CN104185225A

CN104185225A - 一种基于场景分类的室内外无缝定位切换方法

Info

Publication number: CN104185225A
Application number: CN201410462672.4A
Authority: CN
Inventors: 叶芝慧; 陈家伟; 潘礁; 冯奇
Original assignee: Nanjing University
Current assignee: Nanjing University
Priority date: 2014-09-11
Filing date: 2014-09-11
Publication date: 2014-12-03

Abstract

本发明公开了一种基于场景分类的室内外无缝定位切换方法，首先移动终端周期性的采集实时的室内外定位信息，然后移动终端的视觉传感部分采集当前的场景信息，最后视觉场景分类器的配合下移动终端完成室内外定位切换的决策过程，根据分类器决策结果决定室内外定位信息的置信程度实现室内外的无缝切换并由用户反馈评估切换结果。本发明引入室内外场景分类的策略实现室内外定位方式的有效切换，通过用户终端采集视觉场景信息，构建高效的室内外切换决策机制，整合多种室内外定位系统，大大提高了混合定位精度。

Description

一种基于场景分类的室内外无缝定位切换方法

技术领域

本发明属于通信定位领域，具体涉及一种对室内、室外联合定位系统的切换决策机制进行优化，有利于提高室内外混合定位精度，实现室内外定位的无缝切换方法。

背景技术

无缝定位切换技术是联合采用不同的定位技术以达到对各种定位应用的无缝覆盖，同时保证在各种场景下定位技术、定位算法、定位精度和覆盖范围的平滑过渡和无缝对接。

传统的室外定位系统主要是基于卫星的定位。

基于卫星的定位技术是通过空间卫星星座对地面目标进行测距来得出未知目标的位置估计的一种技术。目前广为人知的卫星定位系统主要有美国的GPS系统、我国的北斗卫星定位系统以及俄罗斯的GLONASS系统。卫星定位技术主要应用于室外定位，发展时间久，卫星定位系统部署规模大、成本高，日趋成熟，应用十分广泛，其定位精度及实时性已能满足移动终端用户的一般要求。但是，由于信号容易受到遮挡和多径传播等因素的影响，在城市密集的楼宇间以及室内的密闭空间中无法保证可靠的定位精度和可用性。

传统的室内定位技术主要有：基于RFID的射频识别定位技术和基于UWB的定位技术。

基于RFID的射频识别定位技术通过RFID标签组网来进行室内定位。RFID是一种兴起于20世纪末的自动识别技术，基本原理是通过物体所带的特殊标签对应的唯一ID号来识别物体。基于RFID的定位技术分为线下训练阶段和线上定位阶段。线下训练阶段，将定位场景划分为网格,然后在每个网格的范围内采集多个RFID锚节点的信号作为网格的指纹，并存入数据库。在线上定位阶段，待定位目标接收到RSSI时，即与数据库中的指纹进行对比，估计当前位置。但是，该定位技术需要专门线下训练,并且其指纹库通常较为庞大，故在实时性和数据存储量方面较为劣势。同时，定位精度还受网格大小影响。

基于超宽带的定位技术主要测量超宽带信号的到达时间、到达角以及到达信号强度，并采用圆弧法进行计算来对目标位置进行估计。UWB定位技术的具有实时性好，精度较高，存储数据量较小的优点。但是，在复杂的室内环境中，物体遮挡及多径效应等容易造成多径效应，从而造成较大的定位误差。

上述的室内外定位系统，在各自的应用环境下各有千秋。目前，由于室内定位技术尚未发展成熟，室内外切换问题并未得到关注，但是，在未来的实际应用中，定位服务在室内外环境下的平滑切换，是支撑智能位置服务的关键所在。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于场景分类的能够有效的对室内外混合定位系统进行决策，实现室内外定位的无缝切换，提高室内外定位精度的切换方法。

技术方案：为解决上述技术问题，本发明提供的一种基于场景分类的室内外无缝定位切换方法，依次包括以下步骤：

1)周期性室内外定位信息采集：移动终端的室内、室外定位系统分别独立地周期性地向移动终端决策单元报告当前的位置信息，室外定位系统基于GPS/北斗混合定位提供当前的经纬度信息，室内定位系统基于RFID探测器检测范围内的RFID标签信息；

2)视觉场景信息决策与采集：根据移动终端室内外定位系统采集到的定位信息、当前RFID检测精度、当前GPS/北斗混合定位质量等因素，移动终端启动视觉传感单元采集当前的场景信息，并对当前场景进行保存、增强预处理，提交决策单元进行场景分类决策过程；

3)基于场景的决策过程：决策单元接收视觉传感单元采集的当前场景，提取当前场景的图像特征，包括全局的弱特征以及局部的强特征，输入到决策单元离线训练的场景分类器，场景分类器由当前场景的图像特征判定移动终端的当前位置；

4)定位信息的输出：决策单元根据场景分类器对移动终端当前视觉场景的判定，确定当前室内定位单元与室外定位单元的置信程度，结合室内RFID探测情况和室外GPS/北斗混合定位信息，通过概率加权来估计移动终端的当前位置；

5)用户反馈评估：移动终端将决策单元估计得到的当前位置信息在用户界面上显示，并且向用户提供反馈接口，对估计得到的当前位置质量进行评价，最后根据用户评价优化场景分类器性能。

进一步地，所述步骤(2)中启动视觉传感单元的具体过程是：室内定位单元输出当前位置信息P_in，以及信号强度、锚节点数、信号强度差、时间到达差、角度差一系列影响室内定位质量的参数，并得到归一化代价矢量其中k为影响室内定位单元定位质量的参数个数；室外定位单元有GNSS卫星定位单元组成，输出当前位置信息P_out，以及水平精度因子、垂直精度因子、综合位置精度因子一系列影响室外定位质量的参数，并得到归一化代价矢量其中n为影响室外定位单元定位质量的参数个数；最后对相应的归一化代价参数进行加权处理，得到决策代价函数H，有

H＝Tξ^T＝T[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]^T

其中，T＝[F_inF_out]为定位参数特征的归一化向量，[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]为加权矢量，通过求解决策代价函数来判定当前室内外定位系统的定位质量，当系统定位质量低于预期时，启动视觉传感单元采集当前场景信息，驱动室内外场景分类决策过程。

进一步地，所述步骤2)中的场景分类决策过程包括如下：首先对当前场景图像进行预处理过程，随后提取场景图像的全局特征和局部特征构成基于码本累加的特征向量，输入到室内外场景分类器中，室内外场景分类器由一组one-vs-all具体场景分类组成：

y_{i} = \{\begin{matrix} 1 & w_{i}^{T} x + b_{i} > 0 \\ 0 & w_{i}^{T} x {+ b}_{i} < 0 \end{matrix}

其中，x为当前场景的k维特征向量，每一维表示一个码字在当前场景图像中的累计数量；w_i和b_i是训练得到的该场景分离超平面的系数；y_i表示当前场景图像是否属于第i类场景：等于1表示属于，等于0表示不属于；T为向量的转置；通过这一组具体场景分类器，将当前图像场景分类到具体的场景标注下，这些标注是训练数据集的图像标注，最后，通过场景标注的语义划分，将当前场景分类为室内和室外，实现基于场景视觉的定位切换过程。

进一步地，所述步骤5)中，用户反馈具体过程如下：用户反馈过程首先由用户对当前室内外定位切换质量进行评估，当室内外定位切换无法达到用户要求时，启动反馈评估用户接口，反馈评估用户接口由场景图像和标签集合构成：场景图像是由视觉传感单元采集的当前视觉场景信息；标签集合为用户提供了一个场景标注的候选集合，通过用户反馈过程，误判决场景信息与用户标注构成一组新的训练样本保存到当前移动终端，分类器质量评估单元对当前场景分类器决策质量进行评估，其中，nⁱ(i＝1,2,…,N)表示当前室内室外场景决策过程执行了N次定位切换；表示在室内外场景决策后到达用户要求的切换次数；表示在室内外场景决策后没有达到用户要求的切换次数；根据定位切换历史数据，可以得到当前分类器的置信度为当置信度Q低于系统阈值ξ_q时，启动场景分类器的离线优化过程。

进一步地，所述场景分类器离线优化过程场景分类器离线优化过程,也即场景分类器再训练过程,由于初始场景数据量有限，使得初始训练的场景分类器分类质量较低。将上述的用户反馈累计的场景图像和用户标注合并入初始场景数据集，使得训练数据量增加，场景分类器分类能力得到提升。

本发明中的的场景信息决策与采集过程包括，根据移动终端室内外定位系统采集到的定位信息、当前RFID检测精度、当前GPS/北斗混合定位质量，决定是否启动视觉传感单元进行场景采集。由于场景传感单元功耗较大，并且图像传输与处理通常占用较多的处理器资源，因此，只有当RFID探测单元和GPS/北斗混合定位单元精度都很低时，视觉传感单元才会被启动。视觉传感单元将采集到的场景图像进行预处理，包括去噪、增强等处理，然后保存在本地硬盘中，启动决策单元对场景进行室内外决策。

在基于场景的决策过程中，决策单元接收视觉传感单元采集的当前场景，提取当前场景的图像特征，包括全局的弱特征以及局部的强特征，输入到决策单元离线训练的场景分类器，场景分类器由当前场景的图像特征判定移动终端的当前位置。其中，场景分类器由离线训练得到，由一组分类最优超平面构成。场景分类器首先得到当前场景的细粒度场景语义，然后根据场景语义的不同决定移动终端的当前位置。

在定位信息输出中，决策单元根据场景分类器对移动终端当前视觉场景的判定，综合考虑室内RFID探测情况和室外GPS/北斗混合定位情况，分别确定室内定位单元与室外定位单元的置信程度和优先级，估计输出移动终端的当前位置。当前场景为室内场景时，将室内定位单元的输出信息赋予较高的置信度和优先级，而将室外定位单元赋予较低的置信度和优先级，输出当前加权平均的估计位置。

在用户反馈中，移动终端将决策单元估计得到的当前位置信息在用户界面上显示，并且向用户提供反馈接口，对估计得到的当前位置质量进行评价，并用当前场景优化场景分类器性能。由于离线训练场景分类器计算量较大，当用户对于当前位置信息的评价低于正常阈值时，先将当前场景保存在本地硬盘中，当低于正常阈值的频率到达容忍门限，即启动离线训练机制，使得场景分类器得到迭代的优化。

决策单元通过移动终端当前场景决策室内外定位位置信息的优先级和置信度估计当前位置，然后根据用户对于当前估计位置的反馈情况，迭代的调用离线训练机制，优化场景分类器的性能，实现室内室外精确定位和可靠的无缝切换。

有益效果：本发明相对于现有技术，引入室内外场景分类的策略实现室内外定位方式的有效切换，通过用户终端采集视觉场景信息，构建高效的室内外切换决策机制，整合多种室内外定位系统，大大提高了混合定位精度。

附图说明

图1是本发明中移动终端的结构构成框图。

图2是本发明中基于场景的室内外无缝切换流程框图。

图3是本发明中室内外场景分类器的训练过程示意图。

图4是本发明中室内外切换的决策框图。

图5是本发明中用户反馈优化过程示意图。

图6是本发明中反馈评估用户接口示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1和图2所示，一种基于场景分类的室内外无缝定位切换方法，依次包括以下步骤：

2)视觉场景信息决策与采集：根据移动终端室内外定位系统采集到的定位信息、当前RFID检测精度、当前GPS/北斗混合定位质量等因素，移动终端启动视觉传感单元采集当前的场景信息，并对当前场景进行保存、增强等处理，提交决策单元进行场景分类决策过程；

4)定位信息的输出：决策单元根据场景分类器对移动终端当前视觉场景的判定，综合考虑室内RFID探测情况和室外GPS/北斗混合定位情况，分别确定室内定位单元与室外定位单元的置信程度，估计输出移动终端的当前位置；

如图4所示，所述步骤(2)中启动视觉传感单元的决策过程是：

首先分别获取室内外定位系统的定位信息：对于室内定位单元，获取当前位置信息P_in，以及信号强度、锚节点数、信号强度差、时间到达差、角度差一系列影响室内定位质量的参数，并得到归一化代价矢量其中k为影响室内定位单元定位质量的参数个数；对于室外定位单元，获取当前位置信息P_out，以及水平精度因子、垂直精度因子、综合位置精度因子一系列影响室外定位质量的参数，并得到归一化代价矢量其中n为影响室外定位单元定位质量的参数个数。

接着，对相应的归一化代价参数进行加权处理，有

H＝Tξ^T＝T[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]^T

其中，T＝[F_inF_out]为定位参数特征的归一化向量，[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]为加权矢量，

最后通过求解这个决策代价函数来判定当前室内外定位系统的定位质量H，当系统定位质量低于预期时，启动视觉传感单元采集当前场景信息，驱动室内外场景分类决策过程。

如图3所示，所述步骤2)中的场景分类决策过程包括如下：首先对当前场景图像进行预处理过程，随后提取场景图像的全局特征和局部特征构成基于码本累加的特征向量，输入到室内外场景分类器中，室内外场景分类器由一组one-vs-all具体场景分类组成：

y_{i} = \{\begin{matrix} 1 & w_{i}^{T} x + b_{i} > 0 \\ 0 & w_{i}^{T} x {+ b}_{i} < 0 \end{matrix}

其中，x为当前场景的k维特征向量，每一维表示一个码字在当前场景图像中的累计数量，w_i和b_i是训练得到的该场景分离超平面的系数，通过这一组具体场景分类器，将当前图像场景分类到具体的场景标注下，这些标注是训练数据集的图像标注，最后，通过场景标注的语义划分，将当前场景分类为室内和室外，实现基于场景视觉的定位切换过程。

如图5和图6所示，所述步骤5)中，用户反馈具体过程如下：在每次室内外场景分离过程后，接着由用户对决策结果进行评估，若室内外定位切换无法达到用户期望时，立即启动用户反馈过程。首先终端立即显示用户反馈评估界面，如图6，反馈评估用户接口由场景图像和标签集合构成：场景图像是由视觉传感单元采集的当前视觉场景信息；标签集合为用户提供了一个场景标注的候选集合。用户通过用户反馈评估界面选择当前的准确标签，当前场景信息与用户标注构成一组新的训练样本保存到当前移动终端。接着，分类器质量评估单元根据前一阶段用户评估历史信息对当前场景分类器决策质量进行评估，用户评估历史信息包括：用户满意的室内外场景判别次数；用户不满意的室内外场景判别次数。根据以上的判别评估信息，可以得到当前分类器的置信度为

Q = t_{p}^{i} / t_{n}^{i},

当置信度Q低于系统阈值ξ_q时，启动场景分类器的离线优化过程。

如图3所示，所述场景分类器离线优化过程，也即室内外场景分类器的训练过程，这里，输入的训练数据由当前场景分类器误分类历史样本及初始训练数据集构成。由初始数据标注以及用户反馈人工候选集标注构成15个具体场景类别，对于每一个输入的训练样本，对图像数据进行全局弱特征与局部强特征的提取，连同相应的场景标注采用svm支持向量机进行有监督学习，训练出15个具体场景分类器作为优化的场景分类器替换移动终端的当前场景分类器，需要强调的是，场景分类器的离线优化过程与室内外场景决策过程可以并行展开，当新的场景分类器训练完毕后，通过一定的平滑切换策略，将视觉场景流转向经过优化的场景分类器。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种基于场景分类的室内外无缝定位切换方法，其特征在于：依次包括以下步骤：

2)视觉场景信息决策与采集：根据移动终端室内外定位系统采集到的定位信息、当前RFID检测精度、当前GPS/北斗混合定位质量因素，移动终端启动视觉传感单元采集当前的场景信息，并对当前场景进行保存、增强预处理，提交决策单元进行场景分类决策过程；

2.根据权利要求1所述的基于场景分类的室内外无缝定位切换方法，其特征在于：所述步骤(2)中启动视觉传感单元的具体过程是：室内定位单元输出当前位置信息P_in，以及信号强度、锚节点数、信号强度差、时间到达差、角度差一系列影响室内定位质量的参数f_in，并得到归一化代价矢量其中k为影响室内定位单元定位质量的参数个数；室外定位单元有GNSS卫星定位单元组成，输出当前位置信息P_out，以及水平精度因子、垂直精度因子、综合位置精度因子一系列影响室外定位质量的参数f_out，并得到归一化代价矢量其中n为影响室外定位单元定位质量的参数个数；最后对相应的归一化代价参数进行加权处理，得到决策代价参数H，有

H＝Tξ^T＝T[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]^T

其中，T＝[F_inF_out]为定位参数特征的归一化向量，[ξ₁,ξ₂,...ξ_k,ξ_k+1,...,ξ_k+n]为加权矢量，通过加权求和得到决策代价参数判定当前室内外定位系统的定位质量，当系统定位质量低于预期时，启动视觉传感单元采集当前场景信息，驱动室内外场景分类决策过程。

3.根据权利要求1或者2所述的基于场景分类的室内外无缝定位切换方法，其特征在于：所述步骤2)中的场景分类决策过程包括如下：首先对当前场景图像进行预处理过程，随后提取场景图像的全局特征和局部特征构成基于码本累加的特征向量，输入到室内外场景分类器中，室内外场景分类器由一组one-vs-all具体场景分类组成：

y_{i} = \{\begin{matrix} 1 & w_{i}^{T} x + b_{i} > 0 \\ 0 & w_{i}^{T} x {+ b}_{i} < 0 \end{matrix}

4.根据权利要求1所述的基于场景分类的室内外无缝定位切换方法，其特征在于：所述步骤5)中，用户反馈具体过程如下：用户反馈过程首先由用户对当前室内外定位切换质量进行评估，当室内外定位切换无法达到用户要求时，启动反馈评估用户接口，反馈评估用户接口由场景图像和标签集合构成：场景图像是由视觉传感单元采集的当前视觉场景信息；标签集合为用户提供了一个场景标注的候选集合，通过用户反馈过程，误判决场景信息与用户标注构成一组新的训练样本保存到当前移动终端，分类器质量评估单元对当前场景分类器决策质量进行评估，其中，nⁱ(i＝1,2,…,N)表示当前室内室外场景决策过程执行了N次定位切换；表示在室内外场景决策后到达用户要求的切换次数；表示在室内外场景决策后没有达到用户要求的切换次数；根据定位切换历史数据，可以得到当前分类器的置信度为当置信度Q低于系统阈值ξ_q时，启动场景分类器的离线优化过程。

5.根据权利要求4所述的基于场景分类的室内外无缝定位切换方法，其特征在于：所述场景分类器离线优化过程是将上述的用户反馈累计的场景图像和用户标注合并入初始场景数据集，使得训练数据量增加，场景分类器分类能力得到提升。