CN104220895A - 使用用于室内位置的空间和时间相干性的同时局部化和地图绘制 - Google Patents
使用用于室内位置的空间和时间相干性的同时局部化和地图绘制 Download PDFInfo
- Publication number
- CN104220895A CN104220895A CN201280072506.2A CN201280072506A CN104220895A CN 104220895 A CN104220895 A CN 104220895A CN 201280072506 A CN201280072506 A CN 201280072506A CN 104220895 A CN104220895 A CN 104220895A
- Authority
- CN
- China
- Prior art keywords
- wifi
- similarity
- algorithm
- sequence
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
- G01S5/0264—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems at least one of the systems being a non-radio wave positioning system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- User Interface Of Digital Computer (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本文公开了用于基于实现空间和时间相干性的WiFi同时局部化和地图绘制(SLAM)算法来检测便携式无线设备的精确室内位置的一个或多个系统、设备、方法等。在实施方式中,SLAM算法包括WiFi相似性和惯性导航系统(INS)测量数据作为用于空间和时间相干性实施方式的位置估计(即,参考)以组成WiFiSLAM算法。
Description
背景技术
导出无线设备的准确室内位置已是移动无线设备的越来越重要的主题。尽管有研究和开发努力,启用并提供准确的室内定位能力仍是个具有挑战性的主题。当前室内位置系统的限制可能是关于其性能不足或由于针对期望室内定位能力而对相当大的基础设施的要求。
考虑到无线局域网(WLAN)基础设施的广泛部署,基于 WiFi(即电气和电子工程师学会(IEEE)802.11标准)的室内定位技术特别地吸引了大量的注意。例如,存在用于使用WLAN基础设施的室内位置确定的当前方法。一个方法是基于传播模型,其使用信号强度从接入点(AP)的已知位置开始在空间中的距离内的估计退化和发射功率(例如,Sky
Hook™)。另一方法依赖于存储预先记录校准WiFi测量数据(即WiFi指纹)以便生成建筑物的射频(RF)地图,诸如Ekahau™和Qubulus™。另一方法利用WiFi无线电波飞行时间的测量结果来测量距离。
“WiFi指纹”已经表明其可达到米级准确度,只要预先校准数据库具有足够稠密的校准点(即,米网格)即可。从Sky Hook™导出的方法具有约11m的中间误差和约25m的平均误差。使用飞行时间法的方法可达到约3—5米准确度,并且可受到室内多路径环境的约束。诸如Ekahau™和Qubulus™之类的“WiFi指纹”的现有实施方式可能要求初始训练以使每个位置与相应的WiFi接收信号强度指示符(RSSI)指纹相关,其导致相当大的努力来部署此类定位系统,尤其是当校准点稠密时。并且,常常需要随着部署环境的改变而重新执行校准点。所述相当大的部署努力是为什么基于“WiFi指纹”的定位系统未被广泛采用的主要原因之一。相应地,可实现一种用最小的人员部署努力来提供用于无线设备的室内位置的精度的解决方案。
附图说明
图1图示出示例性同时局部化和地图绘制(SLAM)环路闭合示例。
图2图示出实现WiFi同时局部化和地图绘制(SLAM)算法的示例性无线设备。
图3图示出示例性空间相干性特征变量。
图4图示出用于搜索匹配序列的所有可能长度的示例性序列对准。
图5是图示出用于使用WiFi同时局部化和地图绘制(SLAM)算法的环路闭合检测算法的示例性方法的示例性流程图。
参考附图来提供以下详细描述。在图中,附图标记的最左侧一个或多个数字通常识别其中该附图标记第一次出现的图。相同附图标记在不同图中的使用指示类似或相同的项目。
具体实施方式
本文公开了用于基于实现空间和时间相干性的WiFi同时局部化和地图绘制(SLAM)算法来检测无线设备的精确室内位置的一个或多个系统、设备、方法等。SLAM算法包括针对构造用于未知环境的地图且同时在对所绘制环境进行导航时确定无线设备的物理位置的问题的解决方案。在实施方式中,SLAM算法包括WiFi相似性和惯性导航系统(INS)测量数据作为用于空间和时间相干性实施方式的位置估计(即,参考)以组成WiFi SLAM算法。在此实施方式中,将WiFi SLAM算法实现成检测包括用于无线设备的物理位置“重新访问点”的“环路闭合”。例如,“环路闭合”的检测包括a)WiFi相似性和b)在不同的时间戳处的来自INS测量数据的所估计轨迹的空间相干性的时间相干性。在本示例中,将时间相干性配置成在提供用于检测“环路闭合”的置信度水平时包括阈值。该置信度水平指示“环路闭合”发生的可能性。WiFi SLAM算法然后基于“环路闭合”约束而输出位置估计和WiFi指纹地图。
在其他实施方式中,可使用除WiFi信号之外的其他类型的无线电信号作为用于空间和时间相干性实施方式的位置估计。例如,可在某个“重新访问点”处使用蜂窝信号相似性来代替WiFi相似性。在其他示例中,可使用Bluetooth™信号及其他无线信号。
图1图示出SLAM环路闭合示例100,其示出了理想轨迹输出环路102和实际轨迹输出环路104。在此图示中,理想和实际轨迹输出102和104两者都被初始化成在起始点106处开始。理想轨迹输出环路102被定义成在穿过沿着环路102定位的不同点(未示出)之后在同一起始点106处结束。例如,无线设备(未示出)穿过环路102,从起始点106至沿着环路102的不同点(未示出),并在类似于起始点106的端点108处结束,而形成理想轨迹输出102。同时,实际轨迹输出环路104在同一起始点106处开始,穿过沿着实际轨迹输出环路104的不同点(未示出),并在端点110处结束。实际轨迹输出环路104可由于各种因素而包括SLAM算法的典型输出,诸如惯性传感器漂移误差、WiFi不可靠性、周围噪声等。用于SLAM算法的典型输出(即,实际轨迹输出环路104)可提供包括典型输出与理想轨迹输出102相比的变化的偏差112。例如,偏差112可包括分别地实际轨迹输出环路104与理想轨迹输出环路102的端点110和108之间的偏差114。在实施方式中,端点108作为用于无线设备(未示出)的物理位置“重新访问点”的检测可减小偏差112。例如,SLAM算法与位置估计(例如,WiFi相似性和INS测量结果)的空间和时间相干性结合而创建WiFi SLAM算法。WiFi SLAM算法可生成物理位置“重新访问点”的准确估计,其可用来修正SLAM算法的典型输出中的偏差112。
图2图示出实现WiFi SLAM算法以生成用于无线设备200的位置估计和WiFi指纹地图的示例性无线设备200。此类无线设备200的示例包括(但不限于)移动电话、蜂窝式电话、智能电话、个人数字助理、平板计算机、笔记本、笔记本计算机、膝上型计算机、多媒体重放设备、数字音乐播放器、数字视频播放器、导航设备、数字式照相机等。该位置估计可包括无线设备200的精确物理位置,诸如当无线设备200沿着图1的环路102穿过特定点时。另一方面,WiFi指纹地图可包括已被无线设备200导航的RF地图的构造。
在实施方式中,WiFi SLAM算法包括SLAM算法方法,其与INS测量数据和WiFi信号结合而提供a)WiFi指纹中的部署努力的减少;b)以细粒度且在没有人的干预的情况下自动地生成WiFi指纹地图;以及c)通过WiFi SLAM算法的全局优化而实现米级物理位置准确度。此外,不是依赖于仅仅用于“环路闭合”检测的WiFi信号,而是通过分析INS测量数据和WiFi信号中的空间和时间相干性而通过WiFi SLAM算法来检测“重新访问点”。基本原理是如果两个位置在物理上是靠近的,则INS估计轨迹与WiFi信号之间的本地空间和时间相干性(即,结构)将是类似的。
在实施方式中,继续参考图2,无线设备200包括WiFi信号接收机部件202、WiFi相似性部件204、INS部件206、INS推算定位估计器部件208、空间相干性部件210、时间相干性部件212以及环路闭合检测器214,其提供WiFi SLAM输出218(即,无线设备200的位置估计和WiFi指纹地图)。在实施方式中,WiFi信号接收机部件202可扫描并使用无线电信号、诸如WiFi信号218来检测来自发射WiFi信号218的特定接入点(AP)(未示出)的至少一个接收信号强度指示符(RSSI)输入信号。在其他实施方式中,WiFi信号接收机部件202可扫描WiFi信号218以检测除RSSI之外的其他信号性质,诸如信号飞行时间和信道衰落轮廓。在其他实施方式中,WiFi信号接收机部件202可包括任何接收机部件,其诸如蜂窝信号(未示出)、Bluetooth™信号(未示出)、RF信号等的接收无线电信号,其生成所述至少一个RSSI输入信号或信号飞行时间或信道衰落轮廓的测量结果。WiFi信号218的接收更新来自先前时间步幅的当前样本(例如,RSSI输入信号)。在实施方式中,WiFi相似性部件204可实现将来自先前时间步幅中的当前样本的所接收WiFi信号218进行比较的算法。在此实施方式中,WiFi相似性部件204确定沿着所穿过轨迹的WiFi相似性以基于接收到的WiFi信号218来估计重新访问点。在其他实施方式中,WiFi相似性部件204可包括其他类型的无线电相似性部件,其在以不同的时间步幅比较接收到的蜂窝信号(未示出)、bluetooth™信号(未示出)等。
理想地,WiFi相似性部件204由于相同WiFi测量结果对应于相同物理位置(诸如图1中的环路闭合端点108)的基础假设而可在“重新访问点”处测量到相同的功率水平。然而,由于WiFi信号218的不可靠特性,诸如小规模衰落,两个非常接近的物理位置可具有不同的RSSI测量结果。同时,两个类似RSSI测量结果可能不一定位于同一物理位置(例如,图1中的端点108)处。为此,将WiFi相似性204的输出取做第一级粗指示符以通过量化测量功率视频中的相似性来捕捉两个(几乎)相同的物理位置之前的相似性。
在实施方式中,INS部件206可包括运动传感器,诸如加速度计(未示出)以及旋转传感器,诸如陀螺仪(未示出)或磁强计(未示出)、压力传感器(未示出)等。在本实施方式中,INS部件206可在每个时间步幅(例如,时间步幅“t”)处连续地接收和更新测量数据。在实施方式中,测量数据可被INS推算定位估计器部件208用来在每个时间步幅连续地计算无线设备200的位置、取向、方向以及移动速度。可在不需要外部参考的情况下执行经由INS推算定位估计器部件208进行的计算。例如,如果无线设备在特定时间在点(x,y)处且由于加速度而由INS部件206在另一时间检测到变化(dx,dy),则可在不需要外部参考的情况下假设无线设备200已移动至点(x+dx,y+dy) 在实施方式中,INS推算定位估计器部件208可提供在空间相干性部件210处经历空间相干性处理的所估计的运动估计。
在实施方式中,空间相干性部件210处的空间相干性处理将无线设备200返回到“重新访问点”时的本地轨迹结构的相似性考虑在内。换言之,在同一物理位置周围,来自INS推算定位估计量部件208的运动轨道估计可具有类似的空间结构。空间相干性的原理被实现成基于由INS推算定位估计量部件206在不同的时间步幅t、t+1、t+2等提供的计算来区分具有不同本地结构的轨迹。通过考虑根据本地结构估计的匹配的质量而施加空间相干性原理。为此,用于空间相干性实施方式的输出可在无线设备200穿过“重新访问点”时提供测量数据的置信度水平的良好指示。空间相干性实施方式可使用标准计算算法来使处于不同时间步幅t、t+1、t+2等的运动估计相关。
在实施方式中,时间相干性部件212可对从空间相干性210导出的空间相干性水平和从WiFi相似性部件204接收的第一级粗指示符实现时间相干性处理。在此实施方式中,可提供无线设备200穿过“重新访问点”的准确估计。时间相干性可应用标准计算算法来使空间相干性水平和第一级粗指示符相关。例如,时间相干性部件212可使用序列对准算法来估计闭合环路。在本示例中,序列对准算法假设在预定义时间步幅窗口(例如,时间步幅“t”至“t+5”)内的估计位置是不同的。根据此假设,序列对准算法搜索在预定义时间步幅窗口外面的类似序列(例如,在时间步幅“t+6”上开始进行搜索)。在实施方式中,时间相干性部件212利用模糊匹配算法来检测多个时间步幅中的相似性。
在实施方式中,可将环路闭合检测器214配置成当满足用于时间相干性检测的某个阈值时估计环路闭合检测。可将阈值配置成向时间相干性部件212的输出包括最小长度的匹配序列以宣布无线设备200穿过了“重新访问点”。例如,阈值包括五的匹配序列阈值以测定匹配置信度水平。在此实施方式中,匹配序列越长(例如,大于五),用于“重新访问点”的发生的肯定匹配越有可能。此外,SLAM优化部件216可利用来自环路闭合检测器214的所检测“重新访问点”作为由WiFi SLAM算法优化轨迹估计和WiFi指纹地图生成的优化约束。
无线设备200可包括一个或多个处理器220。一个或多个处理器220可以是单个处理单元或许多处理单元,其全部可包括单个或多个计算单元或多个核。可将处理器220实现为一个或多个微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除其他能力之外,可将处理器220配置成获取并执行存储在存储器222或其他计算机可读存储介质中的计算机可读指令或处理器可访问指令。
在某些实施方式中,存储器部件222是用于存储指令的计算机可读存储介质的示例,该指令被处理器220执行以形成上述各种功能。例如,存储器222一般地可包括易失性存储器和非易失性存储器两者(例如,RAM、ROM等)。在本文中可将存储器222称为存储器或计算机可读存储介质。存储器222能够存储计算机可读、处理器可执行程序指令作为计算机程序代码,该计算机程序代码可被作为特定机器的处理器220执行,该特定机器被配置成用于执行在本文中的实施方式中所述的操作和功能。
本文所述的示例性无线设备200仅仅是适合于某些实施方式的示例且并不意图暗示关于可实现本文所述过程、部件和特征的环境、架构和框架的使用或功能的范围的任何限制。
一般地,可以使用软件、硬件(例如,固定逻辑电路)或这些实施方式的组合来实现参考图所述的任何功能。可将程序代码存储在一个或多个计算机可读存储设备或其他计算机可读存储设备中。因此,可用计算机程序产品来实现本文所述的过程和部件。如上所述,计算机存储介质包括用任何方法或技术实现以便存储信息、诸如计算机可读指令、数据结构、程序模块或其他数据的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪速存储器或其他存储器技术、CD-ROM、数字多功能磁盘(DVD)或其他光学储存器、磁带盒、磁带、磁盘储存器或其他磁存储设备或可以用来存储信息以供计算设备访问的任何其他介质。
示例性空间相干性特征
图3图示出将提供“环路闭合”检测的空间相干性水平的示例性空间相干性实施方式300。在实施方式中,可将角度特征302定义成捕捉反映环境结构的本地轨迹变化。例如,在用于特定段的为五的时间步幅窗口尺寸,用于该特定段的角度特征302可估计该段是否穿过“重新访问点”。在其他实施方式中,空间相干性特征可基于除角度特征302之外的其他轨迹特征,诸如距离或位置位移特征、高度特征和/或倾斜度特征。在本示例中,使用多个时间步幅标度方式来处理INS部件206测量数据的无序和非原子性。来自INS部件206测量数据中的运动的不准确检测的无序可导致时间步幅漂移,特别是在无线设备200执行转弯移动的同时。非原子性涉及变化的人体运动和由INS部件206实现的惯性测量数据的平滑化性质。此外,以多个时间步幅标度来表示特征302可在较高的抽象水平捕捉轨迹中的变化。在其他实施方式中,可实现自适应时间步幅窗口尺寸(例如,3或4或6等的时间步幅窗口尺寸)。
继续参考图3,Dirt
304表示从估计位置Post 306至Post+1 308的方向,Dirt+1 310表示从估计位置Post+1 308至Post+2 312的方向,Dirt-2 314表示从估计位置Post-2 316至Post-1 318的方向,并且Dirt-1
320表示从估计位置Post-1 318至Post
306的方向。由Post-1 316至Post+2 312定义的本地结构轨迹包括用于时间步幅“t-2”至“t+2”的段。在实施方式中,定义角度特征302是由从Dirt-1 320至Dirt 304、从Dirt-2 314至Dirt 304、从Dirt-1 320至Dirt+1 310以及从Dirt-2 314至Dirt+1 310的角偏差组成的矢量。在本实施方式中,在多个时间步幅“t-2”至“t+2”的段的角特征302可指示该段是否是“重新访问点”。换言之,可基于被定义成包括各种度量的空间相干性特征302来捕捉成对位置之间的空间不同。例如,该度量可使用空间相干性特征302之间的平均差。在本示例中,空间相干性可充当强否定指示符以将由SLAM算法的典型输出中的不可靠WiFi信号测量结果识别的“重新访问点”的真重新访问与假重新访问消除歧义。在其他示例中,该度量可使用其他相似性度量,诸如相干性特征之间的Euclidian距离或相关系数。
示例性时间相干性
图4图示出用于搜索匹配序列的所有可能长度的示例性序列对准示例。在实施方式中,时间相干性部件212捕捉连续时间步幅t、t+1、t+2等中的本地结构相似性。例如,由于高度约束的室内物理环境,如果无线设备200的“重新访问”在特定时间步幅在一个物理位置处已发生,则“重新访问”也可同样地在“被重新访问位置”之后多个时间步幅发生。在本示例中,可将序列对准技术实现成提取相干时间子序列。该序列对准技术可基于用当发现对应关系时可能并非完美的匹配进行工作的已知模糊匹配技术。换言之,序列对准技术可包括近似技术而不是固定和精确匹配以找到对应关系。
在实施方式中,序列对准技术可提取所有可能长度的匹配序列。可实现用于序列对准技术的不同现有算法以提取所有可能长度的匹配序列。例如,在图4中图示出基本序列对准技术。在本示例中,简单地用相等性来定义成对条目(例如,字母F、T或A等)之间的相似性。在实施方式中,每个条目(例如,字母F、T或A等)是空间位置(例如,特征302)和包括第一级粗指示符数据(即WiFi相似性部件204的输出)的一组WiFi测量结果的复合体。各对之间的相似性由WiFi相似性部件204的输出和空间相干性部件210处的空间相干性实现联合地定义。匹配序列阈值(例如,五个步幅)被用作时间相干性度量以测定匹配置信度水平。较长的匹配序列可提供肯定匹配的更大置信度水平。长度约束是精度与撤销(即,检测速率)之间的权衡,并且可取决于INS部件206处的惯性传感器输入和WiFi信号接收机202处的WiFi测量输入的噪声水平。
继续参考图4,WiFi SLAM算法可包括输入序列400,其包括第一序列400-2和第二序列400-4。第一序列400-2可包括包含空间位置(例如特征302)与包括第一级粗指示符数据(即,WiFi相似性部件302的输出)的WiFi测量结果集合的复合体的条目(例如,字母F、T或A等)。同样地,第二序列400-4可包括包含空间位置与处于不同时间步幅的WiFi测量结果集合的复合体的条目(例如,字母F、T或A等)。在实施方式中,将第一序列400-2与第二序列400-4相比较。在本实施方式中,可在被比较的两个序列(即,序列400-2和400-4)上生成超过一个本地对准结果402。
示例性过程
图5示出了图示出用于使用基于空间和时间相干性的WiFi SLAM精确室内定位的环路闭合检测算法的示例性方法的示例性流程图。并不意图将描述所述方法的顺序理解为限制,并且可按照任何顺序将任何数目的所述方法块组合以实现所述方法或替换方法。另外,在不脱离本文所述主题的精神和范围的情况下可从所述方法删除单独方框。此外,在不脱离本发明的范围的情况下,可用任何适当硬件、软件、固件、其组合来实现所述方法。例如,计算机可访问介质可实现用于环路闭合检测算法的WiFi SLAM算法。
在方框502处,将时间步幅初始化并增加一。在实施方式中,将时间步幅(例如,时间戳t)初始化成特定数字或状态。将该时间步幅增加至一步以获得当前时间步幅。在本实施方式中,考虑到功率条件和环境,当前时间步幅是自适应的。例如,时间步幅增量可包括适应于功率条件和环境的几毫秒或几秒。
在方框504处,更新惯性传感器样本。在实施方式中,INS部件(例如,INS部件206)可在当前时间戳执行测量。测量数据可包括至少无线设备(例如,无线设备200)的加速度、旋转速率、航向。
在方框506处,估计INS推算定位位置。在实施方式中,INS推算定位估计器(例如,INS推算定位估计器部件208)可在方框504处根据从INS部件206收集的INS测量数据来估计无线设备200的当前时间戳时的轨迹。例如,用于无线设备200的估计轨迹可基于诸如“t-1”、“t-2”等先前时间步幅时的无线设备200的先前位置、取向、方向以及移动速度而包括无线设备200的当前位置、取向、方向以及移动速度。
在方框508处,执行确定测量数据的空间相干性。在实施方式中,空间相干性部件(例如,空间相干性部件210)可估计特定段的特征(例如,特征302),其提供所述特定段是否包括无线设备200先前已穿过的“重新访问点”的指示。例如,空间相干性部件210可实现一种算法,其包括以多时间标度方式来定义特征302以便捕捉高级障碍处的变化。在本示例中,使特征302与所有其他先前特征302匹配以找到包括不同段的相关的空间相干性。在其他实施方式中,估计距离特征、高度特征和/或倾斜度特征以捕捉用于各种用户运动模式的不同水平的轨迹性质。
在方框510处,更新WiFi信号样本。在实施方式中,在方框502处,WiFi信号接收机(例如,WiFi信号接收机202)可在更新时间步幅处接收无线电信号,诸如WiFi信号(例如,WiFi信号218)。在其他实施方式中,WiFi信号接收机202可包括其他类型的信号接收机,其接收和/或发射蜂窝电话信号、bluetooth™信号等。
在方框512处,用先前记录和/或接收到的WiFi信号来确定已更新WiFi信号的相似性。在实施方式中,WiFi相似性部件(例如,WiFi相似性部件204)可实现一种算法以确定方框510处的已更新WiFi信号是否与先前记录和接收到的WiFi信号类似。在本实施方式中,WiFi相似性部件204可基于已更新WiFi信号218与先前记录和/或接收到的WiFi信号218的相似性来提供用于“重新访问点”的第一级粗指示符。
在方框514处,执行用于时间相干性检测的序列对准。在实施方式中,时间相干性部件(例如,时间相干性部件212)可对方框508和方框512的输出执行序列对准。例如,时间相干性部件212可对WiFi信号相似性(从方框512导出)和空间相干性(从方框508导出)的复合体执行序列对准以提供匹配序列长度。
在方框516处,将匹配序列长度与阈值相比较。在实施方式中,时间相干性部件212被配置成当执行输入序列(例如,输入序列400)的多个连续匹配时包括阈值。如果满足该阈值,则WiFi SLAM算法处理在方框518处继续。否则,在NO信号之后,在方框502处将时间步幅增加1。
在方框518处,执行检测“重新访问点”。在实施方式中,环路闭合检测器(例如,环路闭合检测器部件214)可在满足阈值时检测“重新访问点”发生。在此实施方式中,WiFi SLAM算法实现时间相干性以在多个时间步幅检测空间相干性和WiFi相似性。如果匹配时间步幅满足阈值,则估计获得“重新访问点”的机会很高。可使用“重新访问点”作为SLAM算法的优化约束来优化轨迹估计和WiFi指纹地图生成。
在方框520处,执行使用“环路闭合”约束来优化SLAM。在实施方式中,SLAM优化部件(例如,SLAM优化部件216)可利用来自方框518的所检测“重新访问点”作为WiFi SLAM算法优化轨迹估计和WiFi指纹地图生成的优化约束。
在方框522处,输出位置估计和WiFi指纹地图。在实施方式中,SLAM输出(例如,SLAM输出218)可包括用于无线设备200的位置估计和WiFi指纹地图。
已在特定实施例的背景下描述了根据本发明的实现。这些实施例意图是说明性而非限制性的。可以有许多变体、修改、添加以及改善。相应地,可以为在本文中被描述为单个实例的部件提供多个实例。各种部件、操作和数据库之间的边界是略微任意的,并且在特定说明性配置的背景下举例说明特定操作。可设想功能的其他分配且可落在随后的权利要求的范围内。最后,可将在各种配置中作为分立部件出现的结构和功能实现为组合结构或部件。这些及其他变体、修改、添加以及改善可在如随后的权利要求中所定义的本发明的范围内。
Claims (31)
1. 一种设备,包括:
WiFi相似性部件,其实现一种算法以根据所接收无线电信号的相似性来获得重新访问点上的第一级粗指示符,其至少包括处于不同时间步幅的无线电信号的接收信号强度指示符(RSSI)、信号飞行时间以及信道衰落轮廓;
惯性导航系统(INS)推算定位估计器部件,其估计处于不同时间步幅的设备的运动轨迹;
空间相干性部件,其实现空间相干性算法以通过分析基于估计运动轨迹的轨迹结构相似性来获得重新访问点上的空间置信度水平;
时间相干性部件,其利用模糊匹配算法来检测关于所分析轨迹结构相似性和第一级粗指示符的处于多个时间步幅的相似性;以及
环路闭合检测器,其对所检测相似性执行阈值测量以确定重新访问点的发生。
2. 如权利要求1所述的设备,其中,所述无线电信号包括WiFi信号、蜂窝信号、Bluetooth™信号或射频(RF)信号。
3. 如权利要求1所述的设备,其中,所述第一级粗指示符包括重新访问点处的所测量无线电RSSI信号、飞行时间或信道衰落轮廓中的量化相似性,其中,该重新访问点包括被设备重新访问的环路中的物理位置。
4. 如权利要求1至3中的任一项所述的设备,其中,在处于不同时间步幅的不同段之间实现轨迹结构相似性的分析。
5. 如权利要求1至3中的任一项所述的设备,其中,空间相干性算法包括用于捕捉轨迹结构相似性的特征,其包括角度、距离、高度和/或倾斜度中的至少一个,其中,该特征对特定轨迹段使用自适应时间步幅窗口尺寸。
6. 如权利要求1至3中的任一项所述的设备,其中,空间相干性算法包括按多时间步幅标度方式定义以捕捉本地轨迹变化的角度特征、距离特征、高度特征和/或倾斜度特征。
7. 如权利要求1至3中的任一项所述的设备,其中,模糊匹配算法包括将第一序列与第二序列相比较以生成多个对准结果的序列对准,其中,第一和第二序列包括基于无线电信号相似性而包含空间位置特征和第一级粗指示符数据的复合体的条目。
8. 如权利要求1至3中的任一项所述的设备,其中,所述时间相干性部件实现序列对准技术以在多个时间步幅提取所有可能长度的匹配序列。
9. 如权利要求1至3中的任一项所述的设备,其中,环路闭合检测器被配置成包括匹配序列阈值以检测重新访问点,其中,使用重新访问点位置的检测作为用于同时局部化和地图绘制(SLAM)的优化约束。
10. 如权利要求1至3中的任一项所述的设备,还包括向INS推算定位估计器部件提供测量数据的INS部件,其中,测量数据包括在不同的时间戳处沿着运动轨迹的设备的所计算的位置、方向以及取向。
11. 一种实现WiFi同时局部化和地图绘制(SLAM)算法的方法,包括:
将时间步幅增加一以获得当前时间步幅;
在当前时间步幅更新惯性传感器样本;
基于已更新惯性传感器样本来估计惯性推算定位位置以获得估计轨迹;
确定估计轨迹的空间相干性,其中,空间相干性使用包括相干性特征之间的平均差、欧几里德距离或相关系数的相似性度量来获得空间置信度水平;
在当前时间步幅更新WiFi信号样本;
基于当前时间步幅处的已更新WiFi信号样本来确定重新访问点处的WiFi相似性;
在多个时间步幅对WiFi相似性和空间相干性水平执行序列对准以提供匹配序列长度;
将匹配序列长度与阈值相比较以检测重新访问点;以及
基于用于时间相干性检测的序列对准使用重新访问点约束来输出优化位置估计和WiFi指纹地图。
12. 如权利要求11所述的方法,其中,更新惯性传感器样本包括运动测量数据以计算无线设备的当前位置、取向、方向以及速度。
13. 如权利要求11所述的方法,其中,空间相干性水平是从包括将捕捉轨迹结构相似性的特征的空间相干性算法导出的,其中,该特征使用自适应时间步幅窗口尺寸来捕捉用于各种用户运动模式的不同水平的轨迹性质。
14. 如权利要求11至13中的任一项所述的方法,其中,空间相干性算法包括按多时间步幅标度方式定义以捕捉本地轨迹变化的角度特征、距离特征、高度特征和/或倾斜度特征。
15. 如权利要求11至13中的任一项所述的方法,其中,更新WiFi信号样本包括所接收WiFi信号或所接收蜂窝信号或所接收Bluetooth™信号的更新。
16. 如权利要求11至13中的任一项所述的方法,其中,所述序列对准包括模糊匹配算法,其将第一序列与第二序列相比较以生成多个对准结果的序列对准,其中,第一和第二序列包括包含空间位置特征和第一级粗指示符数据的复合体的条目。
17. 如权利要求11至13中的任一项所述的方法,其中,执行序列对准包括实现序列对准技术以在多个时间步幅提取所有可能长度的匹配序列。
18. 如权利要求11至13中的任一项所述的方法,其中,执行序列对准用来在多个时间步幅检测空间相干性和WiFi相似性。
19. 如权利要求11至13中的任一项所述的方法,其中,将匹配序列长度与阈值相比较包括如果未满足阈值,则将当前时间步幅增加一,其中,如果满足该阈值,则进行重新访问点的检测。
20. 如权利要求11至13中的任一项所述的方法,还包括检测重新访问点位置,其中,使用重新访问点位置的检测作为用于SLAM算法的优化约束。
21. 至少一个计算机可访问介质,其执行实现WiFi同时局部化和地图绘制(SLAM)算法的方法,包括:
将时间步幅增加一;
在该时间步幅更新惯性传感器样本;
基于已更新惯性传感器样本来估计惯性推算定位位置以获得估计运动轨迹;
确定估计运动轨迹的空间相干性,其中,该空间相干性使用算法来确定不同轨迹段之间的轨迹本地结构的相似性以获得空间相干性水平;
在该时间步幅更新无线电信号样本;
确定沿着被穿过的轨迹的WiFi相似性以基于已更新无线电信号来确定重新访问点;
在多个时间步幅对WiFi相似性和空间相干性水平执行序列对准以获得匹配序列长度;以及
将匹配序列长度与阈值相比较以检测重新访问点的发生。
22. 如权利要求21所述的计算机可访问介质,其中,更新惯性传感器样本包括运动传感器,其检测无线设备的加速度、旋转速率以及航向以计算无线设备的当前位置、取向、方向以及速度。
23. 如权利要求21所述的计算机可访问介质,其中,重新访问点包括先前被无线设备访问的物理位置。
24. 如权利要求21或权利要求22或权利要求23所述的计算机可访问介质,其中,空间相干性水平是从包括将捕捉轨迹结构相似性的特征的空间相干性算法导出的,其中,该特征使用自适应时间步幅窗口尺寸来捕捉用于各种用户运动模式的不同水平的轨迹性质。
25. 如权利要求21至23中的任一项所述的计算机可访问介质,其中,更新无线电信号样本包括所接收WiFi信号或所接收蜂窝信号、所接收Bluetooth™信号或所接收射频(RF)信号的更新。
26. 如权利要求21至23中的任一项所述的计算机可访问介质,其中,空间相干性算法包括按多时间步幅标度方式定义以捕捉本地轨迹变化的角度特征、距离特征、高度特征和/或倾斜度特征。
27. 如权利要求21至23中的任一项所述的计算机可访问介质,其中,所述序列对准包括模糊匹配算法,其将第一序列与第二序列相比较以生成多个对准结果的序列对准,其中,第一和第二序列包括包含空间位置特征和第一级粗指示符数据的复合体的条目。
28. 如权利要求21至23中的任一项所述的计算机可访问介质,其中,使用重新访问点位置的检测作为用于SLAM算法的优化约束。
29. 如权利要求21至23中的任一项所述的计算机可访问介质,其中,在选自服务器、移动电话、蜂窝电话、智能电话、个人数字助理、平板计算机、笔记本、笔记本计算机、膝上型计算机、多媒体重放设备、数字乐曲播放器、数字视频播放器、导航设备以及数字式照相机中的一个的设备上实现WiFi算法。
30. 如权利要求21至23中的任一项所述的计算机可访问介质,还包括使用所检测重新访问点作为由WiFi SLAM算法优化轨迹估计和WiFi指纹地图生成的优化约束。
31. 如权利要求21至23中的任一项所述的计算机可访问介质,还包括基于用于时间相干性检测的序列对准使用重新访问点约束来输出优化位置估计和WiFi指纹地图。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2012/035952 WO2013165391A1 (en) | 2012-05-01 | 2012-05-01 | Simultaneous localization and mapping using spatial and temporal coherence for indoor location |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104220895A true CN104220895A (zh) | 2014-12-17 |
CN104220895B CN104220895B (zh) | 2017-03-01 |
Family
ID=49514657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280072506.2A Expired - Fee Related CN104220895B (zh) | 2012-05-01 | 2012-05-01 | 使用用于室内位置的空间和时间相干性的同时局部化和地图绘制 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9288632B2 (zh) |
EP (1) | EP2845025A4 (zh) |
CN (1) | CN104220895B (zh) |
AU (1) | AU2012379101B2 (zh) |
WO (1) | WO2013165391A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236550A (zh) * | 2013-06-18 | 2014-12-24 | 杨清玄 | 位置信息处理装置和方法 |
WO2017071282A1 (zh) * | 2015-10-30 | 2017-05-04 | 中兴通讯股份有限公司 | 一种实现移动性管理的方法及网元 |
CN106643801A (zh) * | 2016-12-27 | 2017-05-10 | 纳恩博(北京)科技有限公司 | 一种定位准确度的检测方法及电子设备 |
CN107683496A (zh) * | 2015-07-02 | 2018-02-09 | 高通股份有限公司 | 用于3d地图的假设线地图绘制和验证 |
CN107911794A (zh) * | 2017-10-10 | 2018-04-13 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
CN109154501A (zh) * | 2016-06-09 | 2019-01-04 | 高通股份有限公司 | 视觉导航系统中的几何匹配 |
CN110579739A (zh) * | 2019-08-15 | 2019-12-17 | 青岛小鸟看看科技有限公司 | 一种头戴显示设备及定位方法、定位系统 |
CN112823289A (zh) * | 2018-10-12 | 2021-05-18 | 因温特奥股份公司 | 用于建筑物中的位置确定的系统和方法 |
CN115808170A (zh) * | 2023-02-09 | 2023-03-17 | 宝略科技(浙江)有限公司 | 一种融合蓝牙与视频分析的室内实时定位方法 |
Families Citing this family (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9439041B2 (en) * | 2012-06-29 | 2016-09-06 | Lighthouse Signal Systems, Llc | Systems and methods for calibration based indoor geolocation |
US9307368B1 (en) * | 2013-05-14 | 2016-04-05 | Google Inc. | Automatically generating and maintaining a floor plan |
GB2516284A (en) * | 2013-07-18 | 2015-01-21 | Here Global Bv | Method and apparatus for classifying access points in a radio map |
JP5646018B1 (ja) * | 2013-08-07 | 2014-12-24 | 三菱電機株式会社 | 設置場所策定支援方法、端末装置、設置場所策定支援システム及びプログラム |
WO2015031979A1 (en) * | 2013-09-06 | 2015-03-12 | Invensense, Inc. | System and method for integrated navigation with wireless dynamic online models |
US20150181381A1 (en) * | 2013-10-17 | 2015-06-25 | Gaby Prechner | Method and apparatus for time of flight fingerprint and geo-location |
KR102158029B1 (ko) * | 2014-01-03 | 2020-09-21 | 한국전자통신연구원 | 전파 지도를 이용한 실내위치 인식 방법 및 장치 |
US9674656B2 (en) | 2014-02-20 | 2017-06-06 | Microsoft Technology Licensing, Llc | Wireless-based localization using a zonal framework |
US9781697B2 (en) | 2014-06-20 | 2017-10-03 | Samsung Electronics Co., Ltd. | Localization using converged platforms |
CN104135330B (zh) * | 2014-08-14 | 2016-08-10 | 广州市香港科大霍英东研究院 | 一种弯角检测方法及系统 |
US9584981B2 (en) | 2014-08-27 | 2017-02-28 | Qualcomm Incorporated | Method and apparatus for real-time, mobile-based positioning according to sensor and radio frequency measurements |
US9476717B2 (en) * | 2014-10-27 | 2016-10-25 | Indooratlas Oy | Simultaneous localization and mapping by using Earth's magnetic fields |
CN104469936B (zh) * | 2014-12-09 | 2018-12-28 | 重庆邮电大学 | 基于智能空间的无线信号衰减模型的混合定位方法及系统 |
CN104639621A (zh) * | 2015-01-15 | 2015-05-20 | 北京邮电大学 | 移动位置服务系统 |
WO2016206736A1 (en) * | 2015-06-24 | 2016-12-29 | Here Global B.V. | Apparatuses, methods and computer-readable code relating to radiomap data |
US20200408875A1 (en) * | 2015-07-17 | 2020-12-31 | Chao-Lun Mai | Method, apparatus, and system for positioning and powering a wireless monitoring system |
KR102431996B1 (ko) * | 2015-10-12 | 2022-08-16 | 삼성전자주식회사 | 로봇 청소기 및 그 제어 방법 |
WO2017063776A1 (en) * | 2015-10-13 | 2017-04-20 | Siemens Aktiengesellschaft | Method, device and system for determining an indoor position |
US9723494B2 (en) | 2015-11-04 | 2017-08-01 | At&T Intellectual Property I, L.P. | Augmented reality visual Wi-Fi signal |
US9848302B2 (en) * | 2016-03-31 | 2017-12-19 | Intel Corporation | Self-learning locator for mobile device |
US10782135B2 (en) | 2016-04-11 | 2020-09-22 | The Regents Of The University Of Michigan | Magnetic beacon and inertial sensor localization technology |
US9958531B2 (en) | 2016-05-26 | 2018-05-01 | Blackberry Limited | Determining a location of a wireless device using fingerprinting |
US11050758B2 (en) | 2016-08-23 | 2021-06-29 | Reavire, Inc. | Controlling access to a computer network using measured device location |
US11269480B2 (en) | 2016-08-23 | 2022-03-08 | Reavire, Inc. | Controlling objects using virtual rays |
US10075818B2 (en) * | 2016-09-13 | 2018-09-11 | Google Llc | Systems and methods for graph-based localization and mapping |
US10444320B2 (en) | 2016-10-06 | 2019-10-15 | Reavire, Inc. | Locating devices based on antenna coordinates |
WO2018069867A1 (en) * | 2016-10-13 | 2018-04-19 | Six Degrees Space Ltd | Method and apparatus for indoor positioning |
US10176655B2 (en) | 2016-10-26 | 2019-01-08 | Reavire, Inc. | Controlling lockable devices using electronic key |
US10694325B2 (en) | 2016-12-31 | 2020-06-23 | Google Llc | Determining position of a device in three-dimensional space and corresponding calibration techniques |
US11599918B2 (en) | 2017-06-30 | 2023-03-07 | Intel Corporation | Thematic content delivery systems and methods |
CN107478229A (zh) * | 2017-07-28 | 2017-12-15 | 谢荟 | 一种室内导航系统 |
GB201718507D0 (en) | 2017-07-31 | 2017-12-27 | Univ Oxford Innovation Ltd | A method of constructing a model of the motion of a mobile device and related systems |
US10444322B2 (en) * | 2017-08-09 | 2019-10-15 | Swfl, Inc. | Systems and methods for coherence based positioning |
CN108052103B (zh) * | 2017-12-13 | 2020-12-04 | 中国矿业大学 | 基于深度惯性里程计的巡检机器人地下空间同时定位和地图构建方法 |
US11086124B2 (en) | 2018-06-13 | 2021-08-10 | Reavire, Inc. | Detecting velocity state of a device |
TWI679511B (zh) * | 2018-08-22 | 2019-12-11 | 和碩聯合科技股份有限公司 | 軌跡規劃方法與系統 |
CN110967990B (zh) * | 2018-09-30 | 2021-09-03 | 北京地平线信息技术有限公司 | 轨迹确定方法、装置和电子设备 |
US10345452B1 (en) * | 2018-11-05 | 2019-07-09 | Mapsted Corp. | Method and system for mobile device localization region in trusted-GPS region |
US11388564B2 (en) * | 2019-12-11 | 2022-07-12 | Nec Corporation | Infrastructure-free RF tracking in dynamic indoor environments |
CN111521971B (zh) * | 2020-05-13 | 2021-04-09 | 北京洛必德科技有限公司 | 一种机器人的定位方法及系统 |
CN111780756A (zh) * | 2020-07-20 | 2020-10-16 | 北京百度网讯科技有限公司 | 车辆航位推算方法、装置、设备以及存储介质 |
CN112165684B (zh) * | 2020-09-28 | 2021-09-14 | 上海大学 | 基于联合视觉和无线信号特征的高精度室内定位方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8566032B2 (en) * | 2009-10-30 | 2013-10-22 | CSR Technology Holdings Inc. | Methods and applications for altitude measurement and fusion of user context detection with elevation motion for personal navigation systems |
US20110117924A1 (en) * | 2009-11-18 | 2011-05-19 | Qualcomm Incorporated | Position determination using a wireless signal |
US9304970B2 (en) * | 2010-05-19 | 2016-04-05 | Nokia Technologies Oy | Extended fingerprint generation |
US8977287B1 (en) * | 2011-04-26 | 2015-03-10 | Andrew Joseph Gold | Method and system for indoor RF mapping |
US9258982B1 (en) * | 2011-06-16 | 2016-02-16 | Wolfgis, Llc | Dog collar with geo-positioning tracking and control cue capability |
WO2013085516A1 (en) * | 2011-12-08 | 2013-06-13 | Intel Corporation | Location sensing using channel fading fingerprinting |
-
2012
- 2012-05-01 AU AU2012379101A patent/AU2012379101B2/en not_active Ceased
- 2012-05-01 CN CN201280072506.2A patent/CN104220895B/zh not_active Expired - Fee Related
- 2012-05-01 EP EP12875976.8A patent/EP2845025A4/en not_active Withdrawn
- 2012-05-01 US US13/995,563 patent/US9288632B2/en not_active Expired - Fee Related
- 2012-05-01 WO PCT/US2012/035952 patent/WO2013165391A1/en active Application Filing
Non-Patent Citations (4)
Title |
---|
PHILIPP VORST ET AL.: "Efficient Self-Adjusting, Similarity-based Location Fingerprinting with Passive UHF RFID", 《RFID-TECHNOLOGIES AND APPLICATIONS (RFID-TA), 2011 IEEE INTERNATIONAL CONFERENCE ON》 * |
ROBERT REID, ET AL.: "Large-scale Multi-robot Mapping in MAGIC 2010", 《ROBOTICS, AUTOMATION AND MECHATRONICS (RAM), 2011 IEEE CONFERENCE ON》 * |
SHAO-WEN YANG ET AL.: "RANSAC Matching: Simultaneous Registration and Segmentation", 《2010 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
XIANG LI ET AL.: "Autonomous Learning of Vision-based Layered Object Models on Mobile Robots", 《2011 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236550A (zh) * | 2013-06-18 | 2014-12-24 | 杨清玄 | 位置信息处理装置和方法 |
CN107683496B (zh) * | 2015-07-02 | 2019-09-17 | 高通股份有限公司 | 用于3d地图的假设线地图绘制和验证 |
CN107683496A (zh) * | 2015-07-02 | 2018-02-09 | 高通股份有限公司 | 用于3d地图的假设线地图绘制和验证 |
CN106658581A (zh) * | 2015-10-30 | 2017-05-10 | 中兴通讯股份有限公司 | 一种实现移动性管理的方法及网元 |
WO2017071282A1 (zh) * | 2015-10-30 | 2017-05-04 | 中兴通讯股份有限公司 | 一种实现移动性管理的方法及网元 |
CN109154501B (zh) * | 2016-06-09 | 2020-01-24 | 高通股份有限公司 | 视觉导航系统中的几何匹配 |
CN109154501A (zh) * | 2016-06-09 | 2019-01-04 | 高通股份有限公司 | 视觉导航系统中的几何匹配 |
CN106643801B (zh) * | 2016-12-27 | 2019-11-19 | 纳恩博(北京)科技有限公司 | 一种定位准确度的检测方法及电子设备 |
CN106643801A (zh) * | 2016-12-27 | 2017-05-10 | 纳恩博(北京)科技有限公司 | 一种定位准确度的检测方法及电子设备 |
CN107911794A (zh) * | 2017-10-10 | 2018-04-13 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
WO2019071772A1 (zh) * | 2017-10-10 | 2019-04-18 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
CN107911794B (zh) * | 2017-10-10 | 2021-01-15 | 深圳数位传媒科技有限公司 | 自动规划无线信号采集位置的方法、系统及可读存储介质 |
CN112823289A (zh) * | 2018-10-12 | 2021-05-18 | 因温特奥股份公司 | 用于建筑物中的位置确定的系统和方法 |
CN110579739A (zh) * | 2019-08-15 | 2019-12-17 | 青岛小鸟看看科技有限公司 | 一种头戴显示设备及定位方法、定位系统 |
CN110579739B (zh) * | 2019-08-15 | 2021-11-30 | 青岛小鸟看看科技有限公司 | 一种头戴显示设备及定位方法、定位系统 |
CN115808170A (zh) * | 2023-02-09 | 2023-03-17 | 宝略科技(浙江)有限公司 | 一种融合蓝牙与视频分析的室内实时定位方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2013165391A1 (en) | 2013-11-07 |
AU2012379101A1 (en) | 2014-11-06 |
CN104220895B (zh) | 2017-03-01 |
EP2845025A1 (en) | 2015-03-11 |
EP2845025A4 (en) | 2016-03-09 |
US9288632B2 (en) | 2016-03-15 |
AU2012379101B2 (en) | 2016-01-28 |
US20140295878A1 (en) | 2014-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104220895A (zh) | 使用用于室内位置的空间和时间相干性的同时局部化和地图绘制 | |
US9594150B2 (en) | Determining device locations using movement, signal strength | |
US11262213B2 (en) | Decomposition of error components between angular, forward, and sideways errors in estimated positions of a computing device | |
Nurminen et al. | Particle filter and smoother for indoor localization | |
Xiao et al. | Lightweight map matching for indoor localisation using conditional random fields | |
KR101634126B1 (ko) | 위치 추정 방법, 장치 및 그 기록매체 | |
Chang et al. | Crowdsourcing-based radio map update automation for Wi-Fi positioning systems | |
TW201440013A (zh) | 基於虛擬地標之定位及地圖繪製技術 | |
US10057831B2 (en) | Communications | |
Yuanfeng et al. | Flexible indoor localization and tracking system based on mobile phone | |
Kwak et al. | Magnetic field based indoor localization system: A crowdsourcing approach | |
US20220155402A1 (en) | Transition Detection | |
Niu et al. | WTrack: HMM-based walk pattern recognition and indoor pedestrian tracking using phone inertial sensors | |
Bolat et al. | A hybrid indoor positioning solution based on Wi-Fi, magnetic field, and inertial navigation | |
KR101914922B1 (ko) | 위치 추정 방법 및 장치 | |
US20150211845A1 (en) | Methods and Systems for Applying Weights to Information From Correlated Measurements for Likelihood Formulations Based on Time or Position Density | |
Chen et al. | Pedestrian positioning with physical activity classification for indoors | |
Qiu et al. | Walk and learn: Enabling accurate indoor positioning by profiling outdoor movement on smartphones | |
KR101642186B1 (ko) | 위치 추적 방법, 위치 추적 시스템 및 이를 수행하기 위한 기록매체 | |
Völker et al. | Force-directed tracking in wireless networks using signal strength and step recognition | |
Fet et al. | Enhancements to the locosmotion person tracking system | |
CN114096001B (zh) | 一种融合异质信号的任意组合以确定电子装置位置的概率系统及方法 | |
JP2017227640A (ja) | 位置確定装置、方法及び電子機器 | |
Skytte | Feasibility study of indoor positioning in a hospital environment using smartphone sensors | |
Henken | Indoor-localization using a mobile phone |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 Termination date: 20190501 |