16.5 DarLoc:基于深度学习和数据特征增强的鲁棒室内磁定位

文献来源:

Wang Q, Jia J, Deng Y, et al. DarLoc: Deep learning and data-feature augmentation based robust magnetic indoor localization[J]. Expert Systems with Applications, 2024, 244: 122921.

摘要:

由于地磁场的普遍性,基于磁场的室内定位方法受到了广泛的关注,并且不需要额外的基础设施。然而,现有方法仍然面临着设备类型、行人持有姿态和移动速度等因素造成的异质性问题。为了解决这个问题,本文提出了一种新的基于深度学习和数据特征增强的磁性定位框架(DarLoc)。首先,采用方向不敏感的磁信号提取方法去除序列中的直流分量,以消除不同保持姿态和不同移动设备带来的影响;其次,提出了新颖的数据增强和特征增强方法来提取速度信息的特征,从而解决了不同移动速度带来的多尺度序列问题;最后,提出了一种深度多尺度时空学习模型,用于同时提取增强序列的空间和时间特征,并对具有不同移动速度和姿态的人进行鲁棒定位。在长达14个月的时间里,研究人员对189名志愿者使用4种不同的移动设备和多种移动速度进行了广泛的实验,以评估DarLoc的性能。实验结果表明:(1)DarLoc算法在恒定和可变移动速度场景下的平均定位精度分别为0.47 m和0.56 m;(2)与现有定位方法相比,DarLoc的定位精度分别提高了约41%和60%。

相关推荐
jndingxin11 分钟前
OpenCV 图形API(63)图像结构分析和形状描述符------计算图像中非零像素的边界框函数boundingRect()
人工智能·opencv·计算机视觉
旧故新长16 分钟前
支持Function Call的本地ollama模型对比评测-》开发代理agent
人工智能·深度学习·机器学习
微学AI28 分钟前
融合注意力机制和BiGRU的电力领域发电量预测项目研究,并给出相关代码
人工智能·深度学习·自然语言处理·注意力机制·bigru
知来者逆40 分钟前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
一勺汤43 分钟前
YOLOv11改进-双Backbone架构:利用双backbone提高yolo11目标检测的精度
人工智能·yolo·双backbone·double backbone·yolo11 backbone·yolo 双backbone
武汉唯众智创1 小时前
高职人工智能技术应用专业(计算机视觉方向)实训室解决方案
人工智能·计算机视觉·人工智能实训室·计算机视觉实训室·人工智能计算机视觉实训室
Johny_Zhao1 小时前
MySQL 高可用集群搭建部署
linux·人工智能·mysql·信息安全·云计算·shell·yum源·系统运维·itsm
一只可爱的小猴子1 小时前
2022李宏毅老师机器学习课程笔记
人工智能·笔记·机器学习
地瓜机器人1 小时前
乐聚机器人与地瓜机器人达成战略合作,联合发布Aelos Embodied具身智能
人工智能·机器人
带娃的IT创业者1 小时前
《AI大模型趣味实战》基于RAG向量数据库的知识库AI问答助手设计与实现
数据库·人工智能