CN108120436A - 一种iBeacon辅助地磁室内实景导航方法 - Google Patents

一种iBeacon辅助地磁室内实景导航方法 Download PDF

Info

Publication number
CN108120436A
CN108120436A CN201711366690.2A CN201711366690A CN108120436A CN 108120436 A CN108120436 A CN 108120436A CN 201711366690 A CN201711366690 A CN 201711366690A CN 108120436 A CN108120436 A CN 108120436A
Authority
CN
China
Prior art keywords
ibeacon
location
earth magnetism
training
real scene
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.)
Withdrawn
Application number
CN201711366690.2A
Other languages
English (en)
Inventor
黎海涛
张俊峰
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201711366690.2A priority Critical patent/CN108120436A/zh
Publication of CN108120436A publication Critical patent/CN108120436A/zh
Withdrawn legal-status Critical Current

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
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
    • G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/0009—Transmission of position information to remote stations
    • G01S5/0045—Transmission from base station to mobile station
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Biophysics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种iBeacon辅助地磁室内实景导航的方法，离线阶段，利用智能手机采集定位区域内的地磁指纹，服务端利用深度学习中的卷积神经网络算法(CNN)对采集的指纹数据进行训练。在线阶段，客户端将当前采集的地磁指纹上传到服务器，服务端利用CNN训练模型对指纹信息进行分类识别，从而获得当前用户的位置信息；同时，在室内复杂地形处部署iBeacon基站来对地磁导航进行校正，且对iBeacon辅助定位信号进行卡尔曼滤波以解决其波动问题；最后，客户端通过位置及方向信息，在服务端数据库中获取相应位置的实景图片，实现实景导航。

Description

一种iBeacon辅助地磁室内实景导航方法
技术领域
本发明属于室内定位领域，尤其涉及一种iBeacon辅助的地磁室内实景导航方法。
背景技术
目前，随着移动互联网时代的来临，室内环境中定位的需求日益增大，利用智能手机终端进行精确室内定位成为了研究热点。由于GPS信号收到建筑物的阻挡，在室内环境无法使用，所以多种定位方法相继被提出。常见的室内定位方法包括：超声波定位技术，Wi-Fi指纹技术，惯性传感器定位技术等。
超声波定位技术采用三角测距原理进行定位，定位精度高，但缺点是易受到多径效应的影响，而且需要布置大量的基础设施，造价高。Wi-Fi指纹定位是应用最广泛的定位技术，它通过测量室内各个Wi-Fi热点的接收信号强度(RSSI)来实现定位。其优点不需要额外布置Wi-Fi设备，定位速度快；缺点在于采集指纹耗时费力，定位精度低。惯性传感器定位技术是在假设已知用户初始位置的情况下，利用手机的惯性传感器来测量用户的行走速度和方向，从而跟踪用户位置。其优点是不需要额外的基础设施，简单方便；缺点是容易产生累积误差，定位精度低。
近来，提出了利用地磁指纹和iBeacon等新型的定位技术。在室内环境下，地磁场受到室内其他磁场源的影响，使得磁场发生扭曲，各个位置点的地磁信号都不相同，因此可以建立地磁指纹库进行定位。其优点是地磁信号稳定，不用重复采集；缺点是手机采集的地磁指纹是一个三维向量，它的采集跟行人姿态有关。已有方法不得不要求用户使用时固定手机朝向，使用不便。iBeacon信标定位将接收信号强度和阈值比较，得到定位结果。优点是简单可靠，缺点是接收信号强度值波动大，定位鲁棒性差。
可以看到，地磁和iBeacon定位技术各有优缺点。为此，本发明融合二者的优点，结合基于增强现实的实景导航能够提供给用户更好视觉体验的特色，提出一种iBeacon辅助的地磁室内实景导航方法。
发明内容
本发明解决的技术问题是，提供一种iBeacon辅助的地磁室内实景导航方法，在iBeacon辅助定位中如何降低信标信号波动的影响，以及如何解决地磁定位对手机朝向的约束，达到提高室内导航的鲁棒性和精度的目的。
本发明的基本原理为：先利用智能手机磁力计采集定位区域内不同路径的地磁指纹，然后在服务器端利用深度学习中卷积神经网络(CNN)对采集的指纹数据及其对应的位置数据进行离线训练。在线实时导航时，客户端应用软件把当前地点采集的地磁指纹传送到服务器。服务器利用CNN训练模型对采集的地磁指纹信息进行分类识别而获得当前用户的位置信息。同时，在室内复杂地形处部署iBeacon基站来对地磁导航进行校正，且对iBeacon辅助定位信号进行卡尔曼滤波来解决其波动问题。在iBeacon辅助的地磁导航过程中，采集增强现实方法引入实景图片，从而实现实景导航，提高了用户体验。
为实现上述目的，本发明采用如下的技术方案：
一种iBeacon辅助的地磁室内实景导航方法，，包括以下步骤：
步骤1：离线阶段，采集定位区域内不同位置的地磁、图像、方向信息，并记下其对应的地理位置坐标信息；
步骤2：把地磁、图像、方向信息和相应的地理位置信息传送到web服务器；
步骤3：把位置、方向和图像信息保存到服务器端的关系型数据库中；
步骤4：服务器端利用多层卷积神经网络对采集的地磁指纹及位置信息进行训练，得出最接近实际位置标签的定位模型；
步骤5：在室内定位区域内地形复杂处部署iBeacon信标，并对iBeacon信标广播消息进行设置；
步骤6：在线实时导航时，把当前地点采集的指纹和方向信息传送到服务器；
步骤7：在线导航分为正常情况和复杂情况；在正常情况下，采用步骤4得到的定位模型进行定位；
步骤8：在复杂情况下，即用户处在室内复杂地形位置时，采用iBeacon信标进行辅助定位；用户智能终端接收iBeacon信标发送的广播消息，先利用卡尔曼滤波器进行滤波，使得接收的广播信号强度更加稳定；
步骤9：当客户端接收到多个iBeacon信标发送的广播消息后，判断广播消息的接收信号强度(RSSI)值是否大于信标的预设阈值，若接收到的广播信息的RSSI值大于预设阈值时，选择RSSI值最大的广播消息，并把广播中包含的iBeacon信标位置信息作为行人的当前位置；
步骤10：当行人进入实景导航模式时，利用智能移动终端的方向传感器计算出行人行走方向；
步骤11：智能终端根据方向和当前位置获取服务器数据库中的实景图片，并将其在终端显示，从而完成实景导航。
作为优选，步骤4具体为：首先对定位区域进行网格划分，将定位区域看成一个二维空间，将其分成多个大小相同的网格，并为每个网格分配对应的用于训练的位置标签，将步骤2中上传的位置信息和地磁指纹与相应的网格相对应，并把该网格的位置标签和地磁指纹数据作为一组训练样本数据，生成训练数据集；然后，依次将训练数据集中的每一组训练样本数据中的指纹数据输入所述卷积神经网络的数据输入层，经过所述卷积神经网络输出相对应的训练结果；依次将训练结果与其对应的位置标签进行比较，根据比较结果调整参数设置，最终得出最接近实际位置标签的定位模型。
作为优选，步骤7具体为：首先利用定位模型的网络层计算指纹数据，并通过定位模型的输出层输出位置预测集，所述位置预测集包括预测位置标签与对应的概率值，最后将所属位置预测集中概率值最大的预测位置标签所对应的位置确定为用户的位置。
本发明提出的方法中，采用深度学习算法对地磁指纹训练后进行分类识别，可以寻找到最匹配的地磁指纹而提高了定位精度。同时，在电梯等复杂地形处部署iBeacon信标来校正定位，且采用卡尔曼滤波解决iBeacon信号的波动问题。总体来看，所提iBeacon辅助的地磁实景导航方法具有更好的鲁棒性，且易于部署，用户体验度高。
附图说明
图1为本发明的离线阶段；
图2为本发明的在线阶段；
图3为本发明的训练阶段；
图4为本发明的定位阶段。
具体实施方式
下面具体描述本发明的实施方式。
本发明提出的一种iBeacon辅助地磁室内实景导航方法，分为离线阶段和在线阶段，分别对应图1和图2，包括以下实施步骤：
步骤1：离线阶段，如图1，分别利用不同类型智能手机的磁力计、摄像头、陀螺仪采集定位区域内不同位置的地磁、图像、方向信息，并记下其对应的地理位置坐标信息。
步骤2：把地磁、图像、方向信息和相应的地理位置信息传送到web服务器。
步骤3：把位置、方向和图像信息保存到服务器端的关系型数据库中。
步骤4：服务器端利用多层卷积神经网络对采集的地磁指纹及位置信息进行训练，训练过程如图3所示，首先对定位区域进行网格划分，将定位区域看成一个二维空间，将其分成多个大小相同的网格，并为每个网格分配对应的用于训练的位置标签，将步骤2中上传的位置信息和地磁指纹与相应的网格相对应，并把该网格的位置标签和地磁指纹数据作为一组训练样本数据，生成训练数据集。然后，依次将训练数据集中的每一组训练样本数据中的指纹数据输入所述卷积神经网络的数据输入层，经过所述卷积神经网络输出相对应的训练结果。依次将训练结果与其对应的位置标签进行比较，根据比较结果调整参数设置，最终得出最接近实际位置标签的定位模型。
步骤5：在室内定位区域内地形复杂处部署iBeacon信标，并对iBeacon信标广播消息进行设置；
设置的每个iBeacon信标的广播消息包括自身所在的位置信息、接收信号强度信息，以便于确定行人位置。
步骤6：在线实时导航时，如图2，客户端应用软件把当前地点采集的指纹和方向信息传送到服务器；
步骤7：在线导航分为正常情况和复杂情况。在正常情况下，采用步骤4得到的定位模型进行定位，定位过程如图4所示。图4中，首先利用定位模型的网络层计算指纹数据，并通过定位模型的输出层输出位置预测集，所述位置预测集包括预测位置标签与对应的概率值，最后将所属位置预测集中概率值最大的预测位置标签所对应的位置确定为用户的位置。
步骤8：在复杂情况下，即用户处在室内复杂地形位置时，采用iBeacon信标进行辅助定位。用户智能终端接收iBeacon信标发送的广播消息，先利用卡尔曼滤波器进行滤波，使得接收的广播信号强度更加稳定。
步骤9：当客户端接收到多个iBeacon信标发送的广播消息后，判断广播消息的接收信号强度(RSSI)值是否大于信标的预设阈值，若接收到的广播信息的RSSI值大于预设阈值时，选择RSSI值最大的广播消息，并把广播中包含的iBeacon信标位置信息作为行人的当前位置。
步骤10：当行人进入实景导航模式时，利用智能移动终端的方向传感器计算出行人行走方向；
步骤11：智能终端根据方向和当前位置获取服务器数据库中的实景图片，并将其在终端显示，从而完成实景导航。
实施例1：
本发明提供一种iBeacon辅助的地磁室内实景导航方法，包括以下步骤：
步骤1：利用智能手机的磁力计采集定位区域内的三维地磁指纹向量(Bfx,Bfy,Bfz)，利用智能手机摄像头和方向传感器在不同位置处采集图像、方向信息，并记录上述信息对应的二维地理位置信息(x,y)；
其中，方向信息以角度表示，如0度代表行人面朝北方，90度代表行人面朝东方，180度代表行人面朝南方，270度代表行人面朝西方。
图像信息即为行人在定位区域某个位置某个方向上的室内图像信息。
为了消除设备姿态变化对三维地磁指纹的影响，通过如下公式把载体坐标系下地磁传感器读出的具有姿态特征的三维原始地磁数据映射到导航坐标系下的统一的三维地磁指纹。
其中(Bpx,Bpy,Bpz)是原始地磁向量，(Bfx,Bfy,Bfz)是变换后的向量。θ和为载体坐标系与导航坐标系之间的欧拉角，θ代表横滚角，代表俯仰角。
步骤2：把地磁指纹、图像、方向和相应位置信息通过HTTP的POST请求方式传送到web服务器；
步骤3：将位置、方向和图像信息保存到服务器端的关系型数据库中。其中，位置和方向信息作为数据库表格中的一列，图片信息作为表格中的一列。通过位置和方向信息即可检索到相应的图像信息。
步骤4：服务器端利用卷积神经网络对采集的指纹及位置数据进行离线训练，采用的训练网络的结构是：数据层—>卷积层1—>卷积层2—>ReLU层—>MaxPooling层—>全连接层1—>全连接层2—>SoftMalLoss层。
采用有监督的全局参数训练的方法：已知定位区域内各个地磁指纹的实际位置属于某个网络，通过不断调整网络参数使得卷积神经网络的网络层的输出和真实的结果相同。
当网络参数训练完成之后，将卷积神经网络的参数更新为训练后的网络参数，同时将训练网络最后一层SoftMaxLoss层改为SoftMax层，形成实施网络，用于作为定位模型参与定位过程。其中SoftMaxLoss层用于卷积神经网络进行训练时输出训练的输出结果与实际的训练位置标签的误差，而SoftMax层用于在实施网络定位时，输出客户所在位置所述分类的概率值。
CNN训练步骤如图3，首先对定位区域进行网格划分，将定位区域看成一个二维空间，将其分成多个大小相同的网格，并为每个网格分配对应的用于训练的位置标签，将步骤2中上传的位置信息和指纹与相应的网格相对应，将该网格的位置标签和指纹数据作为一组训练样本数据，生成训练数据集。接着依次将训练数据集中的每一组训练样本数据中的指纹数据输入所述卷积神经网络的数据输入层，经过步骤4所述网络输出相对应的训练结果。依次将训练结果与其对应的位置标签进行比较，根据比较结果调整参数设置，最终得出最接近实际位置标签的定位模型。
下面结合具体的数值介绍本发明采用卷积神经网络训练的过程。
(1)首先对定位区域进行网格划分，得到多个平面网格，为每个网格分配对应的用于训练的位置标签，把步骤2中上传的位置信息和地磁指纹与相应的网格相对应。比如，定位区域为一个长为M，宽为N的矩形，面积为M*N。若根据室内定位精度特性以2米作为基本单位，则定位区域可划分为个网格。本实施例中，M＝70，N＝22，因此定位区域被分为385个网格，将这些网格看成卷积神经网络的385个类，为每个网格分配位置标签。可以按照从左到右，从上到下的顺序，依次为网格进行编号，可以得到范围是1～385的网格编号。将该标号作为训练的位置标签。
(2)利用与步骤2中收集用户位置信息相同的平面直角坐标系，得到每个网格所包含的坐标范围。将客户端上传的位置信息和指纹对应的相应坐标范围的网格中，将对应网格的编号和结合指纹数据生成一组训练样本数据，一组训练样本数据可表示为(Bfx,Bfy,Bfz,ID)，以实施例可表示为<0.4375,22.3125,-50.25,1>，表示当前位置的三维地磁向量值分别为0.4375,22.3125,-50.25，该位置在编号为1的平面网格中。
(3)将训练样本数据中的指纹数据输入卷积神经网络进行计算，最后输出训练结果与位置标签的误差。
将训练样本数据中(Bfx,Bfy,Bfz)从数据层输入，在SoftMaxLoss层用Label进行回归，通过训练在SoftMaxLoss层输出Loss。
(4)最后通过调整卷积神经网络中的参数使得整个网络的Loss收敛于预设范围，此时网络参数训练完成。
步骤5：在室内定位区域内地形复杂处部署iBeacon信标，并对iBeacon信标广播消息进行设置，例如在室内关键位置，如楼梯口、电梯口等位置，将iBeacon基站部署在立柱或墙壁上，安装高度在3米左右。
设置的每个iBeacon信标的广播消息包括自身所在的位置信息、接收信号强度信息，以便于确定行人位置。这里首先设置基站广播消息的发送周期，通常广播信息的发送周期要小于1s，例如300ms；广播信息包括iBeacon自身的UUID、Major、Minor和MeasuredPower四部分，其中UUID、Major、Minor用来iBeacon基站，Measured Power标识距离基站1m处的接收信号强度。
UUID为32位十六进制数，可将建筑物信息、楼层信息等内容写入UUID中；Major写入基站的位置的坐标信息，Minor暂不使用，Measured Power为距离iBeacon基站1m时的RSSI值。
步骤6：在线实时导航时，客户端应用软件把当前地点采集的地磁指纹上传到服务器。
步骤7：在线导航分为正常情况和复杂情况。在正常情况下，采用步骤4中得到的定位模型进行定位，定位过程如图4所示，首先利用定位模型的网络层计算指纹数据，并通过定位模型的输出层输出位置预测集，所述位置预测集包括预测位置标签与对应的概率值，最后将所属位置预测集中概率值最大的预测位置标签所对应的位置确定为用户的位置。下面结合具体的数值介绍本发明采用卷积神经网络训练模型进行定位的过程。
服务端将步骤6上传的地磁指纹数据从数据层输入，在SoftMax层输出385类预测概率，假设输出385类概率从小到大排列为：
Label 3:0.8
Label 5:0.3
Label 93:0.23
…
则选取Label3作为最后的预测，即预测用户在编号为3的网格内。用户最终位置即为3号网格内坐标的平均值。
步骤8：在复杂情况下，即用户处在室内复杂地形位置时，采用iBeacon信标进行辅助定位。用户智能终端接收iBeacon信标发送的广播消息，先利用卡尔曼滤波器进行滤波，使得接收的广播信号强度更加稳定。
步骤9：当客户端接收到多个iBeacon信标发送的广播消息后，判断广播消息的接收信号强度(RSSI)值是否大于信标的预设阈值，若接收到的广播信息的RSSI值大于预设阈值时，选择RSSI值最大的广播消息，则认为行人此时距离基站足够近，此时基站的位置就是行人的位置，并把广播中包含的iBeacon信标位置信息作为行人的当前位置。
步骤10：当行人进入实景导航模式时，客户端每3秒钟向服务端发送定位请求，同时利用智能移动终端的方向传感器得到行人的行走方向。
步骤11：智能终端根据方向和当前位置获取服务器数据库中的实景图片，并将其在终端显示，从而完成实景导航。

Claims (3)

1.一种iBeacon辅助的地磁室内实景导航方法，其特征在于，包括以下步骤：
步骤1：离线阶段，采集定位区域内不同位置的地磁、图像、方向信息，并记下其对应的地理位置坐标信息；
步骤2：把地磁、图像、方向信息和相应的地理位置信息传送到web服务器；
步骤3：把位置、方向和图像信息保存到服务器端的关系型数据库中；
步骤4：服务器端利用多层卷积神经网络对采集的地磁指纹及位置信息进行训练，得出最接近实际位置标签的定位模型；
步骤5：在室内定位区域内地形复杂处部署iBeacon信标，并对iBeacon信标广播消息进行设置；
步骤6：在线实时导航时，把当前地点采集的指纹和方向信息传送到服务器；
步骤7：在线导航分为正常情况和复杂情况；在正常情况下，采用步骤4得到的定位模型进行定位；
步骤8：在复杂情况下，即用户处在室内复杂地形位置时，采用iBeacon信标进行辅助定位；用户智能终端接收iBeacon信标发送的广播消息，先利用卡尔曼滤波器进行滤波，使得接收的广播信号强度更加稳定；
步骤9：当客户端接收到多个iBeacon信标发送的广播消息后，判断广播消息的接收信号强度(RSSI)值是否大于信标的预设阈值，若接收到的广播信息的RSSI值大于预设阈值时，选择RSSI值最大的广播消息，并把广播中包含的iBeacon信标位置信息作为行人的当前位置；
步骤10：当行人进入实景导航模式时，利用智能移动终端的方向传感器计算出行人行走方向；
步骤11：智能终端根据方向和当前位置获取服务器数据库中的实景图片，并将其在终端显示，从而完成实景导航。
2.如权利要求1所述的iBeacon辅助的地磁室内实景导航方法，其特征在于，步骤4具体为：首先对定位区域进行网格划分，将定位区域看成一个二维空间，将其分成多个大小相同的网格，并为每个网格分配对应的用于训练的位置标签，将步骤2中上传的位置信息和地磁指纹与相应的网格相对应，并把该网格的位置标签和地磁指纹数据作为一组训练样本数据，生成训练数据集；然后，依次将训练数据集中的每一组训练样本数据中的指纹数据输入所述卷积神经网络的数据输入层，经过所述卷积神经网络输出相对应的训练结果。依次将训练结果与其对应的位置标签进行比较，根据比较结果调整参数设置，最终得出最接近实际位置标签的定位模型。
3.如权利要求1所述的iBeacon辅助的地磁室内实景导航方法，其特征在于，步骤7具体为：首先利用定位模型的网络层计算指纹数据，并通过定位模型的输出层输出位置预测集，所述位置预测集包括预测位置标签与对应的概率值，最后将所属位置预测集中概率值最大的预测位置标签所对应的位置确定为用户的位置。
CN201711366690.2A 2017-12-18 2017-12-18 一种iBeacon辅助地磁室内实景导航方法 Withdrawn CN108120436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711366690.2A CN108120436A (zh) 2017-12-18 2017-12-18 一种iBeacon辅助地磁室内实景导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711366690.2A CN108120436A (zh) 2017-12-18 2017-12-18 一种iBeacon辅助地磁室内实景导航方法

Publications (1)

Publication Number Publication Date
CN108120436A true CN108120436A (zh) 2018-06-05

Family

ID=62230297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711366690.2A Withdrawn CN108120436A (zh) 2017-12-18 2017-12-18 一种iBeacon辅助地磁室内实景导航方法

Country Status (1)

Country Link
CN (1) CN108120436A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003458A (zh) * 2018-08-09 2018-12-14 河海大学常州校区 基于三轴地磁传感器的路口车辆违章监测系统及方法
CN109115205A (zh) * 2018-07-20 2019-01-01 上海工程技术大学 一种基于地磁传感器阵列的室内指纹定位方法及系统
CN109506650A (zh) * 2018-09-12 2019-03-22 广东嘉腾机器人自动化有限公司 基于bp网络的agv导航行程偏差修正方法
CN109782231A (zh) * 2019-01-17 2019-05-21 北京大学 一种基于多任务学习的端到端声源定位方法及系统
CN110798806A (zh) * 2019-10-30 2020-02-14 武汉科技大学 一种基于地磁强度的卡尔曼滤波室内轨迹跟踪算法
CN111031485A (zh) * 2019-12-31 2020-04-17 吉林大学 一种结合cnn的蓝牙位置服务系统及其定位方法
CN111123340A (zh) * 2020-02-10 2020-05-08 腾讯科技（深圳）有限公司 物流配送导航方法及系统、近场定位导航装置、存储介质
CN111256684A (zh) * 2020-01-18 2020-06-09 杭州电子科技大学 一种基于多层门控循环单元网络的地磁室内定位方法
CN111899298A (zh) * 2020-05-08 2020-11-06 中国矿业大学(北京) 基于实景图像机器学习的位置感知系统
CN113074718A (zh) * 2021-04-27 2021-07-06 广东电网有限责任公司清远供电局 一种定位方法、装置、设备及存储介质
CN113660600A (zh) * 2021-06-24 2021-11-16 南京邮电大学 一种室内定位系统及数据处理方法
CN113720333A (zh) * 2021-08-16 2021-11-30 中山大学 一种基于图注意力网络的室内多点协同定位方法
CN115103299A (zh) * 2022-06-15 2022-09-23 河南工程学院 一种基于rfid的多传感器融合定位方法
WO2023185687A1 (zh) * 2022-03-26 2023-10-05 华为技术有限公司 车辆位置的获取方法及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900571A (zh) * 2010-08-13 2010-12-01 深圳市凯立德计算机系统技术有限公司 一种导航信息的显示方法及导航设备
CN103442436A (zh) * 2013-08-27 2013-12-11 华为技术有限公司 一种室内定位终端、网络、系统及其方法
CN104540219A (zh) * 2014-12-29 2015-04-22 北京工业大学 一种低复杂度的Wi-Fi指纹室内定位方法
CN105592420A (zh) * 2015-12-17 2016-05-18 北京百度网讯科技有限公司 环境特征库生成及基于环境特征库的室内定位方法和装置
CN105682227A (zh) * 2016-04-05 2016-06-15 上海雅丰信息科技有限公司 一种基于iBeacon的室内定位方法
CN105976563A (zh) * 2016-07-01 2016-09-28 青岛市光电工程技术研究院 一种消防救援系统
CN106054125A (zh) * 2016-05-05 2016-10-26 南京邮电大学 一种基于线性链条件随机场的融合室内定位方法
CN106767773A (zh) * 2016-07-22 2017-05-31 桂林电子科技大学 一种室内地磁基准图构建方法及其装置
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
CN107270889A (zh) * 2017-06-08 2017-10-20 东南大学 一种基于地磁图谱的室内定位方法及定位系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900571A (zh) * 2010-08-13 2010-12-01 深圳市凯立德计算机系统技术有限公司 一种导航信息的显示方法及导航设备
CN103442436A (zh) * 2013-08-27 2013-12-11 华为技术有限公司 一种室内定位终端、网络、系统及其方法
CN104540219A (zh) * 2014-12-29 2015-04-22 北京工业大学 一种低复杂度的Wi-Fi指纹室内定位方法
CN105592420A (zh) * 2015-12-17 2016-05-18 北京百度网讯科技有限公司 环境特征库生成及基于环境特征库的室内定位方法和装置
CN105682227A (zh) * 2016-04-05 2016-06-15 上海雅丰信息科技有限公司 一种基于iBeacon的室内定位方法
CN106054125A (zh) * 2016-05-05 2016-10-26 南京邮电大学 一种基于线性链条件随机场的融合室内定位方法
CN105976563A (zh) * 2016-07-01 2016-09-28 青岛市光电工程技术研究院 一种消防救援系统
CN106767773A (zh) * 2016-07-22 2017-05-31 桂林电子科技大学 一种室内地磁基准图构建方法及其装置
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
CN107270889A (zh) * 2017-06-08 2017-10-20 东南大学 一种基于地磁图谱的室内定位方法及定位系统

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109115205A (zh) * 2018-07-20 2019-01-01 上海工程技术大学 一种基于地磁传感器阵列的室内指纹定位方法及系统
CN109003458A (zh) * 2018-08-09 2018-12-14 河海大学常州校区 基于三轴地磁传感器的路口车辆违章监测系统及方法
CN109506650A (zh) * 2018-09-12 2019-03-22 广东嘉腾机器人自动化有限公司 基于bp网络的agv导航行程偏差修正方法
CN109506650B (zh) * 2018-09-12 2020-12-04 广东嘉腾机器人自动化有限公司 基于bp网络的agv导航行程偏差修正方法
CN109782231A (zh) * 2019-01-17 2019-05-21 北京大学 一种基于多任务学习的端到端声源定位方法及系统
CN110798806A (zh) * 2019-10-30 2020-02-14 武汉科技大学 一种基于地磁强度的卡尔曼滤波室内轨迹跟踪算法
CN111031485A (zh) * 2019-12-31 2020-04-17 吉林大学 一种结合cnn的蓝牙位置服务系统及其定位方法
CN111256684A (zh) * 2020-01-18 2020-06-09 杭州电子科技大学 一种基于多层门控循环单元网络的地磁室内定位方法
CN111123340A (zh) * 2020-02-10 2020-05-08 腾讯科技（深圳）有限公司 物流配送导航方法及系统、近场定位导航装置、存储介质
CN111123340B (zh) * 2020-02-10 2024-05-28 腾讯科技（深圳）有限公司 物流配送导航方法及系统、近场定位导航装置、存储介质
CN111899298B (zh) * 2020-05-08 2023-08-15 中国矿业大学(北京) 基于实景图像机器学习的位置感知系统
CN111899298A (zh) * 2020-05-08 2020-11-06 中国矿业大学(北京) 基于实景图像机器学习的位置感知系统
CN113074718A (zh) * 2021-04-27 2021-07-06 广东电网有限责任公司清远供电局 一种定位方法、装置、设备及存储介质
CN113074718B (zh) * 2021-04-27 2024-03-29 广东电网有限责任公司清远供电局 一种定位方法、装置、设备及存储介质
CN113660600B (zh) * 2021-06-24 2022-11-01 南京邮电大学 一种室内定位系统及数据处理方法
CN113660600A (zh) * 2021-06-24 2021-11-16 南京邮电大学 一种室内定位系统及数据处理方法
CN113720333B (zh) * 2021-08-16 2023-04-28 中山大学 一种基于图注意力网络的室内多点协同定位方法
CN113720333A (zh) * 2021-08-16 2021-11-30 中山大学 一种基于图注意力网络的室内多点协同定位方法
WO2023185687A1 (zh) * 2022-03-26 2023-10-05 华为技术有限公司 车辆位置的获取方法及电子设备
CN115103299A (zh) * 2022-06-15 2022-09-23 河南工程学院 一种基于rfid的多传感器融合定位方法
CN115103299B (zh) * 2022-06-15 2024-04-09 河南工程学院 一种基于rfid的多传感器融合定位方法

Similar Documents

Publication Publication Date Title
CN108120436A (zh) 一种iBeacon辅助地磁室内实景导航方法
US9953438B2 (en) Image annotation on portable devices
US8386422B1 (en) Using constructed paths to supplement map data
CN103718062B (zh) 用于确保个人导航设备的服务的持续性的方法及其设备
CN110118549A (zh) 一种多源信息融合定位方法和装置
US20130095855A1 (en) Method, System, and Computer Program Product for Obtaining Images to Enhance Imagery Coverage
CN105704652B (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
CN108709557B (zh) 基于多用户轨迹拟合的室内地图生成方法
CN111464938B (zh) 定位方法、装置、电子设备和计算机可读存储介质
CN109541584A (zh) 一种基于智能终端的低空飞行器侦察预警系统及方法
CN106793086A (zh) 一种室内定位方法
CN110222137A (zh) 一种基于倾斜摄影与增强现实技术智慧校园系统
CN107094319A (zh) 一种高精度室内外融合定位系统和方法
CN107220726A (zh) 基于增强现实的消防设备定位方法、移动终端及系统
CN111698774B (zh) 基于多源信息融合的室内定位方法及装置
WO2014151090A2 (en) Systems and methods for using three-dimensional location information to improve location services
CN105578417A (zh) 一种移动中的人员的室内定位方法
CN109883418A (zh) 一种室内定位方法及装置
CN108917758A (zh) 一种基于ar的导航方法及系统
CN107734449A (zh) 一种基于光标签的室外辅助定位方法、系统及设备
CN104501807B (zh) 基于地磁场和历史定位轨迹的室内定位方法
CN104008189A (zh) 一种具有信息自动推送功能的可量测街景地图的建立方法
CN108413966A (zh) 基于多种传感测距技术室内定位系统的定位方法
CN108600367A (zh) 物联网系统及方法
CN108828643A (zh) 一种基于灰色预测模型的室内外无缝定位系统及方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20180605

WW01 Invention patent application withdrawn after publication