可见光定位（VLP）已成为提供高精度定位服务的重要技术之一。尽管如此，视距下的VLP系统在复杂和动态的室内环境中运行时存在严重的局限性。中国科学院海西研究院泉州装备制造研究中心林邦姜团队提出了一种基于图像传感器（IS）和像素坐标指纹的非视距（NLOS）VLP系统。该工作的核心突破在于首次利用IS下高亮的中心像素坐标作为指纹特征，并使用Yolov8模型对NLOS下的高亮中心坐标进行提取。通过和在离线状态下构建像素坐标指纹库进行匹配来进行精准定位。此外，开发了一种融合加权K近邻（WKNN）与弹性网络回归（EN）的混合校正算法。此算法利用WKNN获取的加权相邻样本残差信息，对弹性网络回归模型的全局预测残差进行精细校正，有效弥补了单一模型在复杂场景下的预测偏差，显著提升了系统的定位性能。实验结果表明，仅在16个训练点的离线指纹库下，该系统的平均定位误差为4.77 cm，90th定位误差为6.67 cm。最后，使用任意集和对角集验证了系统的稳定性。该项研究不仅为解决NLOS环境下的VLP定位难题提供了切实可行的技术方案，更在指纹定位的范式层面，为新型指纹特征的探索开辟了富有洞察力的创新路径。
图1. 基于IS和像素坐标指纹的NLOS-VLP架构
图2. 常见指纹匹配算法下的定位误差
图3. 均匀离线指纹库下4种不同训练点的定位误差累积分布函数
此工作成果不依赖与LED信标与接收端之间持续高频次的双向通信，仅在前期部署阶段通过单次信标注册完成指纹库构建，消除了传统几何定位方法依赖的LED坐标广播通信。此外，引入了Yolov8模型来替代传统视觉处理方案，确保了在复杂环境干扰下特征提取的准确性与鲁棒性。
相关研究成果以“Indoor NLOS-VLP System Based on Image Sensor and Pixel Coordinate Fingerprinting”为题发表于IEEE Internet of Things Journal期刊上。中国科学院海西研究院泉州装备制造研究中心巢建树研究员为本文通讯作者，林邦姜研究员为本文第一作者。研究工作获得福建省海洋与渔业高质量发展专项基金、泉州市科技计划、福建省自然科学基金、中国科学院和福建省STS项目等项目的支持。
论文链接： https://ieeexplore.ieee.org/abstract/document/10891148
(巢建树课题组林邦姜团队供稿)
