摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
第一章 绪论 | 第14-30页 |
1.1 课题来源 | 第14页 |
1.2 课题研究的背景及意义 | 第14-17页 |
1.2.1 室内定位技术研究意义 | 第14-16页 |
1.2.2 基于LED可见光通信的室内定位技术研究意义 | 第16-17页 |
1.3 国内外研究现状 | 第17-27页 |
1.3.1 室内定位技术研究现状 | 第17-19页 |
1.3.2 可见光通信室内定位技术研究现状 | 第19-27页 |
1.4 本文研究内容及章节安排 | 第27-30页 |
第二章 LED VLC灯具设计与优化 | 第30-47页 |
2.1 基于混光的白光LED灯具设计 | 第30-37页 |
2.1.1 调节色温必要性 | 第30-31页 |
2.1.2 LED混光理论 | 第31-33页 |
2.1.3 LED混光方法 | 第33页 |
2.1.4 LED混光种类选择 | 第33-34页 |
2.1.5 LED灯板及驱动板设计 | 第34-37页 |
2.2 改进人工鱼群算法 | 第37-41页 |
2.2.1 人工鱼群算法分析 | 第37-38页 |
2.2.2 改进人工鱼群算法 | 第38-40页 |
2.2.3 改进人工鱼群算法流程 | 第40-41页 |
2.3 结果与讨论 | 第41-45页 |
2.3.1 算法仿真结果及分析 | 第41-44页 |
2.3.2 灯具实物测试结果及分析 | 第44-45页 |
2.4 本章小结 | 第45-47页 |
第三章 室内灯具布局优化研究 | 第47-65页 |
3.1 发光模型基础 | 第47-52页 |
3.1.1 LED发光模型 | 第47-48页 |
3.1.2 筒灯发光模型 | 第48-52页 |
3.2 室内照度计算 | 第52-54页 |
3.2.1 照度与均匀度计算理论基础 | 第52-53页 |
3.2.2 室内照度计算公式 | 第53-54页 |
3.3 灯具常规布局仿真与分析 | 第54-58页 |
3.4 灯具布局优化 | 第58-62页 |
3.4.1 改进人工鱼群算法 | 第58-59页 |
3.4.2 改进人工鱼群算法仿真结果分析 | 第59-62页 |
3.5 灯具布局效果验证 | 第62-63页 |
3.6 本章小结 | 第63-65页 |
第四章 VLC平衡编码技术研究 | 第65-79页 |
4.1 基于VLC成像定位系统通信编码技术 | 第65-68页 |
4.1.1 基于数据流的编码技术 | 第66-67页 |
4.1.2 模板匹配法 | 第67页 |
4.1.3 频率编码法 | 第67-68页 |
4.2 字节头 | 第68-69页 |
4.3 变字长颜色编码技术 | 第69-71页 |
4.3.1 变字长编码技术 | 第69-70页 |
4.3.2 编码设计 | 第70-71页 |
4.3.3 新编码技术性质定义 | 第71页 |
4.4 变字长颜色码解码技术 | 第71-73页 |
4.5 变字长编码性能分析 | 第73-75页 |
4.6 实际效果验证 | 第75-78页 |
4.7 本章小结 | 第78-79页 |
第五章 基于VLC的成像定位技术研究 | 第79-105页 |
5.1 基于光学成像的定位方法 | 第80-89页 |
5.1.1 相机成像原理 | 第80-81页 |
5.1.2 基于针孔相机模型的摄像头三维定位方法 | 第81-83页 |
5.1.3 基于普通相机模型的单摄像头定位方法 | 第83-87页 |
5.1.4 高度值计算 | 第87-89页 |
5.2 图像预处理 | 第89-91页 |
5.2.1 形态学滤波 | 第89-90页 |
5.2.2 图像闭运算预处理 | 第90-91页 |
5.3 筒灯图像分割 | 第91-92页 |
5.3.1 邻域连通搜索 | 第91-92页 |
5.3.2 轮廓搜索与图像分割 | 第92页 |
5.4 筒灯图像特征提取 | 第92-94页 |
5.4.1 几何特征与形状特征 | 第92-93页 |
5.4.2 筒灯图像特征提取与锁定 | 第93-94页 |
5.5 条纹图像解码方法 | 第94-100页 |
5.5.1 获取数据条纹 | 第94-98页 |
5.5.2 数据条纹解码 | 第98-100页 |
5.6 实际效果验证 | 第100-104页 |
5.6.1 识别效果验证 | 第101-103页 |
5.6.2 解码效果验证 | 第103页 |
5.6.3 定位效果验证 | 第103-104页 |
5.7 本章小结 | 第104-105页 |
第六章 基于VLC移动目标跟踪定位技术研究 | 第105-131页 |
6.1 视频目标跟踪算法概述 | 第106-108页 |
6.1.1 视频目标跟踪方法种类 | 第106-107页 |
6.1.2 视频目标跟踪算法性能要求 | 第107-108页 |
6.2 基于粒子滤波的目标跟踪算法 | 第108-110页 |
6.2.1 贝叶斯滤波 | 第108-109页 |
6.2.2 序列重要性采样 | 第109页 |
6.2.3 重采样技术 | 第109-110页 |
6.3 粒子目标跟踪算法 | 第110-119页 |
6.3.1 图像旋转 | 第110-111页 |
6.3.2 视频目标跟踪算法选择 | 第111-112页 |
6.3.3 粒子目标跟踪算法 | 第112-119页 |
6.3.4 两种跟踪算法比较 | 第119页 |
6.4 算法效果验证与讨论 | 第119-130页 |
6.4.1 实验系统设计与实现 | 第119-121页 |
6.4.2 实验结果及分析 | 第121-130页 |
6.5 本章小结 | 第130-131页 |
第七章 总结与展望 | 第131-134页 |
7.1 全文总结 | 第131-132页 |
7.2 进一步工作展望 | 第132-134页 |
参考文献 | 第134-148页 |
作者在攻读博士学位期间公开发表的论文 | 第148-149页 |
作者在攻读博士学位的专利和软件著作权 | 第149-150页 |
作者在攻读博士学位期间所参与的项目 | 第150-151页 |
致谢 | 第151页 |