关键词:
室内定位
RFID
计算机视觉
目标跟踪
相位
摘要:
近年来,物联网技术发展迅速,推动着城市的智能化转型,改变了我们的生活方式。其中无线射频识别(Radio Frequency Identification,RFID)的应用前景非常广阔,在物流、医疗、农业、工业等领域发挥重要作用。在定位方面,利用无线射频技术可以实现室内定位、物流追踪等功能;在识别和传感领域,RFID技术可实现对物体的唯一标识,应用于智能支付、门禁系统等领域。
RFID定位系统是一种利用射频技术进行物体定位和跟踪的非接触类系统,基本组件包括天线和标签。凭借标签体积小、成本低等优点,RFID定位技术被广泛应用于室内环境。现有的RFID技术的相关研究普遍存在获取数据单一、易受噪声和多径效应干扰导致精度低的问题。本文致力于研究基于RFID的高精度定位和跟踪方法,并综合考虑定位精度、实施成本等因素,通过将RFID技术与计算机视觉技术结合完成定位,发掘多样的RFID感知和应用方式。本文的研究内容主要包含以下两个方面:
(1)本文设计了基于计算机视觉技术的RFID定位系统RF-Vision。传统的RFID定位系统通常只有无线射频信号,RF-Vision将无线射频技术和计算机视觉技术相融合,额外获取了视频信息,为RFID定位提供了更加丰富的数据信息。为了准确地定位和跟踪标签,本文设计了标签的初始坐标估计算法(Initial Coordinate-estimation Algorithm,ICA)和基于相位差的定位算法(Phasedifference-based Location Algorithm,PLA)。为了在多个目标移动的场景下识别出携带标签的目标,本文设计了融合算法(Fusion Algorithm,FA),通过对比视频信息和相位信息就能够确定携带标签的目标。实验验证表明,ICA能够实现3.62cm的均值误差,PLA算法分别在直线轨道和圆形轨道上能够实现12.72cm和17.29cm的均值误差。ICA算法的相对误差(均值误差与射频信号最长感应距离的比例,射频信号最长感应距离指标签在移动过程中和天线的最远距离)为6.8%,PLA算法的相对误差分别为11.87%和12.13%。PLA计算相对误差的准确度相较于经典的RSSI算法、Pin It算法以及Tagoram算法分别提高了76.12%、31.71%、5.7%。FA算法对视频信息和相位信息进行匹配来确定携带标签的目标,能够提供82%以上的匹配精度。
(2)为了进一步提升ICA、PLA算法的定位精度,并且实现对目标标签的位置和朝向的识别与跟踪,本文设计了基于相位的RFID标签朝向跟踪系统RFTraking。本文借助标签的RSSI信息和相位信息设计了标签的初始方向估计算法(Initial Orientation-estimation Algorithm,IOA),同时相比于ICA能够获取更加精确的标签初始位置。通过分析标签朝向、相位和距离之间的关系,提出了基于角度差的跟踪算法(Angle-difference-based Tracking Algorithm,ATA)。最后为了去除噪声,本文通过卡尔曼滤波(Kalman Filtering,KF)来动态修正标签的跟踪轨迹。实验表明,IOA算法的方向均值误差为4.21°,定位的均值误差为2.36cm,相对误差为5.39%,定位准确度优于ICA算法。ATA算法配合KF在直线轨道和圆形轨道上分别可以实现4.62cm和5.21cm的均值误差,相对误差分别为4.12%和5.05%,相较于Back Pos算法它计算相对误差的准确度分别提高了57.41%和54.05%,相较于Pin It算法分别提高了61.24%和58.48%,相较于RF-Prism算法分别提高了5.9%和3.07%。同时还可以计算标签朝向,在圆形轨道上能实现13.6°的标签旋转角度均值误差。
本文提出的定位系统属于室内定位技术,实验过程中考虑了相对误差,因此可以扩展到更大的范围,在工厂流水线生产、固定资产管理等领域具有广泛的应用价值。