CN109362036A - 一种基于图像与wifi相结合的多模态室内定位方法 - Google Patents

一种基于图像与wifi相结合的多模态室内定位方法 Download PDF

Info

Publication number
CN109362036A
CN109362036A CN201811207932.8A CN201811207932A CN109362036A CN 109362036 A CN109362036 A CN 109362036A CN 201811207932 A CN201811207932 A CN 201811207932A CN 109362036 A CN109362036 A CN 109362036A
Authority
CN
China
Prior art keywords
image
region
wifi
rss
point
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
Application number
CN201811207932.8A
Other languages
English (en)
Inventor
曾聪文
赵帅杰
钟艳如
袁智翔
蓝如师
李芳�
罗笑南
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic 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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201811207932.8A priority Critical patent/CN109362036A/zh
Publication of CN109362036A publication Critical patent/CN109362036A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H04W16/225—Traffic simulation tools or models for indoor or short range network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于图像与WIFI相结合的多模态室内定位方法，涉及室内定位技术领域，解决的技术问题是提供一种室内定位精度较高的方法，该方法包括如下步骤：（1）搭建实验环境，建立图像定位位置指纹库；（2）建立WIFI非均匀位置指纹库；（3）确定目标所在区域；（4）确定目标位置；（5）比较确定并输出目标位置。本发明在提高定位精度的同时降低定位阶段计算量，具有定位精度高、软件运算量低、抗噪能力强的特点，在保证定位精度的前提下实现实时要求。

Description

一种基于图像与WIFI相结合的多模态室内定位方法
技术领域
本发明涉及室内定位技术领域，具体涉及一种基于图像与WIFI相结合的多模态室内定位方法。
背景技术
随着计算机网络与移动智能终端技术的快速发展，基于室内位置服务(LBS)受到广泛关注。基于WIFI的室内定位技术由于只需测量接收信号强度，无需额外的无线基础设施，使其作为一种室内定位的解决方案而被广泛应用。但是随着室内环境越来越复杂，接收信号强度表现出高度的复杂性与多变性，其定位精度严重受到影响。基于超声波室内定位技术在非视距离下传播，定位精度较高且误差小，但是超声波信号传输过程中衰减严重、设备成本高、易受噪声的干扰。基于蓝牙的室内定位技术安全性高、成本低、功耗低、设备体积小，目前大部分手机终端都自带蓝牙模块，容易大范围的普及和部署实施，但是该技术容易受到外部噪声信号的干扰，信号稳定性较差，通信范围较小等。现有的一些定位技术，可以基本满足简单的定位需求；对于复杂的室内环境，单一定位技术易受环境影响，导致定位精度不高。
发明内容
针对现有技术的不足，本发明所解决的技术问题是提供一种室内定位精度较高的方法。
为解决上述技术问题，本发明采用的技术方案是一种基于图像与WIFI相结合的多模态室内定位方法，包括如下步骤：
(1)搭建实验环境，建立图像定位位置指纹库，具体过程如下：
将房间室内均匀分成若干个区域，图像采集装置放置在房间左边的正前方，分别采集每个区域的RGB，建立图像指纹数据库；在房间的四个角落设置信号接收端AP的终端采集设备，在远离图像采集转置的区域增加参考点RP的数量，并记录AP在每个参考点处收集到的RSS，建立均匀位置指纹数据库；
(2)建立WIFI非均匀位置指纹库，具体过程如下：
离线阶段即数据采集阶段，在室内布置若干个RP点，AP点四个终端采集设备分别采集每个参考点的RSS并记录；在构建位置指纹数据库时，考虑到远离图像采集装置点所占图中比例较大，通过增大该区域RP点的采集密度，建立非均匀位置指纹库，其中RSSi代表第i(i＝1,2,3,4)个AP点接收到的RP点的RSS；
在线阶段，将待定位目标实时采集的RSS与位置指纹数据库中的RSS进行匹配，通过基于马氏距离的改进的WKNN算法估测出待测目标的位置；
(3)确定目标所在区域，具体过程如下：
离线阶段，图像采集装置分别采集房间中么每个区域的图像，并分别计算每个区域图像的RGB平均值，建立图像位置指纹数据库；
在线阶段，在相同的区域内，依次计算当有行人存在时该定位区域图像的图像RGB平均值，对比相同区域内RGB平均值的差异性，当某个区域在线阶段与离线阶段采集到的图像RGB值相差较大时，该区域就是目标所在的区域；
(4)确定目标位置，具体过程如下；
用图像定位方法计算出目标所在的具体区域，缩小目标所在区域的范围，提高定位精度；然后结合WIFI位置指纹定位方法和基于马氏距离的改进的WKNN算法计算出目标的具体位置；
所述基于马氏距离的改进的WKNN算法是将归一化加权系数分别分配给对应的参考点位置坐标，具体计算如下：
其中，η为归一化加权系数，ε是一个较小的正常数，为了避免分母为零，di表示实时测得的RSS值与第RSSi之间的马氏距离；可以保证实时测得的RSS越小的参考点位置坐标其权重越大，可以在一定程度上提高定位系统的精度；
已知参考点处的信号强度的特征向量为R(r1,r2,...,rn),接收点接收到的RSS向量为T＝(t1,t2,...,tn)，参考点的协方差矩阵为V，则参考点与测试点之间的马氏距离为：
在使用基于马氏距离的改进WKNN算法之前，需要先确定K值，合适的K值可以有效提高算法的定位精度；
(5)比较确定并输出目标位置，具体过程如下：比较图像识别确定区域与WIFI定位区别是否相同，如果相同输出目标位置，如果不相同，则进入步骤(3)进入新一轮循环，直至确定区域与WIFI定位区别相同并输出目标位置。
采用本发明的技术方案在提高定位精度的同时降低定位阶段计算量，具有定位精度高、软件运算量低、抗噪能力强的特点，在保证定位精度的前提下实现实时要求。
附图说明
图1为本发明的方法流程图；
图2为本发明的室内实验环境设置示意图；
图3为本发明的基于WIFI的位置指纹系统示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明，但不是对本发明的限定。
图1示出了一种基于图像与WIFI相结合的多模态室内定位方法，包括如下步骤：
(1)搭建实验环境，建立图像定位位置指纹库，具体过程如下：
如图2所示，将房间室内均匀分成9个区域，图像采集装置放置在房间左边的正前方，分别采集每个区域的RGB，建立图像指纹数据库；在房间的四个角落设置信号接收端AP的终端采集设备，在远离图像采集转置的区域增加参考点RP的数量，并记录AP在每个参考点处收集到的RSS，建立非均匀位置指纹数据库；
(2)建立WIFI非均匀位置指纹库，具体过程如下：
如图3所示，离线阶段即数据采集阶段，在室内布置若干个RP点，AP点四个终端采集设备分别采集每个参考点的RSS并记录；在构建位置指纹数据库时，考虑到远离图像采集装置点所占图中比例较大，通过增大该区域RP点的采集密度，建立非均匀位置指纹库，其中RSSi代表第i(i＝1,2,3,4)个AP点接收到的RP点的RSS；
在线阶段，将待定位目标实时采集的RSS与位置指纹数据库中的RSS进行匹配，通过基于马氏距离的改进的WKNN算法估测出待测目标的位置；
如图2所示，房间模型大小为4.8m*8.4m，在区域一、区域四、区域七中，网格大小划分为0.8m*1.4m，包括12个参考点位置指纹数据；区域二、区域五、区域八中网格大小划分为0.6m*0.7m，包括32个参考点RP位置指纹数据；区域三、区域六、区域九中网格大小划分为0.4m*0.4m，包括84个参考点位置指纹数据，分别采集每个参考点的RSS，建立指纹数据库，此时的位置指纹库为非均匀的；在线定位时，首先通过图像匹配，确定行人所在区域，其次行人上传实时采集的RSS，结合基于马氏距离的改进KNN定位算法与WIFI非均匀位置指纹数据库进行匹配，确定行人位置坐标；
(3)确定目标所在区域，具体过程如下：
离线阶段，图像采集装置分别采集房间中么每个区域的图像，并分别计算每个区域图像的RGB平均值，建立图像位置指纹数据库；
在线阶段，在相同的区域内，依次计算当有行人存在时该定位区域图像的图像RGB平均值，对比相同区域内RGB平均值的差异性，当某个区域在线阶段与离线阶段采集到的图像RGB值相差较大时，该区域就是目标所在的区域；
(4)确定目标位置，具体过程如下；
用图像定位方法计算出目标所在的具体区域，缩小目标所在区域的范围，提高定位精度；然后结合WIFI位置指纹定位方法和基于马氏距离的改进的WKNN算法计算出目标的具体位置；
所述基于马氏距离的改进的WKNN算法是将归一化加权系数分别分配给对应的参考点位置坐标，具体计算如下：
其中，η为归一化加权系数，ε是一个较小的正常数，为了避免分母为零，di表示实时测得的RSS值与第RSSi之间的马氏距离；可以保证实时测得的RSS越小的参考点位置坐标其权重越大，可以在一定程度上提高定位系统的精度；
已知参考点处的信号强度的特征向量为R(r1,r2,...,rn),接收点接收到的RSS向量为T＝(t1,t2,...,tn)，参考点的协方差矩阵为V，则参考点与测试点之间的马氏距离为：
在使用基于马氏距离的改进WKNN算法之前，需要先确定K值，合适的K值可以有效提高算法的定位精度；
(5)比较确定并输出目标位置，具体过程如下：比较图像识别确定区域与WIFI定位区别是否相同，如果相同输出目标位置，如果不相同，则进入步骤(3)进入新一轮循环，直至确定区域与WIFI定位区别相同并输出目标位置。
采用本发明的技术方案在提高定位精度的同时降低定位阶段计算量，具有定位精度高、软件运算量低、抗噪能力强的特点，在保证定位精度的前提下实现实时要求。
以上结合附图对本发明的实施方式做出了详细说明，但本发明不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (7)

1.一种基于图像与WIFI相结合的多模态室内定位方法，其特征在于，包括如下步骤：
(1)搭建实验环境，建立图像定位位置指纹库；
(2)建立WIFI非均匀位置指纹库；
(3)确定目标所在区域；
(4)确定目标位置；
(5)比较确定并输出目标位置。
2.如权利要求1所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述步骤(1)的具体过程如下：
将房间室内均匀分成若干个区域，图像采集装置放置在房间左边的正前方，分别采集每个区域的RGB，建立图像指纹数据库；在房间的四个角落设置信号接收端AP的终端采集设备，在远离图像采集转置的区域增加参考点RP的数量，并记录AP在每个参考点处收集到的RSS，建立均匀位置指纹数据库。
3.如权利要求1所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述步骤(2)的具体过程如下：
离线阶段即数据采集阶段，在室内布置若干个RP点，AP点四个终端采集设备分别采集每个参考点的RSS并记录；在构建位置指纹数据库时，考虑到远离图像采集装置点所占图中比例较大，通过增大该区域RP点的采集密度，建立非均匀位置指纹库，其中RSSi代表第i(i＝1,2,3,4)个AP点接收到的RP点的RSS；
在线阶段，将待定位目标实时采集的RSS与位置指纹数据库中的RSS进行匹配，通过基于马氏距离的改进的WKNN算法估测出待测目标的位置。
4.如权利要求1所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述步骤(3)的具体过程如下：
离线阶段，图像采集装置分别采集房间中么每个区域的图像，并分别计算每个区域图像的RGB平均值，建立图像位置指纹数据库；
在线阶段，在相同的区域内，依次计算当有行人存在时该定位区域图像的图像RGB平均值，对比相同区域内RGB平均值的差异性，当某个区域在线阶段与离线阶段采集到的图像RGB值相差较大时，该区域就是目标所在的区域。
5.如权利要求1所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述步骤(4)的具体过程如下：
用图像定位方法计算出目标所在的具体区域，缩小目标所在区域的范围，提高定位精度；然后结合WIFI位置指纹定位方法和基于马氏距离的改进的WKNN算法计算出目标的具体位置。
6.如权利要求3或5所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述基于马氏距离的改进的WKNN算法是将归一化加权系数分别分配给对应的参考点位置坐标，具体计算如下：
其中，η为归一化加权系数，ε是一个较小的正常数，为了避免分母为零，di表示实时测得的RSS值与第RSSi之间的马氏距离；可以保证实时测得的RSS越小的参考点位置坐标其权重越大，可以在一定程度上提高定位系统的精度；
已知参考点处的信号强度的特征向量为R(r1,r2,...,rn),接收点接收到的RSS向量为T＝(t1,t2,...,tn)，参考点的协方差矩阵为V，则参考点与测试点之间的马氏距离为：
在使用基于马氏距离的改进WKNN算法之前，需要先确定K值，合适的K值可以有效提高算法的定位精度。
7.如权利要求1至5任一项所述的基于图像与WIFI相结合的多模态室内定位方法，其特征在于，所述步骤(5)的具体过程如下：
比较图像识别确定区域与WIFI定位区别是否相同，如果相同输出目标位置，如果不相同，则进入步骤(3)进入新一轮循环，直至确定区域与WIFI定位区别相同并输出目标位置。
CN201811207932.8A 2018-10-17 2018-10-17 一种基于图像与wifi相结合的多模态室内定位方法 Pending CN109362036A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811207932.8A CN109362036A (zh) 2018-10-17 2018-10-17 一种基于图像与wifi相结合的多模态室内定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811207932.8A CN109362036A (zh) 2018-10-17 2018-10-17 一种基于图像与wifi相结合的多模态室内定位方法

Publications (1)

Publication Number Publication Date
CN109362036A true CN109362036A (zh) 2019-02-19

Family

ID=65349512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811207932.8A Pending CN109362036A (zh) 2018-10-17 2018-10-17 一种基于图像与wifi相结合的多模态室内定位方法

Country Status (1)

Country Link
CN (1) CN109362036A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110300372A (zh) * 2019-07-11 2019-10-01 桂林电子科技大学 一种基于位置指纹的wifi室内定位方法
CN111447549A (zh) * 2019-12-31 2020-07-24 华东理工大学 非均匀uwb定位误差集网络构建方法及定位误差建模方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120048376A (ko) * 2010-11-05 2012-05-15 목포대학교산학협력단 Ｋｎｎ과 ｇｇ방법을 이용한 ｐｆｃｍ 군집화 기반의 혼합된 무선 실내 측위 방법
CN104915434A (zh) * 2015-06-24 2015-09-16 哈尔滨工业大学 一种基于马氏距离dtw的多维时间序列分类方法
CN105866732A (zh) * 2016-03-30 2016-08-17 南京邮电大学 一种改进mk模型和wknn算法相结合的混合室内定位方法
CN106296591A (zh) * 2015-05-26 2017-01-04 南京理工大学 基于马氏距离的非局部均匀数字图像去噪方法
CN106407464A (zh) * 2016-10-12 2017-02-15 南京航空航天大学 一种基于knn的改进缺失数据填补算法
CN107182036A (zh) * 2017-06-19 2017-09-19 重庆邮电大学 基于多维特征融合的自适应位置指纹定位方法
MY165778A (en) * 2010-01-21 2018-04-25 Univ Tenaga Nasional Fluctuation correction for k-nearest neighbor location fingerprinting for indoor positioning system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MY165778A (en) * 2010-01-21 2018-04-25 Univ Tenaga Nasional Fluctuation correction for k-nearest neighbor location fingerprinting for indoor positioning system
KR20120048376A (ko) * 2010-11-05 2012-05-15 목포대학교산학협력단 Ｋｎｎ과 ｇｇ방법을 이용한 ｐｆｃｍ 군집화 기반의 혼합된 무선 실내 측위 방법
CN106296591A (zh) * 2015-05-26 2017-01-04 南京理工大学 基于马氏距离的非局部均匀数字图像去噪方法
CN104915434A (zh) * 2015-06-24 2015-09-16 哈尔滨工业大学 一种基于马氏距离dtw的多维时间序列分类方法
CN105866732A (zh) * 2016-03-30 2016-08-17 南京邮电大学 一种改进mk模型和wknn算法相结合的混合室内定位方法
CN106407464A (zh) * 2016-10-12 2017-02-15 南京航空航天大学 一种基于knn的改进缺失数据填补算法
CN107182036A (zh) * 2017-06-19 2017-09-19 重庆邮电大学 基于多维特征融合的自适应位置指纹定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘璐: "图像辅助的射频指纹定位系统的设计与实现", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110300372A (zh) * 2019-07-11 2019-10-01 桂林电子科技大学 一种基于位置指纹的wifi室内定位方法
CN111447549A (zh) * 2019-12-31 2020-07-24 华东理工大学 非均匀uwb定位误差集网络构建方法及定位误差建模方法
CN111447549B (zh) * 2019-12-31 2021-06-15 华东理工大学 非均匀uwb定位误差集网络构建方法及定位误差建模方法

Similar Documents

Publication Publication Date Title
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
CN109444813B (zh) 一种基于bp和dnn双神经网络的rfid室内定位方法
CN111612841B (zh) 目标定位方法及装置、移动机器人及可读存储介质
WO2019062734A1 (zh) 基于Wi-Fi热点的室内定位方法及装置
CN105491661B (zh) 基于改进的Kalman滤波算法的室内定位系统及方法
CN109413578A (zh) 一种基于wifi与pdr融合的室内定位方法
CN103338516A (zh) 一种基于总体最小二乘的无线传感器网络两步定位方法
CN107360548A (zh) 基于rfid的室内物品定位方法和系统
CN109959897B (zh) 一种基于旋转天线的rfid二维位置定位方法
Yang et al. Research on Wi-Fi indoor positioning in a smart exhibition hall based on received signal strength indication
CN105531599A (zh) 用于飞行时间指纹采集和地理定位的方法和装置
CN111901749A (zh) 一种基于多源融合的高精度三维室内定位方法
CN109444814A (zh) 一种基于蓝牙和rfid融合定位的室内定位方法
CN110806560B (zh) 一种物体定位方法、系统、电子设备及可读存储介质
CN109362036A (zh) 一种基于图像与wifi相结合的多模态室内定位方法
CN108225332B (zh) 基于监督的室内定位指纹地图降维方法
CN106954190A (zh) 一种基于指数映射域的wifi室内定位方法
CN105044659B (zh) 基于环境光谱指纹的室内定位装置及方法
CN113344954B (zh) 边界检测方法、装置、计算机设备、存储介质和传感器
CN106358233B (zh) 一种基于多维尺度分析算法的rss数据平滑方法
CN109302674B (zh) 一种基于多重滤波的WiFi室内定位方法
Kawauchi et al. FineMesh: High-Density Sampling Platform Using an Autonomous Robot
CN109901105A (zh) 一种基于空间数值迭代的室内定位方法
Bingbing et al. An indoor positioning algorithm and its experiment research based on RFID
CN115884366A (zh) 一种室内定位模型建立方法及室内定位方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190219