本研究由华南理工大学自动化科学与工程学院的关伟鹏（第一作者）、吴宇翔，电子与信息工程学院的张新杰、谢泽坤，以及计算机科学与工程学院的郑杰恒共同完成。论文《High Precision Indoor Visible Light Positioning Algorithm Based on Double LEDs Using CMOS Image Sensor》于2019年3月25日发表在《Applied Sciences》期刊上（卷9，期6，文章编号1238）。
本研究属于可见光通信（Visible Light Communication, VLC）与室内定位技术的交叉领域。随着大型商场、地下停车场等室内环境的增多，对高精度室内定位服务的需求日益增长。传统室内定位技术如WLAN、Zigbee、超宽带（UWB）、蓝牙和射频识别（RFID）等仅能达到几十厘米至数米的精度，难以满足高精度和即时性的需求。
可见光定位系统（Visible Light Positioning, VLP）具有以下优势：(1) 基于到达角度（AOA）或图像传感器的VLP对多径效应更具免疫力；(2) 在飞机、医院等射频受限环境中仍可使用；(3) 利用现有照明基础设施可降低硬件成本。现有的VLP系统主要分为基于光电二极管（PD）和基于图像传感器两大类。基于PD的系统存在定位终端移动性受限、角度测量误差大等问题；而基于图像传感器的系统虽然具有抗反射光干扰、帧率高等优点，但现有算法大多计算复杂且未考虑实际应用场景的需求。
本研究旨在解决以下关键问题：(1) 三维世界坐标与二维图像坐标间的非线性复杂关系导致的定位性能受限；(2) 图像处理计算量大导致的实时性不足；(3) LED身份识别（LED-ID）不准确导致的定位失败；(4) 角度对称性问题对定位精度的影响。研究目标是开发一种基于双LED的低复杂度、高精度实时室内可见光定位算法。
研究团队利用CMOS图像传感器的滚动快门（rolling shutter）机制实现LED-ID识别。与CCD传感器的全局快门不同，CMOS传感器采用逐行曝光和读取的工作机制。当LED在曝光期间以特定频率开关时，CMOS传感器捕获的图像会产生明暗条纹。
研究采用脉冲宽度调制（PWM）方法对每个LED进行调制，产生三个可识别特征：(1) LED在CMOS传感器上的投影面积；(2) 明条纹数量；(3) 明条纹占空比（duty-ratio）。通过图像处理方法提取这些特征后，使用Fisher分类器和线性支持向量机（SVM）进行离线训练和在线识别。这种方法相比传统的调制解调方法显著提高了LED-ID识别的速度和准确性。
系统模型包含两个LED锚点（坐标分别为(x₁,y₁,z₁)和(x₂,y₂,z₂)，通常z₁=z₂）和一个作为定位终端的CMOS图像传感器。算法核心步骤如下：
坐标转换：首先将LED在像素坐标系中的坐标(i,j)转换为图像坐标系中的物理坐标(u,v)。转换关系通过包含像素尺寸(di,dj)和图像中心(u₀,v₀)的矩阵实现。
距离计算：根据几何关系计算：
高度确定：利用透镜焦距f计算LED与透镜平面的垂直距离H = f·(d₁₂/p₁₂)，进而得到终端的z坐标z_c = z₁ - H。
平面定位：当图像坐标系与世界坐标系平行时，利用相似三角形关系计算终端在相机坐标系中的(x_c,y_c)坐标。
角度校正：引入旋转角θ解决坐标系不平行问题。通过计算两个LED投影点的向量与x_w轴的夹角θ = atan2(j₁-j₂, i₁-i₂)，并分类讨论确定真实旋转角φ，最后通过坐标旋转矩阵实现任意方位角下的精确定位。
该算法的创新点在于：(1) 考虑了角度对称性问题；(2) 仅需两个LED即可实现定位；(3) 计算复杂度低；(4) 通过机器学习提高LED-ID识别准确性。
研究团队搭建了实验平台，在0.8×0.8×2 m³的空间内布置五个LED（实验中点亮两个），使用2048×1536分辨率的CMOS工业相机作为接收端。测试了0、0.1、0.2和0.3米四个高度下共384个位置的定位性能。
主要实验结果： 1. 定位精度：平均定位误差为1.99 cm，90%以上的定位误差在3 cm以内，最大误差不超过3.85 cm。 2. 实时性能：平均计算时间为56.28 ms，每秒可完成约17次定位。 3. 高度适应性：在不同高度下，定位误差保持稳定，验证了算法的鲁棒性。
相比现有研究（如文献[16]的6.5 cm误差和文献[17]的7.5 cm误差），本算法在精度上有显著提升。实验误差主要来源于：(1) 人工网格绘制的测量误差；(2) LED安装位置偏差；(3) 相机摆放误差；(4) 算法固有误差。
本研究提出了一种创新的基于双LED和CMOS图像传感器的高精度室内可见光定位系统，主要贡献包括： 1. 开发了结合滚动快门机制和机器学习的新型LED-ID识别方法，提高了识别速度和准确性。 2. 提出了考虑角度对称性问题的双光源定位算法，仅需两个LED即可实现高精度定位。 3. 实现了3.85 cm的定位精度和56.28 ms的计算时间，在精度和实时性上均优于现有方法。
该研究的科学价值在于：(1) 解决了VLP系统中LED数量受限时的定位问题；(2) 提出了角度对称性问题的解决方案；(3) 验证了机器学习在LED-ID识别中的有效性。应用价值体现在：(1) 适用于智能手机等商用设备；(2) 可用于机器人定位等实时性要求高的场景；(3) 在射频受限环境中具有独特优势。