Modelo de percepción de ubicación en interiores basado en Resnet50 y la red Elman

Área de la Ciencia:

• Ciencias de la Computación
• Ingeniería Eléctrica
• Robótica

Sus antecedentes:

• El posicionamiento interior con luz visible ofrece alta precisión y bajo costo, pero sufre de interferencias ambientales e inestabilidad de la señal.
• Los métodos tradicionales tienen dificultades con la representación diversa de características y la optimización de parámetros del modelo, lo que genera errores de posicionamiento.

Objetivo del estudio:

• Mejorar la precisión y estabilidad del posicionamiento interior con luz visible.
• Abordar las limitaciones en la antiinterferencia de la señal, la representación de características y la optimización de parámetros del modelo.

Principales métodos:

• Desarrolló un método de extracción de características de datos de imagen utilizando Resnet50 y conceptos de pirámide de características.
• Diseñó un modelo de detección de ubicación en interiores basado en la red Elman.
• Propuso un algoritmo mejorado de optimización de lobos grises para optimizar los parámetros de la red Elman.

Principales resultados:

• El método de extracción de características creó una biblioteca de características más diversa (similitud del coseno más cercana a 0).
• El algoritmo mejorado de optimización de lobos grises logró valores de aptitud promedio más bajos que los algoritmos de comparación.
• El modelo de percepción diseñado demostró errores promedio de 3,04 cm, 3,57 cm y 3,19 cm a diferentes alturas, superando a los modelos de comparación.

Conclusiones:

• El método propuesto mejora significativamente la diversidad de la representación de características.
• El modelo optimizado de red Elman logra alta precisión y estabilidad en el posicionamiento interior.
• Esta investigación proporciona una vía técnica viable para la detección avanzada de ubicación en interiores.