你的猫咪总是在家里神出鬼没，让你抓狂？别担心！今天，我们将揭秘一个基于 BLE 信标、ESP32 和机器学习的强大猫咪定位系统——Cat-Localizer！它能帮你实时追踪猫咪在家中的位置，从此告别“寻猫记”的烦恼！
Cat-Localizer 工作原理
Cat-Localizer 的核心思想是利用低功耗蓝牙 (BLE) 信标、多个廉价的 ESP32 探测器以及机器学习模型来实现室内猫咪定位。整个系统的工作流程如下：
- 信标发射:
给猫咪佩戴一个小型 BLE 信标，它会持续发射 BLE 信号。
- 信号探测:
布置在房屋不同位置的 ESP32 探测器会接收这些 BLE 信号，并测量信号强度 (RSSI)。
- 数据上传:
每个 ESP32 将测量到的 RSSI 数据发送到服务器数据库。
- 位置预测:
Python 程序从数据库获取所有 ESP32 探测器的最新 RSSI 数据，并利用训练好的机器学习模型预测猫咪的位置。
亮点: Cat-Localizer 的优势在于，它只需要相对较少的探测器数量，就能通过机器学习模型准确地预测猫咪的位置，即使房屋结构复杂也能胜任。
硬件设置
- 被追踪目标:
一只猫咪（或狗狗，其他动物甚至物品）。
- BLE 信标:
任何 BLE 信标都可以。
- BLE 探测器:
推荐使用 4-6 个 ESP32，价格便宜且性能出色。 也可以使用树莓派，但成本较高。
- 数据处理服务器:
一台电脑或树莓派即可，用于存储和处理数据，以及运行预测程序。需要确保 ESP32 能连接到服务器的 WiFi 网络。
- 可选:
带 LCD 显示屏的设备，可以实时显示猫咪的位置。
软件设置
- BLE 信标:
无需任何配置或代码。
- ESP32 探测器:
项目提供了简单的 C/Arduino 代码，用于扫描 BLE 信号并向服务器发送数据。代码可以根据需要进行调整和优化，例如添加多个 MAC 地址过滤等功能。
- 树莓派 (可选):
如果使用树莓派作为探测器，可以使用
btmon和hcitool lescan命令进行 BLE 扫描，并将数据发送到数据库。 - 服务器:
- 数据库:
可以使用 InfluxDB、MySQL 或甚至简单的文本文件作为数据库。
- Python 环境:
建议使用 Python 3.8，并安装 scikit-learn 和 pandas 等库。项目提供了一个 conda 环境文件，方便搭建相同的环境，确保模型训练和预测的一致性。
- 预测程序:
Python 程序负责从数据库获取数据，并使用训练好的模型进行位置预测。
机器学习模型的训练与测试
-
数据收集: 需要收集每个 ESP32 探测器在不同位置的 RSSI 数据，并记录下当时信标的实际位置。这些数据将用于训练机器学习模型。 数据表格类似于：
measurement id, time, target, esp32-attic, esp32-room_k, esp32-office, esp32-doors，每一行代表一次测量结果。 -
模型训练与评估: 项目使用了多种机器学习算法（例如多层感知器分类器 MLP Classifier）和数据预处理方法（例如 Min-Max 缩放器），并通过交叉验证来评估它们的性能。最终选择性能最佳的模型进行部署。
-
模型结果: 实验结果显示，MLP 分类器结合 Min-Max 缩放器取得了最佳的平衡准确率 (约 0.88)。
位置检测
项目提供了用于位置检测的代码片段，可以从数据库或文件中读取数据，然后使用训练好的模型进行预测。
提高精度的小技巧
-
优化 ESP32 探测器的摆放位置，以覆盖整个空间并获得独特的信号模式。
-
优化机器学习算法和参数。
-
增加 ESP32 探测器的数量。
-
考虑 BLE 信标的电池电量，这可能会影响发射功率。
总结
Cat-Localizer 提供了一个灵活且强大的框架，用于构建室内猫咪定位系统。虽然需要一定的动手能力和编程基础，但其强大的功能和相对较低的成本使其成为一个值得尝试的项目。 通过仔细配置硬件、收集足够的数据并选择合适的机器学习模型，你可以建立一个精准且实用的猫咪定位系统，让你的寻猫之旅变得轻松愉快！
项目地址：https://github.com/filipsPL/cat-localizer