本研究由Zekun Xie（华南理工大学电子与信息工程学院）、Weipeng Guan（华南理工大学自动化科学与工程学院，通讯作者）、Jieheng Zheng（华南理工大学计算机科学与工程学院）、Xinjie Zhang、Shihuan Chen和Bangdong Chen共同完成。研究成果于2019年3月4日发表在期刊《Sensors》上，文章标题为”A High-Precision, Real-Time, and Robust Indoor Visible Light Positioning Method Based on Mean Shift Algorithm and Unscented Kalman Filter”。
本研究属于室内定位技术领域，具体聚焦于可见光定位(VLP, Visible Light Positioning)技术。随着GPS在大型商业中心、公共建筑、医院等室内环境中的局限性日益凸显，室内定位技术获得了广泛关注。常见的室内定位技术如红外线(IR)、超声波、射频识别(RFID)、无线局域网(WLAN)、蓝牙和超宽带(UWB)等各自存在明显缺陷，而基于可见光的定位技术因其带宽资源丰富、抗电磁干扰能力强、定位精度高、照明能力强以及硬件成本相对较低等优势展现出广阔前景。
现有VLP系统主要分为基于光电二极管(PD-based)和基于图像传感器(IS-based)两种模式。PD-based系统存在对光束方向敏感、易受环境光和反射光干扰、需要精确测量接收信号强度和到达时间差等缺点。相比之下，IS-based方法不受这些问题影响，且智能手机普遍配备高分辨率CMOS传感器摄像头，具有巨大商业价值。然而，现有IS-based VLP研究在定位精度、实时性和鲁棒性这三个关键要素上仍有很大改进空间。
本研究旨在解决现有VLP方法的三个主要问题：(1)大多数研究仅关注定位精度，忽视了鲁棒性和实时性；(2)现有方法难以在实时性和定位精度之间取得良好平衡；(3)当LED被遮挡或损坏时，大多数定位算法会失效。为此，研究团队提出了一种结合Mean Shift(MS)算法和Unscented Kalman Filter(UKF)的新型VLP方法。
本研究的工作流程包含以下几个关键步骤：
LED-ID识别算法初始化：
坐标系统转换：
Mean Shift算法目标跟踪：
Unscented Kalman Filter融合：
定位终端坐标计算：
定位精度：
实时性能：
鲁棒性表现：
算法创新：
本研究提出了一种基于Mean Shift算法和Unscented Kalman Filter的高精度、实时、鲁棒的室内可见光定位方法。该方法在定位精度、实时性和鲁棒性三个关键指标上均表现出色，解决了现有VLP系统的主要局限性。
科学价值方面，本研究： 1. 创新性地将Mean Shift算法与UKF结合应用于VLP领域 2. 提出了基于混沌理论的权重系数调整方法 3. 建立了完整的动态跟踪与坐标转换理论框架
应用价值方面，该方法： 1. 可广泛应用于商业中心、医院、养老院等需要室内导航服务的场所 2. 兼容现有智能手机硬件，具有商业化潜力 3. 能够满足高速运动目标的定位需求，可扩展至通道交通系统等户外应用场景
研究团队在LED-ID识别算法方面也有重要创新，将其视为机器学习分类问题而非传统的编码解码方法，通过离线训练分类器和在线识别实现了高速鲁棒的LED识别。此外，实验平台设计科学合理，使用Turtlebot3机器人作为定位终端载体，通过固定脚本确保测试路线一致性，并采用俯拍相机记录真实坐标作为基准，保证了实验数据的可靠性。
与团队先前工作相比，本研究在保持高精度的同时，显著提升了处理速度(从0.162秒/帧提升到24.93毫秒/帧)和最大允许运动速度(从48公里/小时提升到158.84公里/小时)，同时增强了系统在LED被遮挡情况下的稳定性，体现了研究工作的持续进步和技术突破。