下载文档原格式
3.1 质心检测算法系统采用质心法进行数据处理能提高测试精度。
因为质心法能使CCD 上的图像分辨率达到光敏元尺寸的1/10,那么成像亮线中心在CCD 上所对应的光敏源序号就可以是小数,而非一定是整数,这样通过计算可知,精度提高了0.1个百分点。
虽然测量系统的精度有提高,但0.11%的相对误差仍不能令人满意,从误差公式可知,系统误差的改善主要取决于CCD 的像元尺寸。
随着CCD 技术的不断发,像元尺寸也会不断改善,系统误差也将会有大幅度减小。
质心法图像预处理算法步骤如下[5]：（1）对图像通过灰度化和反色后阈值选择得到光斑特征区域；（2）模糊去噪（mean blur ），消除热噪声以及像素不均匀产生的噪声；（3）再次进行阈值选择，得到更清晰的光斑区域；（4）形态学处理，选择disk 中和合适的领域模板，对图像进行腐蚀和填充处理，以得到连通域的规则形状图形；（5）边缘检测得到图像边缘，反复实验证明canny 边缘检测算法最好；（6）对边缘再进行形态学strel －imerode －imclose －imfill 相关运算得到更连通的边缘曲线，调用regionprops （L ，properties ）函数，根据质心法计算质心。
下面介绍几种常用的质心算法（1）普通质心算法(,)ij ij ijc cijij x Ix y I =∑∑ （3-1）其中ij I 为二维图像上每个像素点所接收到的光强，该算法适用于没有背景噪声，背景噪声一致或信噪比较高的情况。
（2）强加权质心算法0000000000000000,/2,/2,/2,/2,/2,/2,/2,/2y w y x w x i ij j y w y i x w x c y w y x w x ij j y w y i x w x x I w x I w ++=-=-++=-=-=∑∑∑∑0000000000000000,,22,,22,,22,,22y xx W y W j ij x y i x W j y W c y x x W y W ij x y i x W j y W y I w y I w ++=-=-++=-=-=∑∑∑∑（3-2）该算法中的加权函数包含3种形式，即a W I =，W I P =+,W I P =⨯其中a p 和均为强度值。
物体的质心运动规律物体的质心是指物体所有质点构成的系统的平衡点，它是物体在空间中的一个重要概念。
并且，根据牛顿运动定律，质点的运动可以通过对质点施加的外力来描述。
在本文中，我们将讨论质心的运动规律，并探讨质心运动的一些重要性质。
一、质心的定义与位置首先，我们来了解一下质心的定义与位置。
对于一个系统而言，其质心可以通过对所有质点的质量加权平均来得到。
即质心的位置可以通过下式计算得到：x_cm = (m_1 * x_1 + m_2 * x_2 + ... + m_n * x_n) / (m_1 + m_2 + ... + m_n)其中，x_cm为质心的位置，m_i为各质点的质量，x_i为各质点相对于某一参考点的位置。
质心的位置可以是物体内部的一点，也可以是物体外部的一点。
当物体是均匀的、连续的或非连续但受重力作用的时候，质心通常位于物体的几何中心。
二、质心运动的规律让我们接着来讨论质心的运动规律。
根据牛顿第二定律，质心的运动受到对质点的合力的影响。
根据这个原理，质心的加速度可以用下式表示：a_cm = F_net / M其中，a_cm为质心的加速度，F_net为作用于质点系统的合力，M为系统的总质量。
这个结果告诉我们，质心的运动只受到外力的影响，与物体内部的具体情况无关。
也就是说，无论物体的形状如何或者物体内发生了什么，质心的受力情况和运动规律都是相同的。
三、质心运动的独立性与简化质心运动的一个重要性质是其独立性。
这意味着我们可以将一个复杂的多质点系统简化为一个仅含有一个质点的系统，这个质点就是系统的质心。
通过这样的简化，我们可以忽略系统内部的复杂相互作用，更加方便地分析质心的运动。
通过将系统简化为质心，我们可以使用动量、能量和角动量守恒定律等简化的物理原理来解决问题。
这极大地简化了复杂系统的分析过程，并且为我们提供了计算质心位置、速度和加速度等物理量的便捷方法。
四、应用举例质心运动的规律在很多实际问题中都有广泛的应用。
第19卷第2期 测 绘 工 程 Vol.19№.22010年4月 EN GIN EERIN G O F SU RV EYIN G AND MA PP IN G Apr.,2010单目视觉测量系统质心定位算法赵铁成1,张 勇2,韩曜旭1(1.中国人民解放军61769部队,黑龙江哈尔滨150039;2.天津航空机电有限公司,天津300308)摘 要:在测头成像视觉坐标测量系统中,对图像进行采集和处理是为选取合适的特征点并对其进行优化曝光以便获取高质量的图像,进而实现特征点与背景图像分离和特征点中心的精确定位。
因此,对于特征点成像的亚像素定位直接决定着三维空间坐标的测量精度。
文中提出高斯拟合双三次插值算法,并与灰度加权和高斯双线性进行对比,实验表明精度比较高,能够达到单目视觉测量系统质心定位要求。
关键词:单摄像机;高斯拟合;双三次插值;质心定位中图分类号:TP391 文献标志码:A 文章编号:100627949(2010)022*******The algor ithm research on monocular visionmea sur ing system centr oid positioningZHAO Tie 2cheng 1,ZHAN G Yong 2,HA N Yao 2xu1(1.Ttoop s 61769,Ha rbin 150039,China ;2.T ianjin Aviation Elect romecha nical Limited Corporation ,Tia njin 300308,China )Abstract :At t he vi sion coordi nate measurement system based on imaging t est ,t he purpose of i mage acqui 2sit io n and processi ng i s to sel ect a suit abl e feat ure point s and to op ti mize t he exposure in orde r t o obt ai n high 2qualit y i mages ,and t hus achieve t he separation of t he background i mage a nd feat ure poi nt s ,a nd t he precise positioni ng of feat ure poi nt s center.Therefore ,t he feat ure point s of t he sub 2pixel po si tioning ima 2gi ng direct ly det er mi ne t he measure ment accuracy of t hree 2di me nsional coordi nat es.In t hi s paper ,G aussi 2an fi tt ing bicubic i nt erpolat ion al gori t hm i s list ed ,and compare wit h t he gray 2wei ghte d and G a ussia n bili n 2ear .The experi ment conducte d a compari so n shows t hat a relati vely high accuracy ,and ca n ac hi eve monoc 2ul ar vi sion cent roi d posi tioning mea sureme nt syst em requirement s.K ey w or ds :si ngl e camera ;G aussian fit ti ng ;bicubic i nt erpol ation ;cent roid location 收稿日期262作者简介赵铁成(),男,助理工程师 应用在航天、航空、军事和工业领域的大型复杂构件需要越来越高的加工和装配精度,对高精度大尺寸三维整体现场测试技术与设备的需求日趋迫切。
无线传感器网络中基于能量级加权的质心定位算法
无线传感器网络中质心定位算法是一种重要的位置估计算法，通过计算传感器节点的几何中心来获取整个网络的位置信息。
而基于能量级加权的质心定位算法则是一种能够考虑节点能量消耗情况的质心定位算法，在实际使用中具有更好的应用价值。
在一般的质心定位算法中，每个传感器节点在计算几何中心时被认为是等同的，而在基于能量级加权的质心定位算法中，节点的能量消耗情况也被考虑进去。
具体地，该算法通过将节点的能量级别作为权重，将低能量节点的贡献降低，从而实现对节点能量消耗情况的合理考虑。
同时，在基于能量级加权的质心定位算法中，为了更好地考虑节点能量消耗情况，还可以采用优化措施来降低低能量节点的贡献。
例如，可以通过在节点位置传输数据之前进行加权平均，以保证低能量节点的信息传输量不会对质心定位造成过大的影响。
基于能量级加权的质心定位算法不仅可以提高质心定位的精度，还可以对整个传感器网络进行能量管理。
通过对不同能量级节点的能量消耗情况进行更准确的估计和控制，可以延长网络寿命，提高网络可靠性和性能。
总之，基于能量级加权的质心定位算法是一种能够更好地考虑节点能量消耗情况的质心定位算法，具有良好的应用价值。
在实际使用中，需要根据传感器网络的实际情况，对算法参数和措施进行适当的调整和优化，以最大化其作用。
计算质心的主要思路和方法说实话计算质心这事，我一开始也是瞎摸索。
我就想着质心嘛，肯定和物体的质量分布有关系。
我最早尝试的方法特别傻。
我就觉得，那把物体分成好几块，然后每一块的质量乘以它到某个参考点的距离，再把这些乘积加起来除以总质量不就得了嘛。
就像把一堆苹果，每个苹果的重量乘以它到篮子边的距离，然后全加起来再除以苹果总重量那样。
结果发现错得一塌糊涂。
后来我才明白，我这种方法只适用于形状特别规则而且质量均匀分布的东西，比如说正方体那样质量分布非常均匀的物体。
后来我学到了一个比较通用的方法。
对于二维平面上的物体，你得把这个物体划分成好多很小很小的单元，就像把一幅画分成好多小点一样。
每个小单元都有自己微小的质量，然后建立一个坐标系。
再把每个小单元的质量乘以它在这个坐标系里的横纵坐标值，分别加起来再除以总质量，这样就得到质心在这个坐标系里的横坐标和纵坐标了。
这里我老犯错的地方就是坐标的选取，有时候选错了坐标原点或者方向就全都乱套了。
如果是三维空间里的物体呢，那就更复杂一点。
思路和平面类似，不过得把每个小单元的质量乘以它的三维坐标值，然后除以总质量得到质心在这个三维空间里的坐标。
就好比你在一个大房间里找一个东西的重心，这个东西不同部分在不同的高度，不同的前后左右位置，你得全都考虑进去。
我还试过一种特殊的方法，求一些对称物体的质心。
你想啊，如果一个物体关于某条线对称，它的质心肯定就在这条对称轴上。
像圆形，无论它的质量怎么分布，质心就在圆心，因为圆关于它的直径对称。
这对于计算一些组合物体的质心挺有用的。
比如有个物体由两个对称的部分组成，你先算出单个部分的质心，然后根据它们的组合方式再算出整个物体的质心。
不过这个方法的局限就是物体得有对称性。
我觉得计算质心，最重要的就是要有耐心，分清物体的情况，该划分小单元就划分，能利用对称性就利用，还要特别小心坐标那些东西，搞错了就得从头来。
这就是我这么久折腾计算质心总结出来的门道。
一种新型三维传感器网络质心定位算法
刘清;白光伟;赵露
【期刊名称】《微电子学与计算机》
【年(卷),期】2014(31)5
【摘要】现有的二维质心算法不能有效应用于三维无线传感器网络,针对这一问题,提出了基于虚拟节点的三维质心定位算法(Virtual centroid-3D).该算法将二维质心算法和三维网络模型相结合,在此基础上求出包含未知节点的四面体并引入虚拟节点的概念.运用这一方法,在设置相同的锚节点前提下,可以提供更多的已知节点,从而提高节点的定位精度.仿真结果表明该算法可显著减小定位误差,并能够高效地适应节点分布不均的三维网络环境.
【总页数】5页(P1-5)
【关键词】无线传感器网络;三维定位;质心算法;虚拟节点
【作者】刘清;白光伟;赵露
【作者单位】南京工业大学计算机科学与技术系;南京理工大学高维信息智能感知与系统教育部重点实验室
【正文语种】中文
【中图分类】TP393
【相关文献】
1.无线传感器网络中一种基于三边测量法和质心算法的节点定位算法 [J], 高雷;郑相全;张鸿
2.无线传感器网络节点的三维质心定位算法研究 [J], 贺一峰;盛碧琦
3.无线传感器网络节点的三维质心定位算法研究 [J], 梁小满;姜小奇;李英玲
4.无线传感器网络中四面体三维质心定位算法 [J], 王长征;汤文亮;徐燕
5.一种新型的无线传感器网络三维定位算法 [J], 李辉;熊盛武;段鹏飞
因版权原因，仅展示原文概要，查看原文内容请购买。
无线传感器网络质心定位算法的研究的开题报告一、选题背景与意义随着物联网技术的不断发展，无线传感器网络（WSN）被广泛应用于各种领域，如环境监测、医疗保健、智能交通等。
在无线传感器网络中，节点的位置信息对于网络的正常运行和数据采集非常重要。
因此，节点的位置定位问题成为了无线传感器网络中的一个热门研究方向。
传统的节点位置定位算法一般需要参考基站或信标等固定参考点，但这种方法在实际应用中存在一些限制和挑战，例如：需要有大量的基站或信标，维护成本较高；基站或信标易受干扰或损坏，导致位置信息不准确等。
因此，无需任何外部参考的质心定位算法在WSN中得到了广泛应用。
质心算法是一种利用节点间相对位置信息计算节点位置的算法，其精度较高且具有实用性。
本文拟围绕无线传感器网络质心定位算法，探究该算法的核心原理、关键技术及其在实际应用中的效果，进一步提高无线传感器网络节点位置定位的精度和效率，为实际应用提供基础支撑。
二、研究目的和研究内容1. 研究现有的无线传感器网络节点位置定位算法，掌握其优缺点及改进思路。
2. 研究无线传感器网络质心定位算法的核心原理和关键技术，包括最小二乘法（LS）、加权最小二乘法（WLS）等。
3. 基于MATLAB等工具，在仿真环境中验证质心定位算法的精度和可靠性，并与其他节点定位算法进行对比分析。
4. 采用无线传感器网络实验平台，进行实际数据采集，验证质心定位算法在实际应用中的效果，并探究其适用范围、局限性及改进方案。
三、研究方法和研究步骤1. 文献调研：查阅相关文献资料，了解无线传感器网络节点定位的研究现状及发展方向。
2. 算法分析：深入研究质心定位算法的原理、优点、缺点，分析其在实际应用中的适用范围和存在的问题。
3. 仿真实验：采用MATLAB等仿真工具，建立质心定位算法的仿真模型，对其精度和可靠性进行测试，并与其他算法进行对比分析。
4. 实际实验：采用无线传感器网络实验平台，进行质心定位算法在实际应用中的验证，探究其适用范围和可能的改进方案。
WSN中节点无标识环境下的定位算法
陈树;高静
【期刊名称】《计算机工程》
【年(卷),期】2015(041)012
【摘要】针对无线传感器网中节点无标识以及数量未知环境下的节点定位问题,提出一种通过优化圆环交叉区域筛选可行节点位置和数量的算法.采用粗粒度的圆环搜索标识重叠区域的交叉数量,生成二阶定位点权重矩阵.通过求矩阵极大值确定并筛选出可能含有未知节点的圆环交叉区域,利用每个区域的质心代表该交叉区域.运用自适应遗传算法估计未知节点的数量和位置,将贝叶斯信息准则最小值作为选择模型参数最优值的依据.实验结果表明,在未知节点分布稀疏的情况下,该定位算法既能准确估计出未知节点的数量,也能达到较高的定位精度.
【总页数】6页(P101-106)
【作者】陈树;高静
【作者单位】江南大学物联网工程学院,江苏无锡214122;江南大学物联网工程学院,江苏无锡214122
【正文语种】中文
【中图分类】TP393
【相关文献】
1.狭长空间环境下改进的WSN节点质心定位算法简 [J], 赵志信;李加君;江晓林;谢玉鹏;
2.狭长空间环境下改进的WSN节点质心定位算法 [J], 赵志信;李加君;江晓林;谢玉鹏;
3.不对称链路环境下的WSN节点定位算法 [J], 张亚明;史浩山;刘燕;程伟
4.移动锚节点定位WSNs中无标识节点算法研究 [J], 陈树;陆颖
5.狭长空间环境下改进的WSN节点质心定位算法 [J], 赵志信;李加君;江晓林;谢玉鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
基于多边形分解的质心定位算法
南卫杰;韩应征
【期刊名称】《制造业自动化》
【年(卷),期】2014(36)12
【摘要】节点定位技术在无线传感器网络的应用中起到很重要的作用。
为了能准确定位未知节点，确定未知节点的坐标，提出了一种新的质心定位算法--基于多边形分解的质心定位算法。
该算法将锚节点构成的多边形分解成三角形，然后通过未知节点与邻节点交换信息，判断未知节点位于哪个三角形内，计算未知节点所在三角形的质心，最后用三角形三个顶点的RSSI值修正三角形的质心，将其作为未知节点的坐标估计。
仿真表明新算法的定位精度比传统的定位算法有很大的提高。
【总页数】4页(P110-113)
【作者】南卫杰;韩应征
【作者单位】太原理工大学信息工程学院，太原 030024;太原理工大学信息工程学院，太原 030024
【正文语种】中文
【中图分类】TN99
【相关文献】
1.基于DV-hop算法的楼宇内三维投影质心定位算法研究 [J], 张冠华;侯立刚;曹江涛
2.基于遗传算法和加权质心算法的无线传感器网络定位算法 [J], 程丽玲;谭军
3.WiFi定位技术--基于质心定位的三边定位算法的研究 [J], 陆霞
4.基于人工鱼群算法的改进质心定位算法 [J], 汪晨;张玲华
5.基于混合群智能算法优化的RSSI质心定位算法 [J], 王改云;王磊杨;路皓翔因版权原因，仅展示原文概要，查看原文内容请购买。
无线传感网技术实验报告（三）
班级：微电子1101学号：0301110115姓名：杨海平
一，实验目的：
通过仿真实验掌握无线传感器网络的定位算法—质心定位算法。
二，实验内容：
在100*100M2的正方形区域里，有n个信标节点和一个未知节点，未知节点和新表节点的通信半径均为R，则：
（1），当通信半径R=50M，信标节点个数n=6,12,18,24,30时，利用Monte Carlo方法，分别计算未知节点的实际位置与估计未知的平均误差；
（2），当信标节点个数n=20，通信半径R=5,10,15,20,25,30,35,40,45,50m时，利用Monte Carlo方法，分别计算未知节点的实际位置与估计位置的平均误差；
三，实验方法：
（1），在边长为100m的正方形中，产生一个信标节点为n，未知节点为1的随机分布图；
（2），确定与未知节点相连的信标节点；
（3），利用质心算法，对未知节点的位置进行估计；
（4），每一组数据（信标节点个数n，通信半径R）需要仿真800次，得出该组数据下未知节点的实际位置与估计位置的平均误差。
四，实验分析过程：
（1），实验内容一：当通信半径R=50M，信标节点个数n=6,12,18,24,30时，按照实验一的方法随机产生X，Y坐标为0~100的n个信标节点的坐标，再随机产生一个未知节点的X，Y坐标，然后判断n个信标节点是否能与未知节点通信，把能与未知节点通信的信标节点X，Y坐标相加，除以能与未知节点通信的节点数，即为用质心定位算法估计的未知节点个数，误差即为未知节点与估计未知节点坐标的距离。
每组信标节点个数仿真800次，累加每次仿真的误差，取平均值即得到估计误差。
（2），实验内容二：思想方法与实验内容一相同，当信标节点个数n=20，通信半径R=5,10,15,20,25,30,35,40,45,50m时，每组通信半径仿真800次，累加每次仿真的误差，取平均值即得到估计误差。
五，程序
（1），实验内容一程序如下：
clear all;
close all;
nbeacon=[612182430];%信标节点个数n=6,12,18,24,30
nbeaconi=5;
error=zeros(1,nbeaconi);%误差数组error
nunknow=1;%知节点个数为1
r=50;%通信半径r为50
optimes=800;
for ni=1:1:5;%每组信标节点得到一个平均误差
errorsum=0;
validtimes=0;%800次仿真中至少有一个信标与未知节点通信的次数
for optimei=1:1:optimes
x=100*rand(1,nbeacon(ni));%随机产生X坐标为0~100的信标节点的坐标y=100*rand(1,nbeacon(ni));%随机产生Y坐标为0~100的信标节点的坐标xunknow=100*rand(1,nunknow);%随机产生未知节点的坐标
yunknow=100*rand(1,nunknow);%随机产生未知节点的坐标
error1=0;%800次仿真中的一小次仿真计算出的误差
xsum=0;
ysum=0;
xunknowcal=0;%800次仿真中的一小次仿真计算的未知节点的坐标
yunknowcal=0;%800次仿真中的一小次仿真计算的未知节点的坐标
connectedtime=0;%信标与未知节点通信的次数
for i=1:1:nbeacon(ni)
d=sqrt((x(i)-xunknow)^2+(y(i)-yunknow)^2);
if d<r%判断连通与否
xsum=xsum+x(i);
ysum=ysum+y(i);
connectedtime=connectedtime+1;
end
end
if connectedtime~=0
xunknowcal=xsum/connectedtime;
yunknowcal=ysum/connectedtime;
validtimes=validtimes+1;
error1=sqrt((xunknowcal-xunknow)^2+(yunknowcal-yunknow)^2);
errorsum=errorsum+error1;%累加误差
end
end
error(ni)=errorsum/validtimes;%计算平均误差
end
（2），实验内容二程序如下：
clear all;
close all;
r=5:5:50;%通讯半径数组
error=zeros(1,10);%误差统计
for ri=1:1:10;%大循环，总共10个通讯半径
errorsum=0;
validtimes=0;
error1=0;
for optime=1:1:800
x=100*rand(1,20);%随机产生X坐标为0~100的信标节点的坐标
y=100*rand(1,20);%随机产生Y坐标为0~100的信标节点的坐标
xunknow=100*rand(1,1);%随机产生未知节点的坐标
yunknow=100*rand(1,1);%随机产生未知节点的坐标
xsum=0;
ysum=0;
xunknowcal=0;%800次仿真中的一小次仿真计算的未知节点的坐标
yunknowcal=0;%800次仿真中的一小次仿真计算的未知节点的坐标
connectedtime=0;
for i=1:1:20
d=sqrt((x(i)-xunknow)^2+(y(i)-yunknow)^2);
if d<r(ri)
xsum=xsum+x(i);
ysum=ysum+y(i);
connectedtime=connectedtime+1;
end
end
if connectedtime~=0
xunknowcal=xsum/connectedtime;
yunknowcal=ysum/connectedtime;
validtimes=validtimes+1;
error1=sqrt((xunknowcal-xunknow)^2+(yunknowcal-yunknow)^2);
errorsum=errorsum+error1;%累加误差
end
end
error(ri)=errorsum/validtimes;%计算平均误差
end
六，实验结果和分析：
（1），实验内容一：
表1不同信标节点个数时的误差（通信半径50m）
信标节点个数612182430误差（米）21.430219.017217.811317.187216.6767分析：在通信半径一定的情况下，信标节点数越多，定位就越准确。
（1），实验内容二：
表2不同通信半径时的误差（信标节点个数为20）
通信半径（米）5101520253035404550误差（米） 3.281 6.0258.0159.26410.13111.34812.29514.05715.39417.628分析：在信标节点个数一定的情况下，通信半径越大，定位就越不准确。
