• Trilateration三边测量定位算法



    3InYve

    基本原理

    Trilateration(三边测量)是一种常用的定位算法:

    1. 已知三点位置 (x1, y1), (x2, y2), (x3, y3)
    2. 已知未知点 (x0, y0) 到三点距离 d1, d2, d3

    以 d1, d2, d为半径作三个圆,根据毕达哥拉斯定理,得出交点即未知点的位置计算公式:

    ( x1 - x)2 + ( y1 - y0 )2 = d12
    ( x2 - x)2 + ( y2 - y0 )2 = d22
    ( x3 - x)2 + ( y3 - y0 )2 = d32

    解法推导

    yyAvie

    设未知点位置为 (x, y), 令其中的第一个球形 P1 的球心坐标为 (0, 0),P2 处于相同纵坐标,球心坐标为 (d, 0),P3 球心坐标为 (i, j),三个球形半径分别为 r1, r2, r3,z为三球形相交点与水平面高度。则有:

    r12 = x2 + y2 + z2
    r22 = (x - d)2 + y2 + z2
    r32 = (x - i)2 + (y - j)2 + z2

    当 z = 0 时, 即为三个圆在水平面上相交为一点,首先解出 x:

    x = (r12 - r22 + d2) / 2d

    将公式二变形,将公式一的 z2 代入公式二,再代入公式三得到 y 的计算公式:

    y = (r12 - r32 - x2 + (x - i)2 + j2) / 2j

    D3.js实现

    定义三个圆的坐标及半径,计算出交点的坐标 (obj_x, obj_y).

    var x_0 = 150, y_0 = 150;
    var x_1 = x_0, y_1 = y_0, d = 150, x_2 = x_0 + d, x_3 = 225, y_3 = 315, r = 100;
    var i = x_3 - x_0, j = y_3 - y_0;
    var x = (Math.pow(r, 2) - Math.pow(r, 2) + Math.pow(d, 2)) / (2 * d) + x_0;
    var obj_x = x + x_0;
    var y = (Math.pow(r, 2) - Math.pow(r, 2) - Math.pow(x, 2) + Math.pow((x - i), 2)
        + Math.pow(j, 2)) / (2 * j);
    var obj_y = y + y_0;

    绘出圆形及交点:
    BRNfMz

    svg.append("circle").attr("cx", x_1)
        .attr("cy", y_1).attr("r", r)
        .style("fill", "blue").style("opacity", 0.3);
    svg.append("circle").attr("cx", x_2)
        .attr("cy", y_0).attr("r", r)
        .style("fill", "red").style("opacity", 0.4);
    svg.append("circle").attr("cx", x_3)
        .attr("cy", y_3).style("opacity", 0.5)
        .attr("r", r).style("fill", "yellow");
    svg.append("circle").attr("cx", obj_x)
        .attr("cy", obj_y).attr("r", 3)
        .style("fill", "red");

    但在实际定位中,给定的距离由于测量的误差,并不能真正让三个圆交于一点,需要在相交区域绘制出矩形并计算矩形的中心位置,除三边测量计算公式之外,也许还可以采用K-Means或Overlap聚类算法,后两者在地图标注上使用比较广,有兴趣的可以进一步对定位算法进行研究。

    参考

    A robust localization algorithm in wireless sensor networks
    Calculating the intersection area of 3+ circles
    Clustering Map Symbols

  • 相关阅读:
    Mac安装LightGBM
    用于视频超分辨率的可变形三维卷积
    ORB-SLAM3 单目地图初始化(终结篇)
    重用地图的单目视觉惯导SLAM系统
    2020,我的秋招感悟!
    超详细解读ORB-SLAM3单目初始化(下篇)
    基于改进的点对特征的6D位姿估计
    深入研究自监督单目深度估计:Monodepth2
    ORB-SLAM3 细读单目初始化过程(上)
    基于视觉和惯性传感器的移动机器人手遥操作系统
  • 原文地址:https://www.cnblogs.com/sddai/p/5663463.html
Copyright © 2020-2023  润新知