基于光流检测与贝叶斯预测的可见光通信高速鲁棒动态定位与跟踪方法研究

作者与发表信息

本研究由Weipeng Guan（华南理工大学自动化科学与工程学院）、Xin Chen、Mouxiao Huang、Zixuan Liu、Yuxiang Wu及Yingcong Chen（广东工业大学佛山数控装备协同创新研究院）共同完成，发表于IEEE Photonics Journal 2018年6月刊（Volume 10, Number 3），DOI编号为10.1109/JPHOT.2018.2841979。

学术背景

研究领域与动机

该研究属于可见光定位（Visible Light Positioning, VLP）领域，旨在解决室内定位中精度、实时性与鲁棒性三大核心挑战。传统VLP研究多聚焦于静态定位精度，而忽视了高速运动场景下的动态跟踪需求。此外，现有系统易受运动模糊（blur effect）和光链路遮挡（shielded effect）影响，导致定位失败。本研究提出了一种结合光流检测（optical flow detection）与贝叶斯预测（Bayesian forecast）的新型算法，通过图像传感器（Image Sensor, IS）实现高速鲁棒动态定位。

技术背景

1. VLP系统分类：现有VLP系统分为基于光电二极管（PD-based）和基于图像传感器（IS-based）两类。PD-based系统受限于光方向敏感性及多径干扰，而IS-based系统因抗反射光干扰能力强、兼容移动设备等优势成为研究热点。
   
2. 现有技术瓶颈：传统IS-based VLP依赖像素强度检测（pixel intensity detection），在高速运动时因图像模糊导致LED识别失败；且光链路遮挡会直接中断定位。
   

研究方法与流程

1. 光流检测模块

目标：解决高速运动导致的图像模糊问题。
- 算法原理：基于亮度恒定假设（亮度在相邻帧间局部恒定），通过最小二乘法计算光流向量（optical flow vector），定位LED像素区域。
- 关键技术：
- 采用高斯加权函数优化光流估计误差（公式4-6）。
- 通过几何变换将像素坐标转换为世界坐标（公式8-10），结合相机焦距（f）、像素尺寸（dx, dy）及LED高度（h_l）实现三维定位。
- 创新性：光流法替代传统像素强度检测，显著提升运动模糊场景下的LED识别率。

2. 贝叶斯预测模块

目标：解决光链路遮挡导致的定位中断问题。
- 算法原理：基于历史帧数据建立状态空间模型，通过贝叶斯概率预测下一帧LED位置。
- 状态方程（公式15-16）：描述定位误差传播过程，包含过程噪声（w_k）及协方差矩阵（Q_k）。
- 观测方程（公式17-18）：线性化测量矩阵（H_l,k）结合噪声协方差（U_l,k）优化预测结果。
- 数据关联：采用多重假设检验（公式19-22）处理多LED检测场景，通过ROC曲线（图13）验证预测准确率（AUC=0.954）。

3. 卡尔曼滤波融合

目标：整合光流检测与贝叶斯预测结果，提升鲁棒性。
- 加权最小二乘法（WLS）：动态调整两类信息的权重（公式41），遮挡时侧重预测数据，正常场景侧重光流数据。
- 卡尔曼滤波迭代（公式36-40）：通过后验状态估计（ẑ_r^l (k|k)）输出最终轨迹，实时更新误差协方差（P(k|k)）。

实验结果

1. 鲁棒性验证

• 部分遮挡实验：当LED被遮挡50%时，定位误差仍保持稳定（图10）；完全遮挡后，算法可在后续帧中恢复定位（图12）。
  
• ROC曲线分析：贝叶斯预测的TPR（真阳性率）与FPR（假阳性率）表现优异（图13），验证其对遮挡场景的适应性。
  

2. 精度与实时性

• 定位精度：80帧测试数据显示，平均定位误差为0.86 cm（图17），X/Y轴误差分别为0.55 cm和0.51 cm（图15-16）。90%场景下误差低于0.99 cm（图18）。
  
• 实时性能：单帧处理时间0.162秒，支持终端最高时速48 km/h（公式44-45），远超文献[16]的18 km/h。
  

结论与价值

科学价值

1. 方法创新：首次将光流检测与贝叶斯预测结合应用于VLP，系统性解决运动模糊和遮挡问题。
   
2. 性能突破：实现厘米级精度（0.86 cm）与高速动态定位（48 km/h），为室内外融合定位提供新思路。
   

应用前景

• 复杂场景：适用于购物中心、医院等动态环境，兼容智能手机摄像头，无需额外硬件。
  
• 技术扩展：算法框架可适配车载导航、隧道定位等高速场景。
  

研究亮点

1. 多模态融合：光流（抗模糊）+贝叶斯（抗遮挡）+卡尔曼滤波（动态优化）的协同架构。
   
2. 工程实用性：实验平台采用低成本LED与工业相机（表1），验证了技术的可落地性。
   
3. 理论贡献：提出基于滚动快门（rolling shutter）机制的LED-ID识别方法（图1b），增强系统抗干扰能力。
   

其他价值

• 开源工具：基于OpenCV 3.2.0实现算法（图8），代码可复现性高。
  
• 跨领域潜力：光流-贝叶斯框架可迁移至其他视觉定位场景（如无人机跟踪）。