CN111919476B - 一种室内定位的方法、服务器及定位系统 - Google Patents
一种室内定位的方法、服务器及定位系统 Download PDFInfo
- Publication number
- CN111919476B CN111919476B CN201880085542.XA CN201880085542A CN111919476B CN 111919476 B CN111919476 B CN 111919476B CN 201880085542 A CN201880085542 A CN 201880085542A CN 111919476 B CN111919476 B CN 111919476B
- Authority
- CN
- China
- Prior art keywords
- target
- positioning
- information
- area
- fingerprint
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 184
- 230000008569 process Effects 0.000 claims abstract description 109
- 230000007613 environmental effect Effects 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims description 47
- 230000007704 transition Effects 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000005315 distribution function Methods 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000007477 logistic regression Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种室内定位的方法、服务器及定位系统,所述方法包括接收待定位终端在定位区域内发送的环境信息,获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个目标定位指纹,所述目标定位指纹包括目标环境信息和目标位置信息,获取所述环境指纹库中,与所述环境信息对应的定位位置坐标。可见,在室内定位过程中,对定位区域无需事先标定参考点,勘测人员携带智能终端以及UWB定位终端在所述定位区域内自由行走即可,对勘测人员的速度,姿态以及行走轨迹均不做要求,从而降低了本实施例所示的室内定位方法的实现难度,提升了室内定位方法的易用性。
Description
本申请要求于2018年1月11日提交中国专利局、申请号为201810025177.5、发明名称为“一种室内定位系统和方法”、以及于2018年6月04日提交中国专利局、申请号为201810564917.2、发明名称为“一种室内定位系统和方法”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本申请涉及定位技术领域,具体涉及一种室内定位的方法、服务器及定位系统。
背景技术
在室内和室外的环境下,连续、可靠地提供基于位置的服务(location basedservices,LBS)可以为用户带来良好的体验。室外定位及其LBS已经非常成熟,基于全球定位系统(global positioning system,GPS)的位置服务已被广泛应用。近年来,位置服务的相关技术和产业正在向室内发展。
由于室内收不到GPS信号,业界通常采用的定位技术为指纹匹配技术,该技术需要事先通过人工携带智能终端来采集室内环境信息,建立位置指纹库,智能终端通过感知环境数据信息并与位置指纹库匹配,计算得到最可能的位置。
通过人工逐点式采集室内环境信息的过程非常耗时费力,同时对勘测人员也具有较高的要求。例如:只能在每个事先标定好的参考点处停留一段时间采集环境信息,而无法采集勘测人员自由运动状态下的环境信息,更无法采集特定行为模式(如以不同的速度行走、拐弯或者调头行走、手持终端设备甩动手臂行走、终端设备置于口袋或者背包里行走等)下的环境信息,并且勘测人员对参考点的判断及对设备的操作均会引入误差,从而导致采集的数据质量不高,最终的定位精度也不高。
发明内容
本申请实施例提供了一种能够提高定位精度以及定位效率的室内定位的方法、服务器及定位系统。
本发明实施例第一方面提供了一种室内定位方法,包括:
步骤A、服务器接收待定位终端在定位区域内发送的环境信息。
其中,所述环境信息为待定位终端所检测到的信息,且所述待定位终端在所述定位区域内处于不同位置时,所述待定位终端所检测到的所述环境信息不同,具体的,所述环境信息包括蓝牙、基站、GPS、WiFi以及一些传感器采集到的数据等,其中,传感器包括加速度计、重力传感器、陀螺仪、磁力计、方向传感器、计步器等。
步骤B、服务器获取与所述定位区域对应的环境指纹库。
本实施例所示的服务器可预先创建与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,所述服务器可创建不同的定位指纹与不同的区域单元一一对应的关系,具体的,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元。
更具体的,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标。
步骤C、服务器获取所述环境指纹库中,与所述环境信息对应的定位位置坐标。
其中,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标。
采用方面所示的室内定位方法的优势在于,对定位区域无需事先标定参考点,勘测人员携带智能终端以及UWB定位终端在所述定位区域内自由行走即可,对勘测人员的速度,姿态以及行走轨迹均不做要求,从而降低了本实施例所示的室内定位方法的实现难度,提升了室内定位方法的易用性,而且在创建所述环境指纹库的过程中,服务器可同时获取到所述环境信息以及所述位置信息,使得服务器可直接基于所述位置信息对定位区域的实际位置进行标定,实现了环境信息与实际位置的同步标定,大大降低了创建环境指纹库的人力和时间成本,且提高了环境指纹库对待定位终端提供定位服务的精度。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本方面所示的室内定位方法还包括上述所示的环境指纹库的创建过程,所述环境指纹库的具体创建过程为:
步骤A01、服务器获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息。
所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息。
步骤A02、服务器根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息。
其中,所述目标位置信息所指示的位置坐标位于所述第一区域单元内。
步骤A03、服务器根据所述智能终端上报的所述所有环境信息确定出目标环境信息。
所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
步骤A04、服务器确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹。
本方面所示的环境指纹库的创建过程,勘测人员同时佩戴智能终端以及UWB定位终端,从而使得在对勘测人员的行走轨迹以及行走方式不做要求的情况下,服务器即可同时获取到所述环境信息以及所述位置信息,使得所述环境数据服务器可直接基于所述位置信息对定位区域的实际位置进行标定,实现了环境信息与实际位置的同步标定,大大降低了创建环境指纹库的人力和时间成本。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式以所述目标环境信息包括所述WiFi信息为例,则所述步骤A04具体包括:
其中,所述第一目标AP为所述第一区域单元内,被所述智能终端扫描到的第i个AP,且所述第一区域单元内,被所述智能终端扫描到的AP的数量为n,所述i以及所述n为大于或等于1的正整数,且所述i小于或等于所述n。
步骤A042、服务器通过如下公式计算所述第一目标AP的出现概率occurenceP(MACi)。
步骤A043、服务器确定所述目标定位指纹包括第一定位指纹,所述第一定位指纹包括所述第一目标AP的出现概率occurenceP(MACi)。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式以所述目标环境信息包括所述WiFi信息为例,则所述步骤A04具体包括:
步骤A111、服务器获取所述第一目标AP的目标RSSI序列。
所述目标RSSI序列包括所述第一目标AP每次被所述智能终端扫描到的RSSI;
步骤A112、服务器根据如下公式计算单个目标高斯分布模型GSM的概率密度函数Norm(RSSI);
步骤A113、服务器根据如下公式计算第一目标AP的高斯混合分布函数gmNorm(RSSI);
步骤A114、服务器确定所述第一定位指纹包括所述第一目标AP的高斯混合分布函数gmNorm(RSSI)。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,所述步骤A04具体包括:
步骤A121、所述服务器确定目标位置的位置坐标,所述目标位置为位于所述第一区域单元内的任一位置;
步骤A122、所述服务器确定所述第一定位指纹包括所述目标位置的位置坐标。
基于本实现方式,实现了基于智能终端所检测到的WiFi信息进行环境指纹库的创建过程,基于WiFi信息所创建的环境指纹库能够实现对待定位终端的精确定位,而且通过待定位终端采集到的WiFi信息即可实现室内定位过程,无需在待定位终端上安装新的器件,节省了室内定位实现的成本,提升了本方面所示的室内定位方法的易用性。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,为实现基于WiFi信息所创建的环境指纹库实现室内定位,则所述室内定位方法还包括:
步骤C01、服务器通过如下公式计算第一目标子匹配数值Px;
Px=log10(occurenceP(MACi).gmNorm(RSSI));
具体的,所述环境信息为所述待定位终端在目标时间段内扫描到的WiFi信息,且在所述服务器确定出所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的一个AP的MAC地址相同,则触发执行步骤C01。
步骤C02、服务器根据如下公式计算所述第一区域单元对应的匹配数值。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,为实现基于WiFi信息所创建的环境指纹库实现室内定位,则所述室内定位方法还包括:
步骤C11、服务器通过如下公式计算第二目标子匹配数值Py;
Py=log10(1-occurenceP(MACi));
具体的,若所述服务器确定出所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的任一AP的MAC地址均不相同,则触发执行所述步骤C11。
步骤C12、所述服务器根据如下公式计算所述第一区域单元对应的匹配数值;
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,基于上述所创建的环境指纹库,为实现室内定位,则所述步骤C具体包括:
步骤C21、服务器获取匹配列表。
其中,所述匹配列表包括所述定位区域包括的所有区域单元,且所述匹配列表所包括的所有所述区域单元按所述匹配数值由大到小的顺序进行排序。
步骤C22、服务器获取所述匹配列表中,排序在前N位的区域单元中任一区域单元所对应的所述目标位置的位置坐标wi。
步骤C23、服务器通过如下公式计算第一定位位置坐标Dx;
步骤C24、服务器确定所述定位位置坐标为所述第一定位位置坐标Dx。
本实现方式中,服务器基于已创建的环境指纹库,在所述待定位终端采集到所述WiFi信息后,所述服务器即可基于待定位终端所采集的WiFi信息进行室内定位,在定位过程中,因环境指纹库的创建,提高了室内定位的精度以及效率。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,所述目标环境信息包括所述WiFi信息以及所述传感器信息,则所述步骤A04具体包括:
步骤A31、服务器确定所述目标定位指纹包括所述第一定位指纹以及第二定位指纹,所述第二定位指纹为根据所述传感器信息所获取到的呈隐马尔可夫模型HMM的定位指纹。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式所示包括如下步骤:
步骤E11、服务器通过如下公式计算所述第一区域单元的转移概率transitionP(STEPi),所述转移概率transitionP(STEPi)用于进行训练以得到所述第二定位指纹;
其中,分子为位于所述第一区域单元内的携带所述智能终端的勘测人员移动的第k个步长转移至第i个第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数,所述第二定位区域为在所述定位区域内与所述第一区域单元相邻的区域单元,且所述第二区域单元的数量为n个,所述n以及所述k为大于或等于1的正整数,分母为位于所述第一区域单元内的所述智能终端移动到所有所述第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的总次数。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式所示包括如下步骤:
步骤E21、服务器根据如下公式计算所述第一区域单元中目标行进方向匹配度azimuthMatcm,所述azimuthMatchm为携带所述智能终端的勘测人员在所述第一区域单元内,沿目标行进方向m进行移动时的行进方向匹配度,所述目标行进方向m为所述智能终端在所述第一区域单元内进行移动的任一方向;
其中,所述minDiff为目标方向序列midAzi所包括的任一方向与目标航向Azimuth之间所形成的偏差角度,所述目标航向Azimuth为携带所述智能终端的勘测人员经过第k-1个步长移动至所述第一区域单元内的概率,所述目标方向序列midAzi包括所述目标行进方向以及目标时间段,所述目标时间段为所述智能终端在所述第一区域单元内沿所述目标行进方向进行移动的时间段;
步骤E22、服务器获取目标地磁信息,所述目标地磁信息为携带所述智能终端的勘测人员移动的第k个步长的过程中,所述智能终端在所述第一区域单元内所上报传感器信息所包括的地磁信息,所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系ENU下,沿与水平面平行的X方向分量值,所述第二分量值magN为在ENU下,与水平面平行Y方向分量值,所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示测量精度;
步骤E23、服务器根据所述目标地磁信息确定预设输入集合X,其中X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm};
通过如下公式计算所述第一区域单元中,与所述目标行进方向对应的目标历史匹配度matchHistorym;
其中,表示对6个目标参数集合XiWi求取S型生长曲线sigmoid函数,所述目标参数集合XiWi包括第一参数Xi以及第二参数Wi,所述第一参数Xi为所述预设输入集合所包括的任一参数,所述第二参数Wi为与所述第一参数Xi对应的权重值;
步骤E24、服务器根据如下公式计算所述第一区域单元的输出概率matchValue(grldj);
步骤E25、服务器基于所述第一区域单元的转移概率以及所述输出概率创建呈隐马尔可夫模型HMM的第二定位指纹。
本实施例所示的数据服务器可基于所述输出概率序列和所述转移概率序列构建呈搜索树形式的所述第二指纹库,其中,所述服务器根据勘测人员所行进的过程中,所经过任一区域单元的输出概率以及转移概率可构建出所述搜索树中的一层,进一步的提高了对待定位终端进行定位的准确性以及效率。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式所示包括如下步骤:
步骤F11、服务器确定待定位区域。
所述待定位区域所包括的一个位置的坐标为所述第一定位位置坐标Dx,且所述待定位区域的面积小于所述定位区域的面积;
步骤F12、服务器获取待定位终端发送的传感器信息序列,所述传感器信息序列包括目标传感器信息以及目标上报时间点,所述目标传感器信息为所述待定位终端在所述待定位区域内,所上报的至少一个传感器信息中的任一个,所述目标上报时间点为所述待定位终端上报所述目标传感器信息的时间点;
步骤F13、服务器基于维特比算法确定出所述第二定位指纹中,与所述传感器信息序列对应,且具有不同概率值的定位区域单元集合,所述定位区域单元集合包括所述智能终端移动过程中按经过的时间顺序由前到后依次经过至少一个区域单元;
步骤F14、服务器确定第二定位位置,所述第二定位位置为具有最高概率值的所述定位区域单元中,排序在最后的区域单元所包括的任一位置;
步骤F15、服务器确定所述定位位置坐标为所述第二定位位置坐标。
采用本方面所示的方法,服务器实现室内定位方法的过程可包括第一定位阶段以及第二定位阶段,第一定位阶段称为“粗略定位”,第二定位阶段称为“精细定位”,即在所述第一定位阶段(步骤F11所示),通过WiFi匹配的定位技术确定出待定位对象的初始室内位置(第一定位位置),在所述第二定位阶段以第一定位位置作为中心框定一个呈圆形、正方向等形状的待定位区域,然后在该待定位区域采用地磁匹配技术进一步计算待定位对象的精确位置,从而提高了室内定位的速度以及准确性,而且采用HMM的改进维特比算法的定位服务,能够有效的降低了地磁匹配的复杂度和计算量,提升了对待定位终端进行定位的效率和精确度。
结合本发明实施例第一方面,本发明实施例第一方面的一种可选的实现方式中,本实现方式所示包括如下步骤:
步骤F21、所述服务器以所述第二定位位置坐标为起始位置,根据步行者航位推算PDR确定出所述待定位终端在未来时刻的移动轨迹。
采用本方面所示,服务器可基于第二定位位置,对携带有待定位终端的用户在未来时刻的移动轨迹进行预测,基于已预测的移动轨迹,能够为用户提供效率更好,准确性更好的室内定位服务,从而降低了服务器在未来时刻对用户提供室内定位服务的计算量。
本发明实施例第二方面提供了一种服务器,包括:
接收单元,用于接收待定位终端在定位区域内发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
获取单元,用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
匹配单元,用于获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标。
本方面所示的服务器用于执行上述第一方面所示的室内定位方法,具体执行过程以及有益效果的说明,请详见上述第一方面所示,具体不做赘述。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述获取单元包括:
第一获取模块,用于获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息,所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息;
第一处理模块,用于根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息,所述目标位置信息所指示的位置坐标位于所述第一区域单元内;
第二处理模块,用于根据所述智能终端上报的所述所有环境信息确定出目标环境信息,所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
第三处理模块,用于确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述目标环境信息包括所述WiFi信息,则所述第三处理模块包括:
第一计算子模块,用于统计所述第一区域单元内,被所述智能终端扫描到的所有AP的总采样次数以及第一目标AP的采样次数Ni,所述第一目标AP为所述第一区域单元内,被所述智能终端扫描到的第i个AP,且所述第一区域单元内,被所述智能终端扫描到的AP的数量为n,所述i以及所述n为大于或等于1的正整数,且所述i小于或等于所述n;
第二计算子模块,用于通过如下公式计算所述第一目标AP的出现概率occurenceP(MACi);
第一确定子模块,用于确定所述目标定位指纹包括第一定位指纹,所述第一定位指纹包括所述第一目标AP的出现概率occurenceP(MACi)。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述第三处理模块包括:
第一获取子模块,用于获取所述第一目标AP的目标RSSI序列,所述目标RSSI序列包括所述第一目标AP每次被所述智能终端扫描到的RSSI;
第三计算子模块,用于根据如下公式计算单个目标高斯分布模型GSM的概率密度函数Norm(RSSI);
第四计算子模块,用于根据如下公式计算第一目标AP的高斯混合分布函数gmNorm(RSSI);
第二确定子模块,用于确定所述第一定位指纹包括所述第一目标AP的高斯混合分布函数gmNorm(RSSI)。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述第三处理模块包括:
第三确定子模块,用于确定目标位置的位置坐标,所述目标位置为位于所述第一区域单元内的任一位置;
第四确定子模块,用于确定所述第一定位指纹包括所述目标位置的位置坐标。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述环境信息为所述待定位终端在目标时间段内扫描到的WiFi信息,则所述服务器还包括:
第一计算单元,用于若所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的一个AP的MAC地址相同,则通过如下公式计算第一目标子匹配数值Px;
Px=log10(occurenceP(MACi).gmNorm(RSSI));
第二计算单元,用于根据如下公式计算所述第一区域单元对应的匹配数值;
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述服务器还包括:
第三计算单元,用于若所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的任一AP的MAC地址均不相同,则通过如下公式计算第二目标子匹配数值Py;
Py=log10(1-occurenceP(MACi));
第四计算单元,用于根据如下公式计算所述第一区域单元对应的匹配数值;
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述匹配单元包括:
第二获取模块,用于获取匹配列表,所述匹配列表包括所述定位区域包括的所有区域单元,且所述匹配列表所包括的所有所述区域单元按所述匹配数值由大到小的顺序进行排序;
第三获取模块,用于获取所述匹配列表中,排序在前N位的区域单元中任一区域单元所对应的所述目标位置的位置坐标wi;
第四获取模块,用于通过如下公式计算第一定位位置坐标Dx;
确定模块,用于确定所述定位位置坐标为所述第一定位位置坐标Dx。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述目标环境信息包括所述WiFi信息以及所述传感器信息,则所述第三处理模块还用于,确定所述目标定位指纹包括所述第一定位指纹以及第二定位指纹,所述第二定位指纹为根据所述传感器信息所获取到的呈隐马尔可夫模型HMM的定位指纹。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述服务器还包括:
第五计算单元,用于通过如下公式计算所述第一区域单元的转移概率transitionP(STEPi),所述转移概率transitionP(STEPi)用于进行训练以得到所述第二定位指纹;
其中,分子为位于所述第一区域单元内的携带所述智能终端的勘测人员移动的第k个步长转移至第i个第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数,所述第二定位区域为在所述定位区域内与所述第一区域单元相邻的区域单元,且所述第二区域单元的数量为n个,所述n以及所述k为大于或等于1的正整数,分母为位于所述第一区域单元内的所述智能终端移动到所有所述第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的总次数。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述服务器还包括:
第六计算单元,用于根据如下公式计算所述第一区域单元中目标行进方向匹配度azimuthMatchm,所述azimuthMatchm为携带所述智能终端的勘测人员在所述第一区域单元内,沿目标行进方向m进行移动时的行进方向匹配度,所述目标行进方向m为所述智能终端在所述第一区域单元内进行移动的任一方向;
其中,所述minDiff为目标方向序列midAzi所包括的任一方向与目标航向Azimuth之间所形成的偏差角度,所述目标航向Azimuth为携带所述智能终端的勘测人员经过第k-1个步长移动至所述第一区域单元内的概率,所述目标方向序列midAzi包括所述目标行进方向以及目标时间段,所述目标时间段为所述智能终端在所述第一区域单元内沿所述目标行进方向进行移动的时间段;
第一处理单元,用于获取目标地磁信息,所述目标地磁信息为携带所述智能终端的勘测人员移动的第k个步长的过程中,所述智能终端在所述第一区域单元内所上报传感器信息所包括的地磁信息,所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系ENU下,沿与水平面平行的X方向分量值,所述第二分量值magN为在ENU下,与水平面平行Y方向分量值,所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示测量精度;
第二处理单元,用于根据所述目标地磁信息确定预设输入集合X,其中X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm};
第三处理单元,用于通过如下公式计算所述第一区域单元中,与所述目标行进方向对应的目标历史匹配度matchHistorym;
其中,表示对6个目标参数集合XiWi求取S型生长曲线sigmoid函数,所述目标参数集合XiWi包括第一参数Xi以及第二参数Wi,所述第一参数Xi为所述预设输入集合所包括的任一参数,所述第二参数Wi为与所述第一参数Xi对应的权重值;
第四处理单元,用于根据如下公式计算所述第一区域单元的输出概率matchValue(grldj)
第五处理单元,用于基于所述第一区域单元的转移概率以及所述输出概率创建呈隐马尔可夫模型HMM的第二定位指纹。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述匹配单元还包括:
第一确定模块,用于确定待定位区域,所述待定位区域所包括的一个位置的坐标为所述第一定位位置坐标Dx,且所述待定位区域的面积小于所述定位区域的面积;
第二确定模块,用于获取待定位终端发送的传感器信息序列,所述传感器信息序列包括目标传感器信息以及目标上报时间点,所述目标传感器信息为所述待定位终端在所述待定位区域内,所上报的至少一个传感器信息中的任一个,所述目标上报时间点为所述待定位终端上报所述目标传感器信息的时间点;
第三确定模块,用于基于维特比算法确定出所述第二定位指纹中,与所述传感器信息序列对应,且具有不同概率值的定位区域单元集合,所述定位区域单元集合包括所述智能终端移动过程中按经过的时间顺序由前到后依次经过至少一个区域单元;
第四确定模块,用于确定第二定位位置,所述第二定位位置为具有最高概率值的所述定位区域单元中,排序在最后的区域单元所包括的任一位置;
第五确定模块,用于确定所述定位位置坐标为所述第二定位位置坐标。
基于本发明实施例第二方面,本发明实施例第二方面的一种可选的实现方式中,所述服务器还包括:
预测单元,用于以所述第二定位位置坐标为起始位置,根据步行者航位推算PDR确定出所述待定位终端在未来时刻的移动轨迹。
本发明实施例第三方面提供了一种定位系统,包括服务器、待定位终端、智能终端以及超宽带UWB定位系统,所述服务器如上述本发明实施例第二方面所示,具体不做赘述;
所述待定位终端用于在定位区域内向所述服务器发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
所述服务器用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的所述智能终端发送的环境信息,所述目标位置信息为所述UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
所述服务器还用于,获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标。
本发明实施例第四方面提供了一种服务器,包括:
一个或多个处理器、存储器、总线系统、以及一个或多个程序,所述处理器和所述存储器通过所述总线系统相连;
其中所述一个或多个程序被存储在所述存储器中,所述一个或多个程序包括指令,所述指令当被所述服务器执行时使所述服务器执行如上述本发明实施例第一方面所示的室内定位的方法,具体执行过程不做赘述。
本发明实施例第五方面提供了一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被服务器执行时使所述服务器执行如上述本发明实施例第一方面所示的室内定位的方法,具体执行过程不做赘述。
本发明实施例提供了一种室内定位的方法、服务器及定位系统,执行室内定位的过程中,服务器接收待定位终端在定位区域内发送的环境信息,服务器还可获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个目标定位指纹,所述目标定位指纹包括目标环境信息和目标位置信息,服务器获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标。可见,进行室内定位的过程中,对定位区域无需事先标定参考点,勘测人员携带智能终端以及UWB定位终端在所述定位区域内自由行走即可,对勘测人员的速度,姿态以及行走轨迹均不做要求,从而降低了本实施例所示的室内定位方法的实现难度,提升了室内定位方法的易用性,而且在创建所述环境指纹库的过程中,服务器可同时获取到所述环境信息以及所述位置信息,使得服务器可直接基于所述位置信息对定位区域的实际位置进行标定,实现了环境信息与实际位置的同步标定,大大降低了创建环境指纹库的人力和时间成本,且提高了环境指纹库对待定位终端提供定位服务的精度。
附图说明
图1为本发明所提供的定位系统的一种实施例结构示意图;
图2为本发明所提供的室内定位方法的一种实施例步骤流程图;
图3为本发明所提供的室内定位方法的另一种实施例步骤流程图;
图4为本发明所提供的室内定位方法的另一种实施例步骤流程图;
图5为本发明所提供的室内定位方法的另一种实施例步骤流程图;
图6为本发明所提供的室内定位方法的一种应用场景示意图;
图7为本发明所提供的室内定位方法的另一种应用场景示意图;
图8为sigmoid函数的示意图;
图9为本发明所提供的室内定位方法的另一种实施例步骤流程图;
图10为本发明所提供的室内定位方法的另一种应用场景示意图;
图11为本发明所提供的服务器的一种实施例结构示意图;
图12为本发明所提供的服务器的另一种实施例结构示意图;
图13为本发明所提供的服务器的另一种实施例结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例进行描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更为准确的描述本申请实施例,下面对一些本申请实施例中可能涉及的室内定位技术以及该技术的优缺点进行说明,下面分两类进行介绍,一类是类GPS技术,另一类是指纹匹配定位技术。类GPS技术通常可以有以下几种:
1、射频定位,射频是具有一定波长的电磁波,射频识别(radio frequencyidentification,RFID)利用了电感和电磁耦合或雷达反射的传输特性,实现对物体的自动识别。定位系统通常由电子标签、射频读写器、中间件以及计算机数据库组成;不能进行实时定位,定位精度低,抗干扰能力较差。
2、超声波定位,超声波定位大多采用反射式测距法,该定位系统由一个主测距器和若干个电子标签组成,主测距器放置于移动机器人上,电子标签放置于室内空间的固定位置。定位过程如下:先由主测距器发送同频率的信号给各个电子标签,电子标签接收信号后又反射传输给主测距器,从而可以确定各个电子标签到主测距器之间的距离和坐标。定位精度可达厘米级,缺陷是超声波在传输过程中衰减明显从而影响其定位的有效范围。
3、红外定位,红外线是一种波长介于无线电波和可见光之间的电磁波,使待测物体附上一个电子标识,该标识通过红外发射机向室内固定放置的红外接收机周期性地发送待测物体的ID,接收机再通过有线网络将数据传输给数据库。定位精度5至10米,缺陷是红外线在传输过程中易受物体或墙体阻隔,且传输距离较短,系统结构较复杂,有效性和实用性不够。
4、紫蜂ZigBee,该定位系统通过若干个待定位的盲节点和一个已知位置的参考节点与网关组网,盲节点之间相互协调通信实现定位。信号传输受多径效应和移动的影响都很大,而且定位精度取决于信道物理品质、信号源密度、环境和算法的准确性,导致定位软件的成本较高。
5、iBeacon定位,iBeacon是一个基于低功耗蓝牙技术的2.4G射频技术,根据射频场强随距离衰减的模型测距定位。射频信号的传播易受环境干扰,不稳定,定位精度为3米。
6、超宽带(Ultra Wide Band,UWB)定位,UWB采用时间间隔极短(小于1纳秒)、1GHz以上带宽的脉冲进行通信,无需载波,也称脉冲无线电通信。UWB通过在较宽的频谱上传送极低功率的信号,能在10米的范围内实现数百Mbps至数Gbps的数据传输率,具有抗干扰性强、传输速率高、带宽极宽、发送功率小等诸多优势。通过在室内布置若干个已知坐标的定位基站,由定位人员携带定位标签在定位基站包含的可到达区域内自由移动,标签按照一定的频率发射脉冲信号给定位基站,通过TDOA算法计算出定位标签的位置,定位基站将结果回传给位置服务器。每个标签都有唯一的ID,通过ID将待定位物体(或人员)与标签联系起来,支持上千个标签同时定位。
指纹匹配定位技术中,人工勘测是进行指纹匹配定位的基础和前提,该环节需要投入大量的人力和时间成本。传统的人工勘测方式是事先在室内定位区域标记好参考点,由勘测人员携带智能终端在每个参考点停留一段时间以采集环境信息。或者事先在室内定位区域标记参考线,由勘测人员携带智能终端在每个参考线上匀速走动以采集环境信息。这种方式耗时费力,因为定位区域的大小、参考点的密度、每个参考点的采集时间决定了勘测任务的工作量以及定位的精度。此外,这种方式只能采集勘测人员在参考点静止状态或参考线匀速走动下的环境信息,对勘测人员的运动模式的要求比较高,无法采集自由运动状态下的环境信息,更无法采集跟位置相关的行为模式(如行走速度,前进方向,拐弯信息等);最后,由于勘测人员对参考位置的判断、对智能终端的操作都会引入误差,采集到的环境数据信息与真实位置存在一定程度的偏差,影响了定位的精度。
需要说明的是,传统的指纹匹配定位方法依赖人工的现场勘测来构建指纹库,即安排专业的工程人员携带专业的设备到现场开展专业的位置测量和环境数据采集工作,对每一片定位区域,都需要在其中的每一个参考位置上进行一段时间的勘测,非常耗费时间、财力和人力。因此,无论采用何种信号指纹,人工勘测一度是指纹匹配定位最艰巨的任务,也是阻碍指纹定位实际推广的最大瓶颈。
指纹匹配定位技术可以包括以下几种:
1、地磁定位,在众多基于地磁匹配的室内定位算法中,粒子滤波是最常采用的算法之一,被用来解决地磁指纹区分度不高、传感器偏差及噪声等问题,并可提高定位精度。但是,粒子滤波一方面容易受用户行为模型(如行走速度)影响,定位误差通常会累积逐渐变大。一旦丢失就很难跟上,系统鲁棒性不高;另一方面该算法通常对手机的姿态有非常严格的限制,如手机方向必须跟用户前进方向始终保持一致,缺乏普适性。
2、WiFi定位,基于WiFi匹配的定位技术,需要事先设置参考位置。所采集的环境信息包括无线网络接入点(access point,AP)的MAC地址和接收信号强度指示(receivedsignal strength indication,RSSI)值。然后据此建立指纹数据库,定位时将接收到的AP与数据库中的指纹进行匹配,计算得到一个最合适的位置。常用的匹配算法有最近邻(nearest neighbor,NN)、K近邻(k nearest neighbor,KNN)、加权K近邻(weighted knearest neighbor,WKNN)、神经网络等算法。
基于上述各种定位技术的特点以及局限性,为了使得用户仅需要携带如手机等具有环境数据信息采集能力的终端便可实现室内精确定位。本申请实施例中采用UWB技术结合人工勘测和指纹匹配定位技术,实现室内的精确定位。本申请实施例中的环境数据信息包括蓝牙、基站、GPS、传感器探测到的数据、WiFi信息,其中传感器包括加速度计、重力传感器、陀螺仪、磁力计、方向传感器、计步器等之中的至少一种,根据指纹所采用的数据不同,可以有不同的单独使用或者组合方式。
下面对本申请实施例的所采用的定位系统的具体结构进行说明,请参阅图1,图1是本申请实施例的室内定位方法所应用的定位系统的架构示意图,如图1所示,本实施例所示的定位系统包括智能终端101、UWB定位系统,以及环境数据服务器104,其中,所述UWB定位系统包括UWB定位终端102以及定位基站103。
本实施例所示的智能终端101是指具备智能感知、存储、处理环境信息能力的一类嵌入式计算机系统设备,一般指智能手机、平板等。本实施例所示的环境信息是指能为智能终端101所感知的用户所在位置的环境数据信息,包括蓝牙、基站、WiFi、GPS、智能终端101的传感器所探测到的数据等,其中,所述智能终端101的传感器包括加速度计、重力传感器、陀螺仪、磁力计、方向传感器、计步器等,所述智能终端101可将采集到的环境信息上报给所述环境数据服务器104。
本实施例中,所述UWB定位终端102为固定在物体上或勘测人员身体上的UWB定位标签,具有唯一的ID,勘测人员携带该定位标签在定位区域内的可到达区域中以正常速度行走,其中,本实施例对所述UWB定位终端102具体设置类型不做限定,例如,所述UWB定位终端102所设置的类型可为工牌型、腕带型、安全帽型等;携带所述UWB定位终端102的勘测人员在定位区域内的可到达区域中以正常速度行走,所述定位基站103实时解算出定位终端102的位置,所述定位基站103可按固定周期向所述环境数据服务器104上报所述UWB定位终端102的位置信息,所述位置信息包括但不限于时间戳以及当前坐标等,其中,所述固定周期可由工作人员进行设置,例如,所述固定周期可为100毫秒、1秒、3秒等,本实施例中以所述固定周期为100毫秒为例进行示例性说明。
本实施例对执行所述环境数据服务器104的服务器的数量不做限定,为实现室内定位,则本实施例可通过至少一个服务器实现所述环境数据服务器104的功能。
基于图1所示的定位系统,本申请可实现室内定位方法,以下结合图2所示对本申请所提供的室内定位方法的具体执行过程进行说明:
步骤201、智能终端将采集到的环境信息发送给环境数据服务器。
步骤202、UWB定位系统将采集到的位置信息发送给环境数据服务器。
具体的,本实施例所示的步骤201以及步骤202的执行时序为同时执行,具体的,在勘测阶段,勘测人员可随身同时携带智能终端以及UWB定位终端,勘测人员在所述定位区域内连续行走一定的时间,本实施例对勘测人员行走的轨迹、速度、方向以及携带所述智能终端的方式不做限定,只要勘测人员的移动轨迹满足预设条件即可。本实施例所示的所述预设条件为勘测人员行走的轨迹覆盖所述定位区域内所有勘测人员能够达到的区域,且对所有能够达到的区域勘测人员所覆盖的次数大于或等于预设次数,本实施例以所述预设次数为两次为例进行示例性说明。
可见,采用本实施例所示的方法,只要勘测人员的移动轨迹满足所述预设条件,则勘测人员可在所述定位区域内自由的行走,降低了对勘测人员的限制,从而提升了人工勘测的易用性。
因勘测人员同时携带智能终端以及UWB定位终端,则使得勘测人员在所述定位区域内行走的过程中,在相同的时刻,所述智能终端以及所述UWB定位终端位于相同的位置。
本实施例中,所述UWB定位终端为固定在物体上或勘测人员身体上的UWB定位标签,具有唯一的ID,勘测人员携带该定位标签在定位区域内的可到达区域中以正常速度行走,其中,本实施例对所述UWB定位终端具体设置类型不做限定,例如,所述UWB定位终端所设置的类型可为工牌型、腕带型、安全帽型等;携带所述UWB定位终端的勘测人员在定位区域内的可到达区域中以正常速度行走,在行走过程中,UWB定位终端按照一定的频率发射脉冲信号给定位基站,定位基站通过到达时间差(TDOA)算法实时解算出UWB定位终端的位置坐标,所述定位基站可按固定周期向所述环境数据服务器上报所述UWB定位终端的位置信息,所述位置信息包括但不限于时间戳以及位置坐标等,其中,所述固定周期可由工作人员进行设置,例如,所述固定周期可为100毫秒、1秒、3秒等,本实施例中以所述固定周期为100毫秒为例进行示例性说明。
本实施例所示的所述环境信息为所述智能终端在所述定位区域移动的过程中,能够被所述智能终端所感知到信息,且在携带所述智能终端的勘测人员移动至所述定位区域内不同的位置时,所述智能终端所检测到的环境信息不同,本实施例的所述环境信息包括蓝牙、基站、GPS、WiFi以及一些传感器采集到的数据等,其中,传感器包括加速度计、重力传感器、陀螺仪、磁力计、方向传感器、计步器等。
步骤203、环境数据服务器接收所述环境信息以及所述位置信息。
步骤204、环境数据服务器创建环境指纹库。
具体的,所述环境数据服务器为创建所述环境指纹库,则所述环境数据服务器需要获取到所述智能终端在所述定位区域内所发送的所有环境信息,且所述环境数据服务器还需要获取到所述UWB定位终端在所述定位区域内所发送的所有位置信息,所述环境数据服务器即可根据已获取到所有所述环境信息以及所有所述位置信息进行环境指纹库的创建,其中,所述环境信息和所述位置信息为相互对应的信息,所述位置信息用于指示智能终端发送对应的环境信息时在所述定位区域内的位置坐标。
为更好的理解,以本实施例所示的定位区域位于A栋楼的15楼为例进行示例性说明,即以15楼层为单位,所述环境数据服务器汇总在A栋楼的15楼所接收到的所有环境信息以及所有位置信息,进而使得所述环境数据服务器根据所有环境数据以及所述位置信息创建与A栋楼的15楼(即定位区域)对应的环境指纹库。
本实施例所示的环境数据服务器为创建所述环境指纹库,则所述环境数据服务器首先需要在所述智能终端的时间系统与所述UWB定位终端的时间系统为已同步的情况下,获取目标环境信息以及目标位置坐标的对应关系,所述目标位置坐标为所述定位区域内的目标位置所具有的坐标,而所述目标位置为所述定位区域内的任一位置,具体的,所述智能终端在所述目标位置处向所述环境数据服务器上报的环境信息为所述目标环境信息,而所述UWB定位终端在所述目标位置处将所述目标位置坐标上报给所述环境数据服务器,从而使得环境数据服务器获取到所述目标环境信息以及所述目标位置坐标的对应关系。
可选的,在所述智能终端将所述环境信息实时上报给所述环境数据服务器,以及所述UWB定位系统将所述位置信息实时上报给所述环境数据服务器的情况下,所述环境数据服务器即可直接根据所述智能终端所上报的所述环境信息以及所述UWB定位系统所上报的位置信息获取到所述目标环境信息以及所述目标位置坐标的对应关系。
还可选的,在所述智能终端周期性的向所述环境数据服务器上报所述环境信息,以及所述UWB定位终端周期性的向所述环境数据服务器上报所述位置信息,且所述智能终端向所述环境数据服务器上报所述环境信息的周期和所述UWB定位终端向所述环境数据服务器上报所述位置信息的周期不同的情况下,所述环境数据服务器如何创建所述目标环境信息以及目标位置坐标的对应关系的具体过程进行说明:
例如,所述智能终端向所述环境数据服务器上报所述环境信息的第一周期为10毫秒,而所述UWB定位终端向所述环境数据服务器上报所述位置信息的第二周期为100毫秒,所述环境数据服务器需要获取到所述第二周期内,每经过一个所述第一周期的位置坐标,即所述环境数据服务器需要获取到100毫秒中,每经过一个10毫秒的位置坐标,具体的获取方式为所述环境数据服务器在第二周期的结束时间点接收到所述UWB定位终端所上报的位置坐标,所述环境数据服务器对所述UWB定位终端在第二周期的结束时间点所上报的位置坐标进行插值计算以获取到所述第二周期内,每经过一个所述第一周期的位置坐标,进而使得环境数据服务器即可获取到所述第二周期内,所述智能终端在每一个第一周期所上报的环境信息以及所对应的位置坐标。
在所述环境数据服务器获取到所述目标环境信息以及所述目标位置坐标的对应关系的情况下,所述环境数据服务器即可创建环境指纹库,具体的,所述环境数据服务器为创建所述环境指纹库,则所述环境数据服务器需要预先对所述定位区域进行划分,从而使得划分后的所述定位区域包括X*Y个区域单元,每个所述区域单元对应一个定位指纹,所有所述区域单元所对应的所有定位指纹组成所述环境指纹库。
具体的,所述X和Y均为大于0的整数。该区域单元的大小是可以执行设定的,例如0.3米乘0.3米,1米乘1米,1米5乘1米5,2米乘2米,2米乘3米以及3米乘3米等,环境数据服务器可根据定位精度的需求的不同灵活进行设置,具体在本实施例中不作限定,且本实施例所示的定位的精确度和所述区域单元的大小成反比。
可以理解,将定位区域分为X*Y个区域单元,区域单元即分割的最小单位;接着,对于每个区域单元,均对应一个定位指纹,以下对所述环境指纹库的创建过程进行说明:
以创建与第一区域单元对应的第一定位指纹为例进行示例性说明,其中,所述第一区域单元为所述定位区域所包括的多个区域单元中的任一区域单元,而所述第一定位指纹为所述环境指纹库中,与所述第一区域单元对应的定位指纹。
与所述第一区域单元对应的定位指纹是指,第一环境信息以及与第一环境信息对应的第一位置坐标,具体的,所述环境数据服务器根据上述已确定的所述目标环境信息以及目标位置坐标的对应关系,确定出与第一位置坐标所对应的所述第一环境信息,其中,所述第一位置坐标为勘测人员移动至所述第一区域单元内部时,勘测人员所携带的所述UWB定位终端所上报的位置信息所包括的位置坐标,而所述第一环境信息为勘测人员移动至所述第一位置坐标时,勘测人员所携带的智能终端上报的环境信息。
因现有方案中,需要安排勘测人员携带专业的定位设备到现场开展专业的位置测量和环境数据采集工作,对每一片定位区域,都需要在其中的每一个参考位置上进行一段时间的勘测,非常耗费时间、财力和人力。因此,无论采用何种信号指纹,人工勘测一度是指纹匹配定位最艰巨的任务,也是阻碍指纹定位实际推广的最大瓶颈。
而本实施例所示的环境数据服务器即可基于已创建的所述环境指纹库对位于所述定位区域内的待定位终端提供定位服务,采用本实施例所示的环境指纹库的创建过程的优势在于,对定位区域无需事先标定参考点,勘测人员携带智能终端以及UWB定位终端在所述定位区域内自由行走即可,对勘测人员的速度,姿态以及行走轨迹均不做要求,从而降低了本实施例所示的室内定位方法的实现难度,提升了室内定位方法的易用性,而且在创建所述环境指纹库的过程中,所述环境数据服务器可同时获取到所述环境信息以及所述位置信息,使得所述环境数据服务器可直接基于所述位置信息对定位区域的实际位置进行标定,实现了环境信息与实际位置的同步标定,大大降低了创建环境指纹库的人力和时间成本,且提高了环境指纹库对待定位终端提供定位服务的精度。
以下对本实施例所示的环境指纹库的几种情况进行示例性说明:
所述环境指纹库的第一种情况为,所述环境指纹库包括第一指纹库,以下结合图3所示对创建所述第一指纹库的具体过程进行详细说明:
步骤301、智能终端将采集到的环境信息发送给环境数据服务器。
本实施例所示的环境信息为所述智能终端采集到的WiFi信息,本实施例以所述环境信息为WiFi信息为例进行示例性说明,在其他实施例中,所述WiFi信息还可为蓝牙信息等,具体在本实施例中不做限定。
以下对所述WiFi信息所包括的具体内容进行说明:
具体的,所述智能终端可按所述智能终端的WiFi扫描周期为单位对室内环境的WiFi信息进行采集和上报,其中,所述WiFi信息是指所述智能终端在所述定位区域内移动的过程中,所述智能终端扫描到AP数据列表,且AP数据列表包括一个或多个扫描周期内扫描到的AP数据,而每条AP数据为所述智能终端扫描到AP的MAC地址和RSSI数据;该MAC地址和RSSI数据每隔一个WIFI扫描周期便上报一次,该周期例如可以是2.3秒。其中,每个AP均具有唯一的MAC地址,对于RSSI,根据离该AP的距离以及该距离之间是否有障碍等情形下RSSI数据均会有所不同。需要说明的是,一个扫描周期中获得的WiFi信息可以采用如下二元组进行表示:
{MAC1,RSSI1},{MAC2,RSSI2},...,{MACn,RSSIn};
其中,n表示该周期内扫描到的AP的个数,取决于智能终端当前位置AP的分布情况以及智能终端的WiFi扫描机制,RSSI则表示智能终端扫描到的任一AP的信号强度。
所述智能终端将所述WiFi信息发送至所述服务器的具体过程,请参见图2所示的智能终端将所述环境信息发送至所述服务器的具体过程,具体不做赘述。
步骤302、UWB定位系统将采集到的位置信息发送给环境数据服务器。
本实施例所示的步骤302的具体执行过程,请详见图2所示的步骤202所示,具体在本实施例中不做赘述。
步骤303、环境数据服务器接收所述环境信息以及所述位置信息。
步骤304、环境数据服务器创建第一指纹库。
具体的,所述环境数据服务器可统计所采集到的所述WiFi信息,所述环境数据服务器以第一区域单元为单位,统计第一区域单元内,所有AP的总采样次数以及每个AP的采样次数,每个AP的采样次数用Ni进行表示,从而能够统计出每个AP的出现概率,由于MAC地址能够唯一标识一个AP,从而,属于所述第一区域单元内的任一AP的出现概率可以采用如下公式(1)计算:
其中,occurenceP(MACi)表示所具有的MAC地址为MACi的AP在所述第一区域单元内的出现概率,公式中的分母即在所述第一区域单元内所有采集到的AP的总次数。
即,本实施例所示的所述第一定位指纹包括所述第一区域单元内所包括的任一AP的出现概率occurenceP(MACi),具体的,所述第一定位指纹还包括所述第一区域单元内所包括的任一AP所具有的RSSI序列的高斯混合分布函数gmNorm(RSSI)。
以下对RSSI序列的高斯混合分布函数gmNorm(RSSI)的获取过程进行详细说明:
属于所述第一区域单元中的任一AP的RSSI序列为,该AP在预设时间段内被采样得到的包括有至少一个RSSI构成的RSSI序列;对于该RSSI序列,可以看做是一个混合高斯模型,该混合高斯模型是由K个单高斯分布模型(gaussian single model,GSM)线性组成,每个GSM称为该混合高斯模型中的一个组件。从而一个AP的RSSI序列中的RSSI值服从以下概率密度函数(probability distribution function,PDF),即该高斯混合分布函数gmNorm(RSSI)满足如下公式(2):
其中,πk为加权系数,表示选中第K个GSM的概率,该概率可根据期望最大化(expectation maximization,EM)算法计算得到;第K个GSM的Norm(RSSI)为第K个GSM的概率密度函数,即该高斯混合分布函数gmNorm(RSSI)为K个Norm(RSSI)分别乘以各自的加权系数并累加得到。
其中,单个GSM的Norm(RSSI)满足如下公式(3):
其中,所述μ是RSSI序列的均值,σ是RSSI序列的标准差。
本实施例所示的所述第一定位指纹除包括所述第一区域单元内所包括的任一AP的出现概率occurenceP(MACi)、任一AP的RSSI序列的高斯混合分布函数gmNorm(RSSI)之外,所述第一定位指纹还包括所述第一区域单元的实际位置坐标。
可选的,所述第一区域单元的实际位置坐标可为所述第一区域单元的正中心在GPS坐标系中的实际位置坐标。
可选的,所述第一区域单元的实际位置坐标并不一定在所述第一区域单元的正中心,对于每个区域单元的实际位置坐标,可根据所述第一区域单元对应的AP集合中的每个AP的RSSI序列计算得到,其中,与所述第一区域单元对应的AP集合包括所述智能终端在所述第一区域单元内进行移动的过程中,所检测到的所有AP,而由于RSSI的特点是距离越近,信号越强,距离越远,信号越弱,并且每个AP的实际位置本身是固定的,因此可根据AP集合中的每个AP所对应的RSSI序列来估计实际位置,使得从该实际位置测量,得到AP集合中的每个AP所对应的RSSI序列。
可选的,因所述智能终端在所述第一区域单元内移动的过程中,所述环境数据服务器会根据所述UWB定位系统上报的位置信息获取到,所述智能终端在所述第一区域单元内每次上报所述环境信息时的位置坐标,则所述环境数据服务器可计算所述智能终端在所述第一区域单元内上报的所有位置坐标的均值作为所述第一区域单元的实际位置。
上述对所述第一区域单元的实际位置确定的过程的说明为可选的示例,不做限定,可选的,本实施例所示的环境数据服务器还可在所述第一区域单元内确定目标位置,所述目标位置为所述第一区域单元内的任一位置,则所述环境数据服务器即可确定出所述目标位置的位置坐标为所述第一区域单元的实际位置坐标。
还以本实施例所示的定位区域位于A栋楼的15楼为例进行示例性说明,即以15楼层为单位,所述环境数据服务器汇总在A栋楼的15楼所接收到的所有WiFi信息以及所有位置信息,进而使得所述环境数据服务器根据所有WiFi信息以及所述位置信息创建与A栋楼的15楼(即定位区域)对应的第一指纹库。
基于图3所示的第一指纹库,以下结合图4所示对定位引擎如何通过所述第一指纹库实现对待定位终端的定位的具体过程进行说明:
步骤401、待定位终端将目标WiFi信息发送给定位引擎。
本实施例所示的定位引擎可运行有能够对所述待定位终端进行定位服务的定位引擎,本实施例所示的定位引擎可运行在上述实施例所示的环境数据服务器上,也可运行在与所述环境数据服务器不相同的服务器上,在所述定位引擎运行在与所述环境数据服务器不相同的服务器的情况下,所述定位引擎可接收所述环境数据服务器所创建的环境指纹库。
具体的,需要进行定位服务的待定位终端可将以扫描周期为单位所采集到的目标WiFi信息发送给环境数据服务器。
所述待定位终端的具体结构可参见如图1所示的智能终端的具体结构,具体在本实施例中不做赘述,本实施例所示的所述定位引擎可对所述待定位终端的当前位置进行定位。
本实施例所示的目标WiFi信息为所述待定位终端在目标时间段内所采集到的WiFi信息。本实施例所示的所述目标WiFi信息为用于进行室内定位的信息,且所述目标WiFi信息具体的采集过程,请详见上述实施例所示,具体不做赘述。
具体的,为实现对待定位终端进行定位,则待定位终端将目标时间段内所采集到的WiFi信息发送给定位引擎,本实施例所示的目标时间段的结束时间点为待定位终端发送目标WiFi信息的时刻,所述目标时间段的起始时间段为位于发送目标WiFi信息的时刻之前的任一时间点,即本实施例对所述目标时间段的持续时间不做限定。
步骤402、定位引擎接收所述目标WiFi信息。
定位引擎可接收所述目标WiFi信息,并根据所述目标WiFi信息对所述待定位终端进行定位。
步骤403、定位引擎计算定位区域单元的目标匹配数值。
由上述对第一指纹库的创建过程可知,本实施例所示的所述环境数据服务器可创建出与不同楼层对应的第一指纹库,则本实施例所示的所述定位引擎可通过建筑识别模块判断出待定位终端所位于的建筑内的具体的目标楼层,本实施例所示的所述定位区域即位于该目标楼层内,则所述定位引擎即可动态加载与目标楼层对应的所述第一指纹库,以实现对待定位终端的定位。
在图3所示为例,所述环境数据服务器所创建的所述第一指纹库为与A栋楼的15楼所对应的指纹库,则本实施例所示的所述定位引擎在识别出所述待定位终端位于A栋楼的15楼时,所述定位引擎即可动态加载与A栋楼的15楼对应的所述第一指纹库。
具体的,本实施例所示的定位引擎在接收到所述目标WiFi信息后,所述定位引擎即可对所述目标WiFi信息与所述定位引擎已创建的第一指纹库进行匹配。
通过下述步骤说明所述定位引擎对所述目标WiFi信息与所述第一指纹库进行匹配的具体过程,其中,所述第一指纹库的具体说明请详见图3所示的实施例,具体在本实施例中不做赘述。
本实施例所示的所述定位区域单元为所述定位区域所包括的多个区域单元中的任一区域单元,以下对所述定位引擎计算所述目标匹配数值的具体过程进行详细说明:
本实施例所示的定位引擎需要判断所述目标WiFi信息所包括的AP的MAC地址是否与所述第一指纹库中,所述定位区域单元所对应的多个AP中的一个AP的MAC地址相同;
若是,则所述定位引擎可通过第一种匹配数值的算法计算所述目标匹配数值,若否,则所述定位引擎可通过第二种匹配数值的算法计算所述目标匹配数值。
以下对定位引擎通过第一种匹配数值的算法的具体执行过程进行说明:
具体的,所述定位引擎获取所述定位区域单元中,任一AP的出现概率occurenceP(MACi)、RSSI序列的高斯混合分布函数gmNorm(RSSI)以及所述定位区域单元的实际位置,具体获取过程,请详见图3所示的实施例,具体在本实施例中不做限定。
所述定位引擎即可基于如下所示的公式(4)计算所述定位区域单元的目标匹配数值Pa;
其中,Px为第一目标子匹配数值,所述第一目标子匹配数值为所述待定位终端在所述定位区域单元所检测到的多个AP中任一AP的子匹配数值,n为所述智能终端在所述定位区域单元所检测到的AP的总数量。可见,本实施例所示的定位区域单元的目标匹配数值Pa为所述定位区域单元所对应的所有AP的子匹配数值的和。
所述定位引擎可通过公式(5)计算所述第一目标子匹配数值Px;
Px=log10(occurenceP(MACi).gmNorm(RSSI))...............(5);
其中,MACi为勘测阶段,第二目标AP所具有的MAC地址,所述第二目标AP为勘测阶段,所述智能终端在所述定位区域单元所检测到的多个AP中任一AP,occurenceP(MACi)为所述第二目标AP的出现概率,而所述gmNorm(RSSI)为所述第二目标AP的RSSI序列所服从的高斯混合分布函数,所述occurenceP(MACi)以及所述gmNorm(RSSI)的具体获取过程,请详见图3所示的实施例,具体在本实施例中不做赘述。
可见,本实施例所示的定位引擎可将所述第二目标AP的出现概率occurenceP(MACi)乘以所述第二目标AP的RSSI序列所服从的混合高斯分布函数gmNorm(RSSI),对该乘积取以10为底的对数以获取到所述第一目标子匹配数值。
以下对定位引擎通过第二种匹配数值的算法的具体执行过程进行说明:
具体的,所述定位引擎即可基于如下所示的公式(6)计算所述定位区域单元的目标匹配数值Pb;
其中,Py为第二目标子匹配数值,所述第二目标子匹配数值为所述待定位终端在所述定位区域单元所检测到的多个AP中任一AP的子匹配数值,n为所述智能终端在所述定位区域单元所检测到的AP的总数量。可见,本实施例所示的定位区域单元的目标匹配数值Pb为所述定位区域单元所对应的所有AP的子匹配数值的和。
所述定位引擎可通过公式(7)计算所述第二目标子匹配数值Py;
Py=log10(1-occurenceP(MACi))............................(7);
其中,MACi为勘测阶段,第二目标AP所具有的MAC地址,所述第二目标AP为勘测阶段,所述待定位终端在所述定位区域单元所检测到的多个AP中任一AP,occurenceP(MACi)为所述第二目标AP的出现概率,所述occurenceP(MACi)的具体获取过程,请详见图3所示的实施例,具体在本实施例中不做赘述。
可见,本实施例所示的定位引擎可用1减去所述occurenceP(MACi)以获取所述第二目标子匹配数值Py。
可选的,本实施例所示的定位引擎若确定出所述定位区域单元为位于所述定位区域中的边缘区域,则在所述定位引擎获取到位于定位区域中的边缘位置的区域单元的目标匹配数值的情况下,所述定位引擎可对位于定位区域中的边缘位置的区域单元的目标匹配数值减去预设参数,本实施例对所述预设参数的大小不做限定,可选的,所述区域单元的目标匹配数值减去所述预设参数的大小,可与所述区域单元距离所述定位区域的中心的距离成反比。
步骤404、定位引擎获取匹配列表。
在所述定位引擎可获取到所述定位区域中的所有区域单元所对应的目标匹配数值的情况下,则所述定位引擎可对所获取到的所有目标匹配数值按数值由大到小的顺序进行排序以获取到所述匹配列表。
步骤405、定位引擎根据WiFi指纹匹配算法获取第一定位位置坐标。
所述定位引擎可获取所述匹配列表中,排序在前N个区域单元中任一区域单元的实际位置坐标Wi,具体的,所述定位引擎可通过查询所述第一指纹库以获取排序在前N个区域单元中任一区域单元的实际位置坐标Wi,所述第一指纹库设置区域单元的实际位置的具体过程,请详见图3所示的实施例,具体不做赘述。
所述定位引擎可基于下述所示的公式(8)计算所述第一定位位置坐标Dx。
可见,本实施例所示的所述定位引擎可在所述匹配列表中选取排序在前N位的区域单元的实际位置坐标的平均值作为所述第一定位位置坐标Dx。
在所述定位引擎获取到所述第一定位位置坐标的情况下,所述定位引擎根据所述第一定位位置坐标即可确定出待定位终端在所述定位区域内的实际位置,从而使得所述定位引擎能够基于所述第一定位位置坐标对所述待定位终端提供定位服务。
所述环境指纹库的第二种情况为,所述环境指纹库包括第一指纹库以及第二指纹库,以下结合图5所示对创建所述第一指纹库以及所述第二指纹库的具体过程进行详细说明:
步骤501、智能终端将环境信息发送给环境数据服务器。
本实施例所示的环境信息包括WiFi信息以及传感器信息,其中,所述智能终端采集所述WiFi信息的具体过程,请详见图3所示的实施例,具体在本实施例中不做赘述。
以下对本实施例所示的智能终端采集传感器信息的具体过程进行说明:
本实施例所示的所述传感器信息为所述智能终端的传感器所采集到能够用于定位的信息,本实施例所示的传感器包括加速度计、重力传感器、陀螺仪、磁力计、方向传感器、计步器等之中的至少一种,具体在本实施例中不做限定,且本实施例所示的智能终端具体请参见如图1所示的智能终端的结构,具体不做赘述。
步骤502、UWB定位系统将采集到的位置信息发送给环境数据服务器。
本实施例所示的步骤502的具体执行过程,请详见图3所示的步骤302所示,具体执行过程不做赘述。
步骤503、环境数据服务器接收所述环境信息以及所述位置信息。
步骤504、环境数据服务器同时创建第一指纹库以及第二指纹库。
具体的,还以本实施例所示的定位区域位于A栋楼的15楼为例进行示例性说明,即以15楼层为单位,所述环境数据服务器汇总在A栋楼的15楼所接收到的所有WiFi信息、传感器信息以及所有位置信息,进而使得所述环境数据服务器根据所有WiFi信息以及所述位置信息创建与A栋楼的15楼(即定位区域)对应的第一指纹库,而所述环境数据服务器根据所有传感器信息以及所述位置信息创建与A栋楼的15楼(即定位区域)对应的第二指纹库,所述环境数据服务器创建所述第一指纹库的具体过程,请详见图3所示的实施例,具体在本实施例中不做赘述。
以下对本实施例所示的环境数据服务器创建所述第二指纹库的具体过程进行说明:
首先,环境数据服务器获取转移概率序列。
具体的,本实施例所示的所述环境数据服务器以楼层为单元创建所述转移概率序列,例如,若环境数据服务器创建与室内的15楼对应的转移概率序列,则所述环境数据服务器可统计出位于15楼的所有智能终端上报的所述传感器信息,以使环境数据服务器能够根据位于15楼的所有智能终端上报的所述传感器信息创建出与15楼对应的转移概率序列。
本实施例所示的所述转移概率序列包括所述定位区域的任一区域单元所对应的转移概率,以下对环境数据服务器计算第一区域单元的转移概率为例进行示例性说明,其中,所述第一区域单位为所述定位区域所包括的任一区域单元,对所述定位区域所包括的其他区域单元所对应的转移概率的计算过程,请详见以下所示的计算所述第一区域单元的转移概率的具体过程:
本实施例中,在所述环境数据服务器获取到所述传感器信息后,因勘测人员携带所述智能终端在所述定位区域内进行移动的情况下,所移动的移动轨迹满足预设条件,所述预设条件的具体说明请详见图2所示的实施例,具体在本实施例中不做赘述,则所述环境数据服务器可获取智能终端在所述定位区域内进行移动的转移概率。
本实施例所示在所述定位区域内,勘测人员携带智能终端移动一个目标步长后,可从所述第一区域单元移动到第i个第二区域单元,其中,所述目标步长为勘测人员在所述定位区域内行走过程中所移动的任一步长,对所述第一区域单元的具体说明请详见图3所示实施例,具体在本实施例中不做赘述,在本实施例中,所述第一区域单位为所述环境数据服务器所统计的所述目标步长行进过程中所经过的区域单元,而所述第二区域单元为所述环境数据服务器所统计的所述目标步长的结束位置所位于的区域单元。
其中,所述环境数据服务器对所述定位区域划分所形成的多个区域单元中,与所述第一区域单元相邻有多个第二区域单元,在勘测人员沿不同的方向行进所述目标步长的情况下,所述目标步长的结束位置会位于多个第二区域单元中不同的第二区域单元内。
勘测人员在勘测的过程中,从所述第一区域单位内开始移动所述目标步长的过程中,因勘测人员移动的方向的不同,则直接会导致勘测人员勘测过程具有不同的轨迹,以图6所示为例,其中,图6所示为所述环境数据服务器将所述定位区域划分后所形成的各个区域单元。
在勘测人员位于所述第一区域601内沿第一方向602行进所述目标步长后,所述智能终端即可移动至所述第二区域单元603内部。又如,在勘测人员位于所述第一区域601内沿第二方向604行进所述目标步长后,所述智能终端即可移动至所述第二区域单元605内部。又如,在勘测人员位于所述第一区域601内沿第三方向606行进所述目标步长后,所述智能终端即可移动至所述第二区域单元607内部。以此类推,所述智能终端还可沿如图6所示的第四方向608、第五方向609、第六方向610、第七方向611以及第八方向612行进所述目标步长。
可见,在所述区域单元内没有设置对勘测人员形成遮挡的障碍物的情况下,位于所述第一区域单元内行进所述目标步长的过程中,所述智能终端可能的行进方向有8种,而若所述区域单元内设置有对勘测人员形成遮挡的障碍物的情况下,例如,所述智能终端沿方向609行进所述目标步长的轨迹中,若设置有墙壁等能够对勘测人员形成遮挡的障碍物,则勘测人员将不能够沿方向609行进所述目标步长。
本实施例所示的所述智能终端移动的所述目标步长不大于所述定位区域的边长,所述转移概率transitionP(STEPi)为第一子传感器信息和目标传感器信息的商。
具体的,所述第一子传感器信息为智能终端沿任一方向移动所述目标步长以转移至第i个所述第二区域单元内的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数Ni。
若以图6所示为例,所述智能终端移动所述目标步长时,所沿的方向为方向612为例,则所述智能终端需要采集所述智能终端沿方向612移动所述目标步长过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数Ni,所述智能终端即可将所述被采样的次数Ni上报给所述环境数据服务器。
其中,所述目标传感器信息为位于所述第一区域单元内的所述智能终端,沿所有可以行进的方向移动所述目标步长以使所述智能终端转移至所述第二区域单元内的过程中,所述智能终端在所述第一区域单元内所上报的所有传感器信息被采样的总次数其中,n为所述第二区域单元的数量。
继续以图6所示为例,所述智能终端沿第一方向602行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N1、所述智能终端沿第二方向604行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N2、所述智能终端沿第三方向606行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N3、所述智能终端沿第四方向608行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N4、所述智能终端沿第五方向609行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N5、所述智能终端沿第六方向610行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N6、所述智能终端沿第七方向611行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N7,所述智能终端沿第八方向612行进所述目标步长时,所述智能终端在所述第一区域单元601内所上报的传感器信息被智能终端采样的次数N8,则所述环境数据服务器即可获取所述目标传感器信息为N1+N2+N3+N4+N5+N6+N7+N8。
可见,所述环境数据服务器即可通过如下公式(9)计算出所述第一区域单元的所述转移概率transitionP(STEPi):
其中,分子为位于所述第一区域单元的智能终端移动一个目标步长时转移到第i个第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数,分母为位于所述第一区域单元内的智能终端移动到所有第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的总次数。通过该公式,所述环境数据服务器即可计算出智能终端从一个区域单元到另一个区域单元的转移概率。该过程即完成隐藏马尔可夫模型中的转移概率的准备。
在环境数据服务器获取到第一区域单元的转移概率的情况下,依次类推,所述环境数据服务器即可获取到所述定位区域所包括的任一区域单元的转移概率,则所述环境数据服务器所创建的转移概率序列包括所述定位区域所包括的所有区域单元的转移概率。
在所述环境数据服务器获取转移概率序列的情况下,所述环境数据服务器即可获取输出概率序列。
具体的,本实施例所示的所述环境数据服务器以楼层为单元创建所述输出概率序列,例如,若环境数据服务器创建与室内的15楼对应的输出概率序列,则所述环境数据服务器可统计出位于15楼的所有智能终端上报的所述传感器信息,以使环境数据服务器能够根据位于15楼的所有智能终端上报的所述传感器信息创建出与15楼对应的输出概率序列。
本实施例所示的所述输出概率序列包括所述定位区域的任一区域单元所对应的输出概率,以下对环境数据服务器计算第一区域单元的输出概率为例进行示例性说明,其中,所述第一区域单位为所述定位区域所包括的任一区域单元,对所述定位区域所包括的其他区域单元所对应的输出概率的计算过程,请详见以下所示的计算所述第一区域单元的输出概率的具体过程:
其中,所述第一区域单元的输出概率为环境数据服务器在所述第一区域单元内采集到的所述智能终端所上报的传感器信息与所述第一区域单元的匹配程度,对于所述第一区域单元而言,勘测人员在勘测阶段,每经过一次所述第一区域单元,所述环境数据服务器即可计算出所述第一区域单元的历史匹配度,例如,若在勘测阶段,勘测人员在行进轨迹中,经过所述第一区域单元M次,则所述环境数据服务器即可获取到所述第一区域单元的M个历史匹配度,即所述第一区域单元的历史匹配度的数目与勘测人员经过所述第一区域单元的次数相等。
具体的,所述环境数据服务器确定出所述第一区域单元的所有所述历史匹配度的均值作为所述第一区域单元的输出概率。
更具体的,所述环境数据服务器即可基于公式(10)计算出所述第一区域单元的输出概率matchValue(grldj):
公式(10)中的grldj表示所述第一区域单元,M表示所述环境数据服务器计算出的所述第一区域单元的历史匹配度的数量,而所述matchHistorym表示M个所述历史匹配度中的任一历史匹配度,所述matchHistorym取值范围是[0,1]。
以下对所述环境数据服务器如何计算出所述第一区域单元的目标历史匹配度matchHistorym的过程进行说明,其中,所述目标历史匹配度matchHistorym为所述第一区域单元的M个历史匹配度中的任一个历史匹配度。
首先,以图7所示为例,若本实施例所示的目标步长703为所述智能终端的移动轨迹中的第K个步长,则所述环境数据服务器从所述智能终端所上报的环境中获取第K-1个步长内采集到第二子传感器信息,所述环境数据服务器即可根据所述第二子传感器信息获取到所述智能终端在第K-1个步长的最后时刻的目标航向Azimuth;其中,所述智能终端在第K-1个步长的最后时刻所位于的位置为如图7所示的参考位置702,该所述K为大于等于1的整数;该目标航向即第K-1个步长的行走方向。
其中,所述环境数据服务器可根据所述第二子传感器信息中,由所述智能终端所设置的陀螺仪所上报的角速度或者磁力计所上报的磁场强度进行计算以获取所述目标航向,具体的,所述目标航向是指,按照所述目标航向,经过所述第K-1个步长,所述智能终端移动至所述第一区域单元内的概率。
接着,所述环境数据服务器统计勘测人员在定位区域内移动至所述第一区域单元内的方向序列midAzi,具体的,所述智能终端可沿不同的方向转移至所述第一区域单元,则所述环境数据服务器可统计所述智能终端在所述定位区域内进行移动的方向以及所述智能终端位于所述第一区域单元内各个时间段,则所述环境数据服务器所构建的所述方向序列包括智能终端在所述定位区域内进行移动的方向以及对应的时间段。
然后,所述环境数据服务器统计所述方向序列midAzi所包括的任一方向与所述目标航向Azimuth之间所形成的偏差角度minDiff,所述偏差角度minDiff的单位为角度,且位于区间[-180°,180°]之内。
所述环境数据服务器即可对所述偏差角度minDiff做如下公式(11)所示的归一化处理以获取行进方向匹配度azimuthMatchm:
由公式(11)所示可知,所述环境数据服务器可确定出,在所述环境数据服务器确定出所述方向序列midAzi所包括的第一方向与所述目标航向之间所形成的所述偏差角度minDiff小于10度的情况下,则所述环境数据服务器即可确定出所述第一方向的行进方向匹配度azimuthMatchm=1,在所述环境数据服务器确定出所述方向序列midAzi所包括的第二方向与所述目标航向之间所形成的所述偏差角度minDiff大于30度的情况下,则所述环境数据服务器即可确定出所述第二方向的行进方向匹配度azimuthMatchm=0,而在所述环境数据服务器确定出所述方向序列midAzi所包括的第三方向与所述目标航向之间所形成的所述偏差角度minDiff大于等于10且小于等于30的情况下,则所述环境数据服务器即可确定出所述第三方向的行进方向匹配度azimuthMatchm=1.5-0.05·min Diff。
以下对环境数据服务器如何基于已获取到的所述行进方向匹配度matchHistorym计算所述输出概率的具体过程进行说明:
所述环境数据服务器可通过逻辑回归计算目标地磁信息、行进方向匹配度matchHistorym与所述第一定位区域的匹配度作为所述输出概率。
其中,所述目标地磁信息为所述环境数据服务器获取所述智能终端在移动所述目标步长的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息,并从该传感器信息中提取出的地磁信息。
所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系(local cartesiancoordinates coordinate system,ENU)下,沿与水平面平行的X方向分量值;所述第二分量值magN为在ENU下,与水平面平行Y方向分量值;所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示各方向分量值的测量精度。
所述环境数据服务器可基于逻辑回归计算所述目标历史匹配度matchHistorym。
首先,对逻辑回归进行说明:
假设有一些离散的数据点,用一条直线对这些点进行拟合,这个拟合的过程就是回归。而逻辑回归是线性回归的一种,就是在线性回归的基础上套了一个S型生长曲线(sigmoid)函数,其表达式如公式(12)所示:
具体的,逻辑回归是将一个事件出现的概率适应到一条逻辑曲线上,逻辑曲线是一条S形的曲线,如本实施例所示的sigmoid函数,该sigmoid函数的特点是开始变化快,逐渐减慢,最后饱和,所述sigmoid函数可参见图8所示:
如图8所示,sigmoid函数的优点是它的变量是从负无穷大到正无穷大,而值域范围是[0,1],而由于[0,1]之间的sigmoid函数可以是一个概率函数,这样逻辑回归函数就可以和matchHistorym分布联系起来。
本实施例所示的环境数据服务器可基于公式(13)计算所述第一区域单元所述目标历史匹配度matchHistorym,计算公式具体如下:
X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm},所述第二参数Wi为与所述第一参数Xi对应的权重值,本实施例对所述第二参数Wi的具体取值范围不做限定,可由勘测人员在勘测定位过程中,基于所采集到的数据训练以得到的经验值,例如,本实施例中与X1对应的权重值W1=-2.995624,与X2对应的权重值W2=-0.050082,与X3对应的权重值W3=-0.184297,与X4对应的权重值W4=-0.117742,与X5对应的权重值W5=-0.045686,与X6对应的权重值W6=1.053176。
本实施例所示的环境数据服务器基于已获取的输出概率以及转移概率创建第二指纹库,具体的,因本实施例所示的环境数据服务器以楼层为单元,创建出转移概率序列以及所述输出概率序列,则所述环境数据服务器即可创建出与转移概率序列以及所述输出概率序列楼层对应的第二指纹库,上述示例中,转移概率序列以及所述输出概率序列为与15楼对应的序列,则所创建的所述第二指纹库也与15楼对应。
具体的,本实施例以所述环境数据服务器通过所述传感器信息以获取所述第二指纹库为例进行示例性说明,在其他实施例中,也可由所述智能终端将已获取到的所述第二指纹库发送给所述环境数据服务器,具体在本实施例中不做限定。
更具体的,所述环境数据服务器基于上述步骤所获取到的转移概率序列以及所述输出概率创建呈隐马尔可夫模型(hidden markov model,HMM)的第二指纹库。
更具体的,本实施例所示的环境数据服务器可基于所述输出概率序列和所述转移概率序列构建呈搜索树形式的所述第二指纹库,其中,所述环境数据服务器根据勘测人员所行进的过程中,所经过任一区域单元的输出概率以及转移概率可构建出所述搜索树中的一层。
基于图5所示的第一指纹库以及第二指纹库,以下结合图9所示对定位引擎如何通过所述第一指纹库实现对待定位终端的定位的具体过程进行说明:
步骤901、待定位终端将目标WiFi信息发送给定位引擎。
步骤902、定位引擎接收所述目标WiFi信息。
步骤903、定位引擎计算定位区域单元的目标匹配数值。
步骤904、定位引擎获取匹配列表。
步骤905、定位引擎根据WiFi指纹匹配算法获取第一定位位置。
本实施例所示的步骤901至步骤905的具体执行过程,请详见图4所述的步骤401至步骤405所示,具体执行过程在本实施例中不做赘述。
本实施例所示的室内定位方法包括第一定位阶段以及第二定位阶段,第一定位阶段称为“粗略定位”,第二定位阶段称为“精细定位”。即在所述第一定位阶段(步骤901至步骤905所示),通过WiFi匹配的定位技术确定出待定位对象的初始室内位置(第一定位位置),在所述第二定位阶段以第一定位位置作为中心框定一个呈圆形、正方向等形状的待定位区域,然后在该待定位区域采用地磁匹配技术进一步计算待定位对象的精确位置,通过以下步骤所述对所述第二定位阶段的具体执行过程进行说明:
步骤906、定位引擎确定待定位区域。
因本实施例所示的待定位区域为以第一定位位置作为中心框定一个呈圆形、正方向等形状的待定位区域,可见,所述待定位区域的面积相对于上述所示的定位区域的面积有所缩小,而基于面积已缩小的所述待定位区域进行第二定位阶段的定位,从而提高了定位的准确性。
在所述定位引擎确定出所述第一定位位置的情况下,所述定位引擎即可基于所述第一定位位置确定出所述待定位区域,具体方式可为,所述定位引擎所确定的所述待定位区域的中心为所述初始位置,本实施例对所述待定位区域的形状不做限定,例如,所述待定位区域可为圆形、方向等形状。
继续以图7所示为例,位置点700为所述定位引擎经由步骤905所确定出的所述第一定位位置Dx,则所述定位引擎即可确定出所述待定位区域704,且所述待定位区域704的中心为所述待定位区域。
步骤907、定位引擎获取传感器信息序列。
本实施例所示的定位引擎在接收到所述待定位终端上传的传感器信息后,即可确定出所述传感器信息序列,所述传感器信息序列为所述待定位终端在所述待定位区域内,以用户的步长为单位,所述待定位终端在采集传感器信息的时间点,所上报的传感器信息。
步骤908、定位引擎通过传感器信息序列获取到目标区域单元集合。
具体的,所述定位引擎获取到所述传感器信息序列后,在步骤906所获取到的,且相对于定位区域面积有所所缩小的待定位区域进行地磁匹配,从而计算出传感器信息序列与所述待定位区域内部所包括的所有定位区域单元的匹配度。
更具体的,所述定位引擎在获取到所述传感器信息序列后,所述定位引擎基于维特比算法(Viterbi Algorithm),确定出在呈HMM的所述第二指纹库里,与所述传感器信息序列对应的隐藏状态序列,而本实施例所示的所述隐藏状态序列即为所述定位区域单元集合,所述定位区域单元集合包括在定位阶段,携带所述智能终端的用户行走过程中依次所经过的所有区域单元,可见,本实施例所示的定位区域单元集合包括按智能终端移动轨迹中,按经过的时间顺序由前到后依次经过的区域单元。
所述定位引擎通过所述传感器信息序列可确定出具有不同概率值的多个所述定位区域单元集合,而具有不同概率值的所述定位区域单元集合代表携带所述智能终端的用户在定位阶段所行进的多种可能的行进轨迹,而本实施例所示的定位引擎可确定出具有最大概率值的所述定位区域单元集合用于进行定位。
步骤909、定位引擎确定第二定位位置。
在所述定位引擎获取到所述定位区域单元集合后,所述定位引擎可确定出按用户经过的时间顺序,排序在最后的区域单元的实际位置为所述定位位置。具体的,本实施例所示的定位引擎可通过查询所述第一指纹库的方式,确定出排序在最后的区域单元的实际位置。
步骤910、定位引擎根据所述第二定位位置获取所述待定位终端在未来时刻的移动轨迹。
具体的,本实施例所示的定位引擎以所述第二定位位置作为起始位置、根据步行者航位推算(Pedestrian Dead Reckoning,PDR)推导所述待定位终端在未来时刻的移动轨迹。
更具体的,所述定位引擎可基于PDR算法获取到携带所述待定位终端的用户行进过程中的加速度、角速度、磁力和压力等数据,所述定位引擎即可通过所获取到的数据对用户移动的步长与方向的推算,从而预测出携带所述待定位终端的用户在未来时刻的移动轨迹,所述定位引擎基于所述待定位终端在未来时刻的移动轨迹即可对所述待定位终端提供定位服务。
采用本实施例所示的定位方法,采用HMM的改进维特比算法的定位服务,能够有效的降低了地磁匹配的复杂度和计算量,提升了对待定位终端进行定位的效率和精确度。
上面对本申请实施例的室内定位方法进行了介绍,下面以一个实际的例子对本申请实施例的室内定位方法进行说明,请参阅图1和图10所示,图10是应用本申请所示的室内定位方法的一种室内结构布局示意图。
以图1所示为例,所述定位系统包括设置在定位区域四个角落的定位基站103,各所述定位基站103可使用三架支架固定,并外接独立的锂电池供电。所述定位系统还布置有能够与四个角落的定位基站103进行通信的环境数据服务器104,该环境数据服务器104可以是计算机,例如笔记本电脑等便携机,在本应用场景中,以所述环境数据服务器104为笔记本电脑为例进行示例性说明,所述环境数据服务器104为实现室内定位功能,则本应用场景所示的所述环境数据服务器104运行有UWB客户端程序,从而使得所述环境数据服务器104能够接收到UWB定位终端102和定位基站103向所述环境数据服务器104上报的位置信息,所述环境数据服务器104运行数据采集的服务端程序,所运行的数据采集的服务端程序能够接收到位置信息以及智能终端101上报的环境信息,以生成环境指纹库。
此外,对于进行勘测的人员来说,其身上佩戴有智能终端101和UWB定位终端102,勘测人员携带所述智能终端101的方式不做限定,例如,勘测人员可将智能终端101放置在口袋里携带,还可手拿携带等多种方式,勘测人员携带所述UWB定位终端102的方式可为,将UWB定位终端102过捆扎带固定在安全帽的顶部,由锂电池供电,人工勘测时由勘测人员头戴该安全帽即可。采用安全帽的方式携带所述UWB定位终端102的优势在于,一方面UWB定位终端102不会受到人体的遮挡,勘测人员行走过程中受到障碍物遮挡的可能性比其他安装形式(如:工牌式、手环式)更小;另一方面UWB定位终端102置于头顶与勘测人员实际的运动轨迹最为接近,因运动带来的扰动幅度最小。
图1中的实体箭头是智能终端101向所述环境数据服务器104上报环境信息的传输路径示意,虚线箭头是UWB定位终端102和定位基站103向所述环境数据服务器104上报位置信息的传输路径示意。
图10所示以华为公司南京研究所研发大楼N4的5楼A区的为例进行示例性说明,在华为公司南京研究所研发大楼N4的5楼A区选取其中的方框区域(20米乘13米)的范围为定位区域1001,将该区域记为zone1,在zone1的4个角落布置4个定位基站,具体布置定位基站的结构的说明请详见图1所示,具体不做赘述。
该定位区域1001内包含了7排工位,可到达区域包含1条长过道和6条垂直的短过道。由于定位基站的定位范围的限制,扩大定位范围时,需要移动定位基站圈定另外一个定位区域,为了覆盖全部的可到达区域,相邻的两个定位区域之间需要部分重叠,这样能保证处于相邻定位区域之间的离散化格子的转移概率是连续的,从而有效的保证室内定位的实现。
整个图10所示平面区域的面积为(43.5米+40米)×13米,因此,可划分为7个定位区域,分别即为zone1,zone2,...,zone7,每个zone采集10分钟左右的环境信息以及位置信息以生成所述环境指纹库,对所述环境信息、所述位置信息以及生成所述环境指纹库的具体过程,请详见上述实施例所示,具体不做赘述。
在本应用场景中,UWB定位系统还可以作为在线定位的误差测量工具,具体的,由勘测人员携带智能终端,同时头戴配置了UWB定位终端的安全帽,在定位基站部署范围内自由行走,所述环境数据服务器还可在定位区域1001内再采集5分钟左右的环境信息以及所述位置信息进行模拟测试,以测试在所述定位区域1001内对待定位终端进行定位的准确性以及验证人工勘测数据的有效性。勘测人员在所述定位区域1001内的移动轨迹尽可能地覆盖所有过道和可到达区域。
完成对所述定位区域1001,即zone1环境指纹库的创建后,即可依次对zone2,...,zone7进行环境指纹库的创建,完成整个图10所示区域的勘测耗时约4小时。
人工勘测的结果由上述实施例所示的环境信息以及位置信息组成,以CSV文件保存,数据处理阶段主要对人工勘测阶段的结果进行处理以生成环境指纹,具体的,在数据处理阶段,环境数据服务器104首先读取CSV文件,按预先将定位区域1001划分成多个格子,而每一个格子即为上述实施例所示的区域单元,并创建与每一个区域单元对应的指纹。
环境数据服务器针对WiFi信息,将所述定位区域1001划分成多个区域单元,且每个区域单元为3米×3米的格子,所述环境数据服务器所创建的第一指纹库中,包括有与每个区域单元对应的第一定位指纹,具体过程,请详见上述实施例所示。
环境数据服务器针对传感器信息,将定位区域1001划分成0.3米×0.3米的格子,每个格子作为一个区域单元,基于所划分的区域单元创建第二指纹库,创建第二指纹库的具体说明,请详见上述实施例所示,具体不做赘述。
所述环境数据服务器创建所述第一指纹库和所述第二指纹库后,在待定位终端位于所述定位区域1001内时,基于上述实施例所示的室内定位过程,所述环境数据服务器即可对位于所述定位区域1001内的待定位终端提供定位服务器。
本发明实施例还提供了一种服务器,本实施例所示的服务器用于执行图2至图4所示的创建第一指纹库,并通过第一指纹库实现对待定位终端进行定位的具体过程,具体执行过程请详见图2至图4所示的实施例,具体执行过程在本实施例中不做赘述。
如图11所示,本实施例所示的服务器包括:
接收单元1101,用于接收待定位终端在定位区域内发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
获取单元1102,用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
具体的,所述获取单元1102包括:
第一获取模块11021,用于获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息,所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息;
第一处理模块11022,用于根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息,所述目标位置信息所指示的位置坐标位于所述第一区域单元内;
第二处理模块11023,用于根据所述智能终端上报的所述所有环境信息确定出目标环境信息,所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
第三处理模块11024,用于确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹。
更具体的,所述目标环境信息包括所述WiFi信息,则所述第三处理模块11024包括:
第一计算子模块110241,用于统计所述第一区域单元内,被所述智能终端扫描到的所有AP的总采样次数以及第一目标AP的采样次数Ni,所述第一目标AP为所述第一区域单元内,被所述智能终端扫描到的第i个AP,且所述第一区域单元内,被所述智能终端扫描到的AP的数量为n,所述i以及所述n为大于或等于1的正整数,且所述i小于或等于所述n;
第二计算子模块110242,用于通过如下公式计算所述第一目标AP的出现概率occurenceP(MACi);
第一确定子模块110243,用于确定所述目标定位指纹包括第一定位指纹,所述第一定位指纹包括所述第一目标AP的出现概率occurenceP(MACi)。
第一获取子模块110244,用于获取所述第一目标AP的目标RSSI序列,所述目标RSSI序列包括所述第一目标AP每次被所述智能终端扫描到的RSSI;
第三计算子模块110245,用于根据如下公式计算单个目标高斯分布模型GSM的概率密度函数Norm(RSSI);
第四计算子模块110246,用于根据如下公式计算第一目标AP的高斯混合分布函数gmNorm(RSSI);
第二确定子模块110247,用于确定所述第一定位指纹包括所述第一目标AP的高斯混合分布函数gmNorm(RSSI)。
第三确定子模块110248,用于确定目标位置的位置坐标,所述目标位置为位于所述第一区域单元内的任一位置;
第四确定子模块110249,用于确定所述第一定位指纹包括所述目标位置的位置坐标。
所述环境信息为所述待定位终端在目标时间段内扫描到的WiFi信息,则所述服务器还包括:
第一计算单元1103,用于若所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的一个AP的MAC地址相同,则通过如下公式计算第一目标子匹配数值Px;
Px=log10(occurenceP(MACi).gmNorm(RSSI));
第二计算单元1104,用于根据如下公式计算所述第一区域单元对应的匹配数值;
第三计算单元1105,用于若所述环境信息所包括的任一AP的MAC地址与所述第一定位指纹所包括的任一AP的MAC地址均不相同,则通过如下公式计算第二目标子匹配数值Py;
Py=log10(1-occurenceP(MACi));
第四计算单元1106,用于根据如下公式计算所述第一区域单元对应的匹配数值;
匹配单元1107,用于获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标;
具体的,所述匹配单元1107包括:
第二获取模块11071,用于获取匹配列表,所述匹配列表包括所述定位区域包括的所有区域单元,且所述匹配列表所包括的所有所述区域单元按所述匹配数值由大到小的顺序进行排序;
第三获取模块11072,用于获取所述匹配列表中,排序在前N位的区域单元中任一区域单元所对应的所述目标位置的位置坐标wi;
第四获取模块11073,用于通过如下公式计算第一定位位置坐标Dx;
确定模块11074,用于确定所述定位位置坐标为所述第一定位位置坐标Dx。
采用本实施例所示的服务器的结构,执行室内定位的有益效果的说明,请详见图2至图4所示的实施例,具体在本实施例中不做赘述。
以下结合图12所示对本发明实施例所提供的服务器的另一种结构进行示例性说明,其中,图12所示的服务器用于执行
本实施例所示的服务器用于执行图5以及图9所示的,基于已创建的第一指纹库以及第二指纹库,并通过第一指纹库以及第二指纹库实现对待定位终端进行定位的具体过程,具体执行过程请详见图5以及图9所示的实施例,具体执行过程在本实施例中不做赘述。
如图12所示,本实施例所示的服务器包括:
接收单元1201,用于接收待定位终端在定位区域内发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
获取单元1202,用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
具体的,所述获取单元1202包括:
第一获取模块12021,用于获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息,所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息;
第一处理模块12022,用于根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息,所述目标位置信息所指示的位置坐标位于所述第一区域单元内;
第二处理模块12023,用于根据所述智能终端上报的所述所有环境信息确定出目标环境信息,所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
第三处理模块12024,用于确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹。
其中,所述第三处理模块12024创建所述第一定位指纹的具体结构的说明,请详见图11所示,具体在本实施例中不做赘述,而本实施例所示在所述目标环境信息包括所述WiFi信息以及所述传感器信息的情况下,则所述第三处理模块12024还用于,确定所述目标定位指纹包括所述第一定位指纹以及第二定位指纹,所述第二定位指纹为根据所述传感器信息所获取到的呈隐马尔可夫模型HMM的定位指纹。
为实现基于第二指纹库的室内定位过程,则所述服务器还包括:
第五计算单元1203,用于通过如下公式计算所述第一区域单元的转移概率,所述转移概率transitionP(STEPi)用于进行训练以得到所述第二定位指纹;
其中,分子为位于所述第一区域单元内的携带所述智能终端的勘测人员移动的第k个步长转移至第i个第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的次数,所述第二定位区域为在所述定位区域内与所述第一区域单元相邻的区域单元,且所述第二区域单元的数量为n个,所述n以及所述k为大于或等于1的正整数,分母为位于所述第一区域单元内的所述智能终端移动到所有所述第二区域单元的过程中,所述智能终端在所述第一区域单元内所上报的传感器信息被采样的总次数。
第六计算单元1204,用于根据如下公式计算所述第一区域单元中目标行进方向匹配度azimuthMatchm,所述azimuthMatchm为携带所述智能终端的勘测人员在所述第一区域单元内,沿目标行进方向m进行移动时的行进方向匹配度,所述目标行进方向m为所述智能终端在所述第一区域单元内进行移动的任一方向;
其中,所述minDiff为目标方向序列midAzi所包括的任一方向与目标航向Azimuth之间所形成的偏差角度,所述目标航向Azimuth为携带所述智能终端的勘测人员经过第k-1个步长移动至所述第一区域单元内的概率,所述目标方向序列midAzi包括所述目标行进方向以及目标时间段,所述目标时间段为所述智能终端在所述第一区域单元内沿所述目标行进方向进行移动的时间段;
第一处理单元1205,用于获取目标地磁信息,所述目标地磁信息为携带所述智能终端的勘测人员移动的第k个步长的过程中,所述智能终端在所述第一区域单元内所上报传感器信息所包括的地磁信息,所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系ENU下,沿与水平面平行的X方向分量值,所述第二分量值magN为在ENU下,与水平面平行Y方向分量值,所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示测量精度;
第二处理单元1206,用于根据所述目标地磁信息确定预设输入集合X,其中X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm};
第三处理单元1207,用于通过如下公式计算所述第一区域单元中,与所述目标行进方向对应的目标历史匹配度matchHistorym;
其中,表示对6个目标参数集合XiWi求取S型生长曲线sigmoid函数,所述目标参数集合XiWi包括第一参数Xi以及第二参数Wi,所述第一参数Xi为所述预设输入集合所包括的任一参数,所述第二参数Wi为与所述第一参数Xi对应的权重值;
第四处理单元1208,用于根据如下公式计算所述第一区域单元的输出概率matchValue(grldj)
第五处理单元1209,用于基于所述第一区域单元的转移概率以及所述输出概率创建呈隐马尔可夫模型HMM的第二定位指纹。
匹配单元1210,用于获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标;
具体的,所述匹配单元1210包括:
第一确定模块12101,用于确定待定位区域,所述待定位区域所包括的一个位置的坐标为所述第一定位位置坐标Dx,且所述待定位区域的面积小于所述定位区域的面积;
第二确定模块12102,用于获取待定位终端发送的传感器信息序列,所述传感器信息序列包括目标传感器信息以及目标上报时间点,所述目标传感器信息为所述待定位终端在所述待定位区域内,所上报的至少一个传感器信息中的任一个,所述目标上报时间点为所述待定位终端上报所述目标传感器信息的时间点;
第三确定模块12103,用于基于维特比算法确定出所述第二定位指纹中,与所述传感器信息序列对应,且具有不同概率值的定位区域单元集合,所述定位区域单元集合包括所述智能终端移动过程中按经过的时间顺序由前到后依次经过至少一个区域单元;
第四确定模块12104,用于确定第二定位位置,所述第二定位位置为具有最高概率值的所述定位区域单元中,排序在最后的区域单元所包括的任一位置;
第五确定模块12105,用于确定所述定位位置坐标为所述第二定位位置坐标。
预测单元1211,用于以所述第二定位位置坐标为起始位置,根据步行者航位推算PDR确定出所述待定位终端在未来时刻的移动轨迹。
采用本实施例所示的服务器的结构,执行室内定位的有益效果的说明,请详见图5以及图9所示的实施例,具体在本实施例中不做赘述。
以下结合图13所示从实体硬件的角度对所述服务器的具体结构进行示例性说明,如图13所示,所述服务器1300包括:
接收器1302、发送器1303、一个或多个处理器1301和存储器1304。在本发明的一些实施例中,接收器1302、发送器1303、一个或多个处理器1301和存储器1304可通过总线或其它方式连接,其中,图13中以通过总线连接为例。
其中所述一个或多个程序被存储在所述存储器1304中,所述一个或多个程序包括指令,所述指令当被所述服务器执行时使所述服务器执行如上述实施例所示的室内定位方法,具体执行过程,请详见上述所示,具体在本实施例中不做赘述。
本发明实施例还提供了一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被服务器执行时使所述服务器执行如上述实施例所示的室内定位方法,具体执行过程,请详见上述所示,具体在本实施例中不做赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的和范围。
Claims (21)
1.一种室内定位方法,其特征在于,包括:
接收待定位终端在定位区域内发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标;
获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息,所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息;
根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息,所述目标位置信息所指示的位置坐标位于所述第一区域单元内;
根据所述智能终端上报的所述所有环境信息确定出目标环境信息,所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹;
所述目标环境信息包括所述WiFi信息以及所述传感器信息,则所述确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹包括:确定所述目标定位指纹包括第一定位指纹以及第二定位指纹,所述第一定位指纹包括第一目标AP的出现概率occurenceP(MACi),所述第二定位指纹为根据所述传感器信息所获取到的呈隐马尔可夫模型HMM的定位指纹;
统计所述第一区域单元内,被所述智能终端扫描到的所有AP的总采样次数以及第一目标AP的采样次数Ni,所述第一目标AP为所述第一区域单元内,被所述智能终端扫描到的第i个AP,且所述第一区域单元内,被所述智能终端扫描到的AP的数量为n,所述i以及所述n为大于或等于1的正整数,且所述i小于或等于所述n;
通过如下公式计算所述第一目标AP的出现概率occurenceP(MACi);
确定所述目标定位指纹包括第一定位指纹,所述第一定位指纹包括所述第一目标AP的出现概率occurenceP(MACi);
通过如下公式计算所述第一区域单元的转移概率transitionP(STEPi),所述转移概率transitionP(STEPi)用于进行训练以得到所述第二定位指纹;
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹包括:
获取所述第一目标AP的目标RSSI序列,所述目标RSSI序列包括所述第一目标AP每次被所述智能终端扫描到的RSSI;
根据如下公式计算单个目标高斯分布模型GSM的概率密度函数Norm(RSSI);
根据如下公式计算第一目标AP的高斯混合分布函数gmNorm(RSSI);
确定所述第一定位指纹包括所述第一目标AP的高斯混合分布函数gmNorm(RSSI)。
3.根据权利要求2所述的方法,其特征在于,所述确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹包括:
确定目标位置的位置坐标,所述目标位置为位于所述第一区域单元内的任一位置;
确定所述第一定位指纹包括所述目标位置的位置坐标。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据如下公式计算所述第一区域单元中目标行进方向匹配度azimuthMatchm,所述azimuthMatchm为携带所述智能终端的勘测人员在所述第一区域单元内,沿目标行进方向m进行移动时的行进方向匹配度,所述目标行进方向m为所述智能终端在所述第一区域单元内进行移动的任一方向;
其中,所述minDiff为目标方向序列midAzi所包括的任一方向与目标航向Azimuth之间所形成的偏差角度,所述目标航向Azimuth为携带所述智能终端的勘测人员经过第k-1个步长移动至所述第一区域单元内的概率,所述目标方向序列midAzi包括所述目标行进方向以及目标时间段,所述目标时间段为所述智能终端在所述第一区域单元内沿所述目标行进方向进行移动的时间段;
获取目标地磁信息,所述目标地磁信息为携带所述智能终端的勘测人员移动的第k个步长的过程中,所述智能终端在所述第一区域单元内所上报传感器信息所包括的地磁信息,所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系ENU下,沿与水平面平行的X方向分量值,所述第二分量值magN为在ENU下,与水平面平行Y方向分量值,所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示测量精度;
根据所述目标地磁信息确定预设输入集合X,其中X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm};
通过如下公式计算所述第一区域单元中,与所述目标行进方向对应的目标历史匹配度matchHistorym;
其中,表示对6个目标参数集合XiWi求取S型生长曲线sigmoid函数,所述目标参数集合XiWi包括第一参数Xi以及第二参数Wi,所述第一参数Xi为所述预设输入集合所包括的任一参数,所述第二参数Wi为与所述第一参数Xi对应的权重值;
根据如下公式计算所述第一区域单元的输出概率matchValue(grldj)
基于所述第一区域单元的转移概率以及所述输出概率创建呈隐马尔可夫模型HMM的第二定位指纹。
8.根据权利要求7所述的方法,其特征在于,所述通过如下公式计算第一定位位置坐标Dx之后,所述方法还包括:
确定待定位区域,所述待定位区域所包括的一个位置的坐标为所述第一定位位置坐标Dx,且所述待定位区域的面积小于所述定位区域的面积;
获取待定位终端发送的传感器信息序列,所述传感器信息序列包括目标传感器信息以及目标上报时间点,所述目标传感器信息为所述待定位终端在所述待定位区域内,所上报的至少一个传感器信息中的任一个,所述目标上报时间点为所述待定位终端上报所述目标传感器信息的时间点;
基于维特比算法确定出所述第二定位指纹中,与所述传感器信息序列对应,且具有不同概率值的定位区域单元集合,所述定位区域单元集合包括所述智能终端移动过程中按经过的时间顺序由前到后依次经过至少一个区域单元;
确定第二定位位置,所述第二定位位置为具有最高概率值的所述定位区域单元中,排序在最后的区域单元所包括的任一位置;
确定所述定位位置坐标为所述第二定位位置坐标。
9.根据权利要求8所述的方法,其特征在于,所述确定第二定位位置之后,所述方法还包括:
以所述第二定位位置坐标为起始位置,根据步行者航位推算PDR确定出所述待定位终端在未来时刻的移动轨迹。
10.一种服务器,其特征在于,包括:
接收单元,用于接收待定位终端在定位区域内发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
获取单元,用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的智能终端发送的环境信息,所述目标位置信息为超宽带UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
匹配单元,用于获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标;
所述获取单元包括:
第一获取模块,用于获取所述智能终端在所述定位区域内移动的过程中,所述智能终端每隔预设周期上报的在所述预设周期内所述智能终端扫描到的所有环境信息和所述UWB定位系统上报的所有位置信息,所述所有位置信息中的一个位置信息用于指示所述智能终端发送所述所有环境信息中的一个环境信息时的位置坐标,所述环境信息包括无线保真WiFi信息和/或传感器信息,所述WiFi信息包括所述智能终端扫描到的每个无线网络接入点AP的媒体介质控制MAC地址和接收信号强度指示RSSI数据,所述传感器信息为所述智能终端的传感器所采集到的信息;
第一处理模块,用于根据所述UWB定位系统上报的所述所有位置信息确定出目标位置信息,所述目标位置信息所指示的位置坐标位于所述第一区域单元内;
第二处理模块,用于根据所述智能终端上报的所述所有环境信息确定出目标环境信息,所述目标环境信息为所述智能终端在所述第一区域单元内所上报的环境信息;
第三处理模块,用于确定所述目标定位指纹为包括有所述目标位置信息和所述目标环境信息的定位指纹;
所述目标环境信息包括所述WiFi信息以及所述传感器信息,则所述第三处理模块还用于,确定所述目标定位指纹包括第一定位指纹以及第二定位指纹,所述第一定位指纹包括第一目标AP的出现概率occurenceP(MACi),所述第二定位指纹为根据所述传感器信息所获取到的呈隐马尔可夫模型HMM的定位指纹;
所述第三处理模块包括:
第一计算子模块,用于统计所述第一区域单元内,被所述智能终端扫描到的所有AP的总采样次数以及第一目标AP的采样次数Ni,所述第一目标AP为所述第一区域单元内,被所述智能终端扫描到的第i个AP,且所述第一区域单元内,被所述智能终端扫描到的AP的数量为n,所述i以及所述n为大于或等于1的正整数,且所述i小于或等于所述n;
第二计算子模块,用于通过如下公式计算所述第一目标AP的出现概率occurenceP(MACi);
第一确定子模块,用于确定所述目标定位指纹包括第一定位指纹,所述第一定位指纹包括所述第一目标AP的出现概率occurenceP(MACi);
所述服务器还包括:
第五计算单元,用于通过如下公式计算所述第一区域单元的转移概率transitionP(STEPi),所述转移概率transitionP(STEPi)用于进行训练以得到所述第二定位指纹;
11.根据权利要求10所述的服务器,其特征在于,所述第三处理模块包括:
第一获取子模块,用于获取所述第一目标AP的目标RSSI序列,所述目标RSSI序列包括所述第一目标AP每次被所述智能终端扫描到的RSSI;
第三计算子模块,用于根据如下公式计算单个目标高斯分布模型GSM的概率密度函数Norm(RSSI);
第四计算子模块,用于根据如下公式计算第一目标AP的高斯混合分布函数gmNorm(RSSI);
第二确定子模块,用于确定所述第一定位指纹包括所述第一目标AP的高斯混合分布函数gmNorm(RSSI)。
12.根据权利要求11所述的服务器,其特征在于,所述第三处理模块包括:
第三确定子模块,用于确定目标位置的位置坐标,所述目标位置为位于所述第一区域单元内的任一位置;
第四确定子模块,用于确定所述第一定位指纹包括所述目标位置的位置坐标。
16.根据权利要求10所述的服务器,其特征在于,所述服务器还包括:
第六计算单元,用于根据如下公式计算所述第一区域单元中目标行进方向匹配度azimuthMatchm,所述azimuthMatchm为携带所述智能终端的勘测人员在所述第一区域单元内,沿目标行进方向m进行移动时的行进方向匹配度,所述目标行进方向m为所述智能终端在所述第一区域单元内进行移动的任一方向;
其中,所述minDiff为目标方向序列midAzi所包括的任一方向与目标航向Azimuth之间所形成的偏差角度,所述目标航向Azimuth为携带所述智能终端的勘测人员经过第k-1个步长移动至所述第一区域单元内的概率,所述目标方向序列midAzi包括所述目标行进方向以及目标时间段,所述目标时间段为所述智能终端在所述第一区域单元内沿所述目标行进方向进行移动的时间段;
第一处理单元,用于获取目标地磁信息,所述目标地磁信息为携带所述智能终端的勘测人员移动的第k个步长的过程中,所述智能终端在所述第一区域单元内所上报传感器信息所包括的地磁信息,所述目标地磁信息包括第一分量值magE、第二分量值magN、第三分量值magU以及地磁精度值magVal,其中,所述第一分量值magE为在站心坐标系ENU下,沿与水平面平行的X方向分量值,所述第二分量值magN为在ENU下,与水平面平行Y方向分量值,所述第三分量值magU为在ENU下,与水平面垂直的Z方向垂直分量值;所述地磁精度值magVal表示测量精度;
第二处理单元,用于根据所述目标地磁信息确定预设输入集合X,其中X={X1=1,X2=magE,X3=magN,X4=magU,X5=magVal,X6=azimthMatchm};
第三处理单元,用于通过如下公式计算所述第一区域单元中,与所述目标行进方向对应的目标历史匹配度matchHistorym;
其中,表示对6个目标参数集合XiWi求取S型生长曲线sigmoid函数,所述目标参数集合XiWi包括第一参数Xi以及第二参数Wi,所述第一参数Xi为所述预设输入集合所包括的任一参数,所述第二参数Wi为与所述第一参数Xi对应的权重值;
第四处理单元,用于根据如下公式计算所述第一区域单元的输出概率matchValue(grldj);
第五处理单元,用于基于所述第一区域单元的转移概率以及所述输出概率创建呈隐马尔可夫模型HMM的第二定位指纹。
17.根据权利要求16所述的服务器,其特征在于,所述匹配单元还包括:
第一确定模块,用于确定待定位区域,所述待定位区域所包括的一个位置的坐标为所述第一定位位置坐标Dx,且所述待定位区域的面积小于所述定位区域的面积;
第二确定模块,用于获取待定位终端发送的传感器信息序列,所述传感器信息序列包括目标传感器信息以及目标上报时间点,所述目标传感器信息为所述待定位终端在所述待定位区域内,所上报的至少一个传感器信息中的任一个,所述目标上报时间点为所述待定位终端上报所述目标传感器信息的时间点;
第三确定模块,用于基于维特比算法确定出所述第二定位指纹中,与所述传感器信息序列对应,且具有不同概率值的定位区域单元集合,所述定位区域单元集合包括所述智能终端移动过程中按经过的时间顺序由前到后依次经过至少一个区域单元;
第四确定模块,用于确定第二定位位置,所述第二定位位置为具有最高概率值的所述定位区域单元中,排序在最后的区域单元所包括的任一位置;
第五确定模块,用于确定所述定位位置坐标为所述第二定位位置坐标。
18.根据权利要求17所述的服务器,其特征在于,所述服务器还包括:
预测单元,用于以所述第二定位位置坐标为起始位置,根据步行者航位推算PDR确定出所述待定位终端在未来时刻的移动轨迹。
19.一种定位系统,其特征在于,包括服务器、待定位终端、智能终端以及超宽带UWB定位系统,所述服务器如权利要求10至权利要求18任一项所示;
所述待定位终端用于在定位区域内向所述服务器发送的环境信息,所述环境信息为待定位终端所检测到的信息,且在所述待定位终端所处位置不同时,所述待定位终端所检测到的所述环境信息不同;
所述服务器用于获取与所述定位区域对应的环境指纹库,所述环境指纹库包括至少一个定位指纹,所述定位区域包括至少一个区域单元,其中,目标定位指纹与第一区域单元对应,所述目标定位指纹为所述至少一个定位指纹中的一个定位指纹,所述第一区域单元为所述至少一个区域单元中的一个区域单元,所述目标定位指纹包括目标环境信息和目标位置信息,所述目标环境信息为移动至所述第一区域单元内的所述智能终端发送的环境信息,所述目标位置信息为所述UWB定位系统发送的用于指示所述智能终端发送所述目标环境信息时的位置坐标;
所述服务器还用于,获取所述环境指纹库中,与所述环境信息对应的定位位置坐标,所述定位位置坐标为所述待定位终端在所述定位区域内的位置坐标。
20.一种服务器,其特征在于,包括:
一个或多个处理器、存储器、总线系统、以及一个或多个程序,所述处理器和所述存储器通过所述总线系统相连;
其中所述一个或多个程序被存储在所述存储器中,所述一个或多个程序包括指令,所述指令当被所述服务器执行时使所述服务器执行如权利要求1至9任一项所述的方法。
21.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当被服务器执行时使所述服务器执行如权利要求1至9任一项所述的方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810025177 | 2018-01-11 | ||
CN2018100251775 | 2018-01-11 | ||
CN201810564917 | 2018-06-04 | ||
CN2018105649172 | 2018-06-04 | ||
PCT/CN2018/090238 WO2019136918A1 (zh) | 2018-01-11 | 2018-06-07 | 一种室内定位的方法、服务器及定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111919476A CN111919476A (zh) | 2020-11-10 |
CN111919476B true CN111919476B (zh) | 2021-11-02 |
Family
ID=67218191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880085542.XA Active CN111919476B (zh) | 2018-01-11 | 2018-06-07 | 一种室内定位的方法、服务器及定位系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111919476B (zh) |
WO (1) | WO2019136918A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112533144B (zh) * | 2019-09-19 | 2023-07-18 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
CN111007455B (zh) * | 2019-10-16 | 2024-04-30 | 张苏 | 定位系统及方法、数据库、神经网络模型训练方法 |
CN111988739B (zh) * | 2020-08-06 | 2023-05-02 | 普玄物联科技(杭州)有限公司 | 一种高精度定位的商场导购系统及其应用方法 |
CN112235724B (zh) * | 2020-10-12 | 2022-05-17 | 腾讯科技(深圳)有限公司 | 室内定位方法、装置、电子设备及计算机可读存储介质 |
CN112566055B (zh) * | 2020-11-27 | 2022-06-10 | 巢湖学院 | 一种基于射频指纹匹配的室内定位算法 |
CN112396658B (zh) * | 2020-11-30 | 2024-03-19 | 同济人工智能研究院(苏州)有限公司 | 一种基于视频的室内人员定位方法及定位系统 |
CN112468228B (zh) * | 2020-12-10 | 2022-05-13 | Oppo广东移动通信有限公司 | LiFi通信优化方法及相关装置 |
CN112627898A (zh) * | 2020-12-31 | 2021-04-09 | 兰州资源环境职业技术学院 | 一种矿山安全用井下人员定位系统 |
CN112887902B (zh) * | 2021-01-22 | 2021-12-21 | 湖南大学 | 一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法 |
CN112947451B (zh) * | 2021-02-22 | 2022-09-27 | 浙江纳特智能网络工程有限公司 | 基于无线通信定位的智慧社区人员监管系统 |
CN113093105B (zh) * | 2021-04-09 | 2023-09-12 | 中国人民解放军战略支援部队信息工程大学 | 可见光室内定位方法、装置、系统及相关产品 |
CN115379001B (zh) * | 2021-05-06 | 2023-11-17 | 云米互联科技(广东)有限公司 | 智能设备位置的展示控制方法及装置 |
CN113566820B (zh) * | 2021-06-17 | 2023-05-16 | 电子科技大学 | 一种基于位置指纹和pdr算法的融合人行定位方法 |
CN113419214B (zh) * | 2021-06-22 | 2022-08-30 | 桂林电子科技大学 | 一种目标不携带设备的室内定位方法 |
CN115865860A (zh) * | 2021-09-22 | 2023-03-28 | 维沃移动通信有限公司 | 感知定位方法、装置及通信设备 |
CN113965989B (zh) * | 2021-10-18 | 2024-07-02 | 歌尔科技有限公司 | 定位方法、设备、系统及存储介质 |
CN114302326B (zh) * | 2021-12-24 | 2023-05-23 | 珠海优特电力科技股份有限公司 | 定位区域的确定方法、定位方法、装置和定位设备 |
CN114526741B (zh) * | 2022-03-14 | 2024-05-24 | 桂林电子科技大学 | 对象定位方法、电子设备以及存储介质 |
CN114740425A (zh) * | 2022-04-25 | 2022-07-12 | 成都博信物联科技有限公司 | 一种融合路径规划信息的蓝牙定位方法及其系统 |
CN117092586A (zh) * | 2022-05-12 | 2023-11-21 | 华为技术有限公司 | 室内定位方法、装置、电子设备及介质 |
CN114845388B (zh) * | 2022-05-17 | 2023-02-28 | 电子科技大学 | 一种分方向熵加权wknn的位置指纹室内定位方法 |
CN116095610B (zh) * | 2023-04-10 | 2023-09-08 | 荣耀终端有限公司 | 识别轨迹的方法、装置、服务器及计算机可读存储介质 |
CN117440323B (zh) * | 2023-12-20 | 2024-03-05 | 广东省人民医院 | 一种健康体检引导方法及系统 |
CN117460047B (zh) * | 2023-12-26 | 2024-03-26 | 汉朔科技股份有限公司 | 一种终端定位方法、装置、设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139902A (zh) * | 2011-11-23 | 2013-06-05 | 京信通信系统(中国)有限公司 | 一种无线定位方法、装置及系统 |
CN104813186A (zh) * | 2012-12-14 | 2015-07-29 | 苹果公司 | 使用指纹数据进行位置确定 |
CN105072580A (zh) * | 2015-08-25 | 2015-11-18 | 深圳先进技术研究院 | 基于扫地机器人的wifi指纹地图自动采集系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100932271B1 (ko) * | 2007-12-07 | 2009-12-16 | 한국전자통신연구원 | 실내 무선 측위를 위한 핑거프린트 데이터베이스 자동 생성방법 |
US9758183B2 (en) * | 2014-09-30 | 2017-09-12 | Apple Inc. | Location fingerprinting for transit systems |
-
2018
- 2018-06-07 WO PCT/CN2018/090238 patent/WO2019136918A1/zh active Application Filing
- 2018-06-07 CN CN201880085542.XA patent/CN111919476B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139902A (zh) * | 2011-11-23 | 2013-06-05 | 京信通信系统(中国)有限公司 | 一种无线定位方法、装置及系统 |
CN104813186A (zh) * | 2012-12-14 | 2015-07-29 | 苹果公司 | 使用指纹数据进行位置确定 |
CN105072580A (zh) * | 2015-08-25 | 2015-11-18 | 深圳先进技术研究院 | 基于扫地机器人的wifi指纹地图自动采集系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019136918A1 (zh) | 2019-07-18 |
CN111919476A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111919476B (zh) | 一种室内定位的方法、服务器及定位系统 | |
Hayward et al. | A survey of indoor location technologies, techniques and applications in industry | |
Li et al. | Top 10 technologies for indoor positioning on construction sites | |
CN104574386B (zh) | 一种基于三维环境模型匹配的室内定位方法 | |
Barsocchi et al. | A multisource and multivariate dataset for indoor localization methods based on WLAN and geo-magnetic field fingerprinting | |
Chung et al. | Indoor location sensing using geo-magnetism | |
JP5515647B2 (ja) | 測位装置 | |
Mathisen et al. | A comparative analysis of Indoor WiFi Positioning at a large building complex | |
WO2017121168A1 (zh) | 簇式磁场定位的方法、装置和系统 | |
CN104333903A (zh) | 基于rssi和惯性测量的室内多目标的定位系统和方法 | |
CN103809153A (zh) | 用于两个通信装置之间的准确的直线距离估计的方法和系统 | |
KR20170091811A (ko) | 블루투스 비콘의 rssi와 보행자 패턴의 가중치를 이용한 실내 위치 측위 방법 | |
CN106248107A (zh) | 一种基于室内地磁轨迹匹配的航迹推断校准方法和装置 | |
CN111007455A (zh) | 定位系统及方法、数据库、神经网络模型训练方法 | |
Campana et al. | Towards an indoor navigation system using Bluetooth Low Energy Beacons | |
Khassanov et al. | Finer-level sequential wifi-based indoor localization | |
Seco et al. | RFID-based centralized cooperative localization in indoor environments | |
CN105044659B (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
CN114758364B (zh) | 基于深度学习的工业物联网场景融合定位方法及系统 | |
CN107659918B (zh) | 一种智能跟随的方法及系统 | |
Wei et al. | MM-Loc: Cross-sensor indoor smartphone location tracking using multimodal deep neural networks | |
Truong-Quang et al. | Maximum convergence algorithm for WiFi based indoor positioning system | |
US10914793B2 (en) | Method and system for magnetometer calibration | |
Kumar et al. | H2LWRF-PDR: An efficient indoor positioning algorithm using a single Wi-Fi access point and Pedestrian Dead Reckoning | |
Zhang et al. | Noise reduction for radio map crowdsourcing building in WLAN indoor localization system |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210419 Address after: Unit 3401, unit a, building 6, Shenye Zhongcheng, No. 8089, Hongli West Road, Donghai community, Xiangmihu street, Futian District, Shenzhen, Guangdong 518040 Applicant after: Honor Device Co.,Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Applicant before: HUAWEI TECHNOLOGIES Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |