Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đánh giá Hiệu suất của Phát hiện và Khớp Đặc trưng Dựa trên Tương quan Không gian cho Hệ thống Điều hướng Xe lăn Tự động
Tóm tắt
Hệ thống điều hướng xe lăn đã xuất hiện để đáp ứng nhu cầu cao đối với các ứng dụng nhận thức vị trí di động. Tuy nhiên, công nghệ định vị đơn lẻ có nhiều hạn chế và điểm yếu, không thể cung cấp một giải pháp định vị phổ quát cho các môi trường khác nhau. Trong bài báo này, chúng tôi trình bày phương pháp mới của chúng tôi về phát hiện và khớp đặc trưng cho hệ thống điều hướng xe lăn tự động. Phương pháp này sử dụng nhiều giải pháp định vị, bao gồm; Mạng LAN không dây và camera. Do đó, thông tin vị trí này được kết hợp bằng cách khớp mô hình nhằm tìm ra vị trí chính xác của người dùng. Kết quả thí nghiệm cho thấy độ chính xác định vị từ 0-6 m với tỷ lệ thành công là 23% theo thử nghiệm ở năm (5) địa điểm khác nhau.
Từ khóa
#điều hướng xe lăn #định vị #phát hiện đặc trưng #khớp đặc trưng #hệ thống tự độngTài liệu tham khảo
R. Ivanov, “RSNAVI: an RFID-based context-aware indoor navigation system for the blind,” in Proceedings of the 13th International Conference on Computer Systems and Technologies, New York, NY, USA, 2012, pp. 313–320.
Esposito, C., Ficco, M.: Deployment of RSS-based indoor positioning systems. Int. J. Wirel. Inf. Networks 18(4), 224–242 (2011)
Lee, B.-G., Chung, W.-Y.: Multitarget three-dimensional indoor navigation on a PDA in a wireless sensor network. Ieee Sensors J. 11(3), 799–807 (2011)
Liao, L., Lin, K., Wang, X., Lai, X., Vuong, S.T.: WiFi positioning overview. Int. J. Commun. Networks Distrib. Syst. 7(3), 229–248 (2011)
Giorgetti, G., Farley, R., Chikkappa, K., Ellis, J., Kaleas, T.: Cortina: collaborative indoor positioning using low-power sensor networks. J. Locat. Based Serv. 6(3), 137–160 (2012)
C.-P. Yen and P. J. Voltz, “Indoor positioning based on statistical multipath channel modeling,” Eurasip J. Wirel. Commun. Netw., vol. 2011, no. 1, p. 189, 2011.
Lu, M.: A framework for indoor construction resources tracking by applying wireless sensor networks. Can. J. Civ. Eng. 39(9), 1083–1088 (2012)
Shen, X., Lu, M.: A framework for indoor construction resources tracking by applying wireless sensor networks 1 1 This paper is one of a selection of papers in this Special Issue on Construction Engineering and Management. Can. J. Civ. Eng. 39(9), 1083–1088 (2012)
M. Nicoli, S. Gezici, Z. Sahinoglu, and H. Wymeersch, “Localization in mobile wireless and sensor networks,” Eurasip J. Wirel. Commun. Netw., vol. 2011, no. 1, p. 197, 2011.
C. Mensing, S. Sand, and A. Dammann, “Hybrid data fusion and tracking for positioning with GNSS and 3GPP-LTE,” Int. J. Navig. Obs., vol. 2010, 2010.
Liew, S.C., Tan, K.G., Tan, C.P.: Non-Taylor series based positioning method for hybrid GPS/Cellphone system. J. Electromagn. Waves Appl. 20(6), 717–729 (2006)
Liew, S.C., Tan, K.G., Lim, T.S.: Investigation of direct A-GPS positioning for hybrid E-OTD/GNSS. J. Electromagn. Waves Appl. 20(1), 79–87 (2006)
Yang, H., Park, K., Lee, J.G., Chung, H.: A rotating sonar and a differential encoder data fusion for map-based dynamic positioning. J Intell Robot. Syst 29(3), 211–232 (2000)
Shoval, S., Zeitoun, I., Lenz, E.: Implementation of a Kalman filter in positioning for autonomous vehicles, and its sensitivity to the process parameters. Int. J. Adv. Manuf. Technol. 13(10), 738–746 (1997)
Yost, M.G., Gadgil, A.J., Drescher, A.C., Zhou, Y., Simonds, M.A., Levine, S.P., Nazaroff, W.W., Saisan, P.A.: Imaging indoor tracer-gas concentrations with computed tomography: experimental results with a remote sensing FTIR system. Am. Ind. Hyg. Assoc. J. 55(5), 395–402 (1994)
Cao, Z.L., Oh, S.J., Hall, E.L.: Dynamic omnidirectional vision for mobile robots. J. Robot. Syst. 3(1), 5–17 (1986)
A. Kosaka and J. Pan, “Purdue Experiments in Model-Based Vision for Hallway Navigation,” in In Proceedings of the Workshop on Vision for Robots in IROS’95, 1995, pp. 87–96.
N. Karlsson, E. di Bernardo, J. Ostrowski, L. Goncalves, P. Pirjanian, and M. E. Munich, “The vSLAM Algorithm for Robust Localization and Mapping,” in Proceedings of the 2005 I.E. International Conference on Robotics and Automation, 2005. ICRA 2005, 2005, pp. 24–29.
Snavely, N., Seitz, S.M., Szeliski, R.: Photo tourism: exploring photo collections in 3D. Acm Trans Graph 25(3), 835–846 (2006)
Hile, H., Borriello, G.: Positioning and orientation in indoor environments using camera phones. Ieee Comput. Graph. Appl. 28(4), 32–39 (2008)
T. Ruiz-López, J. L. Garrido, K. Benghazi, and L. Chung, “A Survey on Indoor Positioning Systems: Foreseeing a Quality Design,” in Distributed Computing and Artificial Intelligence, vol. 79, A. P. Leon F. de Carvalho, S. Rodríguez-González, J. F. Paz Santana, and J. M. C. Rodríguez, Eds. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010, pp. 373–380.
Bejuri, W.M.Y.W., Mohamad, M.M., Sapri, M., Rosly, M.A.: Investigation of color constancy for ubiquitous wireless LAN/Camera positioning: an initial outcome. Int. J. Adv. Comput. Technol. 4(7), 269–280 (2012)
Bejuri, W.M.Y.W., Mohamad, M.M., Sapri, M.: Ubiquitous positioning: a taxonomy for location determination on mobile navigation system. Signal Image Process. Int. J. 2(1), 24–34 (2011)
W. M. Y. W. Bejuri, M. M. Mohamad, M. Sapri, and M. A. Rosly, “Ubiquitous WLAN/Camera Positioning using Inverse Intensity Chromaticity Space-based Feature Detection and Matching: A Preliminary Result,” in International Conference on Man–machine Systems 2012, Penang, Malaysia.
A. Chakrabarti, K. Hirakawa, and T. Zickler, “Computational color constancy with spatial correlations,” Harv. Sch. Eng. Appl. Sci. Tr-09-10, 2010.
P. Bahl and V. N. Padmanabhan, “RADAR: An in-building RF-based user location and tracking system,” in INFOCOM 2000. Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies. Proceedings. IEEE, 2000, vol. 2, pp. 775–784.
D. Wettschereck, T. G. Dietterich, and R. Sutton, “An Experimental Comparison of the Nearest-Neighbor and Nearest-Hyperrectangle Algorithms,” in Machine Learning, 1995, pp. 5–28.
D. Comaniciu and P. Meer, “Mean shift analysis and applications,” in The Proceedings of the Seventh IEEE International Conference on Computer Vision, 1999, 1999, vol. 2, pp. 1197–1203 vol.2.
D. S. Guru, R. Dinesh, and P. Nagabhushan, “Boundary based corner detection and localization using new ‘cornerity’ index: a robust approach,” in First Canadian Conference on Computer and Robot Vision, 2004. Proceedings, 2004, pp. 417–423.