学术研究报告：融合注意力机制与GNN的可见光室内定位方法

作者及发表信息
本研究由西安工业大学电子信息工程学院的孟祥艳、奚田（通讯作者）、赵黎、张峰合作完成，发表于《光学学报》2025年第45卷第2期，标题为《融合注意力机制与GNN的可见光室内定位方法》。论文编号为0206003，DOI号为10.3788/aos241361。

学术背景
随着移动互联网和位置服务（LBS）的普及，室内定位技术成为研究热点。然而，传统GPS因遮挡问题无法适用于室内环境，而现有基于图像传感器的可见光定位方法（如卷积神经网络CNN）存在普适性差、实时性不足、旋转与尺度不变性弱等缺陷。针对这些问题，本研究提出了一种结合注意力机制（Attention Mechanism）和图神经网络（Graph Neural Network, GNN）的新型定位模型，旨在通过几何信息嵌入和动态特征增强，提升定位精度至厘米级。

研究流程与方法
1. 实验环境搭建
在4 m×4 m×3 m的模拟室内空间中，均匀布设4个10 W的LED光源，地面划分为5 cm×5 cm的网格，共采集3510幅可见光图像构建指纹库。采用全局快门传感器捕捉图像，并通过激光校准设备确保采集位置精确对齐。

1. 特征提取与优化

   • 可变形卷积（Deformable Convolution, DCN）：为解决常规卷积对几何形变适应性差的问题，DCN通过引入偏移变量实现动态采样，采样时间从标准卷积的0.083 s增至0.127 s，但特征提取精度显著提升（图2-3）。
     
   • 多层级特征融合：结合特征金字塔结构（MulDet）和峰值测量技术，通过加权求和不同卷积层（Conv1、Conv3、Conv8）的特征图，恢复分辨率并增强关键点检测（公式6）。
     

2. 注意力机制与GNN融合

   • 图结构建模：将图像特征点转化为图节点，通过GNN聚合图内和图间信息，生成含几何位置的特征描述符（公式7）。
     
   • 动态权重分配：设计7层网络（奇数层为图像内注意力，偶数层为图像间注意力），利用线性映射和Softmax函数计算特征点权重（公式8-11），突出关键区域。
     
   • 最优传输匹配：通过内积构建代价矩阵，引入“垃圾箱”机制过滤误匹配点，算法复杂度为O(n²)，匹配耗时仅0.183 s（表2）。

3. 鲁棒性验证实验
   对采集设备进行旋转（0°~30°）和倾斜（0°~30°）测试，结果显示：

   • 旋转30°时，匹配准确率较SuperPoint算法提升17%（图14）；
     
   • 倾斜30°时，匹配率提高13%，特征点提取数量达4015个（SuperPoint仅201个）（图11-13）。

主要结果
1. 定位精度
在高度h=0、0.75、1.50 m时，平均定位误差分别为5.93 cm、7.21 cm、9.15 cm（图15-17）。误差分布显示：
- h=0时，93%误差≤5 cm；
- h=1.50 m时，79%误差≤5 cm（图18）。

1. 影响因素分析

   • 高度增加导致视野收缩和光照不均，误差增大；
     
   • 注意力机制使匹配度提升14.5%（图19）；
     
   • 光照强度在300~800 lx范围内，匹配度稳定在80%以上（图20）。
     

2. 算法效率
   在NVIDIA GeForce GTX 4060上，512特征点耗时71 ms，1024点耗时93 ms（图21），显著优于D2-Net（耗时减少71%）。

结论与价值
本研究通过DCN-GNN-注意力机制的三重优化，实现了厘米级室内定位（平均误差7.43 cm），解决了传统方法对几何信息忽略的问题。其科学价值在于：
1. 方法创新：首次将GNN与注意力机制结合用于可见光定位，特征点提取数量提升20倍；
2. 应用潜力：适用于复杂光照和动态遮挡环境，为智能家居、室内导航提供高鲁棒性方案；
3. 硬件兼容性：仅需普通摄像头和LED光源，成本低廉且易于部署。

研究亮点
1. 跨学科融合：将计算机视觉（DCN）、图计算（GNN）与通信技术结合，提出端到端的定位框架；
2. 动态适应性：通过可变形采样和注意力权重，实现旋转/倾斜不变性；
3. 开源贡献：实验数据与代码结构完整，为后续研究提供基准（如特征提取耗时对比表2）。

其他发现
训练数据集规模对精度影响显著：当训练集比例从30%增至70%时，预测坐标与实际坐标的偏差明显缩小（图22），表明数据量是模型泛化能力的关键因素。