CN106028446A - 室内停车场定位方法 - Google Patents
室内停车场定位方法 Download PDFInfo
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
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
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:
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:
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。
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)
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)
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 |
-
2016
- 2016-07-15 CN CN201610556233.9A patent/CN106028446B/zh not_active Expired - Fee Related
Patent Citations (4)
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)
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 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
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 | |
CN109919862B (zh) | 雷达图像去噪系统、方法及计算机设备 | |
US20160195401A1 (en) | Method and system for locating an object | |
CN109782267B (zh) | 航迹关联方法及车载雷达 | |
CN112881979B (zh) | 一种基于ekf滤波的初始状态自适应融合定位方法 | |
CN106092093A (zh) | 一种基于地磁指纹匹配算法的室内定位方法 | |
CN105444763A (zh) | 一种imu室内定位方法 | |
CN103559724A (zh) | 一种高粘连度细胞环境下的多细胞同步跟踪方法 | |
CN105022055A (zh) | 一种imu室内定位方法 | |
CN104869541A (zh) | 一种室内定位追踪方法 | |
CN112230243A (zh) | 一种移动机器人室内地图构建方法 | |
CN112051568B (zh) | 一种两坐标雷达的俯仰测角方法 | |
CN105759274A (zh) | 一种台风关注区雷达降水估测方法 | |
Nguyen et al. | Low speed vehicle localization using wifi fingerprinting | |
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 | |
CN103047982A (zh) | 基于角度信息的目标自适应跟踪方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 |
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 |