Bidirectional recurrent convolutional learning-based visible light position and pose tracking against environment variation

Abstract

本文研究了动态环境下基于可见光的运动目标位置和姿态跟踪技术 (visible light-based position and orientation tracking, VLP)。基于信号模型的传统VLP方法通常依赖于具有固定参数的信号传播模型 (signal propagation model, SPM)。当定位环境随时间变化时，例如当漫散射和接收机响应增益波动变化时，传统VLP算法性能会剧烈下降。为了应对这一挑战，本文提出了一种基于双向循环卷积网络的VLP算法。该算法通过双向循环结构挖掘连续时刻观测数据的时间特征信息，利用3D卷积网络挖掘观测数据中稳定的空间纹理特征信息，采用记忆细胞存储时空纹理特征信息，并利用遗忘门对记忆细胞中缓存的时空信息进行选择性保留，以此保证对时空纹理信息的长期记忆，从而实现对运动目标的高精度定位跟踪。仿真结果表明，相比于现有可见光定位算法，本算法能充分挖掘并融合观测数据中的时间与空间纹理特征来提升定位跟踪性能，在动态环境条件下，定位精度达到1.5厘米。