精确人员定位（通用9篇）
精确人员定位 篇1
0 引言
近年来我国矿难事故频发,由于矿井生产大多数是在地下作业,地质条件复杂,目前矿井普遍存在着入井人员管理困难、井下人员的分布及作业情况难以及时准确掌握的问题。一旦事故发生,不能及时准确的确定被困人员位置,对有效营救造成很大的困难。因此实现井下人员精确定位[1],对安全生产有着重要的意义。
目前,定位技术主要有RFID技术[2]、UWB(Ultra Wideband)技术[3]、Zig Bee技术[4]。其中RFID技术定位的原理是读卡器读取进入其能识别的范围之内人员标签,以表示该人员在此范围以内,属于区域定位的范畴;UWB定位主要采用的是信号到达时间或到达时间差,并根据电磁波的速度,确定定位的未知节点距基站的距离;Zig Bee定位一般采用是RSSI(Received Signal Strength Index)定位算法[5,6,7],该方法是根据电磁波信号强度与传输距离存在指数衰减的关系,并由此来确定未知节点距基站距离。
RFID定位属于区域定位的范畴,不能实现精确定位。文献[8]的基于RFID井下人员定位系统识别距离只有10m,仅能够对人员是否出现在井下该范围内进行确认,由于成本因素,也难以实现井下的全覆盖。文献[9]分析了UWB定位的TDOA(Time Difference of Arrival)、TOA(Time of Arrival)两种定位算法,其定位精度都可达厘米级,但由于电磁波速度太快,需要高精度时钟,对硬件要求较高,相应的成本也较高。Zig Bee技术成本较低,不需额外硬件支持;节点之间可以相互数据传输,传输的速率250Kb/s;传输距离可达100m,而且近距离的定位精度可达1m-3m。文献[10]分析了RSSI定位算法,在空旷环境下15m范围内的测距的误差是2m。在远距离通过RSSI定位算法误差较大。
由于RFID技术不能实现精确定位、UWB技术对硬件较高的特点,因此,本文采用Zig Bee定位技术,并根据RSSI定位算法的有效距离短的特点,同时针对矿井巷道一维线性空间的特点和井下人员的作业习惯,提出一种高精度井下人员定位方案。分析了RSSI定位算法和高斯滤波模型,提出V-T定位算法,设计Zig Bee定位系统的数据通信,并通过实验验证该方案的效果。
1 高精度井下一维定位方案设计
矿井巷道可以认为是一种狭长、具有一维线性空间的特点,如图1所示。与其它短距离的室内定位相比,井下人员的运动轨迹较有规律。因此,根据这一特点可将井下人员在矿井巷道的运动视为点在直线的运动。同时,井下人员的作业主要集中在巷道两端,而巷道的中间区域主要是井下人员通向目的地的过道。基于以上两个特点,提出一种高精度井下人员定位方案,用以实现井下人员精确定位。
该方案将矿井巷道两基站间的区域划分为两个区域:近基站区域、远基站区域。由于RSSI定位算法在近距离里具有较高的定位精度,因此,拟在近基站区域采用RSSI定位算法来实现精确定位;对于远基站区域,则采用V-T定位算法,即通过井下人员运动的平均速度和时间来估计井下人员所在远基站区域的精确位置,其中井下人员运动平均速度在近基站区域中获取。
1.1 近基站区域定位算法
电磁波在传输过程中,接收信号强度指标(RSSI)与传输距离存在一种指数衰减的关系[11],可表示为:
式中,Pr为接收功率,单位为W;Pt为发射功率,单位也为W;d为传输距离;u为衰减系数。由式(1)可知,若已知基站的发射功率Pt和衰减系数u,通过测量未知节点的接收功率Pr,便可以算出未知节点距基站的距离d。但在实际应用中,由于不便测量基站的发射功率Pt,因此引进一个相对于发射基站的参考节点,以消除变量Pt,有参考节点公式:
式中,Pr0为此参考节点接收功率,单位为W;d0为相对于发射基站的参考节点的距离。
将式(1)比式(2):
将式(3)两边取对数,并将其写成分贝形式,即RSSI模型:
其中,PR是接收功率,单位为d Bm;PR0是相对发射基站的参考节点接收功率,单位为d Bm;d0是相对发射基站参考距离,出于计算方便和测量PR0的有效性考虑,取d0=1 m;u表示信道衰减系数,会随着环境的不同而变化,一般在自由空间中取2,有障碍物时u值会增大。同时,衰减系数u的值是通过设定基站位置和n个距基站不同距离的未知节点位置,并采集其未知节点的接收功率PR,通过一元线性回归所得,式(4)可以用以下矩阵式表示:
由式(4)可得RSSI测距公式如下:
由上式可知,通过测量未知节点的接收功率PR便可以算出未知节点距基站的距离d。而且,如果基站位置确定,由此可以确定井下人员在巷道中近基站区域的精确位置。
然而,通过式(7)测距时,由于接收功率PR受到环境影响较大,如:非视距、障碍物、硬件本身等因素,PR值不可避免存在一定的波动性。因此,本文用高斯滤波模型对PR值滤波,获取PR较为准确的值,然后再由式(7)进行计算。
高斯滤波模型数据处理的原理是通过窗口函数取出一个未知节点在同一位置可能收到的n个PR(i)(1≤i≤n)值。利用高斯模型选取高概率发生区间的PR(i)值,然后再取其几何均值PRa。这样减少了一些小概率、强干扰事件对测量未知节点接收功率的影响,增强了测距的准确性。
接收功率概率密度函数:
其中,μ为PR的真实均值,σ为PR的真实标准差,二者均为常数。测量的样本均值X,测量的样本标准差。由式(8),接收功率服从高斯分布。
高概率发生区间是通过区间估计法获取。根据实际经验,认为μ的置信水平为0.6的置信区间为接收功率的高概率发生区域。
由接收功率服从高斯分布,因此,在本文中将式(9)认为近似的服从标准正态分布。
按标准正态分布的上α分位点的定义:
因此,就可得到均值μ的一个置信水平为1-α的置信区间:
本文中设μ的置信水平为0.6,即式(11)中α=0.4,通过查标准正态分布表z0.2=0.845。因此,由该置信水平上的μ置信区间,可知PR的高概率发生区间,如下式所示:
通过式(12)筛选出高概率区间的PR(j)值,求其几何平均值PRa,并将其作为最终准确值,如下式所示:
式中,k为落在高概率区间PR(j)的个数。因此,将PRa代入式(7)中,则有高斯滤波模型的RSSI_GAUSS测距公式:
本文用式(14)对未知节点在近基站区域的测距,以减少环境因素的影响,提高定位精度,实现近基站区域精确定位。
1.2 远基站区域定位算法
由于无线信号在矿井的巷道中存在着多径效应、反射、障碍物等因素的影响,因此,RSSI_GAUSS测距的有效范围受到限制,只能用在较近区域测距。
为了增加定位的有效范围,将距基站A的h1m的周围虚拟地设为近基站A区域,同样,将距基站B的h1m的周围虚拟地设为近基站B区域;近基站A区域的右边界至近基站B区域的左边界虚拟地设为远基站区域,如图1所示。为了以下描述方便,假设未知节点从基站A向基站B的方向移动。在近基站区域,采用RSSI_GAUSS测距方法,同时上位机对井下人员在近基站区的运动进行计时,当从基站A至近基站A区域的右边界的距离h1的计时时间为t1s,因此,获取的井下人员的运动平均速度;在远基站区域,上位机对该人员从近基站A区域的右边界处重新计时,由计时时间t估计其在巷道远基站区距基站A的距离,如下式:
因此,本文通过式(15)来计算未知节点在远基站区域距基站的距离,并由此来确定该人员在远基站区域的精确位置。该算法的流程图如图2所示。
算法步骤:
Step1初始化,根据经验设定一个井下人员的默认速度Vdef,基站A至近基站区域的右边界处的距离h1m需要最短时间Tmin和最长时间Tmax。如果此h1m内所需时间t1大于最长时间Tmax,则该人员之前在近基站A区域内作业,而没有向前移动,如果h1m内所需时间t1小于最短时间Tmin,则可能是系统故障。在以上这两种情况下,系统将默认该人员速度Vdef;
Step2距离基站A连续n次的值都在±1m以内,将最后一次作为计时开始;
Step3距离基站A连续n次的值都在h1±1 m以内,将最后一次作为计时结束;
Step4判断h1m人员所需时间Tmin<t1<Tmax,若是,则根据h1m的距离和所需时间来获取平均速度v;否则,井下人员运动平均速度为默认速度Vdef;
Step5由式(15)估计人员所在巷道远基站区域的精确位置;
Step6由井下人员Zig Bee模块是否接收到信号,来判断人员是否在井下,若是,则转Step2;否则,结束循环。
1.3 Zig Bee定位的数据通信
本文采用基于Zig Bee的RSSI定位方式,而井下人员定位系统中基站和未知节点众多,因此能否实现基站与基站、基站与节点间的正常通信,并且排除基站、未知节点间的信号相互干扰是确保精确定位的关键。为了便于基站管理和通信,因此,本文Zig Bee定位系统中定位基站分为:主基站、从基站、未知节点构成了Zig Bee定位通信系统(如图3所示)。
在矿井巷道上,主、从基站相间布置,为了排除不同未知节点信号的相互干扰影响定位精度,定位基站与未知节点采取问答式通信方式:主基站按照未知节点ID号依次发出定位请求,未知节点接收到定位请求后采用广播的方式应答定位请求,然后主、从基站依次通过RS485总线将接收的未知节点信息上传到上位机中,上位机根据信息对未知节点进行定位和显示。
主基站的工作时序如图4所示。主基站的工作过程分为很多个周期,每个周期有n(n为未知节点个数)个时序,基站在每个时序里完成对某个未知节点的定位,每个时序又划分为4个时隙,时隙1基站向对应某个未知节点发出识别请求,时隙2再等待一段时间,然后时隙3接收数据,时隙4再上传接收到的数据至网关。但如果基站没有接收到对应未知节点的应答信号,则该时序中将没有“接收”和“上传”这两个时隙,而是直接进入下一时序,以缩短基站工作周期,提高基站识别和定位速度。
2 实验验证
2.1 近基站区域定位算法验证
实验的无线通信平台选择的是Zig Bee模块,模块芯片是TI公司的CC2430。无线通信基站和未知节点均采用的是相同的Zig Bee模块。实验场地选择了某矿井巷道。
在矿井巷道设置两个Zig Bee模块的基站分别是主基站A和从基站B,距离60m。测量未知节点距主基站A不同距离的多组接收功率值,表1是在设定多个距基站A的距离的前提下,分别对其不同距离的同一个点的15次测量,并通过高斯滤波处理。参考节点的接收功率PR0=-43.52 d Bm,通过一元线性回归的方法拟合出RSSI模型的参数u=1.792,u<2主要是巷道的墙面对电磁波的反射所致,将u=1.792代入式(14)可得:
图5是接收功率拟合曲线与接收功率的比较,从图5看出在10m以内,只有8m处的接收功率与拟合曲线偏差较大。
以上得到了RSSI_GAUSS测距公式中的参数u,表2是分别采用高斯滤波和均值滤波的定位误差。在6m和8m处误差较大。但在其它处定位的绝对误差较小,均在1m以内。因而,不影响近基站区域对井下人员的平均速度的获取。图6是接收功率PR分别采用均值滤波和高斯滤波后RSSI测距的绝对误差的比较。如图6所示,高斯模型对接收功率的滤波有效的减少了RSSI测距误差,最大绝对误差为2.45m。
表中,ds为实际设定距离,eav为均值滤波器滤波后的绝对误差,ega为高斯模型滤波后的绝对误差。
2.2 远基站区域算法验证
根据井下人员经验速度进行加权,以减少获取平均速度的误差。在远基站区域定位算法的仿真中,设定井下人员实际速度,该速度是由平均速度v和随机偏差σV组成,即,其中σV为[-0.1,0.1]的随机数,对应的距离dr=∫vr dt。假设在近基站区测量出的平均速度vm,对应的距离dm=∫vm dt。表3列出了几组典型测量平均速度。
图7显示了模拟人员实际运动距离和根据测量平均速度的定位距离。图8显示了根据估计平均速度计算的定位距离的定位误差,可以看出远基站区域定位误差±5m。
3 结语
本文以矿井巷道为对象,基于Zig Bee技术提出一种对近基站区域和远基站区域分别采用RSSI定位算法和V-T定位算法的定位方案。该方案不但将基于RSSI定位算法的Zig Bee定位系统的有效定位范围从10m扩展到60m,而且定位误差仅有5m。因此,本定位方案在井下人员定位领域具有很好的应用价值。
参考文献
[1]苟怡,郭海军.精确定位技术在煤矿井下的应用研究[J].中国煤炭,2010(8):73-75.
[2]郑召文,王刚,孙继平.基于RFID技术的井下人员实时管理系统[J].煤矿安全,2006(6):64-68.
[3]吴绍华,张乃通.室内信道环境下UWB精确测距研究[J].通信学报,2007,28(4):65-71.
[4]Zheng Jungang,Wu Chengdong,Chu Hao.Localization algorithm based on RSSI and distance geometry constrain for wireless sensor network[C]//Proceedings of the2010International Conference on Electrical and Control Engineering,Wuhan,China,2010.
[5]Tiwari S,Darraji R,Bassam S A.Practical result of wireless indoor po-sition estimation by using hybrid TDOA/RSS algorithm[C]//2010 IEEE23rd Canadian Conference on Electrical and Computer Engineer-ing,Calgary,Canada,2010.
[6]Haider S J,Choi T Y,Park J H.Enhanced ranging using adaptive filter of ZIGBEE RSSI and LQI measurement[C]//Proceedings of the10th International Conference on Information Integration and Web-based Ap-plications and Services,Linz,Austria,2008.
[7]朱明辉,张会清.基于RSSI的室内测距模型的研究[J].传感器与微系统,2010,29(8):19-22.
[8]黄强,鲁远祥,孙中闰.KJ90矿井人员定位及考勤管理系统的研制[J].矿业安全与环保,2004,31(5):13-17.
[9]肖竹,黑永强,于全,等.脉冲超宽带定位技术综述[J].中国科学,2009,39(10):1112-1124.
[10]方震,赵湛,郭鹏.基于RSSI测距分析[J].传感器学报,2007,20(11):2526-2530.
[11]Benkic K,Malajner M,Plancinsic P.Using RSSI value for distance esti-mation in Wireless sensor networks based on ZigBee[C]//Proceedings of IWSSIP2008-15th International Conference on Systems,Maribor,Slovenia,2008.
粗牛奶:精确定位不粗糙 篇2
粗牛奶是泰丰公司(化名)准备新推出的一个产品。顾名思义，它是由鲜牛奶加五谷杂粮制成，包括荞麦、燕麦、玉米及红豆。在新产品准备上市前期，泰丰公司做了详尽的市场调研工作，调研工作主要围绕两个主题展开：测试新产品概念和研究潜在目标消费者。调研地点选定了上海市，因为公司打算将新产品先在像上海这样的一线市场进行试销，如果获得成功的话，再进军经济发展水平较高的地级市。泰丰公司的管理层十分清楚，目前国内的牛奶消费重地是在城市，不仅消费牛奶的人口比率高，而且城市居民普遍存在杂粮摄入不足的情况。
正是在这种背景下，泰丰公司准备将粗牛奶推向市场。粗牛奶的价值在于它将牛奶作为五谷杂粮的载体。与纯牛奶相比较，粗牛奶除了具有纯牛奶的一切丰富营养成分外，还具备自己的特色：动物蛋白和植物蛋白合理搭配、低热量、高纤维素。
新产品概念测试
泰丰公司在上海对122名消费者开展了问卷调查，结果如下：
1、对粗牛奶名称的理解程度。究竟会有多少人能够理解粗牛奶的名称?如果大多数人不能理解这个名称，说明粗牛奶的起名过于冷僻、陌生，会影响到产品名称的传播，进而影响新产品上市后的销售。根据调查结果，73.0％的被试者能够对这个名称产生联想，只有27.0％的被试者面对这个产品名称时无法产生任何联想。这说明，粗牛奶的名称具备易传播的特性。
2、由粗牛奶名称引发的联想。粗牛奶的名称会引起人们哪些联想、是积极的联想占主导还是消极的联想占主流?调查结果显示，被试者总共联想到了侣种相关产品，联想比较集中的对象包括：粗粮、杂粮；牛奶；刚挤出来的牛奶；天然、新鲜等。
3、粗牛奶是一种怎样的牛奶。在被调查的122名消费者中间，能够回答出“粗牛奶”是一种怎样的牛奶的人占89.3％，无法回答的人占10.7％。所有的答案涉及16项内容，其中指向性比较集中的内容包括，未经深加工的牛奶；一般的牛奶；很新鲜、很有营养的牛奶；一种在牛奶中加入五谷杂粮的牛奶等。
4、粗牛奶的比较优势。根据被试者对粗牛奶的理解，在他们将粗牛奶与纯牛奶进行比较时，认为粗牛奶的优势会体现在哪些方面呢?有86.1％的被试者做出了回答，而只有13.9％的被试者无法对这个问题给出答案。在所有给出的答案中共涉及13项内容，居首位的是认为粗牛奶比较纯牛奶其营养价值更高、更全面；其次是认为粗牛奶具有天然、绿色、纯净的特点；再者是认为粗牛奶比起纯牛奶来它具备整肠健胃的功效。
5、粗牛奶提供的利益。我们将粗牛奶的功效定位于：能够促进肠道蠕动、预防和减轻便秘症状；降低胆固醇、防治心血管疾病；有利于控制体重。根据调查结果，76.0％的人认同这些功效；5.8％的人表示不同意：18.2％的人回答说不清。
6、潜在的替代品。被试者共列出了14种潜在替代品，排列前三位的分别是，早餐麦片、粗粮、早餐奶。
7、潜在的目标消费者。按年龄划分指标，潜在目标消费者的提及率排序为：老年人(40.9％)、中年人(26.1％)、儿童及青少年(21.8％)、青年人(11.3％)。
按健康症状指标，潜在目标消费者的提及率排序为：便秘者(31.5％)、高血脂、高血压、高血糖者(29.6％)、肥胖者(22.1％)、减肥者(16.9％)。
在这一步虽然理出了最主要的潜在目标消费者，但这只是一个轮廓，必须作进一步的勾勒，这就是泰丰公司要进行的第二个主题的市场调研：目标市场。
目标市场研究
粗牛奶所要针对的是已经在消费牛奶的群体，而且最有可能的是那些患有现代文明病的中老年牛奶使用者。这些人属于哪种类型消费者以及他们占据哪类市场?泰丰公司通过调研发现，根据消费观念与态度，国内的消费者可以分为五种类型：
1感性派。青少年、大学生以及工作不久的年轻人。
2象征派。35～50岁，家庭年收入在8万元以上，在企事业单位担任中高级管理和专业技术职位以及私营企业主、政府官员，在社会中处于上层和中上阶层。
3先锋派。5～34岁，大学本科，在企事业单位从事中低级管理和专业技术工作以及办事人员，在社会中处于中间阶层。
4现实派。35岁以上，高中文化程度，拥有中低级专业职称，蓝领阶层、个体户、企事业单位中低级管理者和专业技术人员、办事人员以及离退休人员，在社会中处于中间阶层。
5节俭派。蓝领阶层、个体户、农民工、退休人员，在社会中处于中下阶层。
泰丰公司对各个类型消费者的社会阶层分类与消费者主观社会地位评价基本一致，例如，现实派消费者就认为自己的经济地位、声望地位和权力地位处于社会中间层，只不过他们更加认同自己属于中等收入者。消费档次与经济收入之间的相关性最高，因此，现实派消费者是构成中端市场的主要群体。
泰丰公司管理层认为，粗牛奶的最主要目标消费者就是现实派群体，坚信选择现实派消费者作为目标市场，新产品成功的可能性更高，因为这个潜在目标市场对于泰丰公司来讲至少存在以下有利因素：
1现实派族群主要由中老年人构成，新产品的名称和配方成分对中老年群体有更大的吸引力。
2现实派消费者占据中档产品市场，在城市中这是最大一块细分市场，并且随着城市居民收入不断增长，低端市场规模会越来越小，而中高端市场发展空间则更加广阔。
3与现实派相对保守的消费态度相似，目前中档乳品市场上的产品创新也相当迟缓，一直以来以纯牛奶和高钙牛奶作为主导品类，鲜见以产品价值创新来细分市场的行动，虽然近年早餐奶和其他的调味型牛奶细分了中档市场，但它们的目标是儿童和青少年，对现实派群体的细分还尚未实质性展开。
4现实派消费者讲究实惠，他们更加关注的是产品价值和价格，这对于小公司来讲接近他们的难度会小许多。
5现实派消费者容易受促销活动影响而改变原来使用的品牌，而对小企业来讲实施长期或暂时性的促销活动比建立品牌更容易做到，因此，在引诱目标顾客尝试消费新产品上不会存在太大阻力。
产品定位
虽然泰丰公司已经明确了粗牛奶的概念，但还必须对新产品做精确化定位，在这一环节重点工作包括粗牛奶的主打口味、产品标准和包装形态等。在主打口味方面，由于粗牛奶添加了四种五谷杂粮，究竟以哪一种杂粮风味为主呢?在市场调查过程中，泰丰公司发现一些玉米风味牛奶的销
路并不畅通，关键是大多数消费者不太喜欢玉米风味。另外，麦片风味的产品也已经存在于市场中，虽然它主攻儿童和青少年市场，但风味的相同性会降低粗牛奶的差异化。于是，泰丰公司想以红豆沙作为主打风味，结果在产品口味测试中红豆沙风味得到大家的一致认同。同时，考虑到中老年人一般出于健康考虑限制糖的摄入量，而且他们中间的不少人患有糖尿病，是“忌糖族”。因此，如果粗牛奶中添加白砂糖的话，那么它将进入早餐奶市场，这将意味着粗牛奶的目标市场定位发生了转移。在认识到这一点后，泰丰公司管理层坚定地弃用白砂糖，保证产品的原汁原味。
制定产品策略涉及的第二个问题是粗牛奶的标准，在这个问题上企业内部也存在不少争论。因为粗牛奶的产品类型是灭菌调味乳，按照国家产品标准，调味型牛奶的蛋白质含量应达到2.3克/100ml，牛奶比例达到80％。然而，对潜在目标顾客进行口味测试时，发现有70％的被试者对牛奶香浓不满意。泰丰公司意识到，粗牛奶面对的是长期消费纯牛奶的群体，他们特别讲究牛奶香浓，并且以此评价产品质量的高低。因此，要想从长期消费纯牛奶群体中间进行分割，除了有独特成分和功能外，还必须具备纯牛奶的香浓，也就是说必须按照纯牛奶标准生产。泰丰公司决定将粗牛奶的蛋白质含量至少提高到2.9克/100ml，如果原奶质量和成本允许的话，将提高到3.1～3.3克/100ml。
产品策略中的再一个问题是选择包装。泰丰公司有三种包装可以选择：利乐包、利乐枕和百利包。如果选择百利包的话，那么粗牛奶将会面临这些问题：
1、虽然产品内容物档次不低，但包装档次低，会掉到低端市场，失去中档消费群体。
2、也不能吸引低端消费者，因为粗牛奶的成本和售价肯定高于百利包纯牛奶，对于低收入者来讲他们宁愿寻找更低价格的产品而不愿意多花一点钱来购买品质更好的产品。可以预料，粗牛奶的定位将会夹在中档市场和低端市场的中间。
因此，坚决不能选择百里包。那么，是否可以选择利乐包呢?粗牛奶可否选择利乐包关键看产品售价。经过成本计算，泰丰公司发现，如果选用利乐包的话，粗牛奶的售价将高于中档纯牛奶价格20％以上。因此，无法选用利乐包。
选择利乐枕是最佳途径。它的成本适中且是目前常温牛奶市场上最主流的包装形态。
产品策略的最后一个问题是提炼产品卖点。因为牛奶属于普通食品不能宣传治疗和保健功效，所以最初是从五谷杂粮的特点上提炼产品卖点，提出了“双蛋白、高膳食纤维，低热量”概念。此概念应该是很适当的，也比较迎合目标消费者的需求，但是泰丰公司管理层总觉得产品卖点还不够完整。还需要补充什么呢?在做产品口味测试过程中，经常有中老年人会问这样一个问题：它是纯牛奶吗?看来目标消费者对品类很在意，就算在牛奶中添加了其他东西，但不能改变纯牛奶性质，这个性质事实上体现在牛奶香浓方面。根据这一发现，泰丰公司认为粗牛奶按照纯牛奶标准生产的，完全可以明示这个特点，于是，就在原有基础上标注产品属性：“纯牛奶+五谷杂粮”。
价格定位
中小企业在给产品定价时总表现出朴素思维：低于竞争者。哪怕自己的产品有高于别人一截的品质也不敢将价格拔高一些。这种朴素思维是基于这样的认识：没有品牌号召力，无法获得渠道的倾力支持和消费者的高度认同，唯价格优势才有可能赢得各方的青睐。但是事实上，这样的思维以及操作方式并非对所有细分市场都适合。对于中档消费者来讲，最好的价格策略是一方面让他们感觉到产品价值，另一方面让他们得到便宜。那么，怎样让消费者感觉到产品的价值呢?概括起来有三点，一是产品卖点，二是产品包装，三是产品的日常售价。所谓的日常售价就是不做任何促销时的价格。在消费者处于“成本黑箱”状态中往往从日常售价来认识产品价值的，所以日常售价一定要表明产品的定位，反映出产品的价值。鉴于这个原则，泰丰公司决定将粗牛奶的日常售价比纯牛奶提高15％。为什么考虑增幅设定15％呢?这是因为：其一，表明粗牛奶的价值高于纯牛奶：其二，如前所述，现实派消费者具有顺着价格阶梯往上消费的能力和倾向，但是他们的往上消费能力是有限的，所以设定的提升高度允许他们轻轻一跳就可以触摸到的。根据市场调查，比较理想的价格提升幅度在15％～20％。因此，就算在没有促销活动的情况下，粗牛奶价格比纯牛奶贵15％，也可以凭借自身的价值吸引一部分消费者。新产品的日常售价增幅控制是一个非常关键的问题，虽然对于任何新产品来讲，在上市时期以及今后的销售过程都会采用特价或卖赠的促销活动，但在大多数情况下产品要靠日常售价销售，如果日常售价增幅不合理的话，就会出现一促就销、不促不销的状况，最终导致产品价值丧尽、价格定位失守的后果。
怎样让消费者感觉到自己占便宜了呢?变动价格，只有价格动起来了，消费者才有机会以较低价格买到价值较高的产品，才会产生占到便宜的感觉。当然，价格变动幅度愈大，愈能吸引消费者，但这避免不了造成资源浪费，也会对价格回复带来更大阻力。因此，需要确定一个合理向下变动的幅度。这个合理的变动幅度基于以下因素：
1、品牌因素，强势品牌的产品价格变动幅度小些，弱势品牌则需要大些。
2、价值因素，价值突出的产品其价格变动幅度小些，价值特点不太鲜明的产品则需要大些。
3、需求因素，需求旺盛的品类可以实施较小的价格变动幅度，非大众化产品则需要较大幅度的价格变化。
4、市场定位，中高端消费者更看重价值，不会一味寻求低价，所以定位中高档市场的产品可以实行较小幅度的价格变动，低端消费者一味追求低价，价格变动幅度愈大愈好。
粗牛奶价值独特、切入的是需求旺盛的主流产品市场、定位中端群体，唯一不足的是品牌力。鉴于这些特点，泰丰公司决定在粗牛奶上市期间以及今后销售过程将价格往下变化的最大幅度控制在15％，这意味着当价格探底时就与纯牛奶价格持平。从性价比角度分析，以纯牛奶价格向目标消费者提供更高价值，这种更高价值体现在产品功能多元化上。面对中高档市场，提升价值是改善性价比的核心路径。另外，还有一点很关键，即既使15％的价格探底，泰丰公司仍然赢得利润，这对于实力不强的企业来讲，避免了因费用不足而放弃新产品推广或推广难以为继的尴尬局面。
在市场调查的帮助下，泰丰公司对粗牛奶的各项主要营销要素作了精确定位，大家期待着在不久的将来粗牛奶正式上市销售时，这些精确定位会发挥应有的作用，同时也想让市场来检验这些定位是否真正的精确。
(文章编号：2091222，收藏请编辑短信AA加文章编号发送至106613886619)
精确人员定位 篇3
近年来,多种精确定位技术广泛应用于煤矿井下人员定位,大大提高了井下人员的人身安全。定位系统要完成对井下巷道工作人员的精确定位,精准的方向识别是其所必须具备的首要功能[1,2,3]。然而,现有的精确定位系统在对人员位置进行方向识别时,需要由2个基站相互协作才能完成方向判定, 因此,在每个精确定位区域内至少必须安装2个基站,这样会导致整个系统配置的基站较多。同时,煤矿井下恶劣环境不利于对每个基站进行近距离供电,大多采用由本质安全型电源进行远程供电。过多的基站配置需要更多的电源为其供电,增加了系统的安装成本和难度。
本文提出一种单基站方向识别技术,由单个基站通过一对定向天线分别在不同时间接收同一个工作人员发出的无线信号,根据2个天线接收到的信号强度(Received Signal Strength Indication,RSSI) 值的比较结果来判定工作人员所在位置的方向[4]。将这种单基站方向识别技术应用于煤矿井下精确人员定位系统,在不影响方向识别成功率的基础上,能减少基站及电源的配置数量,从而降低了整个系统的成本和施工难度。
1 单基站方向识别技术
对现有的精确人员定位基站进行如下改进:添加一个新的定位模块,并让其与基站中的一个天线相连接。改进后的基站结构如图1所示,采用一对前后比为20dB的定向天线进行信号收发,每个定向天线与一个定位模块相连,2个天线主瓣方向成180°,天线和定位模块均安装在基站内部[5]。
图1 改进后的精确人员定位基站结构
基站内的定位模块A和B采用不同的工作频点FA和FB,并分别与天线A和天线B相连。运用单基站进行方向识别的具体过程如下:1基站首先采用TOA(Time of Arrival,抵达时间)技术[6,7]分别测量出定位人员与基站定位模块A和B之间的距离D1和D2,由于D1和D2远大于定位模块A,B之间的间距,所以可认为D1与D2近似相等。基站可获取到其与定位人员的距离D=D1=D2。2在测距的同时,定位模块A和B分别计算出其接收到的测距信号的RSSI值为RA和RB,然后定位模块B将数据RB通过SPI总线发送给定位模块A,定位模块A对RA和RB进行比较。3最后,定位模块A根据RSSI值的比较 结果来判 断定位人 员的方向,并通过通信总线将已判断出方向的距离信息上传给地面控制站。由于定位基站位于狭窄的煤矿巷道,被定位的工作人员只能在基站的两侧,即2个方向:天线A的正前方和天线B的正前方。若RA> RB,由于天线A正向接收信号强度大于天线B的反向接收信号强度,可以判定定位人员在基站天线A的正前方;反之,则判定定位人员在基站天线B的正前方。
2 定位距离对 RSSI值的影响
要保证单基站对井下定位人员位置的方向判定的准确性,需满足如下条件:对于任意定位距离,基站中的一天线正向接收到的信号RSSI值始终都比另一天线反向接收到的信号RSSI值大。理论上前后比为20dB的定向天线正反向接收到同一信号的RSSI差值应为20dB·m,但在实际应用中,由于受到外界环境的影响,这个差值是存在波动的。
图2展示了定位人员在距离精确人员定位基站10,100,150m处静止时,基站中一天线正向接收到的信号RSSI值和另一天线反向接收到的信号RSSI值对比情况。由于无线信号传输具有不稳定性,所以实验中在同一定位距离进行了10次RSSI值测量,每次测量时间间隔为5s。
图2 10,100,150m 处定向天线正反向 RSSI值
从图2可以看出,在150m的定位范围内,对于同一定位距离,基站中一天线正向接收的信号RSSI值在大多数情况下都高于另一天线反向接收到的信号RSSI值,正向RSSI值比反向RSSI值约高15~ 20dB·m。但偶尔也存在正向和反向接收到的信号RSSI差值不明显的情况,如图2(c)所示,在时间为40s时,测得两者最小差值仅为3dB·m。如果考虑基站定向天线的差异性和环境干扰的偶然性, 在基站的最大覆盖半径150 m之内就不能保证天线正向的RSSI值一定明显高于反向的RSSI值,那么必然会存在无法判定方向的情况,因此,还需要通过方向识别滤波算法来解决该问题。
3 方向识别滤波算法
由于精确人员定位基站的微控制单 元 (Micro Control Unit,MCU)性能有限[8],同时MCU还需完成计算井下人员与基站的距离、定位模块同步、与地面中心站交互数据等功能,所以方向识别滤波算法不能过于复杂,否则会大幅度增加MCU的工作负荷,降低整个系统的性能。
从图2可以看出,出现天线反向RSSI值大于或等于正向RSSI值的概率很小,因此,设计了一种较为简单的方向识别滤波算法。假定根据第n次测得的天线正反向RSSI值判定出的定位人员位置所在方向用Sn表示,前2次判定的方向表示为Sn-1和Sn-2,而滤波后的方向用S′表示,则滤波过程如下: If Sn-1=Sn-2≠Sn,则S′=Sn-1,Else S′=Sn。
4 实验分析
在模拟煤矿井下环境的实验巷道中搭建相应的测试平台,如图3所示。
图3 测试平台
将定位人员从-150m处向150m处移动称为正向移动,从150m处向-150m处移动称为反向移动。定位人员平均移动速度为2 m/s,定位基站每隔5s采集一次定位人员的距离及方向数据。
图4显示了定位人员正向移动时,基站使用滤波算法前和使用滤波算法后分别获取的定位人员移动轨迹。从图4可以看出,在定位人员正向移动过程中出现2次方向误判的情况,分别在-120,41m处。采用滤波算法后,这2次方向误判数据均得到修正。
图4 基站测得的定位人员正向移动轨迹
图5显示了定位人员反向移动时,基站使用滤波算法前和使用滤波算法后获取的定位人员移动轨迹。从图5可以看出,在定位人员反向移动过程中出现3次方向误判的情况,分别在89,19,-139 m处。采用滤波算法后,这3次方向误判数据均得到修正。
图5 基站测得的定位人员反向移动轨迹
从图4和图5可看出,结合滤波算法的单基站方向识别技术可以对井下人员所在位置的方向进行有效识别,并可纠正偶尔出现的方向误判情况。
5 结语
模糊图像边缘精确定位的滤波算法 篇4
关键词：边缘检测； 模糊检测； 图像处理； 图像滤波
中图分类号： TN 911.73 文献标志码： A doi： 10.3969/j.issn.1005-5630.2015.01.011
Abstract：Edge is one of the most fundamental and significant features in an image. In practical applications， the acquired images are often blurred due to de-focus and the inherent noise of the imaging sensor. Consequently， the image edge cannot be accurately located by automatic location algorithms. Based on the edge detection theory and the theoretical model of image blurness， this paper presents both spatial domain and frequency domain image filters for reducing noise effects on blurred image edge detection. The experimental results show that all the presented filters can be of some help to the blurred image edge detection. Especially， frequency domain low-pass filter method is shown to have the best effect in accurately detecting the blurred edge position.
Keywords：edge detection； blur detection； image processing； image filtering
引 言
图像的边缘是指图像中灰度值发生急剧变化的区域边界的像素的集合，是图像最基本的特征。边缘提取对于进行高层次的特征提取、特征描述、目标识别和图像理解等有着重大的影响。边缘往往携带着图像的大部分信息，这些边缘点能够给出目标轮廓的具体位置，是形状检测的基础，同时也是图像分割所依赖的重要依据[1]。边缘检测定位技术作为数字图像处理中重要的一部分，已经广泛应用于图像分割[2]、运动检测[3]、目标跟踪、人脸识别[4]等领域。在工业方面，边缘检测技术应用于在线检验工业产品的质量，例如产品表面是否有缺陷、零件的尺寸是否达标等[5]。
常规边缘定位算法一般都利用图像边缘的灰度梯度进行判别，如canny算子等。但是，这些算法有效的前提是边缘图像具有足够的清晰度。实际图像获取过程中，由于离焦或者光照不足等原因，经常出现图像边缘模糊的情况。离焦会降低图像质量，比如造成高频分量的衰减或丢失，再加上图像传感器对图像产生的噪声，两者混合的影响会导致对图像边缘信息分析的误差[6]。如何对这些模糊边缘图像进行精确边缘定位在很多应用中是进行精确几何和位移测量的关键。
本文分析了光学系统离焦和图像传感器噪声源，在此基础上建立模糊边缘图像的理论模型，对多种常规滤波去噪算法进行了比较分析，并提出一种基于频域的去模糊算法。利用各种模糊边缘滤波复原算法对实验装置所提取的离焦模糊图像进行处理，以解决模糊图像边缘定位的精度问题。
1 清晰和模糊边缘图像理论模型
1.1 清晰边缘理论模型
边缘是局部图像中灰度的急剧变化且变化不连续的部分，过渡区域像素数较少。主要存在于物体与物体、物体与背景、区域与区域之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。
理想阶跃边缘模型[7]及其定位方法如图1（a）和（b）所示，阶跃边缘点周围的图像灰度值表现为一维阶跃函数，边缘点位于图像灰度的跳变处，其一阶方向导数在边缘点处为极值点，二阶方向导数在边缘点处为零值点。
1.2 模糊边缘理论模型
在实际应用中，图像采集容易受到成像系统像差、景深、离焦或者弱光照等因素的影响，此时边缘图像就会退化为模糊边缘，应用上述边缘定位算法将会导致边缘定位误差。边缘图像模糊的一般模型如图2所示。
边缘图像模糊过程可以被模型化，成为一个光学系统传递函数和一个加性噪声项。图2中，原始图像经过了传递函数后再附加一个加性噪声项，产生了模糊的图像。如果传递函数是一个线性、位置不变性的，那么在空间域中模糊图像可以表示为[8]
一般而言，当获取到模糊图像时，总希望可以消除模糊的影响，同时保留所需要的边缘信息[9]。对于接收到的模糊边缘图像必须要进行去噪处理，以达到图像复原的目的。光学成像系统的像差和图像传感器自身产生的噪声是导致图像边缘模糊的主要原因。
1.3 影响图像模糊的因素
图像传感器的输出信号是空间采样的离散模拟信号，其中夹杂着各种噪声和干扰。图像传感器中存在几种主要噪声：光子噪声、散粒噪声、转移噪声、暗电流噪声和复位噪声[10]。可以看出在输出数字图像的过程中，噪声会给输出的数字图像随机添加幅值偏差。尤其是在弱光照情况下图像噪声影响更加明显，而这在边缘图像中一般都包含光照较弱的暗区域。完全消除图像噪声是不现实的，如果通过去噪的手段，可以消除图像噪声对于模糊边缘定位的影响，则该去噪方法是成功的。
nlc202309021303
当光学成像系统各种像差较大时，像点将表现为弥散圆，导致边缘图像模糊。此外，光学成像系统都存在一个景深范围，当被测物超出了光学系统景深范围时，就会发生图像的离焦模糊，导致像点扩散成一个弥散圆。即使光学成像系统经过优化设计，离焦模糊在实际视觉测量中仍然经常发生。阶跃型边缘由低灰度值（暗区域）和高灰度值像素（明区域）共同构成。当发生成像模糊时，边缘成像模糊造成了边缘图像从暗区域到明区域的过渡区域加宽，此时，图像噪声就会叠加在此过渡区域，对边缘精确定位造成困难。
2 模糊边缘图像定位滤波算法
利用模糊边缘图像进行精确定位时，首先可应用图像锐化算法来复原边缘，比如基于一阶微分的梯度法和基于二阶微分的拉普拉斯算子[11]等；但是，通过实验发现图像锐化算法并不能复原出清晰边缘，而且容易产生附加噪声，这是由于噪声影响过大，边缘信息和噪声信息相互叠加形成的。例如，使用拉普拉斯算子对一幅模糊边缘图像进行锐化处理结果如图3所示，由于二阶微分对于孤立的噪声点有很强的响应，可以看出图中有较多响应点（白点），以致其与边缘点相互干扰，无法提取边缘点的精确位置。
图像解卷积方法经常被用于复原模糊边缘图像[12]成清晰边缘图像，但此方法往往需要获取正确的光学成像系统点扩散函数，这在很多实际应用场合难以满足。如果只知道成像系统部分信息甚至没有任何信息的情况下估计真实图像的点扩散函数（PSF），这一过程称为图像盲解卷积。对于模糊图像，不易检测其PSF，因此模糊图像的盲复原一直是个棘手的问题[13]。比如，在实际视觉几何测量应用中，由于零件实际形状变化边缘离焦模糊很常见，而不同离焦量对应的解卷积参数往往难以获取，因此利用解卷积算法复原模糊边缘图像也存在实际困难。
模糊边缘是由边缘模糊和图像噪声的共同影响成的。在边缘模糊难以复原成清晰边缘的情况下，实际上，如果能够对模糊边缘进行去噪声，也就能进行精确的边缘定位。因此，从模糊图像提取边缘点需要一种简单易实现的方法来去除噪声，基于上述分析，最终采用滤波方式来完成模糊边缘定位。
图像滤波可以分为空间域和频域滤波两大类。它们之间的纽带就是傅里叶变换。常见空间域滤波如表1所示，空间域滤波方法是对像素本身进行直接处理。相应地，可以通过傅里叶变换来建立频率分量和图像空间特征之间的联系。表2描述了频域滤波方法的几种常见形式[14]。
表2中D0是频域滤波器截止频率的范围，D（u，v）是（u，v）点距离频率中心的距离，即对于低通滤波器，当D（u，v）的值小于D0的值时，则该点将被通过。被低通滤波的图像比原始图像少一些尖锐的细节部分。同样，被高通滤波的图像在平滑区域将少一些灰度级的变化，但突出了边缘灰度级的细节部分。模糊边缘由于图像噪声的存在导致边缘定位不准确，而图像噪声常常属于图像的高频成分，采用低通滤波器可以达到去除图像噪声目的。
低通滤波器截止频率的选取：选定的图像传感器像素尺寸为α，则图像传感器的奈奎斯特频率为fx12α。通过实验发现，当取0.1倍奈奎斯特频率作为滤波器的截止频率时，会由于截止频率选取过大导致噪声去除不够；而当取0.01倍奈奎斯特频率时，则会由于截止频率选取过小导致边缘信息过多丢失，图像被过度平滑。所以，最终选取了0.05倍奈奎斯特频率，效果最佳。
3 实验及分析
3.1 实验平台
为了验证上文提出的去噪算法的优劣，搭建了一个实验装置如图4所示：光源采用一个LED点光源，经过透镜后形成准直背光源，照射一个圆柱零件的一边，此边缘图像经过一个远心镜头成像于图像传感器上。图像传感器选择面阵CCD相机，感光区域为5.6 mm×4.2 mm、像素数为2 560×1 920、像素大小为2.2 μm×2.2 μm。微位移器使用了步进电机，通过使用步进电机来等量的横向移动被测物，保证了边缘像素点变化的线性度。光学成像系统使用设计倍率为2×、工作距为65 mm的高精度物方远心物镜，以获得低畸变待测边缘的图像，并且由于物方远心物镜的自身特性，主光线平行于物方光轴，减少了因物体沿光轴移动而带来的测量误差，从而提高了成像几何测量精度[15]。此物镜的景深范围是2.2 mm，因此，被测物在测量过程中很容易产生离焦模糊。
3.2 实验步骤
依据图4的实验装置原理搭载了边缘定位系统，获取圆柱边缘图像，利用边缘定位算法确定被测物的边缘位置。通过使用步进电机来等步距的横向平移被测物，采集到CCD相机输出的图像数据，使用边缘图像算法计算出每两次平移的偏移值，再通过偏移值来评价各种去噪算法效果的高低。首先在最佳工作距65 mm的地方测试，此时得到CCD相机输出的清晰边缘图像如图5（a）所示。接着通过横向移动9次步进电机来测试边缘定位精度，并且每一次位移量都相同。通过随机选取图5（a）中的一行，计算一阶导数的极值点像素坐标，来求得边缘像素点的位置，得到如图5（b）的边缘位移测量结果。可以看出此时线性度非常好，在线性拟合后求得误差标准差（RMSE）为1.136 μm。这是由于对焦准确，边缘图像过渡清晰。因为需要判定各种滤波算法的优劣，于是将被测物沿轴向平移1 mm，被测边缘将由于超出镜头景深范围而产生离焦模糊，CCD相机输出的模糊边缘图像如图6（a）所示。在此离焦状态下，同样应用步进电机9次横向等步距移动被测物体边缘，得到一系列模糊边缘图像。取其中某一行的灰度分布如图6（b）所示，可以明显看到边缘区域的像素范围跨度较大，约包含70个像素点，并且这些像素点灰度值抖动严重。这是由于离焦产生的模糊和CCD添加的噪声相互影响，导致一阶求导取极值的算法难以准确反映边缘位置，如图6（c）所示。
所以依次使用了算数均值滤波器（9*9）、几何均值滤波器（9*9）、谐波均值滤波器（9*9）、逆谐波均值滤波器（9*9，Q=1.5）、逆谐波均值滤波器（9*9，Q=-2）、阿尔法均值滤波器（9*9，D=10）和高斯型低通滤波器共7种来达到消除离焦和噪声的影响，进而得到模糊图像的边缘点定位。
nlc202309021303
3.3 实验结果及分析
通过使用上述7种滤波算法进行模糊图像去噪声处理，再利用一阶导数求极值点的算法来确定图像边缘，计算边缘像素点的位移量。计算结果如图7（a）和（b）所示。从图中可以看出，经过滤波处理后，模糊图像的边缘点提取有了一定精度，各种算法结果对于边缘点的位移量都呈现了一定的线性度。对比图像可以看出，频域类型的低通滤波对于边缘点提取效果较明显。但是对于各种算法的优劣，还没有更直观的判断。所以，通过计算其误差标准差（RMSE）来直观地判别算法的优劣，实验结果如图8所示。
通过图8可以明显看出不同滤波方法在边缘定位精密度上的优劣。第3种和第5种滤波器的效果最差，而低通滤波器的效果明显优于空间域滤波器。造成这种结果的原因分析如下：（1）空间域滤波和频域滤波对于噪声的滤除效果各不相同，而且频域滤波适应性更出色。如果CCD相机拍摄的图像是在低照度情况下获得，此时输出的图像较于正常光照条件下获得的图像，受到噪声的干扰更显著即灰度值的变化更剧烈。在这种条件下，CCD相机的各类噪声对于图像的影响将更加显著，尤其暗噪声和随机噪声对于实验结果的图像有较大影响，它们会对边缘点的灰度值产生空间非均匀分布的噪声干扰。空间域滤波方法大部分只是对一些随机的脉冲噪声或者椒盐噪声有效果。通过图7中空间滤波器的结果可以看出，它们的线性度没有低通滤波的好就是因为它们无法有效滤除暗噪声和随机噪声，所以此时低通滤波器效果比空间域滤波器更好。（2）空间域滤波和频域滤波对于离焦的反馈各不相同，经过空间域滤波后的边缘区域比频域滤波的更宽。由于成像物镜的离焦所形成的像差会降低CCD相机拍摄到的图片质量，由图6（a）和（b）可以看出，输出的图像模糊并且边缘区域即明暗过渡区域加宽。这种情况下，使用空间域滤波后得到的边缘区域即明暗区域像素范围较大，相反使用频域滤波则区域范围更小。因此使用频域滤波得到的边缘定位有更高的精度，效果更好。
4 结 论
本文重点讨论了由于光学系统离焦和图像传感器噪声造成的模糊边缘的定位滤波算法。传统的一阶求导提取边缘点自动定位算法，只能处理理想工作距处获取的清晰边缘图像，而对由于噪声和离焦导致的模糊图像边缘定位常常失效。本文通过对模糊边缘的理论分析，提出采用各种滤波方法进行图像去噪边缘定位，并进行了空域和频域的各种滤波算法的对比实验。理论分析和测试实验结果表明，各种滤波方法对于模糊图像边缘点的提取都有改善效果，其中频域低通滤波方法具有最佳的效果，适用于离焦模糊边缘的快速高精度定位。
参考文献：
[1] 董鸿燕.边缘检测的若干技术研究[D].湖南：国防科学技术大学，2008.
[2] BELLON O，SILVA L.New improvements to range image segmentation by edge detection[J].IEEE Signal Processing Letters，2002，9（2）：43-45.
[3] SPACEK L A.Edge detection and motion detection[J].Image and Vision Computing，1986，4（1）：43-56.
[4] GAO Y S，LEUNG M K H.Face recognition using line edge map[J].IEEE Transactions on pattern Analysis and Machine Intelligence，2002，24（6）：764-779.
[5] 王廷，戴曙光.基于边缘的模板匹配在零件检测中的应用[J].光学仪器，2009，31（5）：18-23.
[6] 王正友，伍世虔，徐升华，等.一种离焦模糊图像客观检测的新方法[J].中国图象图形学报，2007，12（6）：1008-1013.
[7] 段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，2005，31（3）：415-419.
[8] 吴锡，刘子骥.非线性图像复原算法的研究[J].国外电子测量技术，2006（7）：43-45.
[9] 康牧.图像处理中几个关键算法的研究[D].西安：西安电子科技大学，2009.
[10] 许秀贞，李自田，薛利军.CCD噪声分析及处理技术[J].红外与激光工程，2004，33（4）：343-346.
[11] 孙英慧，蒲东兵.基于拉普拉斯算子的边缘检测研究[J].长春师范学院学报，2009，28（6）：4-6.
[12] 赵文倩，饶长辉，耿则勋.基于目标和点扩展函数联合估计的点源目标图像近视解卷积[J].光学学报，2007，27（1）：52-57.
[13] 丁左红，郭汉明，高秀敏，等.盲复原高斯模糊图像[J].光学仪器，2011，33（1）：38-41.
[14] 杨帆.图像增强算法研究[D].武汉：武汉科技大学，2011.
[15] 王向军，王风华，周鑫玲.物像远心成像光路在高精度视觉检测中的应用[J].测试技术学报，1998，12（3）：149-154.
（编辑：程爱婕）
精确定位病灶快速解决疼痛难题 篇5
不管你是否懂医, 不管你是否有经验, 你都可以利用一套不为人知的营销方法和策略, 加上我们技术和产品独特的功效, 仅用一年时间, 就能实现10 万-100 万的盈利, 任何人都可以做到。
头颈肩腰腿痛等50 余种同类病是一种最折磨人, 最常见的慢性疾病。 每天这一类患者占到医院看病总人数的20%到30%, 还有大约40%这类疾病的患者要到药店买药治病。
目前在国内外医院治疗此病一般都是用手术、化学药物、封闭、激素、抗风湿等止疼药的治疗方法。 更多的门诊理疗店都采用针灸、推拿、小针刀、埋线和各种膏药外敷药进行治疗。 五花八门, 都是用上痛减, 不用照疼, 是治标不治本的, 这样既会给广大患者造成很大的身体伤害, 还会让患者承受很大的经济损失。 您求告无门, 失去信心时, 不妨来我处免费查找病灶, 并且免费体验, 再进行下一步治疗, 以免除您上当受骗的恐慌。 我的治疗方法是不用打针吃药, 更不用手术, 也不是牵引、针灸、火疗, 而是一种自己研发的最新技术———“体外韧带松解分离术”, 不用破坏皮肤, 没有任何副作用, 其特色能查找病灶准确到黄豆粒大小, 并且能把骨内的风湿排出体外。 一般的颈椎、肩周、腰间盘突出、腿肿疼一次见效, 我说的大家也许不信, 不信就对了, 因为新东西大家都没有见过! 你们相信的都已经不管用了, 不妨来试下不相信的!
针对:顽固性的想做手术的颈椎病、肩周炎、腰间盘突出、关节积水、股骨头坏死、强直性脊椎炎特效。希望这个消息能给大家带来好运, 能让患者早日康复!
王先生, 53 岁, 诸城市枳沟镇杨村人。 患者是开三轮时突然就不能走路了, 来我处理疗时, 左胯左大腿已经疼痛半个月, 左腿不能往前打弯, 不能趴下睡觉, 只能侧身直着腿睡。 我们用体外韧带松解分离术理疗5 次时就能趴平了, 总共做了10 次即痊愈, 后来电话回访没有再犯。
2014 年三月份, 济宁市古槐街50 多岁女士, 腰间盘突出, 双膝盖疼痛蹲下起不来, 已有4-5 年病史, 曾经扎针、吃药、贴膏药不见效果。 经过检测和治疗18 余次后, 至今症状没有再出现。
特效针对顽固性颈肩腰腿疼痛、风湿骨病调理, 当场见效且远期疗效极好:
1.针对疑难性颈椎病一次当场见效! 三到五次症状明显减轻, 免除手术伤害!
2.腰突一次当场见效! 三到五次弯腰翻身不受限制, 10 次可免除手术伤害。
3.骨刺、滑膜炎当场见效! 不能打弯的能打弯, 10 次可免除手术伤害。
所以只要掌握了体外韧带分离术。 你就是疼痛患者的福音和守护神。
效果只是你选择我们的开始, 我们为您准备了99%, 您只需要1 心照做。
培训费1880 元.
欢迎体验, 加入我们的平台。
给患者希望, 给医者奇技, 给创业者技能!
1.许多人辛苦一辈子, 往往会落下一些劳损疾痛。风湿寒痛, 轻则常伴有周身乏力, 浑身酸痛;重的如:风湿痛、颈椎痛、腰椎痛、肌肉痛……甚至卧床不起。 疼痛已成为折磨人类的第一杀手, 帮助他人战胜疼痛病是天下最大的爱心与善举。
2. 运用燊爱生命再造系列产品和体外韧带松解分离术可以承诺战胜疼痛病, 通过你的举手之劳, 一可以让自己和家人获得健康和长寿, 二可以获得丰厚的爱心奖励, 爱心传递可以成为你终生的事业。
3. 按照国家规定, 我们实行3 级奖励, 一级奖励25%, 二级奖励10%, 三级奖励5%。如果你完成直接传递10 人, 每人每月消费一千元, 你可每月得到2500 元的爱心奖励。 如果10 个如能每人再传递10 个人, 你每月可获得一万元的奖励。 两级奖励合计12500 元。 以此类推……到三级奖励的更多。
如果你每月完成销售额达到15000 元, 我们会在给你特别爱心奖1000 元。 以此类推。
4. 首次购买燊爱生命再造系列产品, 我们都会赠送同类试用品, 试用赠品后效果不满意, 无条件全额退款。
我自信我们的产品和制度, 您自信您的判断能力和眼光, 请您用谨慎的态度、敏锐的眼光、理性的思维、超前的意识, 在诚信的文字中谋求您的生活和成功的机遇!
学习内容: (1) .传授给您书本上学不到的从未流传到民间的2 分钟快速拨筋, 正骨手法
(2) .不需要学习中医理论, 都是历代传承人按口诀, 口传手授, 真传句话, 操作简单易学, 治疗每个疼痛处只需2 分钟, 就能达到立竿见影的效果。
(3) . 无需医学功底, 让您学会风湿骨病的、颈肩腰腿疼的全套技术, 成为当地治疗颈肩腰腿疼的名医神手,
(4) .店里怎么上人, 让他们排队看病, 理疗, 一个星期达到每天50 人以上,
(5) .怎么把这些人转变成为我们的病号, 让他们在我们店里进行治疗或理疗等
电缆故障查找方法及精确定位 篇6
随着城市建设的发展, 电力电缆输电线路不断延伸与扩展, 同时在市区原有架空输电线路逐步由电缆取代更新, 所以供电网络中电力电缆所占的分量越来越重, 数量也日益增多。与此同时, 电缆本身随运行时间累计增加, 带来绝缘老化、受潮腐蚀及外力损伤的概率也增多, 导致电力电缆运行中故障次数增加, 给工农业生产和民生造成重大损失和不安全局面, 所以, 一方面要防患于未然, 采取积极的组织措施和技术措施来保证电缆的正常运行, 另一方面, 一旦发生电缆运行事故, 能迅速寻找出故障点及时处理, 消除故障, 恢复正常供电, 尽可能将事故损失减少至最低。
1 电缆故障的成因及性质
造成电缆故障的原因主要有以下几种: (1) 外力损伤。电缆的很多故障是由于敷设安装时造成的机械损伤或敷设后在电缆线路上施工造成的外力损伤而直接引起的。有时虽然损伤轻微, 但在几个月甚至几年后其损伤部位的绝缘将逐渐降低而导致击穿。 (2) 绝缘受潮。附件密封不良或本体有小孔及电缆长期在潮湿的环境中运行导致电缆绝缘层受潮, 电缆绝缘性能降低。 (3) 长期过负荷运行。由于过负荷运行, 电缆的温度会随之升高, 尤其在炎热的夏季, 电缆的温升常常导致电缆薄弱处和对接头处首先被击穿。 (4) 制造质量、设计质量、施工质量不符合标准。设计和制作工艺不良, 不按规程要求制作, 也往往是形成电缆故障的重要原因。 (5) 化学腐蚀导致电缆故障。电缆保护层受地下酸碱腐蚀而导致绝缘被破坏。
电缆故障性质主要有: (1) 低阻接地故障。 (2) 高阻接地故障。 (3) 短路故障。 (4) 断线故障。 (5) 混合故障。
2 电缆故障查找方法
根据仪器和设备的测试原理, 电缆故障初测可分为电桥法和脉冲法两大类。
2.1 电桥法
用直流单桥测量电缆故障是测试方法中最早的一种, 目前仍广泛应用。尤其在较短电缆的故障测试中, 其准确度仍是最高的。电桥法适用于低阻单相接地和两相短路故障的测量。
1) 单相接地故障的测量
测试单相接地故障接线如图1所示。
若电缆长度为L, 故障点距离起始端距离为LX, 则当电桥平衡时, 有:
2) 两相短路故障的测量
基本上和测量单相接地故障一样, 所不同之处就是利用两短路相中的一相作为单相接地故障中的地线, 以接通电桥的电源回路。其测量方法和计算方法与单相接地故障完全相同。
2.2 脉冲法
脉冲法是应用行波信号进行电缆故障测距的测试方法, 分为低压脉冲法、闪络法、二次脉冲法。
1) 测试原理
在测试时, 从测试端向电缆中输入一个脉冲行波信号, 该信号沿着电缆传播, 当遇到电缆中的阻抗不匹配点 (如开路点、短路点、低阻故障点和接头点等) 时会产生波反射, 反射波将传回测试端, 被仪器记录下来。假设从仪器发射出脉冲信号到仪器接收到反射脉冲信号的时间差为Δt, 也就是脉冲信号从测试端到阻抗不匹配点往返一次的时间为Δt, 如果已知脉冲行波在电缆中传播的速度是v, 那么根据公式L=vΔt/2即可计算出阻抗不匹配点距测试端的距离L的数值。
行波在电缆中传播的速度v, 简称为波速度。分析表明波速度只与电缆的绝缘介质材料有关, 而与电缆线径、线芯材料以及绝缘厚度等几乎无关。油浸纸绝缘电缆的波速度一般为160 m/μs, 而对于交联电缆, 其波速度一般在170～172 m/μs之间。
2) 低压脉冲法
低压脉冲法主要用于测量电缆断线、短路和低阻接地故障的距离, 同时还可用于测量电缆的长度、波速度和识别定位电缆的中间头、T形接头与终端头等。
3) 闪络法
对于闪络性故障和高阻故障, 采用闪络法测量电缆故障, 可以不必经过烧穿过程而直接用电缆故障闪络测试仪进行测量, 从而缩短了电缆故障的测量时间。其基本原理和低压脉冲法相似, 也是利用电波在电缆内传播时在故障点产生反射的原理, 记录下电波在故障电缆测试端和故障之间往返一次的时间, 再根据波速来计算电缆故障点位置。由于电缆的故障电阻很高, 低压脉冲不可能在故障点产生反射, 因此在电缆上加上一直流高压 (或冲击高压) , 使故障点放电而形成一突跳电压波, 此突跳电压波在电缆测试端和故障点之间来回反射。用闪络测试仪记录下两次反射波之间的时间, 用L=vΔt/2这一公式来计算故障点位置。
4) 二次脉冲法
二次脉冲法是近几年来出现的比较先进的一种测试方法, 其基本原理是:通过高压发生器给存在高阻或闪络性故障的电缆施加高压脉冲, 使故障点出现弧光放电, 由于弧光电阻很小, 在燃弧期间原本高阻或闪络性的故障就变成了低阻短路故障。此时, 通过耦合装置向故障电缆中注入一个低压脉冲信号, 记录下此时的低压脉冲反射波形 (称为带电弧波形) , 则可明显地观察到故障点的低阻反射脉冲;在故障电弧熄灭后, 再向故障电缆中注入一个低压脉冲信号, 记录下此时的低压脉冲反射波形 (称为无电弧波形) 。此时因故障电阻恢复为高阻, 低压脉冲信号在故障点没有反射或反射很小。把带电弧波形和无电弧波形进行比较, 两个波形在相应的故障点位上将明显不同, 波形的明显分歧点离测试端的距离就是故障距离, 如图2所示。
3 电缆故障精确定点
电缆故障的精确定点是故障探测的重要环节, 目前比较常用的方法是冲击放电声测法、声磁信号同步接收定点法、跨步电压法及主要用于低阻故障定点的音频感应法。
3.1 冲击放电声测法
冲击放电声测法是利用直流高压试验设备向电容器充电、储能, 当电压达到某一数值时, 球间隙击穿, 高压试验设备和电容器上的能量经球间隙向电缆故障点放电, 产生机械振动声波, 用入耳的听觉予以区别。声波的强弱决定于击穿放电时的能量。能量较大的放电, 可以在地坪表面辨别, 能量小的就需要用灵敏度较高的拾音器 (或“听棒”) 沿初测确定的范围加以辨认。
3.2 声磁信号同步接收定点法
声磁信号同步接收定点法 (简称声磁同步法) 的基本原理是:向电缆施加冲击直流高压使故障点放电, 在放电瞬间电缆金属护套与大地构成的回路中形成感应环流, 从而在电缆周围产生脉冲磁场。应用感应接收仪器接收脉冲磁场信号和从故障点发出的放电信号。仪器根据探头检测到的声、磁两种信号时间间隔为最小的点即为故障点。声磁同步检测法提高了抗振动噪声干扰的能力, 通过检测接收到的磁声信号的时间差, 可估计故障点距离探头的位置。比较在电缆两侧接收到脉冲磁场的初始极性, 亦可在进行故障定点的同时寻找电缆路径。这种方法定点的最大优点是, 在故障点放电时, 仪器有一个明确直观的指示, 从而易于排除环境干扰, 同时这种方法定点的精度较高, 信号易于理解、辨别。
3.3 跨步电压法
通过向故障相和大地之间加入一个直流高压脉冲信号, 在故障点附近用电压表检测放电时两点间跨步电压突变的大小和方向, 来找到故障点方法。这种方法的优点是可以指示故障点的方向, 对测试人员的指导性较强;但此方法只能查找直埋电缆外皮破损的开放性故障, 不适用于查找封闭性的故障或非直埋电缆的故障。
3.4 音频信号法
音频信号法主要是用来探测电缆的路径走向。在电缆两相间或者相和金属护层之间 (在对端短路的情况下) 加入一个音频电流信号, 用音频信号接收器接收这个音频电流产生的音频磁场信号, 就能找出电缆的敷设路径;在电缆中间有金属性短路故障时, 对端就不需要短路, 在发生金属性短路的两者之间加入音频电流信号后, 音频信号接收器在故障点正上方接收到的信号会突然增强, 过了故障点后信号会明显减弱或者消失, 从而找到故障点。这种方法主要用于查找金属性短路故障或距离比较近的开路故障的故障点, 对于故障电阻大的短路故障或距离比较远的开路故障则不适用。
4 典型事例
2011年6月11日苏州高新区某电缆出现故障, 电缆型号为10 k V交联聚乙烯电缆, 电缆长度950 m。
到达现场后先将电缆两端解开, 进行绝缘电阻试验, 得到数据为AB、BC、CA相间绝缘电阻均为10 GΩ, A、B相线芯对地绝缘电阻为10 GΩ, C相线芯对地绝缘电阻为500Ω。
经过判定为C相高阻接地故障, 所以选用二次脉冲法和声磁同步法进行电缆故障查找。
在故障电缆的一端利用二次脉冲法对其进行故障初定位, 得到波形如图3所示, 因此判断故障点应在距离电缆起始端196 m附近。
在该故障电缆距离起点的185～205 m处利用声磁同步法进行精确定点, 发现在198 m处声磁时间差值最小且耳机放电声音最大, 于是在此处开挖, 并找到电缆故障点, 确认为电缆上方工地挖掘机施工时损坏电缆外绝缘所致。
使用表格定位法精确设置公文格式 篇7
多年来,如何使用Word文档精准处理公文格式一直是许多秘书工作者大伤脑经的问题。登陆百度搜索,类似“如何用Word处理公文格式”的提问为数不少。一些网友在百度文库上传《如何用Word制作常用公文》、《怎样用Word文档制作公文》、《Word制作公文模板》等文章,亦有学者就相关问题刊文或著书,惜之未能提供精确的公文格式设置法。有网友甚至认为Word是依据西方人的排版习惯设计和制造的软件,其长度单位用“磅”,而非我国通用的“毫米”、“厘米”,声称公文格式使用Word“要实现精准的排版操作很难”。此言不然。Word文档具有强大的排版功能,只要认真探索,就能找到既精确处理公文格式的方法。经过反复实践,本文认为表格定位法是设置党政机关公文格式若干要素最精准的方法。
二、公文若干要素的几种不当定位法
无论是新执行的《党政机关公文格式》(下称新《格式》),还是已废止的《国家行政机关公文格式》(下称旧《格式》),俱明确规定对各要素的排列位置。使用Word文档处理公文格式时,要求居于版心某行的很容易处理,但要求居于某厘米或某毫米的,就较难处理了,如发文机关标志、分隔线的定位。这两个定位也正是广大秘书工作者感到最棘手、最难办的问题。秘书工作者一般采用行距定位法或文本框定位法设置发文机关标志,用采用图片定位法设置分隔线。
1、行距定位法
山东外贸职业学院经济管理系谭书旺老师在《秘书》杂志2009年第5期36页称:“利用输入回车符并设置回车符的大小和行距,来精确地定位公文中某个要素的位置”,并举例:
下行文发文机关标识的上边缘至版心的上边缘距离为25mm(旧《格式》规定———笔者按),我们就可以在版心的第一行输入一个高度为71磅(即25mm)的回车符……在第二行输入发文机关标识的内容……这就使发文机关标识的位置完全满足《格式》的要求。
我们把这种利用调整行距大小来定位发文机关标志的方法称为“行距定位法”。细致考察磅值与毫米的等值关系,即发现1磅约等于0.35厘米,而非绝对等于,如此,71磅约等于24.85厘米,此法何谈精确定位发文机关标志?况且,发文机关标志之上若要输入相关要素,得依据实际需要计算上一要素与发文机关之间的磅值,岂非繁琐不堪。
主张此法的还有很多专家。傅祥和郑珺露编著的《电子公文制作与传输》主张在发文机关标志前调整行距倍数,以定位机关标志位置。实际上,这一做法是以三号字为标准加大行距倍数,而字号与磅值之间亦是约等于的关系,故两位专家主张的方法与谭书旺之主张虽有操作形式的不同,却有本质的相同性。
2、文本框定位法
百度文库有一篇名为《如何用Word制作常用公文》的文章,采用“文本框定位”制作发文机关标志。该法大概分三步,第一步插入一个横排文本框,第二步输入发文机关标志,第三步设置文本框格式。通过实践验证,若行文机关为单一或奇数,此法可行,但若为偶数个机关行文,则不好处理。
3、图片定位法
无论新、旧《格式》,均要求版头分隔线(旧《格式》指红色反线)距离发文字号4mm,谭书旺在《秘书》杂志2009年第6期36页称把文档第六行的行距设置为“固定值”11磅,再以“自选图形”的形式插入横线,并“设置自选图形格式”就可精确设置。本文将此法称为“图片定位法”。因11磅之值非绝对等于4mm,故“图片定位法”亦不妥。不止版头,一般格式和纪要格式的版记处需加印三条分割线,信函格式首页底部亦需加印上细下粗的红色双线,采用图片定位法设置这些分割线,不容易固定位置,往往随着文字增益而发生位移,导致定位失误。
综上,行距定位法、文本框定位法和图片定位法俱非发文机关标志、分割线精确设置之法。
三、表格定位法及其应用
经过反复摸索和实践,确定通过巧妙地设置表格属性,可以精确地将发文机关标志、分隔线等要素定位于规定位置,本文将此法定义为“表格定位法”。下文根据新《格式》的规定,介绍表格定位法的妙用。
1、精确设置版头
(1)单一机关行文的版头设置
分三步设置。第一步,插入单行单列表格。第二步,在表格内输入发文机关标志之内容,将字体设为小标宋体,字号调为二号,颜色改为红色。第三步,设置表格属性。第三步具体操作如下:
双击表格左上角的“”字符号,弹出“表格属性”对话框。在“表格”附签下依次单击文字环绕-环绕-定位,将水平设为相对于页边距居中对齐。新《格式》规定:信函格式发文标志上边缘至上页边为30mm,命令(令)格式则是至版心上边缘20mm,纪要格式和文件格式是至版心上边缘为35mm。故垂直位置上,将信函格式设置为相对于页面3厘米对齐,命令(令)格式设为相对于页边距2厘米对齐,纪要格式和文件格式设为相对于页边距3.5厘米对齐。同时,将距正文的所有数值设为0,全部去掉选项前的“√”。确定,返回表格附签。单击边框与底纹,颜色选为红色,然后单击预览处上、左、右线条以去掉表格相应线条的颜色,保留下线作为版头分隔线(命令格式无版头分隔线,此线无需保留)。信函格式还需将线型改为上粗下细的双线。返回表格附签,单击“列”附签,把信函格式的列宽设为17厘米,命令格式、纪要格式和文件格式的列宽均设为15.6厘米。
单击确定,退出“表格属性”对话框。信函格式直接在发文机关标志所在行执行格式-段落-间距,将段后设为0.4厘米。纪要格式和文件格式则在发文机关标志下空两行,按要求输入纪要编号和成文日期或发文字号和签发人信息,并在纪要编号或发文字号所在行行执行格式-段落-间距,将段后设为0.4厘米。至此发文机关标志与版头分隔线设置工作全面完成。
(2)联合行文的版头设置
命令(令)格式、纪要格式和文件格式联合行文时,需要自上而下依次排列合署机关名称。机关个数为奇数,仍适用表格定位法。在中间的机关名称后添加“文件”二字,其余机关名称以中间机关名称为基准左侧对齐,其余设置与上文无二。机关个数为偶数时,既要保证发文机关名称上下均匀排布,又要考虑“文件”二字在发文机关名称右侧上下居中排布,还要考虑发文字号和签发人的编排,使用表格定位法设置颇为复杂,需分两部分设置。
第一部分,设置发文机关标志。建立一个横排单行双列表格,在左格输入机关名称,右格输入“文件”二字,按规定调整字体、字号、颜色。把光标移到表格左上角“”符号处,执行右键—单元格对齐方式,单击垂直居中图标,随后拖拽表格左右边框,使表格与发文机关标志紧密结合。双击“”字符号,参照单一机关行文的版头设置法设置水平对齐和垂直对齐,返回表格页面后,再单击“文字环绕”下的“无”选项,以使发文机关标志表格左右两侧留出空白。单击边框与底纹,去掉表格所有线条的颜色。
第二部分,设置版头分隔线。合署发文时,只有纪要格式和一般格式需要制作版头分隔线。将光标移到发文机关标志之下第三行,插入单行单列表格,输入纪要编号和签发(通过)日期或发文字号和签发人,并于纪要编号或发文字号所在行设置段后0.4厘米。水平对齐、垂直对齐、边框与底纹及列宽设置与单一机关行文的版头设置一致。
2、精确设置版记
文件格式和纪要格式要求在末页底端设置版记。在末页插入一个1列2行及固定列宽为15.6厘米的表格,输入抄送机关(纪要格式是分送机关)、印发机关和印发日期的相关信息。将表格设为水平相对于页边距居中对齐,垂直相对于页边距底端对齐。边框和底纹仅去掉左右线条颜色,将首末二线之高设为宽度1磅,即接近0.35毫米,将中线之高设为宽度3/4磅,即接近0.25毫米。由于《格式》只推荐此三线高度之数值,且表格线条的粗细只能设置磅值,不能以厘米为单位设置,故此作接近式设置。
信函格式末页虽无分隔线印制要求,但要求在底端印制分送机关,可参照文件格式版记分隔线表格定位法处理,去掉所有边框的颜色。
3、精确设置信函格式首页底端的分隔线
在首页中部插入一个单行单列的表格,将表格定位为相对于页边距居中水平对齐和相对于页面底端垂直对齐,改变线条颜色,采用上细下粗的线型,去掉左、右、下三线颜色,最后将行高和列宽设为2和17厘米即可。
四、结束语
在Word文档里,表格定位法是唯一适用和精确实现所有发文机关标志及分割线排列规定的方法,广大秘书工作者若能多加训练,必然能够又快又精准地解决公文排版中的两大难题。
参考文献
[1]用Word制作标准格式公文(上)[J].秘书.秘书杂志社,2009年第5期.
[2]用Word制作标准格式公文(下)[J].秘书.秘书杂志社,2009年第6期.
[3]国家质检总局、国家标准化管理委员会.党政机关公文格式[M].中国质检出版社(中国标准出版社),2012年第1版.
[4]柳新华、岳海翔.电子公文写作:制作.传输.处理[M].中国纺织出版社,2010年第1版.
[5]柳新华.实用电子公文处理教程[M].科学出版社,2009年8第1版.
[6]张江艳.电子公文写作实训教程[M].高等教育出版社,2009年第1版.
大空间建筑火源的精确定位方法 篇8
在城市化发展进程中,大空间建筑的出现给我们的生活带来便利,但是大空间建筑中严峻的火灾形势也给人们带来了严重的危害。火源定位是火灾探测和火灾扑救的重要中间环节,火源定位的精度和实时性直接影响到火灾及时有效的扑救。因此在火灾发生初期及时有效地确定火源位置并灭火具有很强的实用性和研究价值。
火源定位可分为四个步骤,如图1 所示。
摄像机标定是其关键环节。标定结果的精度和算法的鲁棒性直接影响到后面获得火源三维空间位置的准确性。通过对标定技术进行研究、仿真、分析确定自标定方法[1]适用于大空间建筑火源定位摄像机标定情况。
文献[2]中用SIFT算法对火焰图像进行特征点提取和匹配,虽然SIFT算法对火焰图像的尺度变换和抗噪声性较好,但SIFT算法的时间复杂度较高会影响到后面定位灭火的实时性,并且局部匹配可能会丢失火焰图像中的一些重要信息。文献[3]中使用基于双目视觉的摄像机标定方法,该方法可对畸变因子进行校正,但在大空间火源定位中运动参数未知,高温危险环境下无法使用标定快,不具有适用性。文献[4]中用遗传算法对摄像机标定结果进行优化。该方法可以提高摄像机自标定结果的精度,并排除噪声点造成的极点不稳定情况。但未对局部最优解作相关。未能对选择、交叉、变异算子做合理设计。使得标定结果的鲁棒性欠佳。文献[5]综述了遗传算法的改进方法及适用性。
本文在文献[2 - 5]的基础上,用多幅不同燃料的火焰图像作为研究对象,从提高火源定位精度的角度出发,提出一种基于SURF的改进遗传算法求解框架。根据火焰图像亮度信息用SURF算法进行特征点提取和匹配,得到较好的匹配点对,摄像机标定用自标定方法,用遗传算法对标定结果进行优化解决其精度不高问题,设计适用于大空间火源摄像机参数优化问题的选择、交叉、变异算子。实验结果表明,该算法能有效提高大空间建筑火源定位的精度,满足大空间建筑火源定位要求,能更好地应用在大空间建筑火源定位中。
1 图像配准与摄像机自标定
1. 1 图像配准
特征点提取和匹配是后面摄像机标定以及三维信息恢复的保证。针对火源摄像机标定实时性差的问题,SURF[6,7]算法在准确性、重复性和鲁棒性上均优于其他同类算法,在计算速度上有明显优势,因此采用文献[8]中所提的SURF算法进行火源特征点提取和匹配。
1. 2 摄像机自标定
基础矩阵表示相同场景不同视角图像间的一种摄影几何关系。表示为:
式中m和m'分别为两幅图像上的匹配点对,F为基础矩阵。
kruppa方程为:
通过多对匹配点求出F解出式( 2) 中的C( K中的元素) 即为所要求的值。
在完成特征点提取匹配以及得到标定结果后利用三角形定位原理[9]来计算火焰三维深度信息。
2 大空间建筑火源定位
2. 1 火源图像特征识别与匹配
在大空间建筑火灾发生时,视频帧中的火焰边界不断变化,因此主要利用火源的高亮度特征来进行特征识别,保证及时有效性,对于火源图像的灰度值求取二阶导,得到亮度变化率的变化率,利用改进的SURF算法进行特征点提取。实验研究发现,在火源特征点提取中,由于许多特征点所含信息量较少,导致匹配计算量增加,为了解决这个问题,本文在火源图像配准中引入火源特征点的熵值,通过计算火源特征点熵值来检测其信息量,去掉信息量过低的特征点,提高算法效率,同时设定特征点距离阈值,删除排列密集的特征点,提高算法的准确度。
改进算法具体步骤如下:
Step1设两幅图像上离散像素点分别为I1( x1,y1) 、I2( x2,y2) ,构造Hessian矩阵行列式近似值图像,找出图像上亮度变化像素点;
Step2 用不同尺度的高斯模板构造尺度空间,处理hessian矩阵找其最大值或最小值做初步特征点。选取特征点主方向,构造surf描述算子;
Step3 设提取的特征点集合为M,计算M集合中所有元素的熵值H,计算所有熵值的均值作为阈值Hm,设距离阈值为L,选取所有大于Hm和L的特征点;
Step4 匹配得到匹配点对m和m' 。
2. 2 大空间火源定位中摄像机标定及深度信息计算
为了获取大空间火源位置,利用匹配点对m和m' ,以及式( 1)和式( 2) 求出标定结果,进而求出三维深度信息。针对标定结果精度不高问题,遗传算法[10,11]提供了一种效率高且鲁棒性强的方法。因此设计一种适用于大空间建筑火源摄像机标定的遗传算法。
改进算法具体步骤如下:
Step1 生成初始种群N。编码方式选择实数编码。
参数设置: NP = 100,pc = 0. 7,pm = 0. 01,length = 5,NG = 100。X = ( x1,x2,…,xm) ,xi∈R,i =1,2,…,m( m为个体数目) ,xi为摄像机内参数的五个值fn、fv、u0、v0、s。
Step2适应度函数。令式( 2) 中三个等式依次为f1,f2,f3转化为优化代价函数并作为适应度函数:
通过使优化代价函数最小( 或接近于0) 来求得各参数其中m个个体的适应度值为fm。
Step3改进选择算子。选用精英保留策略和轮盘赌选择相结合。先精英保留,适应度值fm按从大到小排序,选择种群中fmax直接复制到下一代,再轮盘赌选择,下一代的( N - 1) 个个体根据上一代N个个体的适应度以概率选择方法进行选择。
Step4 改进交叉算子。选择启发式交叉算子。设两个父体为: f1= ( f11,f21,…fn1) = ( f12,f22,…fn2) ,以0. 5 概率交换交换f1,f2中适应度大的部分形成后代F1= ( f11,f21,…fi1,f2i+ 1,…,fn2) ,F2= ( f12,f22,…f12,f1i+ 1,…,fn1) ,Fk= ( F1k,…,Fik,…,Fnk) ,k = 1,2,其中,Fik是从集合{ Fi1,Fi2} 中随机选取的一个数值。该算子可以增加更优摄像机参数的多样性。
Step5 改进变异算子设计。选择自适应变异算子。缩小适应度较大的个体的变异范围。避免收敛至局部最优,增大适应度较小的个体的变异范围和变异概率,保证群体中个体的多样性。
Step6 设当前运行代数为R,最大运行代数为Rmax。当R满足Rmax时遗传算法结束,输出最优标定结果。
Step7 获得匹配和标定结果,利用大空间三角形定位原理计算出三维深度信息。
3 思想流程和核心代码实现
具体思想及流程如图2 所示。
( 1) 监控系统发现火灾后,摄像机拍摄火灾视频,截取视频中两幅火焰图像; ( 2) 用SURF算法提取火焰特征点引入火焰熵值减少劣特征点并匹配; ( 3) 完成摄像机标定; ( 4) 用改进遗传算法优化得到最优的标定结果; ( 5) 利用三维重构理论中的三角形定位原理完成火源定位计算出火源的三维深度信息。
火焰匹配中核心代码实现
用Hessian矩阵检测特征点部分加入熵值计算,提高匹配率,减少匹配时间。
标定中核心代码实现
用自标定方法得到标定结果,改进遗传算法中选择、变异、交叉算子,得到精度高的标定结果。
4 实验结果及分析
为了验证算法的有效性,在Windows XP( 内存为4 GB,CPU为3. 10 GHz,显存为256 MB) 的平台下使用Visual C + + 6. 0 及Opencv及Matlab等开发工具进行实验。用三组火源图片做实验,用20 组匹配点对运行本算法100 次,图像大小均为640 ×480 像素。
在应用实例中,选取三幅测试图片进行实验,图片是在长30 m,宽30 m,高7 m的空间中拍摄选取。
匹配结果如图3 - 图5 所示。
图3 - 图5 的X轴和Y轴分别表示计算特征描述符时将X轴和Y轴特征点邻域进行投影的方向数,从图3 - 图5 可以看出基于火源熵值的SURF算法对拍摄的火焰图片匹配结果较好。
在本测试中( 如表1 所示) ,可以看出改进SURF算法匹配率均达到80% 以上,提高了匹配精度同时减小了匹配时间。为后面标定做好了充分准备,延时问题得以解决。
fn、fv、u0、v0、s的边界范围为[0,1000]、[0,1000]、[0,500]、[0,500]、[- 1,1]从表2 和表3 可以看出,通过对比可以看出本文算法标定结果精度高于其他标定方法,且误差最小,更接近摄像机参数。实验结果表明大空间建筑火源中摄像机标定的改进遗传算法有效提高了摄像机标定的精度。
为了验证算法在大空间建筑火源三维深度信息获取应用中的有效性,与文献[12]在基本条件相同、算法不同条件下实验对比。基线长度为100 mm焦距为388 mm图像像素大小为640 × 480。
从表4 可以看出,本文提出的新标定方法应用在大空间建筑火源定位中提高了大空间火源三维信息恢复的准确度,提高了建筑火源定位中的精度。
5 结语
本文提出一种基于SURF的改进遗传算法框架应用在大空间建筑火源定位中,设计了基于火焰特征点熵值的SURF算法获得好的匹配点对,并完成标定。利用改进遗传算法对摄像机标定结果进行优化,得到最优参数,计算出火源三维深度信息,解决了定位中实时性差和精度不高的问题。仿真结果证明,本文提出的方法对大空间建筑火源三维信息恢复有很好的效果,有一定的实际应用价值。
参考文献
[1]Robbins S,Murawski B,Schroeder B.Photogrammetric calibration and colorization of the SwissRanger SR-3100 3-D range imaging sensor[J].Optical Engineering,2009,48(5):053603-053603-8.
[2]赵丹阳,王慧琴,胡燕.火灾视频图像定位中特征点提取和匹配[J].计算机工程与应用,2013,49(11):161-165.
[3]苏立颖,李小鹏,么立双.双目摄像机快速标定新算法[J].中南大学学报,2013,44(2):364-367.
[4]任贝,韩飞,吴坚.基于遗传算法的摄像机标定[J].吉林大学学报:信息科学版,2013,31(4):432-436.
[5]Lu K D,Zeng G Q,Chen J,et al.Comparison of binary coded genetic algorithms with different selection strategies for continuous optimization problems[C]//Chinese Automation Congress(CAC),2013.IEEE,2013:364-368.
[6]Panchal P M,Panchal S R,Shah S K.A Comparison of SIFT and SURF[J].International Journal of Innovative Research in Computer and Communication Engineering,2013,1(2):323-327.
[7]Saleem S,Bais A,Sablatnig R.A performance evaluation of SIFT and SURF for multispectral image matching[M]//Image Analysis and Recognition.Springer Berlin Heidelberg,2012:166-173.
[8]张锐娟,张建奇,杨翠.基于SURF的图像配准方案研究[J].红外与激光工程,2009,38(1):160-165.
[9]朱剑,赵海,徐久强,等.三角形定位算法的误差分析[J].东北大学学报:自然科学版,2009,30(5):648-651.
[10]玄光男,程润伟.遗传算法与工程优化[M].北京:清华大学出版社,2003:76-106.
[11]雷秀娟.群智能优化算法及其应用[M].北京:科学出版社,2012:46-52.
精确人员定位 篇9
我国煤矿90%以上是地下煤矿,煤矿井下工作环境恶劣,四周都是煤层,通信空间受限,无线电磁信号在井下很容易被煤层反射,形成多径通信,影响无线电磁信号的传输性能,形成强干扰,在地面使用的GPS定位信号无法穿透到几百米深度的井下,从而井下无法使用地面成熟的GPS技术进行定位。 目前,由于受限空间以及井下设备反射引起的多径干扰,井下使用的基于电磁波的定位系统精度都不高,定位误差在几米到几十米之间。到目前为止,由于现有技术条件的限制,煤矿井下精确定位问题一直没有得到很好的解决,各种提高井下定位精度的算法和应用技术一直是研究的热点内容。
随着LED照明技术的发展和普及,可见光通信技术获得快速发展,可见光定位技术也开始得到广泛的研究［１－５］,为此,本文提出了基于可见光通信的煤矿井下精确定位方法,应用可见光通信技术,采用LED光源广播自身位置信息,依据移动终端接收光信号的强度,计算移动终端与特定LED光源点的距离,从而精确定位移动终端的准确位置,定位距离可以精确到几厘米。
1煤矿井下可见光定位系统
煤矿井下巷道可见光定位场景如图1所示,可见光定位的LED光源分布于巷道顶部［６］,使用符合煤矿标准的本质安全型大功率LED,功率为5~ 10 W,相邻LED基站之间距离为3 m。煤矿巷道的宽度通常在4m左右,高度在3m左右,长度为几十米至几百米,可见光定位的移动终端配置在井下作业的工人身上,或者安装在井下移动的机械设备上。可见光通信系统中数据传输结构如图2所示,PC机串口发送数据到电力线载波模块,电力线载波模块又将数据发送到电力线上,由另一电力线载波模块接收,经过调制和驱动电路,驱动大功率LED基站发出光信号,接收端由光电二极管、前置放大电路、滤波和解调电路组成。
2煤矿井下巷道可见光精确定位方法
由于煤矿井下巷道长度在几十米到几百米,而单个LED光源能够照射的距离只能达到几米的范围,无法覆盖整个井下巷道,所以,在巷道顶部每间隔3m安装一个LED光源,该LED光源的位置固定,既可作为普通巷道照明光源,同时也可作为可见光通信系统的LED基站,光信号的发送和接收采用强度调制 ——— 直接检测的方法,相连基站发出的LED光信号采用不同的调制频率f１,f２,如图3所示,从而避免互相干扰。LED光源发出的光信息中包含LED基站自身位置信息,为了简化系统复杂度,给每个LED设置一个唯一的ID编号［７］,用一个字节存储ID号,编号为0—255,每一个编号对应固定的位置,存储在接收器的微处理器中。接收器由多个接收点组成,二维定位接收器中有2个接收点, 三维定位接收器中有3个接收点,相邻接收点之间的距离为固定值d。接收器只接收与其最近的LED基站发出的信号,滤除其他基站的干扰信号,相邻LED基站采用不同的信号频率。各个LED基站发送带有自身位置信息的信号,接收器收到ID信号后,判断是从哪个LED基站发出的信号,此时,认定移动接收器的位置位于此LED基站附近,再根据接收器接收此LED基站发出的光信号强度,计算接收点距离LED基站的距离,进行精确定位。
2.1二维精确定位方法
由于在煤矿巷道中,接收器通常由井下作业工人随身携带,可以设置接收点位于同一水平面上,所有接收点的垂直高度为同一可测量确定高度,例如设置接收点垂直高度(z轴高度)为0.8 m,对某一点的定位只需要确定x和y坐标就行,简化了定位信息。可见光二维精确定位如图4所示,图中d１, d２分别为LED光源点距接收点R１,R２的距离。
某一LED基站的空间坐标位置为S(xｓ,yｓ,zｓ),接收点的空间位置是三维的,其中一个接收点为R１(xｒ,yｒ,zｒ),xｒ,yｒ,zｒ分别为接收点的三维坐标,定位的最终目标是根据LED基站的位置S和接收点接收到的光信号强度,确定接收点的坐标位置。 在二维精确定位中,假设所有接收点的垂直坐标zｒ为0.8m,则确定接收点的位置时只需要确定其横坐标xｒ和纵坐标yｒ。在接收器上设置2个接收点R１和R２,2个接收点的距离间隔为d,接收器水平放置,故2个接收点的空间坐标分别为R１(xｒ,yｒ, zｒ)和R２(xｒ+d,yｒ,zｒ)。
在可见光通信系统中,点对点系统模型如图5所示。
系统的直流增益H(0)为［８］
式中:A为光电探测器的光接收面积;m=ln(1/2)/ ln(cosα１／２),α１／２为LED光源的半功率角,LED型号确定,则其半功率角已确定,参数m也就已确定; α为光发射角;β为光入射角;Tｓ(β)为滤光器的增益;g(β)为光集中器的增益,通常为常数;βｃ为光接收器的视场角。
式中:n为光接收器的折射率。
接收点接收光功率Pｒ为
式中:Pｔ为LED光源发射功率。
当接收器水平放置,接收平面与LED发射平面平行时,光发射角α和光入射角β大小相同,并且有
二维定位中,根据2个接收点接收当前LED光源的光功率组成方程组:
式中:Pｒ１和Pｒ２分别为接收点R１,R２的接收功率; α１,α２,β１,β２分别为2个接收点的光发射角和入射角,由光源点S(xｓ,yｓ,zｓ)和接收点R１(xｒ,yｒ,zｒ), R２(xｒ+d,yｒ,zｒ),根据2个接收点的接收功率即可确定其中未知坐标xｒ,yｒ。
2.2三维精确定位方法
可见光三维定位如图6所示,LED基站的空间坐标位置为S(xｓ,yｓ,zｓ),接收器上放置3个接收点R１(xｒ-d,yｒ,zｒ)、R２(xｒ,yｒ,zｒ)和R３(xｒ+d,yｒ, zｒ),3个接收点水平放置。
三维定位中,根据3个接收点接收当前LED光源的光功率组成方程组:
式中:d３为接收点R３到相应LED光源点的距离。
将式(8)代入LED光源点和R１,R２,R３3个接收点的坐标,根据3个接收点的接收功率确定坐标(xｒ,yｒ,zｒ),完成井下巷道的精确三维定位。
3仿真与实验分析
LED选用功率为5 W的大功率正白LED光源,设置相邻LED之间距离d为3m,相邻接收点之间的间隔为3cm,定位空间宽度为3m,分别截取高度z=0.8m和z=1.8 m的接收平面做仿真实验。单个LED光源照射下空间功率分布如图7所示,多个LED光源照射下空间功率分布如图8所示。
采用二维定位和三维定位,选取了50个空间点,接收功率定位位置和实际位置对比结果如图9所示,测试时认为接收器能够完全滤除相邻LED基站的干扰光信号,只接收相应LED基站的光信号, 所有接收器水平放置。50个点中最大定位误差为4.1cm,最小定位误差为0.1cm,平均误差为2.3cm。接收点接收到LED光源功率较小的位置出现了较大的定位误差,在LED光源正下方定位误差较小。
4结语