为进一步提高室内可见光三维定位的精度, 提出了一种基于最小三角形算法的室内可见光三维定位方法。该方法采用视距链路模型, 由定位终端接收携带发光二极管位置信息的光强信号, 利用最小三角形算法和接收信号强度指示方法来计算接收机在室内的三维位置信息, 再引入加权质心算法降低光路受遮挡所造成的影响。仿真结果表明: 在室内5 m×5 m×3 m的定位区域内, 提出的定位方法平均定位误差约为4.35 cm, 平均高度误差约为1.65 cm, 定位精度优于传统的室内可见光三维定位方法。

针对传统的三角形星图识别算法存在冗余匹配多、抗噪声性能差的问题,提出了一种应用形状因子特征的高效星图识别算法。该算法在传统的三角形算法基础上,引入了形状因子特征参数和方向信息,并择优选择视场内4颗观测星,组成一对观测三角形,进行星点匹配识别。与传统的三角形算法相比,该算法增加了星图识别时图像的特征信息量,降低了匹配时的冗余度,具有导航特征库存储空间小、识别速度快等优点。实验表明,在星点位置噪声标准偏差为2个像素、星等噪声标准偏差为0.7星等的仿真条件下,该算法的识别率均在99%以上；通过地面实验的实物验证,在300 MHz的FT-C6713的DSP硬件平台上,全天自主识别的平均运行时间约为47 ms,具有明显的优势。

针对传统三角形星图识别算法的不足, 本文提出了一种不依赖星等信息的全天球自主快速三角形识别算法。通过构建三角形最大内角及其两边作为匹配特征三角形, 建立了全天球导航特征库, 对生成的特征库按最大内角值构造散列函数, 并分块存储。识别过程中, 采用“边-角-边”原理进行匹配。首先, 根据最大内角的观测值实现子块的快速定位, 然后, 在子块中对观测三角形的两边进行星角距快速匹配, 缩小了角距匹配的范围, 提高了识别速度。试验表明, 星点位置噪声低于2个像元时, 识别率优于98.08%; 观测星数等于10颗, 特征库分块总数为1 024时, 平均识别时间为13.1 ms。与现有三角形识别算法相比, 该算法在识别速度、识别率及抗星等噪声能力等方面具有明显优势。

为了克服三角形识别算法中三角形因特征维数较低带来的冗余匹配问题,对该算法进行了改进。在利用标记法进行三角形识别的基础上,引入三角形以外的第四颗星,并以其为顶点,与三角形构成假想的四面体,顶点与底面三角形3个点的角距既可作为识别特征量,也可用于检验识别的结果是否正确。识别算法以星对角距作为主要识别特征,增加星等差为辅助识别特征,减少了对冗余数据的存储,使导航特征库的容量仅有0.4 Mb。在识别过程中,利用散列查找法对识别特征构造散列函数,减少了对导航特征库遍历比较的次数和时间开销,加快了识别过程,平均识别时间为0.43 ms。仿真实验结果表明,该识别算法在较大位置和星等误差时具有较短的识别时间和较高的识别率。