一种多输入下融合图像信息的室内可见光定位方法
摘要
针对室内可见光通信定位精度不足的问题，提出一种基于注意力机制进行信息融合的可见光定位方法（Multi-Information Fusion-Visible Light Positioning，MIF-VLP）。信息融合指MIF-VLP算法通过注意力机制的方式融合图像信息和接收信号强度（Received Signal Strength，RSS）且以图像信息为主。MIF-VLP算法减少了单一信息源下的特征不足，提高了定位精度。同时图像信息通过18层残差网络（Residual Network with 18 layers，ResNet18）提取图像特征并降维，RSS通过词嵌入（word-embedding）提取光强特征并升维。经维度转换后的图像信息和光强信息维度相同，并通过注意力机制进行信息融合。实验结果表明，在2 m×2 m×1.8 m的环境，MIF-VLP算法的平均定位误差达到5 mm，相比基于RSS信息的RSS-BP算法提升了80.7%，相比基于图像信息的卷积神经网络（Convolutional Neural Network，CNN）算法提升了87.5%。
引用本文（GB/T 7714）
涂兴华 TU Xinghua, 赵海洋 ZHAO Haiyang. 一种多输入下融合图像信息的室内可见光定位方法[J]. ACTA PHOTONICA SINICA, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。