随着“中国制造2025”国家战略目标的制定,以物联网、人工智能等高新技术为依托,智能机器人的发展方兴未艾。然而,在这种新兴工业化浪潮下,图书典藏管理的智能化进程却相对滞后。图书错架是图书馆长期以来的痛点问题。所谓错架,就是图书摆放未按照索书号规则。一旦发生,读者将很难找到错架图书。截至2017年底,全国公共图书馆图书总藏量96953万册[1],这些书中约有5%以上的图书错架[2],造成了海量图书资源的浪费。当前图书馆中图书定位主要有两大方向:基于计算机视觉的图书识别和RFID图书定位。基于计算机视觉的图书定位虽然可以准确识别图书边界,但是存在如暗光下识别困难、图书书脊信息缺失等致命缺陷而难以实际使用。RFID现有定位工作则会受到多径效应、热噪声的影响,定位精度不够准确。如何实现一个抗噪声的RFID定位模型成了该领域的一大挑战。本文设计了移动场景下图书定位模型,利用噪声数据产生不确定估计而干净数据总是得到接近真实位置的估计这一点来剔除异常数据,从而提高了图书定位的精度。本文的主要贡献总结如下:1.设计了基于移动载体与RFID相结合的移动RFID扫描框架,并且针对RFID信号物理层特征相位值进行了图书定位的方案探究,提出了一种基于相位序列相似度的RFID定位方法。首先通过挖掘移动扫描中相位序列和标签位置的联系,求解出标签在任意位置的相位序列,其次定义了在移动扫描场景下相位序列的距离,最后找出平面内对应的相位序列和测量相位序列距离最近的位置作为标签位置。2.针对现有RFID定位工作易受噪声数据影响的问题,提出了一种基于候选位置密度估计的RFID细粒度定位方法,可以有效抑制噪声带来的负面影响。其基本思想是,噪声数据会产生不确定的估计,而干净数据总是得到一个接近真实位置的估计。因此,候选值密度最高的位置最有可能是标签的位置。通过这种方法,噪声数据不参与最终估计,降低了噪声引起的负面影响,提高了定位精度。3.实现了基于RFID移动扫描的图书定位原型系统。经过大量实验验证,本文提出的基于相位相似度的定位模型(PSDH)获得了和前沿工作RF-Scanner相似的定位精度,提出的基于候选位置密度估计的定位模型(DEH)则明显优于RF-Scanner,获得了厘米级的定位精度,这证明了DEH方法在抑制噪声方面的有效性。