CN110133587A - 一种综合蓝牙定位方法及系统 - Google Patents
一种综合蓝牙定位方法及系统 Download PDFInfo
- Publication number
- CN110133587A CN110133587A CN201810129421.2A CN201810129421A CN110133587A CN 110133587 A CN110133587 A CN 110133587A CN 201810129421 A CN201810129421 A CN 201810129421A CN 110133587 A CN110133587 A CN 110133587A
- Authority
- CN
- China
- Prior art keywords
- bluetooth
- positioning
- comprehensive
- result
- localization method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004807 localization Effects 0.000 title claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000001179 sorption measurement Methods 0.000 claims description 6
- 206010021703 Indifference Diseases 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 8
- 239000000523 sample Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 230000036339 tooth positioning Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 229920000728 polyester Polymers 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000005184 men's health Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 230000005186 women's health Effects 0.000 description 1
Classifications
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种综合蓝牙定位方法,包括以下步骤:根据应用场景绘制场景地图;根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;将高精度定位结果应用到场景地图中;还公开了一种综合蓝牙定位系统,包括:地图模块,部署模块,数据收集模块,定位输出模块,优化运算模块和结果生成模块。在地铁这种室内,且电磁干扰较严重的业务场景之下,能够提供较为精确的定位延展服务。解决地铁对外公众服务及对内解决人员位置管理及轨道管井的检修管理。
Description
技术领域
本发明涉及蓝牙定位技术领域,尤其涉及一种综合蓝牙定位方法及系统。
背景技术
近年来,随着我国轨道交通的建设高潮,城市轨道交通系统化建设也处于急速发展中。由于城市的经济和交通环境,城市的轨道交通建设及信息化更是走在全国的前列。为了打造基于现代化轨道交通系统的技术先进性,立足于乘客服务、生产管理服务为核心业务方向,实现个性化的用户服务和基于位置的服务,以解决实际的乘客及生产需求,需要更好的解决方案。在地铁的环境中经常出现如下几种问题:
对外服务类:
场景1:找出口难;
乘客在地铁站经常碰到出口众多,乘客并不知道自己想要到达的地方在哪个出口,找指示牌难且找出口过程中容易迷路。
场景2:找洗手间难;
车站内提供洗手间(公共设施)的标识少,即使有也难以确定是否需要出站,哪个洗手间离目前位置更近一些。
场景3:换乘难;
站内空间复杂,并非都是同台换乘,同一条线路不同方向也有可能在不同层乘车,依靠指示牌乘客也非常容易走错。
场景4:找同伴难;
车站本身是4条地铁线的换乘站,内部空间大且复杂,乘客容易在站内迷路,与朋友相约见面无法快捷到达想要去的站内地点。
对内管理类:
场景1:
地铁站内工作人员无意中进入危险区域,无法第一时间获取该情况并及时报警提醒。
场景2:
由于在地铁线路检修时,都是在较黑暗的环境中,以手电、头灯等作为光源进行线路检修排查,可能会因此遗漏部分必须检修的重要设备,同时效率也较低。
目前基于三角定位算法的蓝牙定位技术通过定位端设备接收到最强的3个蓝牙RSSI信号,来计算定位端与这3个蓝牙广播器的距离,再通过三角算法反推定位端的位置。这样的方式会受蓝牙RSSI信号不规则波动干扰,从而导致蓝牙定位精度不准、定位跳点严重。
发明内容
鉴于目前存在的上述不足,本发明提供一种综合蓝牙定位方法及系统,能够提供较为精确的定位延展服务。
为达到上述目的,本发明的实施例采用如下技术方案:
一种综合蓝牙定位方法,所述综合蓝牙定位方法包括以下步骤:
根据应用场景绘制场景地图;
根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
通过蓝牙定位终端收集各点位数据;
根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
将高精度定位结果应用到场景地图中。
依照本发明的一个方面,所述根据应用场景绘制场景地图包括:先获取到待部署蓝牙环境的建筑图纸或者示意图,然后以获取到的图纸为蓝本与现场实际对比;详细考察平面结构图纸与现场情况有无差异,同时针对图纸中未注明的情况进行调研记录以补充成为一套完善的制图材料;通过专业的GIS软件进行矢量地图的制作工作。
依照本发明的一个方面,所述根据应用场景汇总收集特征点并根据特征点部署蓝牙信标包括:根据实际的场景特殊情况,对部分特征点进行汇总收集,并在部署的时候对该部分的特征点进行信号的调优。
依照本发明的一个方面,所述根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出包括:通过云端定位引擎,结合RSSI信号进行卡尔曼滤波、动态加权质心化的预处理进行定位计算;通过云计算实现准确、快速、稳定的蓝牙定位结果输出。
依照本发明的一个方面,所述根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出包括:通过卡尔曼滤波和扩展卡尔曼滤波对蓝牙信标信号场强判定值的不确定性进行一定程度降噪;通过对滑动时间窗口内的多次信号采样进行加权质心计算,得到当前建筑可通行范围内最接近终端行进模式的位置判定结果。
依照本发明的一个方面,所述通过多维度融合定位算法优化及提高定位精度获得高精度定位结果包括:通过路网吸附技术优化和提高定位精度;通过多维度定位算法融合优化和提高定位精度;通过地图约束自学习优化和提高定位精度。
依照本发明的一个方面,所述通过路网吸附技术优化和提高定位精度包括:通过融合室内地图的路网数据,定位引擎SDK可对定位场景深度学习,将云计算输出的蓝牙定位坐标与室内地图的路网数据进行匹配,使得蓝牙定位的结果输出都是可达到区域。
依照本发明的一个方面,所述通过多维度定位算法融合优化和提高定位精度包括:借助传感器,对在不同周期内采集到信号进行分组,通过对各类数据进行处理后得到比较稳定的信号模型,再结合终端持续校准得到的动态步长和状态判定结果,得到规律而平滑的定位结果输出。
依照本发明的一个方面,所述通过地图约束自学习优化和提高定位精度包括:定位计算过程中引入周遭的高精度空间结构信息,根据地图中周围的可通行区域自动对定位结果进行碰壁约束改良,算法权重参数自我学习训练,避免定位位置的跳跃和窜层。
一种综合蓝牙定位系统,所述综合蓝牙定位系统包括:
地图模块,用于根据应用场景绘制场景地图;
部署模块,用于根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
数据收集模块,用于通过蓝牙定位终端收集各点位数据。
定位输出模块,用于根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
优化运算模块,用于通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
结果生成模块,用于将高精度定位结果应用到场景地图中。
本发明实施的优点:通过云端定位引擎,结合RSSI信号进行Kalman filtering滤波、动态加权质心化的预处理进行定位计算。最后通过云计算实现准确、快速、稳定的蓝牙定位结果输出,经过优化后的蓝牙定位算法定位精度误差可由原来的3米提升到1米。研发多维度的融合定位算法,蓝牙定位算法通过融合室内地图的路网数据,定位引擎SDK可对定位场景深度学习,将云计算输出的蓝牙定位坐标与室内地图的路网数据进行匹配,使得蓝牙定位的结果输出都是可达到区域。对单纯蓝牙定位算法无法满足精度需求的区域需借助磁力计(Magnetometer Sensor)、重力加速度计(Gravity Sensor)、方位计(OrientationSensor)等传感器。终端对在不同周期内采集到信号进行分组,通过对各类数据进行扩展卡尔曼滤波(EKF)、粒子滤波(Particle Filter)、贝叶斯回归(Bayesian LinearRegression)等方法的处理后得到比较稳定的信号模型,再结合终端持续校准得到的动态步长(Dynamic Stepsize)和状态判定(State Estimation)结果,得到规律而平滑的定位结果输出,这样使得室内定位具有连贯性和多样性,能够适应更多复杂空间的需求。定位计算过程中引入周遭的高精度空间结构信息,根据地图中周围的可通行区域自动对定位结果进行碰壁约束(SpaceStructure Constraint)改良,算法权重参数支持自我学习训练,极大程度上避免定位位置的跳跃和窜层。在地铁这种室内,且电磁干扰较严重的业务场景之下,能够提供较为精确的定位延展服务,解决地铁对外公众服务及对内解决人员位置管理及轨道管井的检修管理。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述的一种综合蓝牙定位方法示意图;
图2至图5为本发明所述的绘制场景地图过程的部分示意图;
图6至图15为本发明所述的蓝牙信标部署示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1至图15所示,一种综合蓝牙定位方法,所述综合蓝牙定位方法包括以下步骤:
步骤S1:根据应用场景绘制场景地图;
所述步骤S1根据应用场景绘制场景地图的具体实施方式可包括:先获取到待部署蓝牙环境的建筑图纸或者示意图,然后以获取到的图纸为蓝本与现场实际对比;详细考察平面结构图纸与现场情况有无差异,同时针对图纸中未注明的情况进行调研记录以补充成为一套完善的制图材料;通过专业的GIS软件进行矢量地图的制作工作。
在实际应用中,先获取到待部署蓝牙环境的autocad建筑图纸或者是示意图,然后以获取到的图纸为蓝本与现场实际对比。定位导航功能的完美呈现需要精准的地图进行支撑,制作精准的地图需要准确、完善的图纸。勘场环节应详细考察平面结构图纸与现场情况有无差异,同时针对图纸中未注明的层高、遮蔽、吊顶、行进方向等情况进行调研记录以补充成为一套完善的制图材料。
如图2至图5所示,为绘图的一些过程。
对于图纸结构缺失,主要包括以下三种情况:
站厅层图纸缺失;
站台层图纸缺失;
换乘站的某一条线路图纸缺失。
相应的,有两种解决方案:
获取地铁站内布局图;
对于站层图仍表意不明的细节,需提取地铁站内布局图。
在获取到地铁站的图纸之后,即可开始地图制作的工作。
首先,通过Arcmap等一系列专业的GIS软件进行矢量地图的制作工作。在经历楼层规划确认、地理信息及楼层配准、多达12个图层要素的制作、智能化质量检查之后,将地图进行上线操作,即可实现地铁站地图的调用。
步骤S2:根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
所述步骤S2根据应用场景汇总收集特征点并根据特征点部署蓝牙信标包括:根据实际的场景特殊情况,对部分特征点进行汇总收集,并在部署的时候对该部分的特征点进行信号的调优。
在实际应用中,采用基于蓝牙4.0的三角定位算法。由于蓝牙4.0的低功耗特性,蓝牙Beacon的理想定位工作距离推荐在6米以内。此外根据算法原理,希望目标位置被三个以上Beacon包围覆盖以达到最好的定位效果,所以基本的原则就是利用Beacon将空间按适当距离分割成小空间。
蓝牙Beacon点位分布基本规则如下,后面以附图6至附图15进行说明:
(1)一般室内环境下,Beacon间距控制在4~6米左右。
(2)空旷区域一般按4~6米间距,对整个空间进行网格状分割实现全覆盖,如食堂区域,特殊空旷地区选择按照边沿施工图内惯导航弥补。
(3)房间门口,路口优先考虑部署以提高用户体验。
(4)房间内部,较小房间或不需要精确位置的房间可以中心部署一个。较大的房间可以考虑从角落开始,按适当间距添加Beacon进行空间分割。
(5)室内走廊根据宽度可进行单列或双列进行部署。如较窄走廊(宽度小于3米)可考虑沿走廊中心线部署;较宽走廊,可按双列蛇形部署。
(6)消防通道,每个消防出口部署,再根据通道长度在中间适当添加Beacon。
(7)停车场。行车道区域在上方桥架上蛇形部署。停车位区域,相连的车位合并在一起,从角落开始部署,按适当间距添加Beacon。单独的车位可以车位头部和尾部各方一个。
(8)大堂。由于大堂层高较高,中空区域按适当间隔沿墙壁部署。
(9)卫生间。公共卫生间,根据卫生间宽度,按照线型或蛇形部署;独立卫生间,比较小,部署一个即可。
(10)商场百货。根据百货的格子形状进行部署,十字路口优先部署。如果两个路口之间比较远,在中间适当增加Beacon。
(11)其他感兴趣点可以适当添加一个。
(12)Beacon点位和间隔根据安装环境、角落、转角等进行适当调整。
具体可如下:
1、站厅;
图6所示,站厅层一般情况下和常规室内情况无异,遵循基本规则中的空旷区域、走廊区域的实施原则进行实施即可。
对于重要节点处如进出站闸机,在闸机外及闸机内一侧2-3米左右处分别安装一个蓝牙设备,用于精确定位站内站外。
2、站台;
站台层同站厅层相比,结构更加纯粹,将两侧候车区视为走廊区域,楼梯之间的休息区视为空旷区域,遵照基本规则进行实施即可。
3、电梯;
图7所示,对于存在多个电梯的电梯间,按照走廊的基本原则进行覆盖;对于单个电梯,在其门外靠一侧1-2米远处安装一个蓝牙设备,便于第一时间识别楼层切换。其次在电梯内部安装一个蓝牙,有助于识别楼层切换的状态。
地铁站中的扶梯、楼梯作为站厅层和站台层切换的重要设施,同电梯一样,需要在扶梯口、楼梯口靠旁安装至少一个蓝牙设备。
4、卫生间;
图8所示,对于有定位需求的卫生间,公共卫生间,门口部署一个,从里面角落适当添加Beacon;个人卫生间,门口部署一个,里面部署一个。
图9所示,普通办公室,一般从角落部署起,按一定间隔添加Beacon,分割空间。根据需要还可以在房间中心补充一个。
开放区域,按一定距离进行网格状部署。
狭长型办公室,可按直线型部署即可。
较大型办公室,一般在角落各部署一个,然后根据间距在中间补充Beacon。
图10所示,服务中心,一般较小型版开放式房间,可以视房间大小在房间中间部署一到两个。
图11所示,整体区域,一般情况下按照精度要求每隔一段距离部署探针,尽量保证每个位置至少要能接收3个探针的RSSI值要大于-70,并且至少有一个探针的RSSI值要大于-50。如果要求定位到每个单独的房间就需要每个房间单独部署一个探针。
图12所示,节点区域,基本情况下与蓝牙相似,采用基本规则中空旷区域和走廊相结合的方式实施即可。探针部署密度较蓝牙更稀,当出现类似层高较高,不适合在顶上部署的情况时,会相比蓝牙更好解决,一般沿墙壁按一定间距部署即可。图13所示,扶手电梯处要部署一个探针,以解决定位跳楼层的问题。图14所示,电梯和楼梯的必经出入口需部署探针,同蓝牙一样,便于第一时间识别楼层切换。图15所示,卫生间,如果需要区分男女卫生间,即在每个卫生间中部部署一个探针。
步骤S3:通过蓝牙定位终端收集各点位数据;
步骤S4:根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
所述步骤S4根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出包括:通过云端定位引擎,结合RSSI信号进行卡尔曼滤波、动态加权质心化的预处理进行定位计算;通过云计算实现准确、快速、稳定的蓝牙定位结果输出。通过卡尔曼滤波和扩展卡尔曼滤波对蓝牙信标信号场强判定值的不确定性进行一定程度降噪;通过对滑动时间窗口内的多次信号采样进行加权质心计算,得到当前建筑可通行范围内最接近终端行进模式的位置判定结果。
在实际应用中,Kalman filtering(卡尔曼滤波)和Extended Kalman filtering(扩展卡尔曼滤波)能够对蓝牙信标信号场强判定值的不确定性进行一定程度降噪,让测算accuracy(精度)能够尽可能反映信号和采集终端之间的真实相对距离。接着通过对滑动时间窗口内的多次信号采样进行Weighted centroid(加权质心)计算,得到当前建筑可通行范围内最接近终端行进模式的位置判定结果。通过云端定位引擎,结合RSSI信号进行Kalman filtering滤波、动态加权质心化的预处理进行定位计算。最后通过云计算实现准确、快速、稳定的蓝牙定位结果输出。经过优化后的蓝牙定位算法定位精度误差可由原来的3米提升到1米。
步骤S5:通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
所述步骤S5通过多维度融合定位算法优化及提高定位精度获得高精度定位结果包括:通过路网吸附技术优化和提高定位精度;通过多维度定位算法融合优化和提高定位精度;通过地图约束自学习优化和提高定位精度。
在实际应用中,单借助蓝牙定位的算法可能会出现定位到不可达区域、或在无法部署蓝牙的区域不可定位的情况。因此本发明研发多维度的融合定位算法,其中蓝牙定位算法通过融合室内地图的路网数据,定位引擎SDK可对定位场景深度学习,将云计算输出的蓝牙定位坐标与室内地图的路网数据进行匹配,使得蓝牙定位的结果输出都是可达到区域。
在实际应用中,由于某些室内空间无法部署蓝牙广播器,或蓝牙广播器部署的吊顶太高使得场强值(RSSI)不在单调递减区间内。因此对单纯蓝牙定位算法无法满足精度需求的区域需借助磁力计(Magnetometer Sensor)、重力加速度计(Gravity Sensor)、方位计(Orientation Sensor)等传感器。终端对在不同周期内采集到信号进行分组,通过对各类数据进行扩展卡尔曼滤波(EKF)、粒子滤波(Particle Filter)、贝叶斯回归(BayesianLinear Regression)等方法的处理后得到比较稳定的信号模型,再结合终端持续校准得到的动态步长(Dynamic Stepsize)和状态判定(State Estimation)结果,得到规律而平滑的定位结果输出,这样使得室内定位具有连贯性和多样性,能够适应更多复杂空间的需求。
在实际应用中,定位计算过程中引入周遭的高精度空间结构信息,根据地图中周围的可通行区域自动对定位结果进行碰壁约束(Space Structure Constraint)改良,算法权重参数支持自我学习训练,极大程度上避免定位位置的跳跃和窜层。
步骤S6:将高精度定位结果应用到场景地图中。
将得到的高精度定位结果应用到场景地图中,使用者可以场景地图精确定位到自己或目标的位置,从而实现了精准定位。
实施例二
一种综合蓝牙定位系统,所述综合蓝牙定位系统包括:
地图模块,用于根据应用场景绘制场景地图;
部署模块,用于根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
数据收集模块,用于通过蓝牙定位终端收集各点位数据。
定位输出模块,用于根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
优化运算模块,用于通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
结果生成模块,用于将高精度定位结果应用到场景地图中。
所述综合蓝牙定位系统的工作原理如下:
根据应用场景绘制场景地图;
先获取到待部署蓝牙环境的建筑图纸或者示意图,然后以获取到的图纸为蓝本与现场实际对比;详细考察平面结构图纸与现场情况有无差异,同时针对图纸中未注明的情况进行调研记录以补充成为一套完善的制图材料;通过专业的GIS软件进行矢量地图的制作工作。
根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
根据实际的场景特殊情况,对部分特征点进行汇总收集,并在部署的时候对该部分的特征点进行信号的调优。
通过蓝牙定位终端收集各点位数据;
根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
通过云端定位引擎,结合RSSI信号进行卡尔曼滤波、动态加权质心化的预处理进行定位计算;通过云计算实现准确、快速、稳定的蓝牙定位结果输出。通过卡尔曼滤波和扩展卡尔曼滤波对蓝牙信标信号场强判定值的不确定性进行一定程度降噪;通过对滑动时间窗口内的多次信号采样进行加权质心计算,得到当前建筑可通行范围内最接近终端行进模式的位置判定结果。
通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
通过路网吸附技术优化和提高定位精度;通过多维度定位算法融合优化和提高定位精度;通过地图约束自学习优化和提高定位精度。
将高精度定位结果应用到场景地图中。
将得到的高精度定位结果应用到场景地图中,使用者可以场景地图精确定位到自己或目标的位置,从而实现了精准定位。
本发明实施的优点:通过云端定位引擎,结合RSSI信号进行Kalman filtering滤波、动态加权质心化的预处理进行定位计算。最后通过云计算实现准确、快速、稳定的蓝牙定位结果输出,经过优化后的蓝牙定位算法定位精度误差可由原来的3米提升到1米。研发多维度的融合定位算法,蓝牙定位算法通过融合室内地图的路网数据,定位引擎SDK可对定位场景深度学习,将云计算输出的蓝牙定位坐标与室内地图的路网数据进行匹配,使得蓝牙定位的结果输出都是可达到区域。对单纯蓝牙定位算法无法满足精度需求的区域需借助磁力计(Magnetometer Sensor)、重力加速度计(Gravity Sensor)、方位计(OrientationSensor)等传感器。终端对在不同周期内采集到信号进行分组,通过对各类数据进行扩展卡尔曼滤波(EKF)、粒子滤波(Particle Filter)、贝叶斯回归(Bayesian LinearRegression)等方法的处理后得到比较稳定的信号模型,再结合终端持续校准得到的动态步长(Dynamic Stepsize)和状态判定(State Estimation)结果,得到规律而平滑的定位结果输出,这样使得室内定位具有连贯性和多样性,能够适应更多复杂空间的需求。定位计算过程中引入周遭的高精度空间结构信息,根据地图中周围的可通行区域自动对定位结果进行碰壁约束(Space Structure Constraint)改良,算法权重参数支持自我学习训练,极大程度上避免定位位置的跳跃和窜层。在地铁这种室内,且电磁干扰较严重的业务场景之下,能够提供较为精确的定位延展服务,解决地铁对外公众服务及对内解决人员位置管理及轨道管井的检修管理。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种综合蓝牙定位方法,其特征在于,所述综合蓝牙定位方法包括以下步骤:
根据应用场景绘制场景地图;
根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
通过蓝牙定位终端收集各点位数据;
根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
将高精度定位结果应用到场景地图中。
2.根据权利要求1所述的综合蓝牙定位方法,其特征在于,所述根据应用场景绘制场景地图包括:先获取到待部署蓝牙环境的建筑图纸或者示意图,然后以获取到的图纸为蓝本与现场实际对比;详细考察平面结构图纸与现场情况有无差异,同时针对图纸中未注明的情况进行调研记录以补充成为一套完善的制图材料;通过专业的GIS软件进行矢量地图的制作工作。
3.根据权利要求1所述的综合蓝牙定位方法,其特征在于,所述根据应用场景汇总收集特征点并根据特征点部署蓝牙信标包括:根据实际的场景特殊情况,对部分特征点进行汇总收集,并在部署的时候对该部分的特征点进行信号的调优。
4.根据权利要求1所述的综合蓝牙定位方法,其特征在于,所述根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出包括:通过云端定位引擎,结合RSSI信号进行卡尔曼滤波、动态加权质心化的预处理进行定位计算;通过云计算实现准确、快速、稳定的蓝牙定位结果输出。
5.根据权利要求1所述的综合蓝牙定位方法,其特征在于,所述根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出包括:通过卡尔曼滤波和扩展卡尔曼滤波对蓝牙信标信号场强判定值的不确定性进行一定程度降噪;通过对滑动时间窗口内的多次信号采样进行加权质心计算,得到当前建筑可通行范围内最接近终端行进模式的位置判定结果。
6.根据权利要求1至5之一所述的综合蓝牙定位方法,其特征在于,所述通过多维度融合定位算法优化及提高定位精度获得高精度定位结果包括:通过路网吸附技术优化和提高定位精度;通过多维度定位算法融合优化和提高定位精度;通过地图约束自学习优化和提高定位精度。
7.根据权利要求6所述的综合蓝牙定位方法,其特征在于,所述通过路网吸附技术优化和提高定位精度包括:通过融合室内地图的路网数据,定位引擎SDK可对定位场景深度学习,将云计算输出的蓝牙定位坐标与室内地图的路网数据进行匹配,使得蓝牙定位的结果输出都是可达到区域。
8.根据权利要求6所述的综合蓝牙定位方法,其特征在于,所述通过多维度定位算法融合优化和提高定位精度包括:借助传感器,对在不同周期内采集到信号进行分组,通过对各类数据进行处理后得到比较稳定的信号模型,再结合终端持续校准得到的动态步长和状态判定结果,得到规律而平滑的定位结果输出。
9.根据权利要求6所述的综合蓝牙定位方法,其特征在于,所述通过地图约束自学习优化和提高定位精度包括:定位计算过程中引入周遭的高精度空间结构信息,根据地图中周围的可通行区域自动对定位结果进行碰壁约束改良,算法权重参数自我学习训练,避免定位位置的跳跃和窜层。
10.一种综合蓝牙定位系统,其特征在于,所述综合蓝牙定位系统包括:
地图模块,用于根据应用场景绘制场景地图;
部署模块,用于根据应用场景汇总收集特征点并根据特征点部署蓝牙信标;
数据收集模块,用于通过蓝牙定位终端收集各点位数据。
定位输出模块,用于根据收集到的各点位数据通过卡尔曼滤波和加权质心的蓝牙定位算法实现蓝牙定位结果输出;
优化运算模块,用于通过多维度融合定位算法优化及提高定位精度获得高精度定位结果;
结果生成模块,用于将高精度定位结果应用到场景地图中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129421.2A CN110133587B (zh) | 2018-02-08 | 2018-02-08 | 一种综合蓝牙定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129421.2A CN110133587B (zh) | 2018-02-08 | 2018-02-08 | 一种综合蓝牙定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110133587A true CN110133587A (zh) | 2019-08-16 |
CN110133587B CN110133587B (zh) | 2024-04-26 |
Family
ID=67567738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810129421.2A Active CN110133587B (zh) | 2018-02-08 | 2018-02-08 | 一种综合蓝牙定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110133587B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112616117A (zh) * | 2019-09-18 | 2021-04-06 | 博世电动工具(中国)有限公司 | 蓝牙信标的配置方法、信号收发装置、个人移动终端及可读存储介质 |
CN114125709A (zh) * | 2022-01-25 | 2022-03-01 | 南京安元科技有限公司 | 一种结合gis路网和蓝牙信标的实时数据挖掘定位的方法 |
WO2023120972A1 (ko) * | 2021-12-23 | 2023-06-29 | 경기대학교 산학협력단 | 위치측위 서비스 제공 방법 및 시스템 |
CN117148267A (zh) * | 2023-07-27 | 2023-12-01 | 深圳市高为通信技术有限公司 | 基于蓝牙的无线测距定位系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015131194A1 (en) * | 2014-02-28 | 2015-09-03 | Texas Instruments Incorporated | Method and system for location estimation |
CN105072681A (zh) * | 2015-07-27 | 2015-11-18 | 北京博阳世通信息技术有限公司 | 一种基于室内空间位置的定位系统的部署装置及方法 |
CN105182288A (zh) * | 2015-09-15 | 2015-12-23 | 北京航空航天大学 | 一种基于室内定位系统的rssi卡尔曼滤波方法 |
US20170156027A1 (en) * | 2015-11-30 | 2017-06-01 | Semtech Corporation | System and method for robust and accurate rssi based location estimation |
US20170332203A1 (en) * | 2016-05-11 | 2017-11-16 | Mapsted Corp. | Scalable indoor navigation and positioning systems and methods |
CN107396280A (zh) * | 2017-06-12 | 2017-11-24 | 东南大学 | 一种基于rssi的室内定位系统和方法 |
-
2018
- 2018-02-08 CN CN201810129421.2A patent/CN110133587B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015131194A1 (en) * | 2014-02-28 | 2015-09-03 | Texas Instruments Incorporated | Method and system for location estimation |
CN105072681A (zh) * | 2015-07-27 | 2015-11-18 | 北京博阳世通信息技术有限公司 | 一种基于室内空间位置的定位系统的部署装置及方法 |
CN105182288A (zh) * | 2015-09-15 | 2015-12-23 | 北京航空航天大学 | 一种基于室内定位系统的rssi卡尔曼滤波方法 |
US20170156027A1 (en) * | 2015-11-30 | 2017-06-01 | Semtech Corporation | System and method for robust and accurate rssi based location estimation |
CN107040885A (zh) * | 2015-11-30 | 2017-08-11 | 商升特公司 | 用于鲁棒且准确的基于rssi的位置估计的系统和方法 |
US20170332203A1 (en) * | 2016-05-11 | 2017-11-16 | Mapsted Corp. | Scalable indoor navigation and positioning systems and methods |
CN107396280A (zh) * | 2017-06-12 | 2017-11-24 | 东南大学 | 一种基于rssi的室内定位系统和方法 |
Non-Patent Citations (1)
Title |
---|
乐燕芬 等: "基于位置指纹的室内移动目标定位系统", 《电子科技》, pages 42 - 46 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112616117A (zh) * | 2019-09-18 | 2021-04-06 | 博世电动工具(中国)有限公司 | 蓝牙信标的配置方法、信号收发装置、个人移动终端及可读存储介质 |
CN112616117B (zh) * | 2019-09-18 | 2023-08-15 | 博世电动工具(中国)有限公司 | 蓝牙信标的配置方法、个人移动终端及可读存储介质 |
WO2023120972A1 (ko) * | 2021-12-23 | 2023-06-29 | 경기대학교 산학협력단 | 위치측위 서비스 제공 방법 및 시스템 |
CN114125709A (zh) * | 2022-01-25 | 2022-03-01 | 南京安元科技有限公司 | 一种结合gis路网和蓝牙信标的实时数据挖掘定位的方法 |
CN117148267A (zh) * | 2023-07-27 | 2023-12-01 | 深圳市高为通信技术有限公司 | 基于蓝牙的无线测距定位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110133587B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110133587A (zh) | 一种综合蓝牙定位方法及系统 | |
CN109900276B (zh) | 基于点线面障碍物模型构建的车站实时应急路径规划方法 | |
CN105203095B (zh) | 一种室内三维空间实时路径导航方法及导航系统 | |
CN111033181A (zh) | 用于提供停车位置的喜爱度指示的方法、设备和计算机程序产品 | |
Lin et al. | Intelligent generation of indoor topology (i-GIT) for human indoor pathfinding based on IFC models and 3D GIS technology | |
CN105072681B (zh) | 一种基于室内空间位置的定位系统的部署装置及方法 | |
KR20120072124A (ko) | 실내 전자지도 데이터 생성 방법 | |
CN113259833A (zh) | 一种基于视障乘客的地铁站辅助出行系统及方法 | |
CN105763623B (zh) | 一种老年人智能服务系统 | |
CN209605835U (zh) | 定位导航系统 | |
CN109460937B (zh) | 评价轨道站点周边慢行交通系统接驳水平的流程与方法 | |
Sun et al. | Comparing the perception with the reality of walking in a hilly environment: An accessibility method applied to a University campus in Hong Kong | |
CN110186457A (zh) | 一种基于高精度电子地图的蓝牙室内定位导航方法 | |
CN111795691A (zh) | 定位导航方法及系统 | |
Azmi et al. | Comparative study of neighbourhood walkability to community facilities between two precincts in Putrajaya | |
Sevtsuk et al. | Capturing urban intensity | |
CN107270914A (zh) | 基于主干道的室内路径规划方法 | |
Schaap et al. | Towards a 3D geo-data model to support pedestrian routing in multimodal public transport travel advices | |
JP4049767B2 (ja) | ナビゲーションシステム、経路探索装置およびナビゲーション装置ならびにプログラム | |
JP4199290B2 (ja) | ナビゲーション装置および位置算出方法 | |
CN116187605A (zh) | 一种基于gis技术的公交线网选线方法 | |
Prentow et al. | Estimating common pedestrian routes through indoor path networks using position traces | |
CN112034983B (zh) | 一种眼动追踪与虚拟现实相结合的室内导航路网构建方法 | |
CN113763216A (zh) | 一种基于WebGIS的智慧校园系统 | |
CN107958118B (zh) | 一种基于空间关系的无线信号采集方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |