使用深度学习与多个发射器进行基于近距离的光学摄像头通信
Muhammad Rangga Aziz Nasution1, Herfandi Herfandi1, Ones Sanjerico Sitanggang1
1Department of Electronics Engineering, Kookmin University, Seoul 02707, Republic of Korea.
Sensors (Basel, Switzerland)
|January 26, 2024
概括
本研究介绍了一种新的光学摄像头通信 (OCC) 方法,使用人工智能对象检测来确定发射器的近距离. 这使得优先级通信成为可能,使多个来源的交替传输能够高效地进行.
科学领域:
- 光学摄像机通讯 (OCC) 技术
- 人工智能 (AI) 是一种人工智能.
- 计算机视觉 计算机视觉
背景情况:
- 光学摄像头通信 (OCC) 是一个不断增长的研究领域,利用光进行数据传输.
- 现有的OCC方法在单个或有限的发射器的情况下面临挑战.
- 优先考虑发射器对于高效的多发射器通信系统至关重要.
研究的目的:
- 为单发射器场景提出一种新的OCC方法.
- 通过使用人工智能来确定发射器的近距离来实现优先级通信.
- 为了促进多个发射器之间的交替通信.
主要方法:
- 利用人工智能物体检测模型,根据二维物体大小计算物体的近距离.
- 使用图像处理来接收信号,而无需修改相机参数.
- 实现了精细的YOLOv8检测算法,以实现高精度.
主要成果:
- 实现了3.945 kbps的最大数据速率,最小的比特错误率 (BER) 为4.2×10-3.
- 在 1.0 到 5.0 m 的发射机接收器距离范围内证明了系统功能.
- 使用YOLOv8获得了高检测准确度,在0.50的交叉点上达到0.98的平均平均精度 (mAP).
结论:
- 提出的基于人工智能的近距离检测方法有效地实现了优先级的OCC.
- 该系统允许在使用多个发射器的场景中进行高效的交替通信.
- 这种方法确保了强大的性能,而不需要调整相机参数.
