公开(公告)号：CN117676803A

公开(公告)日：2024-03-08

申请号：CN202311448926.2

申请日：2023-11-02

申请人： 安徽大学 ,  合肥锐航小库智能科技有限公司

发明人： 贺建伟 ,  杨建文 ,  万秭濛 ,  张鲁川 ,  范旭昊 ,  宋乐怡 ,  高刘轩祺

IPC分类号： H04W64/00 ,  H04W4/024 ,  H04W4/33 ,  H04W4/80 ,  H04L67/10 ,  G06F18/23213 ,  G01C21/20 ,  G01C21/34

摘要： 本发明公开了一种基于云雾边端协同计算的室内定位导航系统，旨在应用具备高容量、强计算和低延迟能力的云雾边端协同计算机制，提升事件处理效能。该系统主要包含“端”模块、“边”模块、“雾”模块和“云”模块：所述“端”模块指WIFI+BLE集成一体化设备，所述“边”模块指安装在WIFI+BLE集成一体化设备上的嵌入式边缘网关设备，所述“雾”模块指放置在背靠通信基站的机房中的雾服务器，所述“云”模块指部署在远程机房中的云服务器。其大大提高了“端”“边”“雾”“云”各层级硬件设备在定位与导航系统中的快速部署、高效运行、端云协同。

公开(公告)号：CN117676462A

公开(公告)日：2024-03-08

申请号：CN202311441377.6

申请日：2023-11-01

申请人： 安徽大学 ,  合肥锐航小库智能科技有限公司

发明人： 杨建文 ,  张鲁川 ,  段章领 ,  贺建伟 ,  文梦阳 ,  范旭昊 ,  孙若梓

IPC分类号： H04W4/02 ,  H04W4/80 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  H04B17/318 ,  H04B17/391

摘要： 本发明公开一种融合Wi‑Fi和蓝牙的双三角定位方法，以实现更低的硬件成本和更高的定位准确性。包括以下步骤：步骤一，使用定位设备扫描记录附近的Wi‑Fi网络接入点的MAC地址和信号强度，并启动蓝牙扫描功能搜索检测周围的蓝牙信标；步骤二，收集至少三个Wi‑Fi接入点和三个蓝牙信标的数据，使用预先训练好的Wi‑Fi信号强度模型和蓝牙信号强度模型，将接入点、信标与定位设备之间的距离估计出来；步骤三，使用三角定位算法计算设备位置；步骤四：采用K‑means聚类算法确定蓝牙定位的约束区域，以修正Wi‑Fi预测坐标误差，最终实现Wi‑Fi融合蓝牙的双三角定位方法。此发明降低了硬件成本，利用Wi‑Fi的广覆盖和蓝牙的高精度互补特性，实现实时误差修正，适应不同室内环境，提高鲁棒性。

公开(公告)号：CN117615450A

公开(公告)日：2024-02-27

申请号：CN202311233170.X

申请日：2023-09-22

申请人： 安徽大学

发明人： 范旭昊 ,  段章领 ,  李嘉霖 ,  宋乐怡 ,  杨建文 ,  张鲁川 ,  万秭濛

IPC分类号： H04W64/00 ,  H04W4/33 ,  H04W4/021 ,  H04W4/029 ,  G08B13/22 ,  G01S13/04 ,  G01S13/06 ,  G01S13/66

摘要： 本发明公开了一种基于FMCW雷达的室内定位预警系统，包括数据处理模块、数据展示模块、警报模块和通信模块，所述数据处理模块对雷达初始数据进行处理，所述数据展示模块主要是将雷达检测的位置及轨道信息进行实时展示以及将数据处理模块处理后的目标轨迹进行绘制和渲染处理，所述警报模块对监控区域进行二维建模，在监控区域内自定义警戒区域以及对数据处理模块的原始数据及运动轨迹判断是否有目标闯入警戒区域，所述通信模块主要是负责服务器与毫米波雷达之间的通信以及服务端与前端的通信，通过雷达用网线与主机连接进行通信。本发明涉及毫米波雷达及室内预警系统领域，具体为一种基于FMCW雷达的室内定位预警系统。

公开(公告)号：CN117292153A

公开(公告)日：2023-12-26

申请号：CN202311233168.2

申请日：2023-09-22

申请人： 安徽大学

发明人： 张鲁川 ,  段章领 ,  杨建文 ,  宋乐怡 ,  高刘轩祺 ,  贺建伟 ,  万秭濛

IPC分类号： G06V10/62 ,  G06V10/25 ,  G06V10/40 ,  G06V10/762 ,  G06V10/82 ,  G06N3/044

摘要： 本发明公开了一种融合深度神经网络去除纯动态特征点的SLAM方法，步骤一：使用RGB‑D相机进行RGB图像和深度图像的采集并输入到系统中；步骤二：通过三角测量原理计算出每个像素点对应的三维空间坐标；步骤三：采用两种不同的策略来对高动态特征点进行剔除；步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量；步骤五：将当前帧的3D特征点通过SOM‑K‑means算法分成k个簇；步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除。步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图，本发明涉及动态环境中同步定位与建图领域，具体为一种融合深度神经网络去除纯动态特征点的SLAM方法。

公开(公告)号：CN117292247A

公开(公告)日：2023-12-26

申请号：CN202311233201.1

申请日：2023-09-22

申请人： 安徽大学

发明人： 万秭濛 ,  段章领 ,  杨建文 ,  王梦然 ,  张鲁川 ,  范旭昊 ,  宋乐怡

IPC分类号： G06V20/00 ,  G06V20/52 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

摘要： 本发明公开了基于YOLOv8算法和跟踪算法的改进型室内危险场景检测方法，至少包括以下步骤：数据收集、数据准备、模型选择、模型训练、实时检测、多功能性、误报减少和成本效益。本发明涉及计算机视觉及各种传感器领域，具体基于基于YOLOv8算法和跟踪算法的改进型室内危险场景检测方法。