CN107339990A - 多模式融合定位系统及方法 - Google Patents

Abstract

本发明提供了多模式融合定位系统和方法，其中通过便携的智能终端上集成的传感器来采集与当前位置和场景相关的数据；通过特征提取模装置从采集的数据中提取多个与定位和/或场景相关的特征构成特征集；多个子定位引擎分别从特征提取模块的特征集中选择与各自相关的特征进行定位或场景识别，并将产生的结果发送给定位融合装置；定位融合装置根据配置的融合策略对多个子定位引擎产生的结果进行处理，以输出对最终的位置估计。该系统和方法可在多个定位技术之间灵活地进行切换，并且方便接入各种新兴的定位技术，能充分发挥各种定位技术的优势，覆盖范围广且整体定位精度高。

Description

多模式融合定位系统及方法

技术领域

本发明涉及定位技术，尤其涉及室内外全空间定位方法和系统

背景技术

近年来，随着智能移动设备的快速普及与无线网络的高速发展，基于位置服务(Location-Based Service，LBS)受到越来越多的关注。目前，室外位置服务主要依赖全球定位系统(Global Positioning System，GPS)、北斗卫星导航系统(BeiDou NavigationSatellite System，BDS)和地面移动基站提供定位和导航服务。由于建筑物对卫星信号的阻隔，室内定位无法依靠GPS和BDS，现有室内位置服务主要借助无线信号、地磁信号和航迹推断等技术进行定位计算。随着大型超市、活动中心和展览馆的日益增多，人们频繁出入这类建筑，使用精确的室内定位技术可以帮助人们快速找到陌生场馆中的兴趣点，方便人们出行。

目前室内定位技术主要有两种类型，一种是需要布设特定定位设备支持的定位系统，比如无线射频(RFID)、超宽带信号(UWB)、红外信号、超声波信号等定位系统，这一类系统有较高的定位精度，但需要在定位计算之前进行基础设施的部署，维护和部署成本高，很难进行大规模推广。另一类定位技术是直接使用环境中已有信号进行定位，比如WiFi和地磁信号，但这类系统的定位精度和鲁棒性相对较差。

随着智能终端的普及，各种新兴室内定位技术层出不穷，不同的室内环境经常采用不同的定位技术，同一建筑物内不同的楼层也可能采用不同的定位技术。然而，正如上文提及的，各种室内定位技术都有自身的局限性且不同的技术要求不同的部署，互相难以兼容，这在很大程度上阻碍了室内定位的应用。因此，亟需一种能灵活兼容和接入各种定位技术并覆盖室内外范围的全空间定位系统。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种多模式融合定位方法及系统。

本发明的目的是通过以下技术方案实现的：

一方面，本发明提供了一种多模式融合定位系统，包括：

信息采集装置，通过便携的智能终端上集成的传感器来采集与当前位置和场景相关的数据；

特征提取模装置，从来自信息装置的数据中提取多个与定位和/或场景相关的特征构成特征集；

多个子定位引擎，每个子定位引擎从特征提取模块的特征集中选择与其相关的特征进行定位或场景识别，并将产生的结果发送给定位融合装置；

定位融合装置，根据配置的融合策略对多个子定位引擎产生的结果进行处理或基于这些结果对所述多个子定位引擎中的一个或多个进行控制，以输出对智能终端的位置估计。

上述系统中，所述传感器可包括下列中的一个或多个：加速度计、陀螺仪、磁力计、气压计、WiFi模块、卫星定位模块、蓝牙模块、声音传感器、光传感器、摄像头。

上述系统中，所述特征集中还可包括由来自所有传感器的原始数据集构成的特征。

上述系统中，所述多个子定位引擎至少可包括用于室内定位的子定位引擎、用于室外定位的子定位引擎和用于室内外场景识别的子定位引擎。

上述系统中，所述多个子定位引擎中至少可包括用于基于WiFi或蓝牙或声音或光传感器进行室内定位的子定位引擎、用于基于地磁进行室内定位的子定位引擎和用于执行智能终端姿态识别的子定位引擎。

上述系统中，所述融合策略可被配置为根据用于室内外场景识别的子定位引擎产生的结果来开启或关闭用于室内定位或室外定位的子定位引擎。

上述系统中，所述融合策略可被配置为根据用于执行智能终端姿态识别的子定位引擎产生的结果选择由用于基于WiFi或蓝牙或声音或光传感器或图像进行室内定位的子定位引擎单独进行定位，或者选择由用于基于WiFi或蓝牙或声音或光传感器或图像进行室内定位的子定位引擎与用于基于地磁进行室内定位的子定位引擎联合进行定位。

上述系统中，所述定位融合装置可将输出对智能终端的位置估计反馈给多个子定位引擎中的一个或多个。

上述系统中，所述定位融合装置可控制所述多个子定位引擎中一个或多个的开启和关闭。

又一方面，本发明提供了一种多模式融合定位方法，包括：

由信息采集装置通过便携的智能终端上集成的传感器来采集与当前位置和场景相关的数据；

由特征提取装置从来自信息装置的数据中提取多个与定位和/或场景相关的特征构成特征集；

由多个子定位引擎中的各个引擎从所述特征集中选择与其相关的特征进行定位或场景识别；

由定位融合装置根据配置的融合策略对多个子定位引擎产生的结果进行处理或基于这些结果对所述多个子定位引擎中的一个或多个进行控制，以输出对智能终端的位置估计。

与现有技术相比，本发明的优点在于：

可根据实际环境和需求在多个定位技术之间灵活地进行切换，并且方便接入各种新兴的定位技术，能充分发挥各种定位技术的优势，覆盖范围广且整体定位精度高，不仅改善了定位服务质量而且具有良好的环境适应性。

附图说明

以下参照附图对本发明实施例作进一步说明，其中：

图1为根据本发明实施例的多模式融合定位系统的结构示意图。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

为更好地理解本发明的内容，先对常用的基于智能移动终端的室内定位技术，包括基于PDR、基于光传感器、基于蓝牙、基于WiFi、基于地磁等进行简单介绍。

PDR(Pedestrian Dead Reckoning，步行者航位推算)定位算法根据行走用户的步幅、步数、方向和起点坐标信息，推算出用户的行走轨迹和位置。由于移动设备难以对用户行走的步幅和前进方向进行精确估计，所以PDR定位算法精度不高，其定位误差随着时间不断积累。考虑到不同性别、身高、体重、年龄和健康状态对步伐检测及步伐参数(步长、方向)有较大影响，使用手机准确提取具有一致性和鲁棒性的移动模式及运动参数具有很强的挑战性。

基于可见光的室内定位技术利用室内LED灯发射的光线实现目标定位。与基于射频的传统室内定位技术相比，可见光室内定位技术具有定位精度高、无电磁干扰、无需专用基站、保密性好等优点。可见光定位技术可广泛应用于飞机、医院等对电磁敏感的场所、智能家居与智能交通系统、矿业等无线信号难以覆盖的区域，或无线射频信号难以到达的水下区域，实现绿色定位。随着绿色照明技术的不断发展，可见光在兼顾照明的同时可以实现定位，使用可见光技术进行室内定位和导航受到各方关注。可见光定位算法主要包括基于LED标签(LED-ID)的定位、基于辐射衰减模型的可见光定位、基于光信号指纹的定位与基于图像传感器的可见光定位四种方法。基于LED标签(LED-ID)的定位算法根据LED提供照明的同时广播自身的位置ID信息，移动终端将接收到的ID信息与位置关联，实现自身的被动定位，其定位精度较低。基于辐射衰减模型的可见光定位算法使用移动智能终端集成的传感器准确识别终端姿态，采用FFT算法区别不同信标，基于可见光辐射衰减模型构建定位代价函数，采用非线性优化方法，获得目标位置的最优估计。基于光信号指纹的定位算法，采样阶段建立与目标所在位置点关联的光信号指纹数据库，实时定位阶段，将接收端实时接收到的光信号指纹与光信号指纹数据库进行匹配，进而得到目标所在点的位置信息。基于图像传感器的可见光定位算法，可以获得非常好的定位精度，但需要额外的图像处理技术且定位响应速率受限于图像处理速度。目前大部分移动智能终端都集成了光传感器，基于可见光进行定位有助于位置服务应用的推广普及。

基于摄像头的室内定位技术通常是基于计算机视觉的定位。现在主流的智能手机都配备了高分辨率的可数码变焦摄像头，这使得移动终端可以采集高清的环境图像数据。用户在行走过程中拍摄的图像信息包含了大量的反映环境位置的特征信息，包括指示牌、特殊建筑构造、特殊物品等，通过匹配这些图像的特征信息，可以准确确定用户当前所处位置。使用多张不同角度拍摄的图像，作为输入，提取视觉特征作为空间内部参考，可以形成三维地图或实体模型。使用基于计算机视觉的方法在较好的光照条件下可以获得较高的定位精度，但在光照条件较差时，定位性能受到较大影响。此外，还需要直线视距传播条件，计算开销也比较大。

基于蓝牙的定位技术主要包括以下三种：基于Cell ID的区域定位、基于特定指纹的定位和基于信号衰减测距的定位。蓝牙是一种标准的无线通讯协议，其收发器芯片体积小且制作成本较低，目前大部分智能手机都集成了这一传感器。蓝牙通信功耗较低，无线传输距离比较短，导致蓝牙覆盖范围不足且定位精度低。

基于WiFi的室内定位方法主要包括基于射频传播衰减模型测距的三边定位算法和基于射频指纹匹配的定位算法。其中基于射频传播衰减模型测距的三边定位算法利用WiFi接收信号强度随着无线传播距离增加而减少的特性，估计待定位目标到三个或多个无线接入点AP(Access Point)间的距离，然后使用圆周定位方法估计目标位置。这类算法需要提前获得每个AP的精确位置信息，由于WiFi网络一般是由不同主体自主部署和管理的，一般难以准确获得属于不同自治主体部署的AP位置，因此基于WiFi测距定位技术在在实际大规模应用中受到限制。基于射频指纹匹配定位算法则不需要使用环境AP的位置信息以及传播模型先验参数知识。这种定位算法包括两个主要过程：离线训练和在线定位。它需要在离线阶段在定位区域采集射频指纹，构建与空间位置关联的射频指纹数据库，在定位过程中使用在线实时采集的射频指纹数据与预先采集的射频指纹进行匹配搜索，找到最相似的指纹进行位置估计。这类方法也依赖于在具体室内环境中训练结果。

基于地磁的定位技术不需要额外的支撑系统，通常是利用室内地磁信号畸变进行定位。可以利用智能手机中的三轴磁场传感器来采集地磁数据。当人在室内移动时，不同移动轨迹将产生不同的磁场观测结果，利用移动过程中产生的特性磁场波形可实现局域范围内的定位。但是，使用地磁信息定位存在采集信息精度低、移动磁轨迹匹配算法复杂、全局搜索计算量大等问题。

可以看出，每种定位技术都有自身的局限性，且受其原理限制，互相难以兼容。随着智能终端的普及，各种新兴室内定位技术层出不穷，不同的室内环境经常采用不同的定位技术，同一建筑物内不同的楼层也可能采用不同的定位技术，或同一室内环境中同时存在多种不同定位技术。不同定位机制的不断切换给用户带来了很多困扰，也增加了系统维护和管理成本。

在本发明的实施例中提供了一种多模式融合定位系统，在充分利用现有定位设施的基础上可根据实际环境和需求对不同定位技术之间灵活地进行切换和融合，提供对用户透明的、覆盖范围广且定位精度高的整体定位服务，且具有良好的环境适应性。

图1给出了根据本发明实施例的多模式融合定位系统的结构示意图。如图1所示，该系统包括信息采集装置、特征提取装置、一个或多个定位引擎和定位融合装置。其中信息采集装置采集与便携智能终端的位置及使用场景相关的信息，特征提起装置从所采集的信息中提取一个或多个特征来构成特征集，一个或多个定位引擎分别从特征集中选择相应特征来进行定位并将所得到的定位结果传递给定位融合装置，该定位融合装置根据设定的融合策略基于自一个或多个定位引擎的定位结果来确定最终的定位结果。优选地，该定位融合装置还可以将最终的定位结果反馈给一个多个定位引擎以使其校正其定位计算过程。优选地，该定位融合装置可以在收到的多个定位结果的基础上根据一定的融合策略来控制或调度其中部分定位引擎来产生最终的定位结果。该定位融合装置还可以控制一个或多个子定位引擎的开启或关闭。

更具体的，信息采集装置利用便携智能终端上集成的多个传感器来采集相关的信息并将其传递给特征提取装置。例如通常智能手机上集成有加速度计、陀螺仪、磁力计、气压计、WiFi模块、GPS模块、蓝牙模块、声音传感器、光传感器、摄像头等等(在本文中统称为传感器)。通过这些传感器可以获取与智能手机当前位置、手机姿态和所处环境相关的各种数据。

特征提取装置收到来自这些传感器采集的数据时可以从传感器原始数据中提取与定位相关的特征数据，以供各个子定位引擎进行调用。例如，加速度计采集三轴加速度数值，特征提取装置提取加速度计的加速度模值作为一种特征。陀螺仪采集三轴角速度数据，特征提取装置根据加速度计和时间数据可提取水平旋转角特征。磁力计采集三轴磁场强度信息，特征提取装置计算磁场强度模值特征、磁场强度在水平方向、垂直方向特征、以及在地理坐标系(如东北天)的跟手机姿态无关的三轴地磁强度特征。WiFi和蓝牙数据直接提取智能终端的MAC地址和RSSI的序列作为位置指纹。气压计采集气压数据，特征提取装置计算用户在短时间内的高度变化特征。GPS和北斗可直接提取经纬度作为室外定位特征。从声音传感器上传的数据提取发射器到目标的信号飞行时间作为定位特征。通过光传感器提取光辐照度并进行快速傅里叶变换获取不同频率的光辐照度幅度作为特征。

此外，由传感器上传的原始数据也可以作为特征提取装置所提取的特征，供后续子定位引擎调用。即便有新的定位引擎加入该系统且该定位引擎从特征提取装置的特征集中找不到其所需的定位特征，也可以从该特征集中选择由传感器上传的原始数据构成的特征并从中提取所需的定位特征。如上文介绍的，不同的定位技术在进行定位计算时使用的特征有不同但也有重复。在本发明的实施例中，通过独立于多个定位引擎运行的统一特征提取装置获得供多个定位引擎共用的特征集，消除了重复的特征提取，提高了计算效率。特征提取与定位计算互相独立更有利于新定位方法的引入以及不同定位方法之间的切换。

继续参考图1，当特征提取装置更新特征数据时会触发各子定位引擎进行定位计算，各子定位引擎按需从特征提取装置的特征集中提取所需的定位特征来计算定位结果，并将其定位结果提交至定位融合装置。不同的子定位引擎采用不同的定位方法、场景识别方法或姿态识别方法。其中子定位引擎与特征提取装置可采用注册监听模式，子定位引擎与定位融合装置之间可采用C/S模式。这样在本发明的多模式融合定位系统中，各个子定位引擎是可以热插拔，从而使得对子定位引擎的更新调试无需关闭整个融合定位引擎，提高了系统灵活度。在该实施例中对子定位引擎的数量和种类不进行限制，一般的基于智能终端的室内外定位系统都可以作为子定位引擎融合到根据本发明实施例的多模式融合定位系统中。另外，除了上述用于执行室内外定位计算的定位类系统可以作为子定位引擎引入本发明的系统之外，还可以将用于场景识别、姿态识别、位置判断等辅助定位功能也作为子定位引擎引入到本系统中，其相关结果提供给后续的定位融合装置进行参考。例如，姿态识别定位子引擎检测到智能手机处于打电话、或者拿在手里在体侧来回摆动时，后续的定位融合装置可采用与手机姿态相关性较小的WiFi定位模式，实现粗粒度定位；而当检测到手机屏幕打开且平放时，触发当前系统中定位精度最高定位子引擎来实现定位。又例如，当用于区分室内外场景的子定位引擎检测到当前处于室外环境时，后续的定位融合装置启动GPS子定位引擎进行室外定位，并关闭室内定位引擎降低功耗。

通常，在本发明的系统中例如可包括下列中的一个或多个作为子定位引擎：磁定位引擎、WiFi定位引擎、蓝牙定位引擎、GPS定位引擎、PDR定位引擎、楼层定位引擎、室内外区分定位引擎、可见光定位引擎、声音定位引擎、图像定位引擎等。其中磁定位引擎可基于从特征集中选择的磁场模值、水平/垂直特征、姿态无关的地理坐标系三轴磁向量进行基于地磁轨迹序列匹配的室内定位。WiFi和蓝牙定位引擎可根据从特征集中选择的MAC地址和RSSI的序列特征进行室内定位。GPS和北斗等类似室外定位引擎可直接根据特征集中的经纬度给出定位结果。楼层定位引擎可根据MAC地址和以及各MAC地址在不同楼层接收到的概率以及气压短时间快变化信息进行楼层定位。可见光定位引擎使用快速傅里叶变换获得特定频率的辐照度信息判定目标所处位置。声音定位引擎使用获得的特定频率声音信号的飞行时间判定目标所处。图像定位引擎使用摄像头采集的图像判定目标所处位置。室内外区分定位引擎利用磁场变化、光照度、气压快变化、加速度传感器识别的用户拐弯频率、暂停频率、可见卫星数目等特征进行室内外场景识别。

优选地，为提高系统的可扩展性，各子定位引擎可采用低耦合、高内聚的插件形式，模块间互相独立。各定位引擎实现时都继承自同一个接口，对外表现出相同的行为(即传入定位信息，返回定位结果)，并采样统一的格式提供定位结果。例如，可以如表1所示的共享信息模型(SID)来对各子定位引擎输出的定位结果进行统一规范，易提高融合效率，便于系统扩展。该定位结果共享信息模型SID不仅限于狭义的室内坐标，更吸收了定位系统中的场景识别，姿态识别等信息，是广义的定位结果。各子定位引擎计算结果仅是SID的子集，只需要填充SID模型中与其相关的部分即可。通过这样的SID模型进行统一化表示，可实现不同定位引擎结果之间的可参考性和互通性。SID中关键信息包括但不限于如下内容：

●系统信息，对定位类引擎的概括描述，如：定位方法(必选)，时间戳(必选)，融合策略(可选)。

●位置信息，对定位结果的描述，每种定位信息都包括定位数据和数据可信度，如：楼宇，楼宇判断可信度，楼层，楼层判断可信度，定位坐标，定位坐标可信度，定位精度，定位精度可信度

●场景信息，场景识别类引擎的描述，如：室内室外判断，室内室外判断可信度

●姿态信息，姿态识别类引擎的描述，如：当前手机指向，指向判断可信度，当前姿态，姿态判断可信度。

表1

positioningMethod	定位方法名称
		fusionStrategy(可选)	融合策略名称
timestamp	时间戳
		IndoorOrOutdoor	室内室外判断
IOConfidence(可选)	室内室外判断可信度
		buildingName	楼宇名称
floorNo	楼层
		floorNoConfidence(可选)	楼层判断可信度
positioningCoord	定位坐标
		coordConfidence(可选)	定位坐标可信度
positioningAccuracy	定位精度
		accuracyConfidence(可选)	定位精度可信度
currentDirection	当前手机指向
		currentAttitude	当前姿态

在本发明的多模融合定位系统中，各子定位引擎可以互相独立地同时进行工作，随时将各自产生的定位结果以SID的形式报告给定位融合装置。其中每个子定位引擎可以根据自身的计算结果选择性地填充SID中的相关项。每个子定位引擎在产生定位结果的同时也可以同时设置该定位结果的可信度，例如，可以设置为固定的值，如0.5。也可以根据对处理的特征数据的评估或一段时间内特征数据的变化状况来设置产生的定位结果的可信度，例如如果GPS子定位引擎接收到定位卫星数量小于一般开阔区域接收到的卫星数量，则为该GPS子定位引擎产生的定位结果设置较小的可信度；反之收到卫星数量大于或接近于一般开阔区域接收到卫星数量，则为该GPS子定位引擎产生的定位结果设置较大的可信度。

继续参考图1，定位融合装置响应于收到来自子定位引擎的定位结果，根据一定的融合策略处理所接收的多个定位结果，并输出最终的定位结果；或者基于收到的定位结果根据融合策略来调度和控制部分子定位引擎来产生最终的定位结果。

其中可以根据实际需求和系统性能来灵活配置融合策略。例如，为方便计算，可以将融合策略设置为选用其可信度最高的定位结果作为融合定位结果来进行输出。也可以将融合策略设置为对来自多个子定位引擎的定位结果进行统计，如果大多数子定位引擎的定位结果都比较接近，则可以选择这些定位结果的平均值来进行输出。或者将融合策略设置为少数服从多数，将比较接近的定位结果划分为一组，选择数量最多的一组的平均值作为最终输出。又例如，可将融合策略设置为使用置信度最高的定位结果为基础，过滤掉与之距离过大的定位结果，然后对其余的定位结果进行平均或加权平均来产生最终的定位结果。

优选地，可以将融合策略设置为基于场景识别控制部分子定位引擎进行融合定位的策略。例如，如果定位融合装置通过室内外区分子定位引擎判断是室内环境时，指示启动WiFi子定位引擎或蓝牙子定位引擎进行定位，并将其定位结果反馈给地磁子定位引擎，然后将地磁子定位引擎产生的定位结果作为最终的定位结果进行输出。由于地磁定位引擎是在由WiFi或蓝牙子定位引擎给出初始定位区域内进行地磁定位，从而进一步提高了定位精度，降低了计算开销。如果定位融合装置通过室内外区分子定位引擎判断是室外环境时，可以指示GPS子定位引擎进行定位计算并输出其定位结果。

优选地，可以将融合策略设置为基于姿态识别控制部分子定位引擎进行融合定位的策略。基于地磁的定位算法需要在行走过程中采集地磁数据，而实验证明，智能手机的姿态对采集地磁信号有明显的影响。理想的采集状态是平端手机，保持航向角不变，并使手机指向航向角。当检测到手机处于非平端状态时，定位融合装置可以放弃基于地磁数据的定位结果，并发送控制信号至地磁子定位引擎来暂停这些算法的计算。同时，使用与姿态无关的基于WiFi定位算法得出的结果。当检测到手机回归平端状态后，发出控制信号重新启动相关的子定位引擎。例如，如果定位融合装置通过姿态识别类子定位引擎检测到待识别的智能手机处于打电话、或者拿在手里在体侧来回摆动时，指示与手机姿态相关性较小的WiFi子定位引擎来进行定位并输出其定位结果；当检测到手机屏幕打开且平放时，指示启动WiFi子定位引擎或蓝牙子定位引擎进行定位，并将其定位结果反馈给地磁子定位引擎，然后将地磁子定位引擎产生的定位结果作为最终的定位结果进行输出。

优选地，可以将融合策略设置为对室内室外定位，楼层识别，室内外场景识别等多种子定位引擎进行融合。例如通过室内外场景识别引擎结果启动相应的室内定位系统或室外定位系统，若是室外，则直接使用GPS作为输出。若是室内则根据楼层识别引擎结果计算初始楼层，将楼层信息反馈给WiFi子定位引擎，计算初始定位区域，将初始定位区域反馈给地磁子定位引擎计算精细的定位结果。在没有定位基础设施的区域，定位融合装置可发出控制信号启动PDR子定位引擎，通过智能终端集成的加速度传感器、陀螺仪、地磁传感器进行航迹推断，估计目标位置。在能进行可见光定位、声音定位的区域，定位融合装置可以使用可见光定位引擎结果、声音定位引擎结果对其他子定位引擎的定位结果进行校准。

从上述实施例可以看出，根据本发明的多模式融合定位系统可以通过灵活配置的融合策略综合各子引擎定位结果，以达到更高的整体平均定位精度。在该系统中多种子定位引擎独立运行，并且可接入多种定位引擎，即使部分定位引擎失效，也不会导致定位服务终止。可根据室内外场景识别、姿态识别等结果开启、关闭或调度相关子定位引擎，即节约智能终端功耗，又提高定位精度。

虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所做出的各种改变以及变化。

Claims (10)

1.一种多模式融合定位系统，包括：

信息采集装置，通过便携的智能终端上集成的传感器来采集与当前位置和场景相关的数据；

特征提取模装置，从来自信息装置的数据中提取多个与定位和/或场景相关的特征构成特征集；

多个子定位引擎，每个子定位引擎从特征提取模块的特征集中选择与其相关的特征进行定位或场景识别，并将产生的结果发送给定位融合装置；

定位融合装置，根据配置的融合策略对多个子定位引擎产生的结果进行处理或基于这些结果对所述多个子定位引擎中的一个或多个进行控制，以输出对智能终端的位置估计。

2.根据权利要求1所述的定位系统，其中所述传感器包括下列中的一个或多个：加速度计、陀螺仪、磁力计、气压计、WiFi模块、GPS模块、蓝牙模块、声音传感器、光传感器、摄像头。

3.根据权利要求1所述的定位系统，其中所述特征集中还包括由来自所有传感器的原始数据集构成的特征。

4.根据权利要求1所述的定位系统，所述多个子定位引擎至少包括用于室内定位的子定位引擎、用于室外定位的子定位引擎和用于室内外场景识别的子定位引擎。

5.根据权利要求1所述的定位系统，所述多个子定位引擎中至少包括用于基于WiFi或蓝牙进行室内定位的子定位引擎、用于基于地磁进行室内定位的子定位引擎和用于执行智能终端姿态识别的子定位引擎。

6.根据权利要求4所述的定位系统，所述融合策略被配置为根据用于室内外场景识别的子定位引擎产生的结果来开启或关闭用于室内定位或室外定位的子定位引擎。

7.根据权利要求5所述的定位系统，所述融合策略被配置为根据用于执行智能终端姿态识别的子定位引擎产生的结果选择由用于基于WiFi或蓝牙进行室内定位的子定位引擎单独进行定位，或者选择由用于基于WiFi或蓝牙进行室内定位的子定位引擎与用于基于地磁进行室内定位的子定位引擎联合进行定位。

8.根据权利要求1所述的定位系统，所述定位融合装置将输出对智能终端的位置估计反馈给多个子定位引擎中的一个或多个。

9.根据权利要求1所述的定位系统，所述定位融合装置控制所述多个子定位引擎中一个或多个的开启和关闭。

10.一种多模式融合定位方法，包括：

由信息采集装置通过便携的智能终端上集成的传感器来采集与当前位置和场景相关的数据；

由特征提取装置从来自信息装置的数据中提取多个与定位和/或场景相关的特征构成特征集；

由多个子定位引擎中的各个引擎从所述特征集中选择与其相关的特征进行定位或场景识别；

由定位融合装置根据配置的融合策略对多个子定位引擎产生的结果进行处理或基于这些结果对所述多个子定位引擎中的一个或多个进行控制，以输出对智能终端的位置估计。