CN104869639B - 一种室内定位方法和装置 - Google Patents

Abstract

本发明实施例提供了一种室内定位方法和装置。包括：确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；获取当前的终端惯导向量；基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点。在定位计算的时候根据每个信标节点收到信号强度排序，在最强的N个信标节点附近的采样点来匹配指纹，来减少匹配计算量。并且通过终端设备上预设的惯导和指纹定位结果的结合，提升用户的定位体验。

Description

一种室内定位方法和装置

技术领域

本发明涉及室内定位领域，尤其涉及一种室内定位方法和装置。

背景技术

室内定位是定位技术研究的热点，现有室内定位技术多数基于室内已经部署好的WSN(wireless Sensor Network，无线传感器网络)，如ZigBee，beacon，或者WLAN(WirelessLocal Area Networks，无线局域网)网络等现存的硬件设备，通过增加软件的方式实现定位。

现有室内定位方案分成：测距和非测距；

测距方法，如三点定位：利用接收信号强度RSSI(Received Signal StrengthIndication)或根据电磁波衰减模型反推出距离。前者需要纳秒级的时钟同步，后者RSSI受到室内复杂环境影响，如多径，障碍物等等，定位效果都不理想。

非测距方法，利用RSSI指纹定位。分成离线训练阶段和在线定位阶段。离线阶段：对室内环境中所有采样点收到的信号强度采样，建立一个信号强度和采样点的映射指纹数据库。在线定位阶段：终端扫描所有基站的信号强度，将扫描数据和指纹数据库中所有采样点计算相似度，得到最相似的采样点，作为对用户位置的估计。基于指纹的定位无须考虑传播误差，多径，时钟同步问题，较之三点定位等测距方案有优势。

但是，上述指纹定位方案在室内面积增大时，需要遍历更多采样点计算相似度，增加计算开销。另外，实际终端定位时，往往处于移动状态，如果信号强度波动较大，或者终端移动加快，定位结果往往是跳跃很大的离散点集合，定位效果不理想。

无论是测距方法或非测距方法，对于室内定位的效果都不够优化，定位不够精确。

发明内容

本发明的实施例提供了一种室内定位方法，相对于现有技术能够更精确地实现室内定位。

本发明提供了如下方案：

确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取当前的终端惯导向量；

基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点。

根据上述的一种室内定位方法，还包括：

确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取更新的终端惯导向量；

基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

根据上述的一种室内定位方法，获取所述终端惯导向量，包括：

获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量并获取行走方位角；

根据所述行走方位角和行走步长获取终端惯导向量。

根据上述的一种室内定位方法，包括：根据KNN(k-nearest neighborclassification)最邻近算法在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点。

根据上述的一种室内定位方法，所述获取指纹最相似的不少于一个的栅格点，包括：

对信标节点接收到的来自终端采集的信号强度指示RSSI(Received SignalStrength Indication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

根据上述的一种室内定位方法，所述从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，包括：

采用欧式距离获取指纹最相似的不少于一个的栅格点，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

或，

采用余弦值法获取指纹最相似的不少于一个的栅格点，余弦值最大的若干个指纹点为指纹最相似的不少于一个的栅格点。

根据本发明的另一方面，还提供一种室内定位装置，包括：

确定模块：其用于确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取模块：其用于获取当前的终端惯导向量；

定位模块：其基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点。

根据本发明的另一方面的一种室内定位装置，还包括：

更新确定模块：其用于确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

更新获取模块：其用于获取更新的终端惯导向量；

更新定位模块：其用于基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

根据本发明的另一方面的一种室内定位装置，所述获取模块和所述更新获取模块，包括：

采样组件：其用于获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

阈值组件：其用于设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量并获取行走方位角；

惯导组件：其用于根据所述行走方位角和行走步长获取终端惯导向量。

根据本发明的另一方面的一种室内定位装置，所述确定模块和所述更新确定模块，包括：确定组件：其用于根据KNN(k-nearest neighbor classification)最邻近算法在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点。

根据本发明的另一方面的一种室内定位装置，所述确定模块和所述更新确定模块，还包括：

排序组件：其用于对信标节点接收到的来自终端采集的信号强度指示RSSI(Received Signal Strength Indication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

比对组件：其用于从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

根据本发明的另一方面的一种室内定位装置，所述比对组件，包括：

欧式距离组件：其采用欧式距离获取指纹最相似的不少于一个的栅格点，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

或，

余弦值组件：其采用余弦值法获取指纹最相似的不少于一个的栅格点，余弦值最大的若干个指纹点为指纹最相似的不少于一个的栅格点。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例。

在定位计算的时候根据每个信标节点收到信号强度排序，在最强的N个信标节点附近的采样点来匹配指纹，来减少匹配计算量。并且通过终端设备上预设的惯导和指纹定位结果的结合，用于平滑终端设备位置移动或RSSI波动带来的定位点抖动，能够更为精确地确定室内的定位点，实时更新定位结果，提升用户的定位体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的终端设备、信标节点、定位服务器之间的场景图；

图2为本发明实施例一提供的一种室内定位方法的处理流程图；

图3为本发明实施例一的欧式距离定位修正图；

图4为本发明实施例一的低通滤波器对计步输入量进行处理后的效果对比图；

图5为本发明实施例二提供的一种室内定位装置的模块图。

具体实施方式

本实施例在现有技术的基础上，设计了更为优化的室内定位方法，能够更为精确地确定室内的定位点，实时更新定位结果，提升用户的定位体验。为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

实施例一

本实施例需要预先在定位区域做标定，根据需要在定位区域布置信标节点，至少确保每个需要定位的位置能够收到3个或3个以上信号。并记录每个信标节点属性，信标节点属性包括：MAC，发射功率，位置信息等。后续定位确定信标节点时需要用到：位置信息，MAC；利用栅格化装置对待定位区域栅格化获取栅格点，本实施例中选择每个栅格的左上角顶点作为栅格的坐标点对待定位区域进行栅格化标定；

本实施例中还需要预先对待定位区域建立指纹数据库，指纹数据库反映的是待定位区域的每个栅格点对应的指纹，指纹是指：信标节点和信标节点的信号强度的对应关系(如：<MAC，RSSI>)；具体地，建立指纹数据库是利用信号采集装置在待定位区域内已进行栅格标定的每个栅格点内多次扫描所有信标节点信号强度，将所有信号强度平均后填入指纹数据库，形成以栅格点作为采样点到指纹的映射表，栅格点以标定的每个栅格的左上角顶点作为栅格的坐标点(x，y)与指纹建立映射；

在获取指纹最相似的不少于一个的栅格点之前，预先在终端设备上预制好惯导信息，现行常见的智能手机都具备惯导功能，以及其他内置惯导器件的智能终端设备，都可以作为惯导设备，本领域的技术人员应当了解依据惯导设备的不同，预制的惯导信息也不同，以智能手机为例，预制的惯导信息包括用户的步长等，此处不详细列举，在实际定位场景中终端设备、信标节点、定位服务器之间的场景图如附图1所示。

在实际定位中，每次定位请求前，终端发出扫描信号，扫描各个信标节点的信号强度，将扫描得到的每个信标节点指纹信息，通过网络发送给定位服务器，服务器会根据该信息进行定位计算；

信标节点接收到终端发出的扫描信号，需要估算终端的信号强度，具体地，将信标节点所接收到的智能终端扫描的信号组织成报文发送给定位服务器，信标上报报文的目的是为了找到距离待定位的终端最近的几个信标节点来提取指纹，上述报文内容包括每个信标节点属性：时间，信标节点的ID，扫描到的终端ID，接收到终端信号的信号强度RSSI。其中，上报时间的作用是选择在设定时间阈值以内的数据作为有效数据，信标节点的ID实际上是信标节点的索引，信标节点都有对应的MAC地址，需要选择所接收的终端信号强度RSSI最强的若干个信标节点对应的信标节点的ID作为索引，在指纹数据库的指纹对中查找这若干个信标节点对应的MAC。

该实施例提供了一种室内定位方法的处理流程如图2所示，包括如下的处理步骤：

步骤11、确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取指纹最相似的不少于一个的栅格点，具体地，包括：

对信标节点接收到的来自终端采集的信号强度指示RSSI进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

从指纹数据库中提取所述栅格点对应的指纹数据，与终端采集的指纹比对，获取指纹最相似的不少于一个的栅格点。

具体地，可以通过两种方法获取最相似的不少于一个的栅格点；

方法一

采用欧式距离获取最相似的不少于一个的栅格点，具体地，根据欧式距离公式：

其中，Dj表示第j个栅格点与终端采集指纹的欧式距离，i＝1，2，…，N表示N个信标节点；RSSIⁱ表示终端采集的第i个信标节点的RSSI，表示指纹数据库中提取的栅格点对应第i个信标节点的RSSI的第j个采样点；

对若干个栅格点对应的指纹都采用欧式距离公式进行计算，选择进行计算的栅格点不少于一个，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

方法二

采用余弦值法获取指纹最相似的不少于一个的栅格点，具体地，根据余弦值公式：

其中：cosθ表示第j个栅格点与终端采集指纹的余弦值。A表示栅格点指纹向量，x_i表示栅格点指纹中第i个信标节点RSSI。B表示采集指纹,y_i表示采集指纹中第i个信标节点RSSI。

对若干个栅格点对应的指纹都采用余弦值公式进行计算，得到不少于一个余弦值最大的栅格点在所述最相似的不少于一个的栅格点中确定出指纹定位点；根据KNN(k-nearest neighbor classification)最邻近算法在所述最相似的不少于一个的栅格点中计算并确定出指纹定位点；本实施例中用Z(x,y)表示指纹定位点。

当采用欧式距离获取指纹最相似的不少于一个的栅格点，这里引入KNN最邻近算法的计算。具体地，取k个最短欧式距离的点，利用欧式距离反比加权，具体实施时，k通常取3，对结果进行修正。公式如下，其中，dn为某个栅格点的欧式距离，xn、yn是对应坐标点：

基于欧式距离的反比加权，欧式距离d1<d2<d3，K＝3阶加权后，定位结果修正如附图3所示。

采用余弦值法获取指纹最相似的不少于一个的栅格点，这里引入KNN最邻近算法的计算。具体地，取k个最大的余弦值的点，利用最大余弦值加权，具体实施时，k通常取3，对结果进行修正。其中，cosθ_n是某个栅格点的余弦值，xn、yn是对应的坐标点。

步骤12、获取当前的终端惯导向量；惯导向量具体指终端的移动向量，具体地，获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

终端以手机为例，以手机三轴加速度计为例，三种加速度计采集如下：

x轴加速度：Ax{X1,X2,……,Xn}

y轴加速度：Ay{Y1,Y2,……,Yn}

z轴加速度：Az{Z1,Z2,……,Zn}

计算加速度传感器三轴加速度和A{a1,a2,……,an}，其中比较作为计步器输入量；

优选地，采用低通滤波器对计步器输入量进行处理，滤波效果如附图4所示；

设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量获取行走方位角；

在具体实施中，优选地，选择峰值的k倍作为设定的阈值：

P＝K*(a_max+a_min)

其中N是采样点个数，K可选取固定值0.6，a_max和a_min为计步器输入量的最大值和最小值，记高于阈值P的一次峰值作为一次输出，得到步数n，并从方向传感器读每次行走方位角θ_n。

根据所述行走方位角和行走步长获取终端惯导向量。

以智能手机作为终端惯导为例，可以直接从手机方向传感器得到行走方位角θ，本实施例中估算人体行走步长L，可以选取固定值0.6m；得到终端惯导向量(n*L*cosθ_n,n*L*sinθ_n)。

步骤13、基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点。

优选地，利用互补滤波或者加权平均法，或者卡尔曼滤波等算法，对所述指纹定位点和所述终端惯导向量进行处理，再将处理后的指纹定位点Z(x,y)和终端惯导向量结合得到综合定位点X_n，并返回给终端，作为第N次定位结果。优选地，本实施例中采用卡尔曼滤波对所述指纹定位点和所述终端惯导向量进行处理。

在具体实现上，可以在服务器端完成步骤11的计算，同时，终端将终端惯导向量再发送至服务器端，在服务器端完成根据指纹定位点和终端惯导向量获取综合定位点的计算，由服务器端完成计算后，向终端返回计算结果。

也可以是在服务器端完成步骤11关于指纹定位点的计算，并将结果反馈至终端，在终端完成根据指纹定位点和终端惯导向量获取综合定位点的计算。

本领域技术人员应能理解，上述所举的完成根据指纹定位点和终端惯导向量获取综合定位点的计算在服务器端完成或在终端完成无论采用互补滤波，还是卡尔曼滤波等等其他结合方式对所述指纹定位点和所述终端惯导向量向量的处理，仅为更好地说明本发明实施例的技术方案，而非对本发明实施例作出的限定，任何完成根据指纹定位点和终端惯导向量获取综合定位点的计算方法，均包含在本发明实施例的范围内。

基于上述获取当前综合定位点的步骤之后，在当前综合定位点的基础上不断迭代运算获取更新的综合定位点；

具体迭代按照如下计算思路：

X(k|k-1)＝AX(k-1)+BU(k-1)-公式1

P(k|k-1)＝AP(k-1)A^T+Q-公式2

Kg(k)＝P(k|k-1)/(P(k|k-1)+R)-公式3

X(k)＝X(k|k-1)+Kg(k)(Z(k)-X(k|k-1))-公式4

P(k)＝(1–Kg(k))P(k|k-1)-公式5

其中：

A是前一状态到当前状态的增益，X(k-1)表示第K-1次的综合定位点,A可以选择单位矩阵。BU(k-1)是系统控制量，这里是第k-1次定位时终端惯导向量L(k-1)；

L(k-1)＝BU(k-1)；

X(k|k-1)是在k-1次定位结果的对k次结果的预测值，本实施例中表示第K-1次的在上一次综合定位点基础上迭代终端惯导向量的定位点；

P是每次综合定位点X的协方差，Q是X(k|k-1)终端惯导向量的协方差。R是当前指纹定位点Z(k)的协方差；

根据实际指纹定位的精度和惯导的精度选取经验值R和Q，如惯导误差度每步0.1m，指纹误差每次3.5m来计算各自协方差。

实际中终端扫描频率大概2s到4s一次，指纹定位结果2s-4s计算一次，在期间终端快速移动，定位点不会突然跳动，而是随着惯导系统平滑过渡，直到新的指纹定位结果和惯导结果滤过得到新点。

Kg(k)是卡尔曼增益系数，Z(k)是第k次的观测值，本实施例中指步骤11中确定的当前的指纹定位点的结果，X(K)是第k次当前定位的综合定位点。

S11、确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

确定更新的指纹定位点的方法具体参照上述步骤11中确定当前的指纹定位点；

确定更新的指纹定位点为Z(k+1)，是第k+1次的观测值；

S12、获取更新的终端惯导向量；

获取更新的终端惯导向量的方法具体参照上述步骤12中获取当前的终端惯导向量；获取更新的终端惯导向量为L(K+1)；

S13、基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

基于上一次综合定位点X(K)基础上，结合更新的终端惯导向量L(K+1)以及更新的指纹定位点Z(k+1)获取更新的综合定位点X(k+1)；

根据公式1获取在上一次的综合定位点的基础上迭代终端惯导向量的定位点X(k+1|k)，即：k次定位结果的对k+1次结果的预测值；

X(k+1|k)＝X(k)+L(k)；其中BU(k)＝L(k)；

根据在上一次的综合定位点的基础上迭代终端惯导向量的定位点X(k+1|k)和更新的指纹定位点Z(k+1)获取更新的综合定位点X(k+1)。当用户携带终端继续移动时，此时指纹定位结果随着终端移动而改变，如此迭代循环不断获取最新定位点。根据公式4得到X(K+1)的值，其中，根据公式3计算第k+1次的增益kg，公式5为下一次的计算做准备。

X(k+1)＝X(k+1|k)+Kg(k+1)(Z(k+1)-X(k+1|k))

实施例二

该实施例提供了一种室内定位装置，其具体实现结构如图5所示，具体可以包括如下的模块：确定模块21、获取模块22和定位模块23，其中，

确定模块21：其用于确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取模块22：其用于获取当前的终端惯导向量；

定位模块23：其基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点。

本发明的一种室内定位装置，还包括：

更新确定模块201：其用于确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

更新获取模块202：其用于获取更新的终端惯导向量；

更新定位模块203：其用于基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

其中，获取模块22和所述更新获取模块202，包括：

采样组件221：其用于获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

阈值组件222：其用于设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量并获取行走方位角；

惯导组件223：其用于根据所述行走方位角和行走步长获取终端惯导向量。

其中，确定模块21和所述更新确定模块201，包括：

确定组件213：其用于根据KNN(k-nearest neighbor classification)最邻近算法在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点。

其中，确定模块21和所述更新确定模块201，还包括：

排序组件211：其用于对信标节点接收到的来自终端采集的信号强度指示RSSI(Received Signal Strength Indication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

比对组件212：其用于从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

其中，比对组件212，包括：

欧式距离组件2121：其采用欧式距离获取指纹最相似的不少于一个的栅格点，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

或，

余弦值组件2122：其采用余弦值法获取指纹最相似的不少于一个的栅格点，余弦值最大的若干个指纹点为指纹最相似的不少于一个的栅格点。

用本发明实施例的装置进行室内定位的具体过程与前述方法实施例类似，此处不再赘述。

本发明在定位计算的时候根据每个信标节点收到信号强度排序，在最强的N个信标节点附近的采样点来匹配指纹，来减少匹配计算量。并且通过终端设备上预设的惯导和指纹定位结果的结合，用于平滑终端设备位置移动或RSSI波动带来的定位点抖动，能够更为精确地确定室内的定位点，实时更新定位结果，提升用户的定位体验。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (11)

1.一种室内定位方法，其特征在于，包括：

确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取当前的终端惯导向量；

基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点；

所述获取指纹最相似的不少于一个的栅格点，包括：

对信标节点接收到的来自终端采集的信号强度指示RSSI(Received Signal StrengthIndication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

2.根据权利要求1所述的一种室内定位方法，还包括：

确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取更新的终端惯导向量；

基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

3.根据权利要求1或2所述的一种室内定位方法，其特征在于，获取所述终端惯导向量，包括：

获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量并获取行走方位角；

根据所述行走方位角和行走步长获取终端惯导向量。

4.根据权利要求1或2所述的一种室内定位方法，其特征在于，包括：根据KNN(k-nearest neighbor classification)最邻近算法在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点。

5.根据权利要求1所述的一种室内定位方法，其特征在于，所述从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，包括：

采用欧式距离获取指纹最相似的不少于一个的栅格点，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

或，

采用余弦值法获取指纹最相似的不少于一个的栅格点，余弦值最大的若干个指纹点为指纹最相似的不少于一个的栅格点。

6.一种室内定位装置，其特征在于，包括：

确定模块：其用于确定当前的指纹定位点；其中，确定所述指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

获取模块：其用于获取当前的终端惯导向量；

定位模块：其基于当前的终端惯导向量以及当前的指纹定位点获取当前的综合定位点；

所述确定模块还包括：

排序组件：其用于对信标节点接收到的来自终端采集的信号强度指示RSSI(ReceivedSignal Strength Indication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

比对组件：其用于从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

7.根据权利要求6所述的一种室内定位装置，还包括：

更新确定模块：其用于确定更新的指纹定位点；其中，确定所述更新的指纹定位点包括：获取指纹最相似的不少于一个的栅格点，在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点；

更新获取模块：其用于获取更新的终端惯导向量；

更新定位模块：其用于基于上一次的综合定位点和所述更新的终端惯导向量以及所述更新的指纹定位点获取更新的综合定位点。

8.根据权利要求7所述的一种室内定位装置，其特征在于，所述获取模块和所述更新获取模块，包括：

采样组件：其用于获取终端加速度采样值，选择各轴向的各组采样值的绝对值的和最大的一组采样值，作为计步器输入量；

阈值组件：其用于设定阈值，遍历计步器输入量，选择高于所述阈值的输入量作为输出，根据高于所述阈值的输入量并获取行走方位角；

惯导组件：其用于根据所述行走方位角和行走步长获取终端惯导向量。

9.根据权利要求7所述的一种室内定位装置，其特征在于，所述确定模块和所述更新确定模块，包括：确定组件：其用于根据KNN(k-nearest neighbor classification)最邻近算法在所述指纹最相似的不少于一个的栅格点中确定出指纹定位点。

10.根据权利要求7所述的一种室内定位装置，其特征在于，所述更新确定模块，还包括：

排序组件：其用于对信标节点接收到的来自终端采集的信号强度指示RSSI(ReceivedSignal Strength Indication)进行排序，并提取最强信号强度的若干个信标位置附近的栅格点；

比对组件：其用于从指纹数据库中提取所述栅格点对应的信号强度指示RSSI，与终端采集的信号强度指示RSSI比对，获取指纹最相似的不少于一个的栅格点。

11.根据权利要求10所述的一种室内定位装置，其特征在于，所述比对组件，包括：

欧式距离组件：其采用欧式距离获取指纹最相似的不少于一个的栅格点，欧式距离最短的若干个指纹点为指纹最相似的不少于一个的栅格点；

或，

余弦值组件：其采用余弦值法获取指纹最相似的不少于一个的栅格点，余弦值最大的若干个指纹点为指纹最相似的不少于一个的栅格点。