CN107462247A - 一种室内定位方法、装置及计算机可读存储介质 - Google Patents
一种室内定位方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107462247A CN107462247A CN201710586605.7A CN201710586605A CN107462247A CN 107462247 A CN107462247 A CN 107462247A CN 201710586605 A CN201710586605 A CN 201710586605A CN 107462247 A CN107462247 A CN 107462247A
- Authority
- CN
- China
- Prior art keywords
- particle
- mrow
- personnel
- msub
- node
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种室内定位方法,该方法包括:在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值;当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,所述环境信息指纹库至少包括室内指定节点的信息;对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。可见,本发明实施例在粒子滤波阶段是根据预先建立的环境信息指纹库来进行粒子传播,这使得粒子只在室内指定节点上进行传播,基于此,可以在保证室内定位算法精度的同时,大大降低室内定位算法的复杂度。本发明实施例还提供了一种室内定位装置及计算机可读存储介质。
Description
技术领域
本发明涉及定位技术领域,具体涉及一种室内定位方法、装置及计算机可读存储介质。
背景技术
目前,行人自主导航定位已经广泛应用于人们生活的方方面面,这种导航方式多依赖于GPS定位技术,然而,由于GPS信号无法覆盖到室内,而室内环境由复杂多变,因此,这种定位方式并不适用于室内定位。
室内定位是指在室内环境中实现位置定位的技术,其目的是实现人员、物体等在室内空间中的位置监控。
近年来,随着智能移动终端传感器技术的发展,利用移动终端上搭载的各类感知器件可以获取环境中的场景、无线信号、地磁等特征,这些特征经特定处理后融合各类数据可实现室内定位。
常见的室内定位技术有:蓝牙定位、WIFI指纹定位、航迹推算定位、地磁指纹定位等。结合上述定位技术,可实现较高精度的定位。但是,上述定位技术有些需要事先在室内布置大量的外置设备,而有些则前期工作需要大量的人力勘测,或是算法实现的复杂度高,无法单独在处理和续航能力有限的智能手机上完成。
发明内容
为了解决现技术存在的问题,本发明实施例期望提供一种室内定位方法、装置及计算机可读存储介质。
根据第一方面,一种实施例中提供了一种室内定位方法,包括:
检测被定位人员的初始位置,在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值,其中,N为粒子个数;
对被定位人员进行运动检测,当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息;
至少根据移动事件对各粒子的权值进行更新;
对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。
根据第二方面,一种实施例中提供了一种室内定位装置,包括:检测模块、设置模块、运动检测模块、粒子传播模块、权值更新模块及位置信息确定模块;其中,
所述检测模块,用于检测被定位人员的初始位置;
所述设置模块,用于在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值,其中,N为粒子个数;
所述运动检测模块,用于对被定位人员进行运动检测;
所述粒子传播模块,用于在运动检测模块检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息;
所述权值更新模块,用于至少根据移动事件对各粒子的权值进行更新;
所述位置信息确定模块,用于对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。
根据第三方面,一种实施例中提供了一种计算机可读存储介质,该计算机可读存储介质包括程序,所述程序用于被处理器执行以实现如上述第一方面所述的方法。
与现有技术相比,本发明实施例至少具备以下优点:
根据本发明实施例提供的室内定位方法,在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值;当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,所述环境信息指纹库至少包括室内指定节点的信息;至少根据移动事件对各粒子的权值进行更新;对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。可见,不同于现有室内定位方法在整个室内进行粒子传播的方法,可见,本发明实施例在粒子滤波阶段是根据预先建立的环境信息指纹库来进行粒子传播,这使得粒子只在室内指定节点上进行传播,基于此,可以在保证室内定位算法精度的同时,大大降低室内定位算法的复杂度,另外,算法的简化也使得本发明实施例所提供的方法特别适合于应用在移动端。
附图说明
图1是本发明室内定位方法在一种实施方式中的流程图;
图2是本发明室内定位方法中的移动事件判断方法在一种实施方式中的流程图;
图3是本发明室内定位装置在一种实施方式中的基本结构图;
图4是本发明室内定位装置在第二种实施方式中的基本结构图;
图5是本发明室内定位装置在第三种实施方式中的基本结构图;
图6是本发明室内定位装置在第四种实施方式中的基本结构图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
实施例一
本发明实施例一提供的室内定位方法,包括离线建模和在线定位两个阶段,下面对这两个阶段的具体实施方法详细介绍如下:
离线建模阶段
1、建立环境信息指纹库
建立室内拓扑图,所述室内拓扑图上标注有室内的行走路径和关键节点;所述室内的关键节点包括:行走路径的首尾端点、转角拐弯处的拐点、行走路径的交叉点及室内房间出入口中的至少一个;对所述关键节点进行采样,采样数据包括:关键节点的地磁强度和位置信息、及路径与路径之间的旋转角。
1.1关于地磁强度的测量
测量地磁场投射在地磁计三个坐标轴上的投影,然后根据各个轴的地磁量组合换算出地磁矢量。人在手持移动终端行走过程中,移动终端的姿态无法预知,移动终端姿态的确定依赖于航向角,而在复杂的室内地磁场环境中,无法通过受干扰的地磁矢量获取准确的航向角,因此记录采集的地磁矢量是没有意义的,为了使得地磁信息不受姿态影响能前后匹配,实施过程中只记录采集的地磁强度。
1.2关于旋转角的采集
这里的旋转角所采集的是在原路径转到其他路径时的角度,由于这个角度发生持续时间较短、是相对角度,几乎不存积分漂移。具有明显区分特征,易于匹配,故可用于限定范围内的触发校准事件。
基于上述方案,本发明实施例对室内地形进行拓扑结构化,并引入环境信息(地磁强度、旋转角等)的约束,与普通的粒子滤波定位方法相比减少了算法复杂度,而且,所采集的环境信心量大大减少,减少了建立指纹库时的工程量。
2、建立航迹推算模型
该航迹推算模型,用于测量步数和步长,该模型包括两个模块:步数测量模块和步长自适应估算模块。将采集的加速度做傅立叶变换提取基波频率,并累加步数。步长自适应估算模块则假定步长与初始加速度、步频分别呈线性相关,用最小二乘法对采集的初始加速度、步频做线性回归,得出步长估算动态方程,当采集新的初始加速度、步频时,做步长估算,遇到节点则做一次线性回归。
2.1步数测量模块
步数统计主要是对采集的加速度计数据做快速傅立叶变换(FFT),其公式如下:
其中,x[n]表示加速度计检测到的加速度,X[k]为输出值,为各个频率波组成的数组。N表示参与计算的加速度数据点数,利用滑动窗口算法,选取最新的连续的100个数据点作为输入算子。再从X[k]中选取值最大的元素,元素所处的数组位置经换算即为步频,只有频率在1Hz-2Hz范围内的,才认定是迈步。
2.2步长估算模型
有研究表明,正常人行走的步长与步频和迈步时初始加速度呈线性关系,因此,依据这一原理得出下述步长估算模型:
L=α×f+β×a+γ;
其中,f表示步频,α表示迈步起始加速度,α、β、γ为可变参数;
实际实现中,根据以上步长估算模型的关系式,用最小二乘法做线性回归,可以得出α、β、γ三个参数的值,再将得出的参数代入原关系式,即可得出步长估算动态方程用于进行补偿估算。
在线定位阶段
参照图1,本发明实施例一所提供的室内定位方法,具体可以包括以下步骤:
步骤101、检测被定位人员的初始位置,在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值;
其中,N为粒子个数,为大于0的正数。
具体的,该方法应用于移动终端,所述移动终端包括:手机、平板电脑、个人数字助理等等。所述移动终端上搭载有以下传感器:陀螺仪、加速度计、磁力计。
具体的,每个粒子的初始权值设置为1/N,其中,N为粒子个数。
实际实现中,可以在被定位人员的初始位置附近的关键节点上设置粒子;不同于现有室内定位方法中在室内在整个室内所有区域均匀设置粒子进行粒子滤波的方法,本发明实施例仅需要在室内各个关键节点上设置粒子进行粒子滤波,这可以大大降低室内定位算法的复杂度。
这一步骤中,对被定位人员的初始位置检测可以采用现有方式,这里不再赘述。
步骤102、对被定位人员进行运动检测,当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息;
具体的,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息。
所述方法还包括环境信息指纹库的建立步骤,包括:
建立室内拓扑图,所述室内拓扑图上标注有室内的行走路径和关键节点;所述室内的关键节点包括:行走路径的首尾端点、转角拐弯处的拐点、行走路径的交叉点及室内房间出入口中的至少一个;对所述关键节点进行采样,采样数据包括:关键节点的地磁强度和位置信息、及路径与路径之间的旋转角。
该步骤中,利用预先建立的航迹推算模型对被定位人员进行运动检测。
具体的,所述对被定位人员进行运动检测,包括:
判断被定位人员是否发生移动事件以及确定被定位人员运动的步长;其中,
参见图2,所述判断被定位人员是否发生移动事件,包括以下步骤:
S201、对被定位人员的运动加速度进行采集;
S202、对采集的运动加速度数据做FFT如下:
其中,x[n]表示加速度,X[k]为输出值,为各个频率波组成的数组;N表示参与计算的加速度数据点数;
S203、从FFT输出结果X[k]中选取最大值,对所述最大值所处的数组位置进行换算确定出步频;
S204、判断步频是否在1Hz-2Hz范围内,当判断结果为是时,确定发生移动事件。
所述确定被定位人员运动的步长,包括:
通过下述步长估算模型确定被定位人员发生移动事件时的步长L:
L=α×f+β×a+γ;
其中,f表示步频,α表示迈步起始加速度,α、β、γ为可变参数;
实际实现中,根据以上步长估算模型的关系式,用最小二乘法做线性回归,可以得出α、β、γ三个参数的值,再将得出的参数代入原关系式,即刻得出步长估算动态方程用于进行补偿估算。
这一步骤中,所述将所述粒子根据预先建立的环境信息指纹库进行传播,包括:采样边传播和采样点传播。通过采样边传播可以确定采样边,由采样边可以确定各个粒子的运动方向,确定出采样边后,通过采样点传播可以确定各个粒子运动到的关键节点。
具体的,将所述粒子根据预先建立的环境信息指纹库进行传播包括:
步骤a、当检测到步行事件发生时,将所述粒子在下述状态转移模型下进行传播得到粒子状态:
{nt,θt}=p(nt,θt|nt-1,θt-1,zθ,t,zd,t,G);
上式中,粒子状态由节点n、方向θ两部分组成;其中,nt,θt分别代表t时刻粒子所处的关键节点n和运动方向θ,zθ,t表示被定位人员的方向;zd,t表示步长估算模型中的得出的步长,也就是说,zd,t=L;G代表室内拓扑图模型;其中,zθ,t可以通过对移动终端中陀螺仪和地磁计所采集的数据进行融合滤波得到。
在粒子传播过程中,下一状态主要由方向和传播距离决定,而上式中θt只由zθ,t,θt-1,G决定,nt只由nt-1,zd,t,G决定,在上式中,引入一个代表边的随机变量et,可将上式分解为:
{nt,θt}=p(nt,θt|nt-1,θt-1,zθ,t,zd,t,G)=p(nt|nt-1,θt-1,zd,t,G)·p(et|zθ,t,G);
步骤b、采样边传播:按照下式将所述粒子沿当前运动方向θt与所选择的边的夹角最小的边进行概率传播:
其中,et表示当前运动方向θt与所选择的边的夹角最小的边;nt-1代表t-1时刻粒子所处的关键节点;θt代表t时刻粒子的运动方向;G代表室内拓扑图模型;
步骤c、采样点传播:按照下式对每个粒子进行一次步长的高斯采样:
p(dt|zd,t)~N(zd,t,σd 2);
按照下式对每个粒子进行节点采样得到t时刻各粒子所处的关键节点nt:
在确定t时刻各粒子所处的关键节点nt之后,即可在室内拓扑图模型中查出粒子的坐标(xt,yt)。
步骤103、至少根据移动事件对各粒子的权值进行更新;
具体的,所述基于移动事件对所述粒子的权值进行更新,包括:
当检测到移动事件发生时,按照下式对所述粒子进行权值更新:
wt=wt-1×p(zθ,t|θt,G)×p(zd,t|nt,G);
其中,wt表示t时刻的粒子权值,wt-1表示t-1时刻的粒子权值;当检测到移动事件发生时,zθ,t和zd,t是由步长估算模型所确定的被定位人员的运动方向和步长;nt代表t时刻粒子所处的关键节点,θt代表t时刻粒子的运动方向;p(zθ,t|θt,G)及p(zd,t|nt,G)分别为zθ,t和zd,t的后验概率。
在本发明的一种可选实施方式中,所述方法还包括:
判断上次定位得到的被定位人员的位置信息是否满足校准条件;
如果满足,则触发节点事件;
基于节点事件对所述粒子的权值进行更新;其中,
所述校准条件,包括:
1)上一时刻系统确定的待定位人员的位置在事件节点附近;
2)检测到的旋转角与室内拓扑图中事件节点的旋转角相符;
3)测量到的地磁与室内拓扑图中事件节点上的地磁量相同。
具体的,所述基于节点事件对所述粒子的权值进行更新,包括:
当发生节点事件时,按照下式对所述粒子的权值进行更新:
wt=wt-1×p(sθ|θt,G)×p(sn|nt,G);
其中,sθ、sn分别指室内拓扑图中事件节点的转向角和坐标位置。
由于步长估算模型存在积分漂移,时间久了产生的误差会不断积累变大,基于节点事件的权值更新则可以在一定程度上消除这种误差。
步骤104、对各个粒子的位置信息进行加权求和得到被定位人员的位置信息并输出。
具体的,按照下式对各个粒子的位置信息进行加权求和:
其中,为被定位人员当前位置信息,N为粒子个数,(xt,yt)为各个粒子的位置信息。
在本发明的一种可选实施方式中,所述对各个粒子的位置信息进行加权求和得到被定位人员的位置信息之后,所述方法还包括:
按照下述方式对所述粒子进行重采样:
粒子重采样的目的是去掉权值低的粒子,保留和复制权值高的粒子,为了使得粒子不失多样性,在给定范围内,生成随机淘汰因子u,将所述粒子权值逐个累加,选取累加值大于淘汰因子u时的上一个粒子;去掉选取出的粒子,保留并复制权值高的粒子。
综上,本发明实施例一提供的室内定位方法,在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值;当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,所述环境信息指纹库至少包括室内指定节点的信息;至少根据移动事件对各粒子的权值进行更新;对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。可见,不同于现有室内定位方法在整个室内进行粒子传播的方法,可见,本发明实施例在粒子滤波阶段是根据预先建立的环境信息指纹库来进行粒子传播,这使得粒子只在室内指定节点上进行传播,基于此,可以在保证室内定位算法精度的同时,大大降低室内定位算法的复杂度,另外,算法的简化也使得本发明实施例所提供的方法特别适合于应用在移动端。
实施例二
参照图3,示出了本发明一种室内定位装置实施例的结构框图,所述装置包括:检测模块31、设置模块32、运动检测模块33、粒子传播模块34、权值更新模块35及位置信息确定模块36;其中,
所述检测模块31,用于检测被定位人员的初始位置;
所述设置模块32,用于在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值,其中,N为粒子个数;
所述运动检测模块33,用于对被定位人员进行运动检测;
所述粒子传播模块34,用于在运动检测模块33检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息;
所述权值更新模块35,用于至少根据移动事件对各粒子的权值进行更新;
所述位置信息确定模块36,用于对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。
具体的,所述设置模块32可以将各个粒子的初始权值设置为1/N。
在本发明的一种可选实施方式中,参见图4,所述装置还包括:指纹库建立模块37,用于建立室内环境信息指纹库。
所述指纹库建立模块37,包括:拓扑图建立单元和采样单元;其中,
所述拓扑图建立单元,用于设置模块建立室内拓扑图,所述室内拓扑图上标注有室内的行走路径和关键节点;所述室内的关键节点包括:行走路径的首尾端点、转角拐弯处的拐点、行走路径的交叉点及室内房间出入口;
所述采样单元,用于对所述关键节点进行采样,采样数据包括:关键节点的地磁强度和位置信息、及路径与路径之间的旋转角。
具体的,所述运动检测模块33,包括:移动事件判断子模块,用于判断被定位人员是否发生移动事件;
所述移动事件判断子模块包括:加速度采集单元、快速傅里叶变换(FFT)单元、步频确定单元和判断单元;其中,
所述加速度采集单元,用于对被定位人员的运动加速度进行采集;
所述FFT单元,用于按如下方式对采集的加速度数据做FFT:
其中,x[n]表示加速度,X[k]为输出值,为各个频率波组成的数组;N表示参与计算的加速度数据点数;
所述步频确定单元,用于从X[k]中选取最大值,对所述最大值所处的数组位置进行换算确定出步频;
所述判断单元,用于判断步频是否在1Hz-2Hz范围内,并在判断结果为是时,确定发生移动事件。
在本发明的一种可选实施方式中,所述运动检测模块33,还包括:步长估算子模块,用于通过下述方式确定被定位人员发生移动事件时的步长L:
L=α×f+β×a+γ;
其中,f表示步频,α表示迈步起始加速度,α、β、γ为可变参数;
实际实现中,根据以上步长估算模型的关系式,用最小二乘法做线性回归,可以得出α、β、γ三个参数的值,再将得出的参数代入原关系式,即刻得出步长估算动态方程用于进行补偿估算。
具体的,所述粒子传播模块34,包括:粒子状态确定单元、采样边传播单元、采样点传播单元及粒子位置坐标确定单元;其中,
所述粒子状态确定单元,用于将所述粒子在下述状态转移模型下进行传播得到粒子状态:
{nt,θt}=p(nt,θt|nt-1,θt-1,zθ,t,zd,t,G)=p(nt|nt-1,θt-1,zd,t,G)·p(et|zθ,t,G);
其中,nt,θt分别代表t时刻粒子所处的关键节点n和运动方向θ,zθ,t表示被定位人员的方向;zd,t表示步长估算模型中的得出的步长;et为一个代表边的随机变量;G代表室内拓扑图模型;
所述采样边传播单元,用于按照下式将所述粒子沿当前运动方向θt与所选择的边的夹角最小的边进行概率传播:
其中,et表示当前运动方向θt与所选择的边的夹角最小的边;nt-1代表t-1时刻粒子所处的关键节点;θt代表t时刻粒子的运动方向;G代表室内拓扑图模型;
所述采样点传播单元,用于按照下式对每个粒子进行一次步长的高斯采样:
p(dt|zd,t)~N(zd,t,σd 2);以及,
按照下式对每个粒子进行节点采样得到t时刻粒子所处的关键节点nt:
所述粒子位置坐标确定单元,用于根据上述确定的t时刻粒子所处的关键节点nt在室内拓扑图模型中确定出粒子的位置坐标(xt,yt)。
具体的,所述权值更新模块35,包括:移动事件更新单元,用于基于移动事件对所述粒子的权值进行更新;
具体的,所述移动事件更新单元,用于在运动检测模块检测到移动事件发生时,按照下式对各个粒子进行权值更新:
wt=wt-1×p(zθ,t|θt,G)×p(zd,t|nt,G);
其中,wt表示t时刻的粒子权值,wt-1表示t-1时刻的粒子权值;当检测到移动事件发生时,由步长估算模型得出zθ,t和zd,t是由步长估算模型所确定的被定位人员的运动方向和步长;nt代表t时刻粒子所处的关键节点,θt代表t时刻粒子的运动方向;p(zθ,t|θt,G)及p(zd,t|nt,G)分别为zθ,t和zd,t的后验概率。
在本发明的一种可选实施方式中,参见图5,所述装置还包括:判断模块38,用于在位置信息确定单元36对各个粒子的位置信息进行加权求和得到被定位人员的位置信息之前,判断上次定位得到的被定位人员的位置信息是否满足校准条件;
如果满足,则触发节点事件;其中,
所述校准条件,包括:
1)上一时刻系统确定的待定位人员的位置在事件节点附近;
2)检测到的旋转角与室内拓扑图中事件节点的旋转角相符;
3)测量到的地磁与室内拓扑图中事件节点上的地磁量相同。
在本发明的一种可选实施方式中,所述权值更新模块35,还包括:节点事件更新单元,用于在判断模块38触发节点事件时,根据节点事件对所述粒子的权值进行更新。
所述节点事件更新单元,具体用于按照下式对各个粒子的权值进行更新:
wt=wt-1×p(sθ|θt,G)×p(sn|nt,G);
其中,sθ、sn分别指室内拓扑图中事件节点的转向角和坐标位置。
在本发明的一种可选实施方式中,参见图6,所述装置还包括:粒子重采样模块39,用于在位置信息确定模块36对各个粒子的位置信息进行加权求和得到被定位人员的位置信息之后,按照下述方式对所述粒子进行重采样:
在给定范围内,生成随机淘汰因子u,将所述粒子权值逐个累加,选取累加值大于淘汰因子u时的上一个粒子;
去掉选取出的粒子,保留并复制权值高的粒子。
在具体实施过程中,上述检测模块31、设置模块32、运动检测模块33、粒子传播模块34、权值更新模块35、位置信息确定模块36、指纹库建立模块37、判断模块38及粒子重采样模块39均可以由移动终端内的中央处理器(CPU,Central Processing Unit)、微处理器(MPU,Micro Processing Unit)、数字信号处理器(DSP,Digital Signal Processor)或可编程逻辑阵列(FPGA,Field-Programmable GateArray)来实现。
实施例三
本发明实施例三提供了一种计算机可读存储介质,所述计算机可读存储介质包括程序,所述程序用于被处理器执行以实现如实施例一所述的方法。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种室内定位方法,其特征在于,所述方法包括:
检测被定位人员的初始位置,在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值;
对被定位人员进行运动检测,当检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息;
至少根据移动事件对各粒子的权值进行更新;
对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括环境信息指纹库的建立步骤,包括:
建立室内拓扑图,所述室内拓扑图上标注有室内的行走路径和关键节点;所述室内的关键节点包括:行走路径的首尾端点、转角拐弯处的拐点、行走路径的交叉点及室内房间出入口中的至少一个;
对所述关键节点进行采样,采样数据包括:关键节点的地磁强度和位置信息、及路径与路径之间的旋转角。
3.根据权利要求1所述的方法,其特征在于,所述对被定位人员进行运动检测,包括:
判断被定位人员是否发生移动事件;其中,
所述判断被定位人员是否发生移动事件,包括以下步骤:
S201、对被定位人员的运动加速度进行采集;
S202、对采集的加速度数据做FFT如下:
<mrow>
<mi>X</mi>
<mo>&lsqb;</mo>
<mi>k</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>x</mi>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>k</mi>
<mi>n</mi>
</mrow>
<mi>N</mi>
</mfrac>
<mo>)</mo>
<mo>-</mo>
<mi>j</mi>
<mi> </mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>k</mi>
<mi>n</mi>
</mrow>
<mi>N</mi>
</mfrac>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,x[n]表示加速度,X[k]为输出值,为各个频率波组成的数组;N表示参与计算的加速度数据点数;
S203、从X[k]中选取最大值,对所述最大值所处的数组位置进行换算确定出步频;
S204、判断步频是否在1Hz-2Hz范围内,当判断结果为是时,确定发生移动事件。
4.根据权利要求3所述的方法,其特征在于,所述对被定位人员进行运动检测,还包括:
通过下述步长估算模型确定被定位人员发生移动事件时的步长L:
L=α×f+β×a+γ;
其中,f表示步频,α表示迈步起始加速度,α、β、γ均为可变参数。
5.根据权利要求1所述的方法,其特征在于,所述将所述粒子根据预先建立的环境信息指纹库进行传播,包括以下步骤:
将所述粒子在下述状态转移模型下进行传播得到粒子状态:
{nt,θt}=p(nt,θt|nt-1,θt-1,zθ,t,zd,t,G)=p(nt|nt-1,θt-1,zd,t,G)·p(et|zθ,t,G);
其中,nt,θt分别代表t时刻粒子所处的关键节点n和运动方向θ,zθ,t表示被定位人员的方向;zd,t表示步长估算模型中的得出的步长;et为一个代表边的随机变量;G代表室内拓扑图模型;
采样边传播:按照下式将所述粒子沿当前运动方向θt与所选择的边的夹角最小的边进行概率传播:
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>e</mi>
<mi>t</mi>
</msub>
<mo>|</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<mn>2</mn>
<msub>
<mi>&pi;&sigma;</mi>
<mi>&epsiv;</mi>
</msub>
</mrow>
</msqrt>
</mfrac>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;&theta;</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<msub>
<mi>&sigma;</mi>
<mi>&epsiv;</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中,et表示当前运动方向θt与所选择的边的夹角最小的边;nt-1代表t-1时刻粒子所处的关键节点;θt代表t时刻粒子的运动方向;G代表室内拓扑图模型;
采样点传播:按照下式对每个粒子进行一次步长的高斯采样:
p(dt|zd,t)~N(zd,t,σd 2);
按照下式对每个粒子进行节点采样得到t时刻粒子所处的关键节点nt:
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>t</mi>
</msub>
<mo>|</mo>
<msub>
<mi>n</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>e</mi>
<mi>t</mi>
</msub>
<mo>,</mo>
<msub>
<mi>z</mi>
<mrow>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mi>i</mi>
</msup>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msup>
<msub>
<mi>e</mi>
<mi>t</mi>
</msub>
<mi>i</mi>
</msup>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
在确定t时刻各粒子所处的关键节点nt之后,在室内拓扑图模型中确定出各粒子的坐标(xt,yt)。
6.根据权利要求1所述的方法,其特征在于,所述基于移动事件对所述粒子的权值进行更新,包括:
当检测到移动事件发生时,按照下式对所述粒子进行权值更新:
wt=wt-1×p(zθ,t|θt,G)×p(zd,t|nt,G);
其中,wt表示t时刻的粒子权值,wt-1表示t-1时刻的粒子权值;当检测到移动事件发生时,zθ,t和zd,t是由步长估算模型所确定的被定位人员的运动方向和步长;nt代表t时刻粒子所处的关键节点,θt代表t时刻粒子的运动方向;p(zθ,t|θt,G)及p(zd,t|nt,G)分别为zθ,t和zd,t的后验概率。
7.根据权利要求1所述的方法,其特征在于,所述对各个粒子的位置信息进行加权求和得到被定位人员的位置信息之前,所述方法还包括:
判断上次定位得到的被定位人员的位置信息是否满足校准条件;
如果满足,则触发节点事件;
基于节点事件对所述粒子的权值进行更新;其中,
所述校准条件,包括:
1)上一时刻系统确定的待定位人员的位置在事件节点附近;
2)检测到的旋转角与室内拓扑图中事件节点的旋转角相符;
3)测量到的地磁与室内拓扑图中事件节点上的地磁量相同。
8.根据权利要求7所述的方法,其特征在于,所述基于节点事件对所述粒子的权值进行更新,包括:
当发生节点事件时,按照下式对所述粒子的权值进行更新:
wt=wt-1×p(sθ|θt,G)×p(sn|nt,G);
其中,sθ、sn分别指室内拓扑图中事件节点的转向角和坐标位置。
9.一种室内定位装置,其特征在于,所述装置包括:检测模块、设置模块、运动检测模块、粒子传播模块、权值更新模块及位置信息确定模块;其中,
所述检测模块,用于检测被定位人员的初始位置;
所述设置模块,用于在被定位人员的初始位置周围设置N个粒子,为每个粒子设置初始权值,其中,N为粒子个数;
所述运动检测模块,用于对被定位人员进行运动检测;
所述粒子传播模块,用于在运动检测模块检测到被定位人员的移动事件时,将所述粒子根据预先建立的环境信息指纹库进行传播,从而确定各个粒子的位置信息,移动事件是指被定位人员的当前位置相对于前一位置的位置信息发生改变的事件,所述环境信息指纹库至少包括室内指定节点的信息;
所述权值更新模块,用于至少根据移动事件对各粒子的权值进行更新;
所述位置信息确定模块,用于对各个粒子的位置信息进行加权求和得到被定位人员的位置信息。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序用于被处理器执行以实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586605.7A CN107462247A (zh) | 2017-07-18 | 2017-07-18 | 一种室内定位方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586605.7A CN107462247A (zh) | 2017-07-18 | 2017-07-18 | 一种室内定位方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107462247A true CN107462247A (zh) | 2017-12-12 |
Family
ID=60546849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710586605.7A Pending CN107462247A (zh) | 2017-07-18 | 2017-07-18 | 一种室内定位方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107462247A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108064020A (zh) * | 2017-12-30 | 2018-05-22 | 北京工业大学 | 一种优化的室内定位方法 |
CN109451425A (zh) * | 2018-12-06 | 2019-03-08 | 奇点新源国际技术开发(北京)有限公司 | 一种基于单一锚点的定位方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140162703A1 (en) * | 2012-11-26 | 2014-06-12 | Samsung Electronics Co., Ltd. | Mobile device for estimating location using particle filter generated based on three-dimensional (3d) magnetic field map and method using said mobile device |
CN103983266A (zh) * | 2014-05-28 | 2014-08-13 | 北京天地方元科技有限公司 | 基于地磁信息的室内定位方法及系统 |
CN104215259A (zh) * | 2014-08-22 | 2014-12-17 | 哈尔滨工程大学 | 一种基于地磁模量梯度和粒子滤波的惯导误差校正方法 |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN105737826A (zh) * | 2016-02-24 | 2016-07-06 | 中国地质大学(武汉) | 行人室内定位方法 |
CN106525052A (zh) * | 2016-12-14 | 2017-03-22 | 广东工业大学 | 一种图模型约束的室内定位方法 |
CN106767828A (zh) * | 2016-12-29 | 2017-05-31 | 南京邮电大学 | 一种手机室内定位解决方法 |
CN106888426A (zh) * | 2017-03-03 | 2017-06-23 | 深圳墨兔科技有限公司 | 一种蓝牙、WiFi及惯导技术融合的室内定位方法以及系统 |
-
2017
- 2017-07-18 CN CN201710586605.7A patent/CN107462247A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140162703A1 (en) * | 2012-11-26 | 2014-06-12 | Samsung Electronics Co., Ltd. | Mobile device for estimating location using particle filter generated based on three-dimensional (3d) magnetic field map and method using said mobile device |
CN103983266A (zh) * | 2014-05-28 | 2014-08-13 | 北京天地方元科技有限公司 | 基于地磁信息的室内定位方法及系统 |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN104215259A (zh) * | 2014-08-22 | 2014-12-17 | 哈尔滨工程大学 | 一种基于地磁模量梯度和粒子滤波的惯导误差校正方法 |
CN105737826A (zh) * | 2016-02-24 | 2016-07-06 | 中国地质大学(武汉) | 行人室内定位方法 |
CN106525052A (zh) * | 2016-12-14 | 2017-03-22 | 广东工业大学 | 一种图模型约束的室内定位方法 |
CN106767828A (zh) * | 2016-12-29 | 2017-05-31 | 南京邮电大学 | 一种手机室内定位解决方法 |
CN106888426A (zh) * | 2017-03-03 | 2017-06-23 | 深圳墨兔科技有限公司 | 一种蓝牙、WiFi及惯导技术融合的室内定位方法以及系统 |
Non-Patent Citations (1)
Title |
---|
杨增瑞,等: "基于磁场指纹辅助的手机室内定位系统", 《传感技术学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108064020A (zh) * | 2017-12-30 | 2018-05-22 | 北京工业大学 | 一种优化的室内定位方法 |
CN108064020B (zh) * | 2017-12-30 | 2020-07-03 | 北京工业大学 | 一种优化的室内定位方法 |
CN109451425A (zh) * | 2018-12-06 | 2019-03-08 | 奇点新源国际技术开发(北京)有限公司 | 一种基于单一锚点的定位方法及装置 |
CN109451425B (zh) * | 2018-12-06 | 2021-01-01 | 奇点新源国际技术开发(北京)有限公司 | 一种基于单一锚点的定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602647B (zh) | 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法 | |
CN103925923B (zh) | 一种基于自适应粒子滤波器算法的地磁室内定位系统 | |
Xie et al. | A reliability-augmented particle filter for magnetic fingerprinting based indoor localization on smartphone | |
CN110118560B (zh) | 一种基于lstm和多传感器融合的室内定位方法 | |
WO2018018994A1 (zh) | 室内定位方法及定位系统 | |
CN106840163A (zh) | 一种室内定位方法及系统 | |
CN109033011A (zh) | 计算轨迹频繁度的方法、装置、存储介质及电子设备 | |
CN106714110A (zh) | 一种Wi‑Fi位置指纹地图自动构建方法及系统 | |
CN109377752A (zh) | 短时交通流变化预测方法、装置、计算机设备及存储介质 | |
WO2019061949A1 (zh) | 一种运动行为辅助的室内融合定位方法及装置、存储介质 | |
CN106767828A (zh) | 一种手机室内定位解决方法 | |
CN108020813B (zh) | 定位方法、定位装置和电子设备 | |
CN110388926B (zh) | 一种基于手机地磁和场景图像的室内定位方法 | |
WO2020207201A1 (zh) | 用户行为预测模型构建方法、装置、存储介质及电子设备 | |
CN109323695A (zh) | 一种基于自适应无迹卡尔曼滤波的室内定位方法 | |
CN107941211A (zh) | 基于二阶级联的多元素融合定位方法、装置及电子设备 | |
Bundak et al. | Fuzzy rank cluster top k Euclidean distance and triangle based algorithm for magnetic field indoor positioning system | |
CN105101090B (zh) | 一种环境监测无线传感网的节点定位方法 | |
CN105444763A (zh) | 一种imu室内定位方法 | |
CN105022055A (zh) | 一种imu室内定位方法 | |
CN112135246B (zh) | 一种基于ssd目标检测的rssi更新的室内定位方法 | |
Qian et al. | An improved particle filter based indoor tracking system via joint Wi-Fi/PDR localization | |
CN107462247A (zh) | 一种室内定位方法、装置及计算机可读存储介质 | |
Wang et al. | A hierarchical LSTM-based indoor geomagnetic localization algorithm | |
CN105021199A (zh) | 基于ls 的多模型自适应状态估计方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |