CN111726757A - 一种基于蓝牙的室内停车场定位与导航方法 - Google Patents

一种基于蓝牙的室内停车场定位与导航方法 Download PDF

Info

Publication number
CN111726757A
CN111726757A CN202010447853.5A CN202010447853A CN111726757A CN 111726757 A CN111726757 A CN 111726757A CN 202010447853 A CN202010447853 A CN 202010447853A CN 111726757 A CN111726757 A CN 111726757A
Authority
CN
China
Prior art keywords
positioning
bluetooth
node
value
formula
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
CN202010447853.5A
Other languages
English (en)
Inventor
李高正
赵学龙
戚湧
汤谨瑜
辅智豪
严悍
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and 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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010447853.5A priority Critical patent/CN111726757A/zh
Publication of CN111726757A publication Critical patent/CN111726757A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04W4/024—Guidance services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • 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
    • 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

Abstract

本发明公开了一种基于蓝牙的室内停车场定位与导航方法。该方法首先部署适量蓝牙基站，检测并记录室内各点位的蓝牙信号，得到特定停车场内的蓝牙指纹库，移动终端通过自身蓝牙模块获取蓝牙信号，通过KNN算法与指纹库进行匹配得到定位的初步结果，再对初步结果进行卡尔曼滤波处理得到当前定位结果的最终值；最后根据定位结果结合A*算法规划得到导航路径。本发明使用较为低廉的成本完善了蓝牙定位策略，弥补了蓝牙信号易受干扰不稳定而引起的精度损失，提高了定位准确度和稳定性，给室内定位提供了一种解决思路。

Description

一种基于蓝牙的室内停车场定位与导航方法
技术领域
本发明属于室内定位导航技术领域，特别是一种基于蓝牙的室内停车场定位与导航方法。
背景技术
目前室内定位主要有低功耗蓝牙定位、WIFI定位、UWB定位、视觉定位等技术，其中WIFI定位在采用传统定位算法的情况下，定位精度低、结果误差大，UWB和视觉定位虽然精度高，表现相对稳定，但是设备成本高昂。相比而言，蓝牙定位所采用的iBecon基站的显著优势是功耗相对较低，同时，如果部署一张专用的定位的网络对系统的可靠性而言要比兼顾数据传输和定位的WIFI网络要健壮，稳定性要好。蓝牙定位也可以利用手机和其他设备的蓝牙功能，省去了部分终端的部署。相应地，基于蓝牙技术的产品市场需求正在日益扩大，应用也越来越广泛。
通过建立蓝牙信号强度RSSI指纹库以进行指纹匹配定位是目前蓝牙定位的主要方法之一。位置指纹定位是根据不同位置接收到的信号强度向量，建立相应的位置指纹，通过实时采集的信号强度与信号空间中储存的信号向量，根据一定的匹配算法实现定位。该算法能够在一定程度上减少多径效应的影响，增强抗干扰能力。但是蓝牙信号易受环境干扰的问题依旧存在，例如在停车场中，信号容易受到往来汽车、行人等干扰，影响信号传播，产生噪声干扰，使定位精度降低。专利申请公布号CN110351660A所示双步指纹匹配方法通过自适应方法减小匹配指纹库中指纹信息个数来解决大室内场景下的指纹匹配实时性较差的问题，着重于定位算法效率的提升，而无法提高定位精度。
发明内容
本发明的目的在于提供一种基于蓝牙的室内停车场定位与导航方法，通过卡尔曼滤波减小信号干扰带来的影响，以提高蓝牙定位的精度，使导航路线更精确。
实现本发明目的的技术解决方案为：
一种基于蓝牙的室内停车场定位与导航方法，其特征在于，包括以下步骤：
步骤1、对停车场部署多个蓝牙基站，测量各位置各基站的蓝牙信号强度，即RSSI值，整理记录成蓝牙指纹库；
步骤2、将当前位置的RSSI值向量通过K近邻算法与指纹库中的数据进行比对，筛选出最符合的k个定位点，计算当前位置与各定位点RSSI值向量的差距disi，选取disi值最小的k个定位点，计算其坐标平均值作为初步定位坐标；
步骤3、将初步定位结果进行卡尔曼滤波计算，更新卡尔曼滤波参数，得到当前定位的最终定位坐标；
步骤4、根据当前位置选取最近空车位作为导航终点：在可行路径上每隔相同距离设置相连节点，以当前位置的最近节点为起点，进行宽度优先搜索，直至到达与空停车位相邻的节点，得到相隔节点数最少，即路径最短的空车位；
步骤5、计算最短路径，并通过此路径导航到路径最短的空车位。
本发明与现有技术相比，其显著优点是：
通过RSSI指纹进行K最近邻定位算法的基础上，增加卡尔曼滤波对RSSI信号中噪声的过滤，以提高定位精度，并用于导航。以增加少量的定位时间为代价，取得精度更高的定位结果。
附图说明
图1是本发明定位算法流程图。
图2是本发明K近邻算法得到初始定位结果的流程图。
图3是卡尔曼滤波计算流程图。
图4是停车场路径节点设置示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的介绍。
结合图1，本发明的一种基于蓝牙的室内停车场定位与导航方法，包括以下步骤：
步骤1、建立定位区域蓝牙RSSI指纹库：
在定位区域内部署n个蓝牙基站，基站数量视定位区域大小和定位精度需求而定。随后划分定位区域，决定各定位点位置，将定位点编号为1,2,…,n，需保证各定位点至少能接收到3个蓝牙基站的信号。使用采集仪器测量各定位点各基站的蓝牙RSSI值
Figure BDA0002506573320000021
i为该定位点编号，j为RSSI值对应的蓝牙基站的序号。为保证结果可靠，可以取10次测量结果的均值作为最终记录结果。全部测量完成后，这些数据就构成了蓝牙RSSI指纹库，库中各定位点坐标(xi，yi)与定位点RSSI值向量
Figure BDA0002506573320000022
一一对应。完成这些前期准备工作后就可以进行实时定位操作。
步骤2、将当前位置的RSSI值向量通过K近邻算法与指纹库中的数据进行比对，筛选出最符合的k个定位点：
其流程图如图2，本实施例在实际测试时取3个定位点。其过程如下：先测量当前位置的RSSI值向量
Figure BDA0002506573320000031
计算当前位置与各定位点RSSI值向量的差距disi，使用差距disi来衡量当前位置与各定位点的符合程度，公式如下：
Figure BDA0002506573320000032
式中，
Figure BDA0002506573320000033
为当前位置接收到的j号基站的RSSI值，
Figure BDA0002506573320000034
为指纹库中i号定位点的j号基站的RSSI值。在遍历指纹库后，选取disi值最小的k个定位点，计算其坐标平均值作为初步定位坐标
Figure BDA0002506573320000035
公式如下：
Figure BDA0002506573320000036
式中，(xm，ym)为被选中的定位点的坐标。
步骤3、使用卡尔曼滤波修正上一步骤得到的初步定位结果，得到最终定位坐标(x，y)：计算过程以横坐标x为例，流程图如图3所示。详细过程如下：
3.1、初始化卡尔曼滤波参数：卡尔曼滤波算法需要手动初始化的参数有：状态转移矩阵A(代表对目标位置变化的猜想，实际表现为移动速度)、加速度对位置的影响矩阵u(k)、加速度影响系数矩阵B、保证计算过程符合数学要求的调整矩阵H、初始估计协方差P、过程激励噪声协方差Q(用来预测状态转换矩阵A与实际过程之间的误差)、测量噪声协方差R。
本实施例计算中矩阵大小均为1*1，所以调整矩阵H值为1。由于室内步行速度缓慢，设置状态转移矩阵A值为1，加速度对位置的影响矩阵u(k)值为0，加速度影响系数矩阵B为0。初始估计协方差P初始值不为0，其余值均可，后续迭代计算会很快收敛，本方法取10。过程激励噪声协方差Q初始化为1，测量噪声协方差R初始化为5。
3.2、利用卡尔曼滤波修正坐标值，公式如下：
X(k|k-1)＝AX(k-1|k-1)+Bu(k) (1)
P(k|k-1)＝AP(k-1|k-1)AT+Q (2)
K(k)＝P(k|k-1)HT[HP(k|k-1)HT+R]-1 (3)
X(k|k)＝X(k|k-1)+K(k)(Z(k)-HX(k|k-1)) (4)
式中X(k|k-1)为根据公式(1)得到的当前时刻横坐标的预测值，X(k-1|k-1)为上一时刻的准确横坐标值，公式(2)中P(k|k-1)为当前时刻先验估计协方差，P(k-1|k-1)为上一时刻的后验估计协方差，初始值为步骤3.1中的初始估计协方差P。公式(3)中K(k)为卡尔曼增益，决定了预测结果对最终结果的影响比重。Z(k)为K近邻算法得到的初步横坐标定位结果，即步骤2的结果初步定位横坐标
Figure BDA0002506573320000041
公式(4)中X(k|k)为当前横坐标x的最终结果。
3.3更新卡尔曼滤波参数：完成每轮计算之后需要对后验估计协方差进行更新，公式如下：
P(k|k)＝(I-K(k)H)P(k|k-1)
P(k|k)为当前后验估计协方差，更新后用于下一轮滤波计算；I为单位矩阵。
纵坐标的卡尔曼滤波过程与横坐标相同，不再赘述。
步骤4、根据当前位置选取最近空车位作为导航终点：最近空车位使用宽度优先搜索算法决定，在可行路径上每隔相同距离设置相连节点，如图4，以当前位置的最近节点为起点，进行宽度优先搜索，直至到达与空停车位相邻的节点，这样可以得到相隔节点数最少，即路径最短的空车位。
步骤5、使用A*算法计算最短路径并通过此路径导航到路径最短的空车位：
A*算法的主要公式如下：
F＝G+H
步骤4中的每个节点都有F、G、H值。式中F为该节点的代价，G为起点到该节点的距离，H为该节点到终点距离的估计值。
G＝Gfather+|x-xfather|+|y-yfather|
H＝|x-xdestination|+|y-ydestination|
由于停车场道路大多呈现标准十字，所以采用曼哈顿距离作为代价计算方式。式中，Gfather为当前节点的父节点的G值，(xfather，yfather)为父节点的坐标；(xdestination，ydestination)为终点坐标；G、H分别为当前节点的G值和H值，(x，y)为当前节点的坐标。
当前节点G值为父节点Gfather值和当前节点与父节点的曼哈顿距离之和，H值为当前节点与目的地的曼哈顿距离。起点G值为0。
算法用来存放路径选择时候选节点的表记为open list。A*算法初始时将起点加入open list，执行时反复遍历open list，获取F值最小的节点加入结果集，同时把该节点的临近节点加入open list，直至遍历至终点。最短路径即为从终点倒推至起点所获得的路径。

Claims (4)

1.一种基于蓝牙的室内停车场定位与导航方法，其特征在于，包括以下步骤：
步骤1、对停车场部署多个蓝牙基站，测量各位置各基站的蓝牙信号强度，即RSSI值，整理记录成蓝牙指纹库；
步骤2、将当前位置的RSSI值向量通过K近邻算法与指纹库中的数据进行比对，筛选出最符合的k个定位点，计算当前位置与各定位点RSSI值向量的差距disi，选取disi值最小的k个定位点，计算其坐标平均值作为初步定位坐标；
步骤3、将初步定位结果进行卡尔曼滤波计算，更新卡尔曼滤波参数，得到当前定位的最终定位坐标；
步骤4、根据当前位置选取最近空车位作为导航终点：在可行路径上每隔相同距离设置相连节点，以当前位置的最近节点为起点，进行宽度优先搜索，直至到达与空停车位相邻的节点，得到相隔节点数最少，即路径最短的空车位；
步骤5、计算最短路径，并通过此路径导航到路径最短的空车位。
2.根据权利要求1所述的基于蓝牙的室内停车场定位与导航方法，其特征在于，步骤2中计算当前位置与各定位点RSSI值向量的差距disi，公式如下：
Figure FDA0002506573310000011
式中，
Figure FDA0002506573310000012
为当前位置接收到的j号基站的RSSI值，
Figure FDA0002506573310000013
为指纹库中i号定位点的j号基站的RSSI值；初步定位坐标
Figure FDA0002506573310000014
计算公式如下：
Figure FDA0002506573310000015
式中，(xm，ym)为被选中的定位点的坐标。
3.根据权利要求1所述的基于蓝牙的室内停车场定位与导航方法，其特征在于，步骤3中得到定位坐标(x，y)，横坐标计算步骤如下：
步骤3.1、初始化卡尔曼滤波参数：状态转移矩阵A、加速度对位置的影响矩阵u(k)、加速度影响系数矩阵B、保证计算过程符合数学要求的调整矩阵H、初始估计协方差P、过程激励噪声协方差Q、测量噪声协方差R；
3.2、利用卡尔曼滤波修正坐标值，公式如下：
X(k|k-1)＝AX(k-1|k-1)+Bu(k) (1)
P(k|k-1)＝AP(k-1|k-1)AT+Q (2)
K(k)＝P(k|k-1)HT[HP(k|k-1)HT+R]-1 (3)
X(k|k)＝X(k|k-1)+K(k)(Z(k)-HX(k|k-1)) (4)
式中X(k|k-1)为当前时刻横坐标的预测值，X(k-1|k-1)为上一时刻的准确横坐标值，P(k|k-1)为当前时刻先验估计协方差，P(k-1|k-1)为上一时刻的后验估计协方差，K(k)为卡尔曼增益，Z(k)为K近邻算法得到的初步横坐标定位结果，X(k|k)为当前横坐标的最终结果；
3.3更新卡尔曼滤波参数：完成每轮计算之后需要对后验估计协方差进行更新，公式如下：
P(k|k)＝(I-K(k)H)P(k|k-1)
P(k|k)为当前后验估计协方差；纵坐标的卡尔曼滤波过程与横坐标相同。
4.根据权利要求1所述的基于蓝牙的室内停车场定位与导航方法，其特征在于，步骤5计算最短路径采用A*算法，具体过程如下：
F＝G+H
式中F为到达某一节点的代价，G为起点到该节点的距离，H为该节点到终点距离的估计值；
G＝Gfather+|x-xfather|+|y-yfather|
H＝|x-xdestination|+|y-ydestination|
使用曼哈顿距离来计算H值，执行时反复遍历候选节点open list，获取F值最小的节点加入结果集，同时把该节点的临近节点加入open list，直至遍历至终点，最短路径即为从终点倒推至起点所获得的路径。
CN202010447853.5A 2020-05-25 2020-05-25 一种基于蓝牙的室内停车场定位与导航方法 Pending CN111726757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010447853.5A CN111726757A (zh) 2020-05-25 2020-05-25 一种基于蓝牙的室内停车场定位与导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010447853.5A CN111726757A (zh) 2020-05-25 2020-05-25 一种基于蓝牙的室内停车场定位与导航方法

Publications (1)

Publication Number Publication Date
CN111726757A true CN111726757A (zh) 2020-09-29

Family

ID=72564983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010447853.5A Pending CN111726757A (zh) 2020-05-25 2020-05-25 一种基于蓝牙的室内停车场定位与导航方法

Country Status (1)

Country Link
CN (1) CN111726757A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112908027A (zh) * 2021-02-03 2021-06-04 芜湖泊啦图信息科技有限公司 基于停车场内主定位点特征路径构建的控制算法及其系统
CN113654554A (zh) * 2021-08-13 2021-11-16 重庆亲禾智千科技有限公司 一种快速自适应的动态惯性导航实时解算去噪方法
CN113810849A (zh) * 2021-09-13 2021-12-17 北京交通大学 机场的停车控制方法及系统、控制设备、介质
CN115334448A (zh) * 2022-08-15 2022-11-11 重庆大学 一种基于蓝牙和惯性传感器的无人自跟随装置的精确动态定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104869639A (zh) * 2015-05-29 2015-08-26 福建星网锐捷网络有限公司 一种室内定位方法和装置
CN106375953A (zh) * 2016-08-25 2017-02-01 中山大学 基于路由器的服务端室内定位方法
CN109859525A (zh) * 2019-04-03 2019-06-07 哈尔滨工业大学 基于a星算法的车位导航方法
CN110022530A (zh) * 2019-03-18 2019-07-16 华中科技大学 一种用于地下空间的无线定位方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104869639A (zh) * 2015-05-29 2015-08-26 福建星网锐捷网络有限公司 一种室内定位方法和装置
CN106375953A (zh) * 2016-08-25 2017-02-01 中山大学 基于路由器的服务端室内定位方法
CN110022530A (zh) * 2019-03-18 2019-07-16 华中科技大学 一种用于地下空间的无线定位方法和系统
CN109859525A (zh) * 2019-04-03 2019-06-07 哈尔滨工业大学 基于a星算法的车位导航方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112908027A (zh) * 2021-02-03 2021-06-04 芜湖泊啦图信息科技有限公司 基于停车场内主定位点特征路径构建的控制算法及其系统
CN113654554A (zh) * 2021-08-13 2021-11-16 重庆亲禾智千科技有限公司 一种快速自适应的动态惯性导航实时解算去噪方法
CN113810849A (zh) * 2021-09-13 2021-12-17 北京交通大学 机场的停车控制方法及系统、控制设备、介质
CN113810849B (zh) * 2021-09-13 2022-08-16 北京交通大学 机场的停车控制方法及系统、控制设备、介质
CN115334448A (zh) * 2022-08-15 2022-11-11 重庆大学 一种基于蓝牙和惯性传感器的无人自跟随装置的精确动态定位方法

Similar Documents

Publication Publication Date Title
CN111726757A (zh) 一种基于蓝牙的室内停车场定位与导航方法
CN108534779B (zh) 一种基于轨迹纠正和指纹改进的室内定位地图构建方法
KR102116824B1 (ko) 딥러닝 기반 측위 시스템 및 이의 구축 방법
US9244152B1 (en) Determining device locations using movement, signal strength
CN110557716B (zh) 一种基于对数正态模型的室内定位方法
JP5083783B2 (ja) 基準位置との位置の一致を判定するための装置、および方法
CN102480678B (zh) 一种指纹定位方法和系统
CN111970633A (zh) 基于WiFi、蓝牙和步行者行航位推算融合的室内定位方法
CN109951798A (zh) 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法
CN112881979B (zh) 一种基于ekf滤波的初始状态自适应融合定位方法
CN107484123B (zh) 一种基于集成HWKNN的WiFi室内定位方法
CN109640262B (zh) 一种基于混合指纹的定位方法及系统、设备、存储介质
KR101749098B1 (ko) 기지국 위치추정 시스템 및 이의 기지국 위치추정 방법
CN111901749A (zh) 一种基于多源融合的高精度三维室内定位方法
CN105898711B (zh) 一种基于地磁基准线的定位方法及装置
CN115066012A (zh) 一种基于uwb的多用户无锚点定位方法
CN111308420A (zh) 一种基于声信号时延估计及到达频率的室内非视距定位方法
CN106358292B (zh) 基于主成分分析原理的时间到达模式匹配定位方法
CN105866729B (zh) 一种基于用户行为特征的室内定位方法及装置
CN113271542B (zh) 一种基于蓝牙及可见光的室内移动终端定位方法
CN114521014B (zh) 一种在uwb定位过程中提高定位精度的方法
CN108093364B (zh) 一种基于rssi不均匀空间分辨率的改进加权定位方法
CN105898710B (zh) 一种基于虚拟定位节点的定位方法及装置
CN111194000B (zh) 基于蓝牙融合混合滤波与神经网络的测距方法与系统
CN110798806B (zh) 一种基于地磁强度的卡尔曼滤波室内轨迹跟踪算法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200929