[發明專利]一種基于人工神經網絡的可見光視覺定位方法在審
| 申請號: | 201810177834.8 | 申請日: | 2018-03-05 |
| 公開(公告)號: | CN108519088A | 公開(公告)日: | 2018-09-11 |
| 發明(設計)人: | 吳玉香;陳洲楠;關偉鵬;陳藝榮;蔡燁;謝燦宇 | 申請(專利權)人: | 華南理工大學 |
| 主分類號: | G01C21/20 | 分類號: | G01C21/20;G06N3/08 |
| 代理公司: | 廣州市華學知識產權代理有限公司 44245 | 代理人: | 李斌 |
| 地址: | 510640 廣*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 可見光 人工神經網絡 相機 視覺定位 人工神經網絡學習 定位效果 發送位置 方向信息 仿真結果 廣闊應用 環境坐標 數學模型 圖像感知 虛擬投影 感應器 燈具 圖像 室內 數學 通信 | ||
1.一種基于人工神經網絡的可見光視覺定位方法,其特征在于,所述的可見光視覺定位方法包括下列步驟:
S1、使用四個LED燈,分別改變終端相機坐標系的X軸,Y軸和Z軸旋轉角度以及相機位置,用每一個角度和位置組合的LED燈具圖像,建立六條虛擬投影不變量線,計算不同的Z軸旋轉角度,利用這些數據創建人工神經網絡輸入數據庫;
S2、使用一個多層感知器人工神經網絡、,通過向后傳遞誤差進行神經網絡學習,利用人工神經網絡輸入數據庫訓練該多層感知器人工神經網絡;
S3、訓練完成后,用一個待定位位置和X軸、Y軸和Z軸旋轉角度組合輸入該多層感知器人工神經網絡,由共線性狀態建立二維圖像和三維空間的關系,利用該多層感知器人工神經網絡輸出的結果實現相機在世界坐標系下的定位。
2.根據權利要求1所述的一種基于人工神經網絡的可見光視覺定位方法,其特征在于,所述的步驟S1包括:
S101、設置LED燈具,確保LED燈具構成的平面平行于世界坐標系的XY平面,并且確保終端相機的相機坐標系XY平面平行于世界坐標系的XY平面,使得相機具有較低角度的X軸,Y軸旋轉矢量;
S102、相機拍下位于平行于世界和相機坐標系XY平面的平面上的LED燈具形成圖像,任何兩個LED燈連線的角度通過計算得出,計算LED燈具在世界坐標系下連線和世界坐標系的X軸夾角角度:
其中:XWL,YWL,ZW:LED燈圖像在世界坐標系的坐標,L=1或2代表LED1或LED2,
xcl,ycl:LED燈圖像在相機坐標系的坐標,l=1或2代表LED1或LED2,進而計算出相機坐標系和世界坐標系的X軸夾角角度:
θxX=θcx-θWX+k;
其中:
θcx為LED燈具載相機坐標系下連線和相機坐標系的X軸夾角角度;
相機坐標系和世界坐標系的yaw旋轉矢量,即相機坐標系的Z軸旋轉角度:yaw=π-θxX;
S103、分別從0到π/6和0到π/18改變X軸和Y軸旋轉角度,以及從0到2π改變Z軸旋轉角度,以此改變終端相機的相機坐標系的X軸、Y軸和Z軸旋轉角度,圍繞其中一個LED燈具的豎直位置以500和1000毫米的半徑的圓放置相機,以此改變終端相機位置,每一次獲取數據都利用四個LED燈具圖像,四個LED燈具兩兩組合建立六條虛擬投影不變量線,重復步驟S102為每一個角度和位置組合計算得到六個Z軸旋轉角度,并儲存到人工神經網絡輸入數據庫。
3.根據權利要求1所述的一種基于人工神經網絡的可見光視覺定位方法,其特征在于,所述的步驟S2包括:
步驟S201、使用一個具有25個神經元的多層感知器人工神經網絡,通過向后傳遞誤差進行神經網絡學習,隱藏層里的每個神經元都使用一個tan-sigmoid轉移函數獲得非線性性,輸出層的神經元使用線性轉移函數,在正推法中一層的每個神經元根據突觸權重和傳遞函數,形成輸出作為下一層的輸入,最終輸出結果為y(k),而輸出量的期望值為t(k),則均方誤差msc為:
其中,Q為輸出值的數量;
步驟S202、利用正推法獲得的均方誤差根據偏差修正原則調整突觸權重,反向層層傳遞,通過這種遞歸將誤差減少到一定的量。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華南理工大學,未經華南理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810177834.8/1.html,轉載請聲明來源鉆瓜專利網。





