基于深度学习的非视距可见光定位系统

作者：黄伟杰; 林邦姜^*; 丁永棋; 骆加彬; 黄天明

来源：光通信研究, 2023, 1-10.

• 可见光定位
• 非视距
• 深度学习
• 三点透视几何算法

【目的】可见光定位（VLP）技术在提供低成本、高精度的室内位置服务方面极具潜力，受到越来越多的关注。然而，传统的VLP系统依赖于直接视距（LOS）路径，在有障碍物遮挡的情况下无法正常进行工作。【方法】针对这一问题，文章首次提出了一种基于深度学习的非视距（NLOS）VLP系统，所提系统创新的利用一次反射光来进行VLP，克服了LOS被遮挡的挑战，提高了VLP系统的鲁棒性。考虑到反射光信号信噪比较低，通过传统的图像检测方法来提取发光二极管（LED）光斑的准确度较低并且环境适应性较差，导致NLOS VLP的定位精度下降。因此，文章所提系统通过深度学习模型U-Net来检测LED光斑，通过采集不同环境下的数据集进行训练，U-Net模型表现出了很高的准确度和环境适应性，从而改善了系统的性能。在此基础上，文章所提系统利用3点透视几何（P3P）算法来估计接收端的三维（3D）位置。【结果】文章搭建了1.84 m×1.84 m×1.96 m的立体空间模拟室内环境，用于室内定位实验，实验结果表明，在NLOS路径下，系统3D平均误差和均方根误差（RMSE）分别为16.09和17.18 cm，二维（2D）定位误差<21 cm时有90%的置信度，3D定位误差<24 cm时有90%的置信度。【结论】因此，文章所提系统具有较高的精度和鲁棒性，能够满足室内大多数应用场景的定位需求。

• 单位
  中国科学院; 福建农林大学; 机电工程学院; 中国科学院福建物质结构研究所