CN106028446A - 室内停车场定位方法 - Google Patents

室内停车场定位方法 Download PDF

Info

Publication number
CN106028446A
CN106028446A CN201610556233.9A CN201610556233A CN106028446A CN 106028446 A CN106028446 A CN 106028446A CN 201610556233 A CN201610556233 A CN 201610556233A CN 106028446 A CN106028446 A CN 106028446A
Authority
CN
China
Prior art keywords
rssi
reference mode
location
coordinate
euclidean distance
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
Application number
CN201610556233.9A
Other languages
English (en)
Other versions
CN106028446B (zh
Inventor
王维博
林竞力
叶凯
胡夏融
郑永康
孙敬欢
余本富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xihua University
Original Assignee
Xihua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xihua University filed Critical Xihua University
Priority to CN201610556233.9A priority Critical patent/CN106028446B/zh
Publication of CN106028446A publication Critical patent/CN106028446A/zh
Application granted granted Critical
Publication of CN106028446B publication Critical patent/CN106028446B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Abstract

本发明涉及一种汽车定位方法，尤其是室内停车场定位方法，包括如下步骤：步骤一，对定位场景设置参考节点，采集参考节点的RSSI，建立由参考节点的坐标和参考节点的RSSI组成的Radio Map；步骤二，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。本发明提供的室内停车场定位方法定位场景的环境参数精确，数据采集工作量小，计算量小，定位精度高、成本低。

Description

室内停车场定位方法
技术领域
本发明涉及一种汽车定位方法，尤其是室内停车场定位方法。
背景技术
室内停车场定位技术是为了快速定位，以达到寻车的目的。由于室内停车场的环境并没有室内环境那么复杂，所要求的定位精度也没有室内定位那么精准，所以，借鉴室内定位的方法应用于室内停车场定位。但是，目前的室内定位技术也存在着很多问题。
目前，AGPS(Assisted Global Positioning System，简称:AGPS)技术和GPS技术已经做的比较成熟，但由于室内环境的复杂性，利用GPS来进行室内定位,其定位精度并不高。当前流行的室内定位技术主要有超宽带、超声波、Zigbee、RFID、LED、微型基站、蓝牙、WiFi等技术。基于WiFi的定位主要依据测距或特征匹配的定位方法来进行室内定位，在测距定位方法中主要有依据传播时间、信号抵达时间差、信号抵达角度和接受的信号强度(RSSI)。测距方法虽然定位方式比较简单，但定位精度不如用特征匹配的方法所定位的精度高。但其缺点是需要前期进行大量的数据采集，在特征匹配时计算量较高。因此，如何在提高定位精度的基础上，减小数据采集的工作量和降低硬件部署的成本，是当前室内定位的技术研究难题。
发明内容
为解决上述问题，本发明提供一种定位进度高、计算量小的室内停车场定位方法，具体技术方案为：
室内停车场定位方法，包括如下步骤：
步骤一，离线阶段，对定位场景设置参考节点，采集参考节点的信号强度值RSSI，建立由参考节点的坐标和参考节点的RSSI组成的指纹库Radio Map；
步骤二，在线阶段，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；
步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。
所述步骤一包括如下步骤：
(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型：
R S S I ( d ) = A - 10 N l o g ( d d 0 ) + ξ
RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，来拟合出环境参数A和N；
(2)通过已拟合出的A和N，计算出各个参考节点的估算RSSI’，把RSSI’作为阈值参考量，结合已测得的RSSI，来滤除高斯噪声影响较大的RSSI值，利用迭代算法，最终确定环境参数A和N；
(3)根据定位场景划分网格，来确定最终参考节点的坐标(X，Y)，通过对数路径损耗模型得到各个参考节点的RSSI”；
(4)将得到的RSSI”通过K聚类算法对整个定位场景的参考节点进行聚类，得出聚类中心的信号强度平均值RSSI”’；
(5)把最终参考节点的坐标(X，Y)、RSSI”和步骤(4)中所得到的各簇的RSSI”’建立Radio Map。
所述步骤二包括：首先把终端所采集到的RSSI与各簇的RSSI”’进行欧式距离运算，定位到欧式距离最小的簇所在区域。
在线阶段，利用终端所采集时，在WiFi信号突然消失的情况下，利用PDR(行人航迹推测)算法对目标位置进行预测；在WiFi信号稳定的情况下，利用PDR算法对定位结果进行矫正，以免出现目标漂移；在WiFi信号不稳定的情况下，利用PDR算法对目标位置进行跟踪和预测。
本发明提供的室内停车场定位方法，具有的技术效果有：
(1)由于停车场场景的特殊性，墙面不多，空间比较空旷，人流量也不如商场大，所以，可以通过对数路径损耗模型来拟合信号在传输过程中的函数，并确定环境参数。
(2)在指纹库的建立过程中，采取滤波的方式，先对采集到的RSSI进行自适应高斯滤波，得出比较能准确反映定位场景的环境参数。
(3)对定位场景内的RP进行聚类分析，以减少在线阶段的工作量。
(4)针对WiFi信号不稳定的情况，利用PDR算法对目标位置进行跟踪和预测。
本发明提供的室内停车场定位方法，定位场景的环境参数精确，数据采集工作量小，计算量小，定位精度高、成本低。
附图说明
图1是本发明的方法流程示意图。
具体实施方式
结合附图说明本发明的具体实施方式。
如图1所示，室内停车场定位方法，包括如下步骤：
步骤一，离线阶段下，主要是建立离线Radio Map(指纹库)。对定位场景设置参考节点，采集参考节点的RSSI(信号强度值)，建立由参考节点的坐标和参考节点的RSSI组成的RadioMap(指纹库)；
具体过程为：
(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型：RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，来拟合出环境参数A和N；
(2)通过已拟合出的A和N，计算出各个参考节点的估算RSSI’，把RSSI’作为阈值参考量，结合已测得的RSSI，来滤除高斯噪声影响较大的RSSI值，利用迭代算法，最终确定环境参数A和N；
(3)根据定位场景划分网格，来确定最终参考节点的坐标(X，Y)，通过对数路径损耗模型得到各个参考节点的RSSI”；
(4)将得到的RSSI”通过K聚类算法对整个定位场景的参考节点进行聚类，得出聚类中心的信号强度平均值RSSI”’；
(5)把最终参考节点的坐标(X，Y)、RSSI”和(4)中所得到的各簇的RSSI”’建立RadioMap。
步骤二，在线阶段，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；具体过程为，首先把终端所采集到的RSSI与各簇的RSSI”’进行欧式距离运算，定位到欧式距离最小的簇所在区域。避免了与整个定位场景的RP’进行运算，大大减小了在线阶段时的计算量。
在该线定位阶段，针对WiFi信号突然消失的情况，利用PDR即行人航迹推测算法对目标位置进行预测。算法利用自适应波峰检测来判断行人步数，根据行人步长模型来预测目标的位置。在WiFi信号稳定的情况下，利用PDR算法对定位结果进行矫正，以免出现目标漂移。针对WiFi信号不稳定的情况，利用PDR算法对目标位置进行跟踪和预测。
步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。

Claims (4)

1.室内停车场定位方法，其特征在于，包括如下步骤：
步骤一，对定位场景设置参考节点，采集参考节点的RSSI，即信号强度值，建立由参考节点的坐标和参考节点的RSSI组成的Radio Map，即指纹库；
步骤二，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；
步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。
2.根据权利要求1所述的室内停车场定位方法，其特征在于，所述步骤一包括如下步骤：
(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型：
R S S I ( d ) = A - 10 N l o g ( d d 0 ) + ξ ,
RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，来拟合出环境参数A和N；
(2)通过已拟合出的A和N，计算出各个参考节点的估算信号强度值，即RSSI’，把RSSI’作为阈值参考量，结合已测得的RSSI，来滤除高斯噪声影响较大的RSSI值，利用迭代算法，最终确定环境参数A和N；
(3)根据定位场景划分网格，来确定最终参考节点的坐标(X，Y)，通过对数路径损耗模型得到各个参考节点的RSSI”；
(4)将得到的RSSI”通过K聚类算法对整个定位场景的参考节点进行聚类，得出聚类中心的信号强度平均值RSSI”’；
(5)把最终参考节点的坐标(X，Y)、RSSI”和步骤(4)中所得到的各簇的RSSI”’建立Radio Map。
3.根据权利要求2所述的室内停车场定位方法，其特征在于，所述步骤二包括：首先把终端所采集到的RSSI与各簇的RSSI”’进行欧式距离运算，定位到欧式距离最小的簇所在区域。
4.根据权利要求1到3任一项所述的室内停车场定位方法，其特征在于，所述步骤二中，终端所采集时，在WiFi信号突然消失的情况下，利用PDR即行人航迹推测算法对目标位置进行预测；在WiFi信号稳定的情况下，利用PDR算法对定位结果进行矫正，以免出现目标漂移；在WiFi信号不稳定的情况下，利用PDR算法对目标位置进行跟踪和预测。
CN201610556233.9A 2016-07-15 2016-07-15 室内停车场定位方法 Expired - Fee Related CN106028446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610556233.9A CN106028446B (zh) 2016-07-15 2016-07-15 室内停车场定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610556233.9A CN106028446B (zh) 2016-07-15 2016-07-15 室内停车场定位方法

Publications (2)

Publication Number Publication Date
CN106028446A true CN106028446A (zh) 2016-10-12
CN106028446B CN106028446B (zh) 2019-04-02

Family

ID=57118998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610556233.9A Expired - Fee Related CN106028446B (zh) 2016-07-15 2016-07-15 室内停车场定位方法

Country Status (1)

Country Link
CN (1) CN106028446B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426687A (zh) * 2017-04-28 2017-12-01 重庆邮电大学 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法
CN107607118A (zh) * 2017-08-10 2018-01-19 浙江科技学院 一种室内停车场的车辆定位方法
CN108680898A (zh) * 2018-05-17 2018-10-19 网易（杭州）网络有限公司 室内定位方法、装置、介质及电子设备
CN109033170A (zh) * 2018-06-21 2018-12-18 深圳先进技术研究院 停车场的数据修补方法、装置、设备及存储介质
CN110035381A (zh) * 2019-04-17 2019-07-19 杭州电子科技大学 一种基于rssi指纹库移植的室内定位方法及系统
CN110261735A (zh) * 2019-06-18 2019-09-20 西华大学 基于改进量子布谷鸟算法的配电网故障定位方法
CN111062965A (zh) * 2019-12-26 2020-04-24 西华大学 一种基于流水线的低复杂度双门限多分辨率嘴部检测方法
CN111343573A (zh) * 2020-03-09 2020-06-26 北京邮电大学 根据环境差异标校在线rssi值的指纹定位方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338866A (zh) * 2011-06-02 2012-02-01 西安理工大学 基于虚拟标签算法的无线射频室内定位方法
CN103648106A (zh) * 2013-12-31 2014-03-19 哈尔滨工业大学 一种基于类别匹配的半监督流形学习的WiFi室内定位方法
CN104655137A (zh) * 2015-03-05 2015-05-27 中国人民解放军国防科学技术大学 行人航迹推测辅助的Wi-Fi信号指纹定位算法
CN104853434A (zh) * 2015-01-13 2015-08-19 中山大学 一种基于svm和k均值聚类的室内定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338866A (zh) * 2011-06-02 2012-02-01 西安理工大学 基于虚拟标签算法的无线射频室内定位方法
CN103648106A (zh) * 2013-12-31 2014-03-19 哈尔滨工业大学 一种基于类别匹配的半监督流形学习的WiFi室内定位方法
CN104853434A (zh) * 2015-01-13 2015-08-19 中山大学 一种基于svm和k均值聚类的室内定位方法
CN104655137A (zh) * 2015-03-05 2015-05-27 中国人民解放军国防科学技术大学 行人航迹推测辅助的Wi-Fi信号指纹定位算法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426687B (zh) * 2017-04-28 2019-08-09 重庆邮电大学 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法
CN107426687A (zh) * 2017-04-28 2017-12-01 重庆邮电大学 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法
CN107607118A (zh) * 2017-08-10 2018-01-19 浙江科技学院 一种室内停车场的车辆定位方法
CN107607118B (zh) * 2017-08-10 2020-11-20 浙江科技学院 一种室内停车场的车辆定位方法
CN108680898A (zh) * 2018-05-17 2018-10-19 网易（杭州）网络有限公司 室内定位方法、装置、介质及电子设备
CN109033170A (zh) * 2018-06-21 2018-12-18 深圳先进技术研究院 停车场的数据修补方法、装置、设备及存储介质
CN109033170B (zh) * 2018-06-21 2021-07-16 深圳先进技术研究院 停车场的数据修补方法、装置、设备及存储介质
CN110035381A (zh) * 2019-04-17 2019-07-19 杭州电子科技大学 一种基于rssi指纹库移植的室内定位方法及系统
CN110261735A (zh) * 2019-06-18 2019-09-20 西华大学 基于改进量子布谷鸟算法的配电网故障定位方法
CN110261735B (zh) * 2019-06-18 2021-07-20 西华大学 基于改进量子布谷鸟算法的配电网故障定位方法
CN111062965A (zh) * 2019-12-26 2020-04-24 西华大学 一种基于流水线的低复杂度双门限多分辨率嘴部检测方法
CN111062965B (zh) * 2019-12-26 2023-01-17 西华大学 一种基于流水线的低复杂度双门限多分辨率嘴部检测方法
CN111343573A (zh) * 2020-03-09 2020-06-26 北京邮电大学 根据环境差异标校在线rssi值的指纹定位方法及装置

Also Published As

Publication number Publication date
CN106028446B (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
CN106028446A (zh) 室内停车场定位方法
CN105716604A (zh) 基于地磁序列的移动机器人室内定位方法及系统
CN108919177B (zh) 一种基于虚拟信源估计与轨迹校正的定位地图构建方法
CN103471589A (zh) 一种室内行人行走模式识别和轨迹追踪的方法
CN104796866A (zh) 室内定位方法和装置
CN106102161A (zh) 基于聚类算法分析数据优化的室内定位方法
CN104991573A (zh) 一种基于声源阵列的定位跟踪方法及其装置
US20160195401A1 (en) Method and system for locating an object
CN110958575A (zh) 一种基于WiFi融合预测的定位方法及系统
CN106092093A (zh) 一种基于地磁指纹匹配算法的室内定位方法
CN109919862B (zh) 雷达图像去噪系统、方法及计算机设备
CN105444763A (zh) 一种imu室内定位方法
CN103047982B (zh) 基于角度信息的目标自适应跟踪方法
CN105022055A (zh) 一种imu室内定位方法
CN104869541A (zh) 一种室内定位追踪方法
CN112051568B (zh) 一种两坐标雷达的俯仰测角方法
CN104200471A (zh) 基于自适应权值图像融合的sar图像变化检测方法
CN110426037A (zh) 一种封闭环境下的行人运动轨迹实时获取方法
CN104021289A (zh) 一种非高斯非稳态噪声建模方法
CN103247057A (zh) 目标-回波-道路网三元数据关联的道路目标多假设跟踪算法
CN105759274A (zh) 一种台风关注区雷达降水估测方法
CN104090262A (zh) 一种基于多采样率多模型融合估计的移动目标跟踪方法
CN104507097A (zh) 一种基于WiFi位置指纹的半监督训练方法
CN112881979A (zh) 一种基于ekf滤波的初始状态自适应融合定位方法
CN108717174A (zh) 基于信息论的预测快速协方差交互融合无源协同定位方法

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

Granted publication date: 20190402

Termination date: 20200715

CF01 Termination of patent right due to non-payment of annual fee