大，即受遮挡的阴影节点的权重设定为1，并利用聚类算法对权重为1的节点进行聚类，根据节点间的距离将阴影节点划分为几个节点集合其中为该第l个led光源对应的第i个阴影节点集合；

步骤4：计算led光源到阴影节点集合的最小距离其中为第l个光源在地面投影的坐标，为第l个光源对应的第i个阴影节点集合中节点的坐标。将半径与检测目标的最大直径rc的和定义为目标区域最大半径；

步骤5：计算以阴影节点集合的边界斜率kmin，kmax；

步骤6：计算由光源在地面投影点，边界斜率构成的扇形区域内距离光源投影点最远的节点距离rmin的方法如下所示：

其中(xled，yled)为led光源在地面投影的坐标值，(xm，ym)为阴影节点的坐标。

步骤7：根据步骤4、5、6中获取的目标可能区域的参数，计算目标可能区域内存在的虚拟点x：

步骤8：根据步骤7中的结果，将目标可能区域内的虚拟点的权重设为1，目标可能区域外的虚拟点的权重设为0，即为目标可能区域子地图

步骤9：利用步骤8中所获取的目标可能区域子地图计算监控区域权重地图

步骤10：计算监控区域权重地图的最大权重值，并获取监控区域权重等于最大权重值的虚拟点，并利用聚类算法，根据虚拟点间的距离将这些虚拟点划分为虚拟点集合βj,j＝1,2...,j。

步骤11：根据步骤10中所获得的各个虚拟点集合，计算各个目标坐标，方法如下所示：其中numj为各个虚拟点集合中虚拟点的个数，xi为虚拟点的坐标。