CN105629196A - 基于计算机视觉及动态指纹的定位系统及相应方法 - Google Patents

Abstract

本发明提供了基于计算机视觉及动态指纹的定位系统及相应方法。本发明的系统包括：图像采集装置、无线接入设备、服务器、无线信标。在使用时，本发明将无线信标安装在定位物上，通过图像采集装置采集定位物的图像并通过无线信标接收无线信号，并生成位置信息流和信号强度数据流，进而基于这两种数据流进行定位。本发明结合了图像定位和无线信号定位二者的优点，使这两种定位方式相辅相成实现更好地定位效果。本发明的系统和方法在视距条件下采用视觉定位获得高精度定位并且动态实时更新指纹数据，使得非视距条件下的定位精度得到提高，确保在各种室内复杂情况下得到高精度的定位服务。

Description

基于计算机视觉及动态指纹的定位系统及相应方法

技术领域

本发明涉及定位技术，具体涉及计算机视觉及动态指纹的定位系统及相应方法。

背景技术

目前基于计算机视觉技术的室内定位系统利用摄像头对物体或人进行拍照，从照片中成像的位置计算其相对于摄像头的相对位置。基于计算机视觉的室内定位算法主要有单目和双目两类。计算机视觉定位的优点是定位精度高及稳定度高。但计算机视觉定位技术要求在视距(LineofSight)无遮挡的条件，在室内复杂的非视距(NonLineofSight)的条件下，该定位算法将不能使用。

当前的物联网普遍采用无线技术对各种设备进行互联，包括Zigbee，WIFI，蓝牙和ibeacon等技术。现有的室内无线定位技术可以利用现成的无线网络来进行定位计算。无线定位技术可分为测距和非测距技术两种，如基于到达时间或者时间差的测距技术因为需要精确的时间同步，系统复杂成本较高，而且在非视距条件下准确度影响较大的。基于指纹(Fingerprint)算法的非测距技术利用无线信号可以绕过障碍物的特点，可以避免非视距条件下测距技术定位精度下降的问题。通过标定特征点的无线信号强度，指纹(Fingerprint)算法选取区域内的相关特征点标定收到各无线设备的信号强度，并将这些数据存入数据库中；在定位阶段进行定位计算时，将测得的无线设备的信号强度和数据库中存储的特征点的数据进行匹配计算得到的位置坐标。这种基于指纹匹配的算法的关键是要保证指纹数据本身的准确性，否则系统的定位精确度必然不能保证。

公开号为CN104678351、发明名称为“一种基于Zigbee技术的室内定位系统的算法”的专利中公开了一种方法，其在离线阶段记录特征点指纹信息并在在线阶段采用加权最接近的K个特征点(WKNN)算法进行指纹匹配计算。该方法采用离线阶段人工标定指纹数据，然后这些数据静态地存储在指纹数据库中用来做定位计算。随着系统使用时间的增长，因为无线系统的信号漂移，环境或者气候变化等因素，造成原来离线阶段得到的静态的指纹数据并不能准确代表当前环境中的特征点的数据。PeterBrid等在ComputationalCollectiveIntelligence第七届国际会议发表的研究(ICCCI2015,PartII,LNCS9330,pp.316–325,2015)表明，环境中障碍物位置的变化可以导致指纹算法的定位误差平均值增大进一倍。目前，采用这种离线方式进行静态标定的方法都存在这个问题，可以通过组织重复多次离线标定来减轻这个问题，但同时也会降低定位系统的可用性，并且导致人工成本的增加。

因此，综上所述，现有的用于室内定位的各种定位方式均存在其缺陷，不能够提供长期稳定的定位。

发明内容

针对现有定位技术中存在的上述问题，尤其是采用指纹算法的无线定位技术中存在的指纹数据标定复杂、困难，标定数据容易出现信号漂移等问题，本发明提供一种能实现动态指纹数据更新，进而消除上述误差因素，提高定位精度的定位系统及相应定位方法。

具体而言，本发明提供一种基于计算机视觉及动态指纹的定位系统，其特征在于，所述定位系统包括：图像采集装置、无线接入设备、服务器、无线信标，所述无线信标安装在定位物上，

所述图像采集装置用于以预定时间间隔或持续地采集定位物的图像，并将所采集的图像发送至所述服务器；

所述无线信标用于以预定时间间隔或持续地接收所述无线接入设备的信号，确定所接收到的每个无线信号的信号强度，并将相应信号强度信息发送至所述服务器；

所述服务器基于所述图像计算所述定位物的位置信息并生成位置信息流，基于所述信号强度信息生成信号强度数据流，并对所述位置信息流和所述信号强度数据流进行匹配生成位置及信号强度数据流，存入指纹数据库；

所述服务器还基于所述图像判断所述定位物是否在图像中可见，如果可见，则所述服务器直接基于所述图像确定所述定位物的位置，否则，所述服务器基于所述无线信标获得的当前信号强度信息以及所述位置及信号强度数据流利用基于动态指纹数的时间加权K最临近定位算法(T-WKNN)进行位置计算。

进一步地，所述服务器定期对所述指纹数据库进行更新，清除与相邻数据的时间间隔小于预定阈值的数据或距离当前时间超过预定阈值的数据。

进一步地，在所述时间加权K最临近定位算法中，在对K个最匹配的指纹点加权求和时，采用指纹数据的时间距离作为权重因子，该权重因子为：时间间隔乘以距离的倒数，其中时间间隔为该指纹数据采集的时间到当前时间的间隔。

进一步地，所采用的加权求和方法为：

$X={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{X_j}{T_j{D}_j}\right)$

$Y={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{Y_j}{T_j{D}_j}\right)$

其中Xj为K个最匹配指纹点中第j个的X坐标，Yj为K个最匹配指纹点中第j个的Y坐标，Tj为第j个指纹数据离当前的时间间隔，Dj为定位点数据和第j个指纹点数据的距离，Dj由定位点收到的各无线接入设备的信号强度和第j个指纹点的无线接入设备的信号强度的差值的平方和计算得到。

另一方面，本发明提供一种基于计算机视觉及动态指纹的定位方法，其特征在于，所述方法包括：

以预定时间间隔或持续地采集定位物的图像；

基于所述图像计算定位物的位置信息并生成位置信息流；

以预定时间间隔或持续地利用定位物上的无线信标接收无线接入设备的信号并确定所接收到的每个无线信号的信号强度；

基于所述信号强度信息生成信号强度数据流；

对所述位置信息流和信号强度数据流进行匹配生成位置及信号强度数据流，存入指纹数据库；

基于所述图像判断所述定位物是否在图像中可见，如果可见，则直接基于所述图像确定所述定位物的位置，否则，基于所述无线信标获得的当前信号强度信息以及所述位置及信号强度数据流，利用基于动态指纹数的时间加权K最临近定位算法(T-WKNN)计算所述定位物的当前位置，其中，在所述时间加权K最临近定位算法中。

进一步地，所述方法还包括：定期对所述指纹数据库进行更新，清除与相邻数据的时间间隔小于预定阈值的数据或距离当前时间超过预定阈值的数据。

进一步地，在所述时间加权K最临近定位算法中，在对K个最匹配的指纹点加权求和时，采用指纹数据的时间距离作为权重因子，该权重因子为：时间间隔乘以距离的倒数，其中时间间隔为该指纹数据采集的时间到当前时间的间隔。

进一步地，所采用的加权求和方法为：

$X-{\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{X_j}{T_j{D}_j}\right)$

$Y-{\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{Y_j}{T_j{D}_j}\right)$

其中Xj为K个最匹配指纹点中第j个的X坐标，Yj为K个最匹配指纹点中第j个的Y坐标，Tj为第j个指纹数据离当前的时间间隔，Dj为定位点获取的信号强度数据和第j个指纹点获取的信号强度的数值的距离，Dj为由定位物上的无线信标接收到的各K个无线接入设备的信号强度和第j个指纹点的无线接入设备的信号强度的差值的平方和计算得到。

相比于现有技术，本发明具有如下优势：

1、本发明的基于计算机视觉和无线信号动态指纹算法的定位系统，提供视距及非视距的各种复杂室内环境定位。

2、用视觉定位获得高精度定位并且动态实时更新无线信号的指纹数据，使得非视距条件下的定位精度得到提高，不需要人工标定得到指纹数据。此外，由于指纹数据动态更新，系统可以提供更多，更新的指纹数据，可以消除因时间导致的信号系统漂移，环境及气候变化的误差。

3、本发明采用了基于动态指纹的时间加权K最临近定位算法(T-WKNN)，加入时间间隔作为权重因子，减少长时间导致的设备信号漂移，气候及环境变化带来的误差，提高定位精度。

综上所述，本发明的基于计算机视觉及动态指纹的定位系统及定位方法在视距条件下采用视觉定位获得高精度定位并且动态实时更新指纹数据，使得非视距条件下的定位精度得到提高，确保在各种室内复杂情况下得到高精度、高可靠性的定位服务。

附图说明

图1示出了本发明实施例中的基于计算机视觉及动态指纹的定位系统的硬件架构示意图；

图2示出了本发明的定位系统中所执行的定位方法的流程示意图；

图3示出了存在遮挡时图1所示实施例中的定位系统进行定位的情况。

图中的附图标记为：1、定位物，2、无线信标，3、摄像头，4、无线接入，5、服务器，6、无线路由器，7、连接线

具体实施方式

实施例1

下面结合附图对本发明的具体实施例进行详细说明。

如图1所示，本实施例中的定位系统主要包括下述部件：无线信标2、摄像头3、无线接入设备4和服务器5，无线信标2安装在定位物1上，其可以测量附近各无线接入设备4的信号强度，并且将信号强度信息由无线接入设备4通过无线路由器6发送至服务器5。

定位物1可以移动，如图1所示，在无遮挡的情况下，摄像头3拍摄视频或者照片，将视频或照片由网线或者无线网络发送至服务器5。服务器5基于相应摄像头的位置、定位物在所拍摄视频中的位置对定位物1进行定位。

服务器5上运行的软件包含两个模块，一个模块是图像处理模块，用于基于图像进行位置计算，另外一个是改进的基于动态标定的时间加权K最临近定位算法(TimeWeightedK-NearestNodes,T-WKNN)。

如图2所示，图像处理模块计算出物体1的位置，写入位置信息流。同时，定位物上的无线信标2收集附近无线接入设备的信号并得到其强度，然后将信号强度信息发送至服务器5写入信号强度数据流。服务器5将图像处理模块得到的位置信息流，和信号强度数据流经过时间匹配计算后得到位置及信号强度的数据流实时更新到指纹数据库。服务器5需定期对指纹数据库中的指纹数据进行清理，清除过密的数据及过老的数据，以保证指纹匹配算法的效率。

如图3所示，在摄像头和定位物1之间有遮挡(非视距)的情况下(图中定位物1被障碍物8遮挡)，系统继续采集无线接入设备的信号强度，用基于动态指纹数的时间加权K最临近定位算法(T-WKNN)进行位置计算。

时间加权K最临近定位算法(T-WKNN)，对K个最匹配的指纹点加权求和时，用时间间隔乘以距离的倒数作为权重，其加权求和方法为：

$X={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{X_j}{T_j{D}_j}\right)$

$Y={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{Y_j}{T_j{D}_j}\right)$

其中Xj为K个最匹配指纹点中第j个的X坐标，Yj为K个最匹配指纹点中第j个的Y坐标，Tj为第j个指纹数据离当前的时间间隔，Dj为定位点数据和第j个指纹点数据的距离，Dj由定位点收到的各无线接入设备的信号强度和第j个指纹点的无线接入设备的信号强度的差值的平方和计算得到。该T-WKNN算法与传统WKNN算法相比不同之处在于加入了指纹数据的时间距离作为权重因子。本发明的T-WKNN算法将比较新的指纹数据赋予较大权重，而对于旧的指纹数据赋予较小权重，可以减少因为时间因素造成的设备信号漂移及环境变化的误差，从而提高定位精度。PeterBrid等的研究表明环境的变化可以导致指纹算法的定位误差平均值增大进一倍，本发明将T-WKNN算法与计算机视觉定位以及无线信号定位相结合可以最大限度地减少环境变化对误差的影响。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。

Claims (8)

1.一种基于计算机视觉及动态指纹的定位系统，其特征在于，所述定位系统包括：图像采集装置、无线接入设备、服务器、无线信标，所述无线信标安装在定位物上，

所述图像采集装置用于以预定时间间隔或持续地采集定位物的图像，并将所采集的图像发送至所述服务器；

所述无线信标用于以预定时间间隔或持续地接收所述无线接入设备的信号，确定所接收到的每个无线信号的信号强度，并将相应信号强度信息发送至所述服务器；

所述服务器基于所述图像计算所述定位物的位置信息并生成位置信息流，基于所述信号强度信息生成信号强度数据流，并对所述位置信息流和所述信号强度数据流进行匹配生成位置及信号强度数据流，存入指纹数据库；

所述服务器还基于所述图像判断所述定位物是否在图像中可见，如果可见，则所述服务器直接基于所述图像确定所述定位物的位置，否则，所述服务器基于所述无线信标获得的当前信号强度信息以及所述位置及信号强度数据流利用基于动态指纹数的时间加权K最临近定位算法(T-WKNN)进行位置计算。

2.根据权利要求1所述的基于计算机视觉及动态指纹的定位系统，其特征在于，

所述服务器定期对所述指纹数据库进行更新，清除与相邻数据的时间间隔小于预定阈值的数据或距离当前时间超过预定阈值的数据。

3.根据权利要求1所述的基于计算机视觉及动态指纹的定位系统，其特征在于，在所述时间加权K最临近定位算法中，在对K个最匹配的指纹点加权求和时，采用指纹数据的时间距离作为权重因子，该权重因子为：时间间隔乘以距离的倒数，其中时间间隔为该指纹数据采集的时间到当前时间的间隔。

4.根据权利要求3所述的基于计算机视觉及动态指纹的定位系统，其特征在于，

所采用的加权求和方法为：

$X={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{X_j}{T_j{D}_j}\right)$

$Y={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{Y_j}{T_j{D}_j}\right)$

其中Xj为K个最匹配指纹点中第j个的X坐标，Yj为K个最匹配指纹点中第j个的Y坐标，Tj为第j个指纹数据离当前的时间间隔，Dj为定位点数据和第j个指纹点数据的距离，Dj由定位点收到的各无线接入设备的信号强度和第j个指纹点的无线接入设备的信号强度的差值的平方和计算得到。

5.一种基于计算机视觉及动态指纹的定位方法，其特征在于，所述方法包括：

以预定时间间隔或持续地采集定位物的图像；

基于所述图像计算定位物的位置信息并生成位置信息流；

以预定时间间隔或持续地利用定位物上的无线信标接收无线接入设备的信号并确定所接收到的每个无线信号的信号强度；

基于所述信号强度信息生成信号强度数据流；

对所述位置信息流和信号强度数据流进行匹配生成位置及信号强度数据流，存入指纹数据库；

基于所述图像判断所述定位物是否在图像中可见，如果可见，则直接基于所述图像确定所述定位物的位置，否则，基于所述无线信标获得的当前信号强度信息以及所述位置及信号强度数据流，利用基于动态指纹数的时间加权K最临近定位算法(T-WKNN)计算所述定位物的当前位置，其中，在所述时间加权K最临近定位算法中。

6.根据权利要求5所述的基于计算机视觉及动态指纹的定位方法，其特征在于，

所述方法还包括：定期对所述指纹数据库进行更新，清除与相邻数据的时间间隔小于预定阈值的数据或距离当前时间超过预定阈值的数据。

7.根据权利要求5所述的基于计算机视觉及动态指纹的定位方法，其特征在于，在所述时间加权K最临近定位算法中，在对K个最匹配的指纹点加权求和时，采用指纹数据的时间距离作为权重因子，该权重因子为：时间间隔乘以距离的倒数，其中时间间隔为该指纹数据采集的时间到当前时间的间隔。

8.根据权利要求7所述的基于计算机视觉及动态指纹的定位系统，其特征在于，

所采用的加权求和方法为：

$X={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{X_j}{T_j{D}_j}\right)$

$Y={\left(\underset{j=1}{\overset{k}{\Σ}}\frac{1}{T_j{D}_j}\right)}^{-1}\left(\underset{j=1}{\overset{k}{\Σ}}\frac{Y_j}{T_j{D}_j}\right)$

其中Xj为K个最匹配指纹点中第j个的X坐标，Yj为K个最匹配指纹点中第j个的Y坐标，Tj为第j个指纹数据离当前的时间间隔，Dj为定位点获取的信号强度数据和第j个指纹点获取的信号强度的数值的距离，Dj为由定位物上的无线信标接收到的各K个无线接入设备的信号强度和第j个指纹点的无线接入设备的信号强度的差值的平方和计算得到。