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
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:
- 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.
