Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

"In the Wild" Video Content as a Special Case of User Generated Content and a System for Its Recognition.

Sensors (Basel, Switzerland)·2023
Same author

Study of Subjective Data Integrity for Image Quality Data Sets with Consumer Camera Content.

Journal of imaging·2021
查看所有相关文章

相关实验视频

Updated: Jun 11, 2025

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
08:25

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

8.9K

基于图像的多式室内定位与机器学习-一个系统性审查.

Szymon Łukasik1, Szymon Szott2, Mikołaj Leszczuk2

  • 1Systems Research Institute Polish Academy of Sciences, 01-447 Warszawa, Poland.

Sensors (Basel, Switzerland)
|September 28, 2024
PubMed
概括

这项研究审查了多式联动室内定位系统,结合了像摄像头和LiDAR这样的传感器. 机器学习通过融合来自多个来源的数据来提高准确性,以获得更好的室内定位服务.

科学领域:

  • 计算机科学 计算机科学
  • 机器人技术 机器人技术 机器人技术
  • 地理学工程 工程地质学

背景情况:

  • 户外定位很普遍,使导航等服务成为可能.
  • 室内定位是一个新兴领域,具有显著的应用潜力.
  • 提高室内定位准确度是一个关键的研究挑战.

研究的目的:

  • 系统地审查有关多式联络室内定位的现有研究.
  • 分析结合各种数据源进行室内定位的分析方法.
  • 确定这个领域的未来研究方向.

主要方法:

  • 进行了大约40篇研究论文的系统文献审查.
  • 分析室内定位技术,利用多式联络数据.
  • 专注于相机图像,运动传感器,无线电接口和LiDAR的组合.

主要成果:

  • 确定了室内定位的各种多式模式方法.
  • 强调了各种传感器的集成,如摄像头,IMU,Wi-Fi和LiDAR.
  • 证明了机器学习在融合传感器数据中的有效性.

结论:

关键词:
计算机视觉 计算机视觉数据融合数据融合室内局部化 室内局部化机器学习是机器学习.定位定位 定位定位

更多相关视频

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.6K
Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine
07:05

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine

Published on: October 27, 2016

9.2K

相关实验视频

Last Updated: Jun 11, 2025

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
08:25

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

8.9K
Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.6K
Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine
07:05

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine

Published on: October 27, 2016

9.2K
  • 多模式数据融合对于准确的室内定位至关重要.
  • 机器学习在提高本地化准确度方面发挥着至关重要的作用.
  • 需要进一步的研究来探索新的传感器组合和先进的算法.