CN113852911A - 基于指纹库和pdr推算的融合定位方法及指纹库更新方法 - Google Patents

基于指纹库和pdr推算的融合定位方法及指纹库更新方法 Download PDF

Info

Publication number
CN113852911A
CN113852911A CN202111128116.XA CN202111128116A CN113852911A CN 113852911 A CN113852911 A CN 113852911A CN 202111128116 A CN202111128116 A CN 202111128116A CN 113852911 A CN113852911 A CN 113852911A
Authority
CN
China
Prior art keywords
positioning
fingerprint
point
pdr
pospdr
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
Application number
CN202111128116.XA
Other languages
English (en)
Other versions
CN113852911B (zh
Inventor
陈金龙
秦兴国
裴允杰
杨天乐
黄贞平
刘忞劼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202111128116.XA priority Critical patent/CN113852911B/zh
Publication of CN113852911A publication Critical patent/CN113852911A/zh
Application granted granted Critical
Publication of CN113852911B publication Critical patent/CN113852911B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • 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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及室内外定位技术领域，尤其涉及一种基于指纹库和PDR推算的融合定位方法及指纹库更新方法，所述融合定位方法包括如下步骤，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，获取该位置指纹定位坐标posRSSI；若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标。若posPDR与posRSSI的差值不小于指纹库中相邻的两个指纹距离，则对上一个定位点投票，投票值在规定期限内超过规定值时，即可以对该点的指纹进行更新。本发明的定位方法精度高，指纹库更新及时效率高。

Description

基于指纹库和PDR推算的融合定位方法及指纹库更新方法
技术领域
本发明属于室内外定位技术领域，尤其涉及一种基于指纹库及PDR推算的融合定位方法及指纹库更新方法。
背景技术
采用指纹地图对客户端进行定位是室内定位技术领域常用的方法，因为设备噪声、外界干扰等原因，信号强度呈现随机跳动状态，因此仅仅依靠指纹法定位获得的结果是不连续也不稳定的，这种不稳定性表现在即使终端原地不动，计算的实时位置也会在真实位置附近跳动，这种现象称为漂移。对于较小面积的场所和细粒度的定位需求来说，单独使用指纹法来进行连续定位是不合理，基于传感器的航位推算技术（PDR）定位由于数学迭代求和的方法，每次迭代都依赖上一次迭代的结果，因此具有连续性好的优点，然而传感器数据的测量不可避免地存在误差，从而使计算结果产生误差，这种误差会随着每一次迭代计算而累积，即航位推算算法短期精度较好，而长期精度较差。不同的技术实现手段各有优缺点，依靠单一技术的改进实现系统整体性能的提升变得日益困难，将指纹定位与PDR定位融合，达到提高定位精度是本领域重要的研究课题。另外，指纹库根据使用情况进行定期更新是确保指纹定位精度的重要方法，现有技术通常是利用专业人员线下采集并将整个指纹库更新，这种方法效率低下，成本很高。
发明内容
本发明的目的在于克服现有技术不足，提供一种基于指纹库和PDR推算的融合定位方法。
实现上述目的技术方案为，
一种基于指纹库和PDR推算的融合定位方法，PDR推算包括步态检测，步长推算，方位推算，所述融合定位方法包括如下步骤，
步骤一，通过指纹定位获取初始坐标；
步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；
步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；
步骤四，根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标；
步骤五，重复步骤二至步骤四，直到定位结束。
进一步，所述步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，从中检测阈值进行计步。
进一步，所述步长推算模型为基于Weinberg approach的非线性步长推算模型，其公式计算为
Figure DEST_PATH_IMAGE001
，式中
Figure 514634DEST_PATH_IMAGE002
表示一步内最 大加速度，
Figure DEST_PATH_IMAGE003
表示一步内最小加速度，
Figure 574732DEST_PATH_IMAGE004
和
Figure DEST_PATH_IMAGE005
为模型系数。该模型在一般非线性步长推 算模型的基础上将行走时间考虑在内，解决快速行走时精度大幅下降的现象。
进一步，所述方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向。
进一步，所述指纹定位根据KNN算法计算获得。
上述基于指纹库和PDR推算的融合定位方法，以指纹库和PDR推算融合的定位数据作为下一次PDR定位的初始数据，且每一次PDR定位后都根据指纹库和PDR推算融合的定位数据对步长推算模型的参数进行调整以优化模型，以提高定位精度。
本发明基于上述的融合定位方法，还提供一种快捷判断指纹过期并对其进行更新的指纹库更新方法，包括如下步骤，
S1，设定指纹库中每个点的初始投票数为0，每次PDR定位时，保留上一个定位点的信息；
S2，上述的融合定位方法步骤三中，若posPDR与posRSSI的差值大于或等于指纹库中相邻的两个指纹距离，则回退到上一个定位点，以该定位点为中心，对其八邻域的范围的投票数加1，并将此时的RSSI信息记录在这个中心处；
S3，针对在规定时间内且投票数大于该点构建指纹需要测量的数量的点进行指纹更新，如果该点的八领域不重叠，分别统计该点八邻域记录的rssi信息来更新该点的指纹信息，否则将重叠部分的rssi信息分别与不同的非重叠部分的均值对比，将重叠部分的rssi信息划分到更相近的非重叠部分的rssi信息，再分别统计该点八邻域记录的rssi信息来更新该点的指纹信息。所述规定时间一般以应用场景需要确定，例如一个旅游景点，通常以一天时间为准。
上述指纹库更新方法，建立在指纹指纹库和PDR推算的融合定位方法基础上，以posPDR与posRSSI的差值超过两个相邻指纹的距离为参考，进行投票，投票数在规定时间内超过构建该点处指纹需要测量的数量判定该点指纹已经过期，必须更新，依赖融合定位中获得的有关数据即可对该点进行快捷更新。该方法能够快速判断指纹过期并对其进行有效的自动更新，效率高且成本低。
附图说明
图1为本发明实施例的基于指纹库和PDR推算的融合定位方法和指纹库更新方法的流程图；
图2为使用本发明本实施例的融合定位方法和现有技术定位方法的轨迹对比图；
图3采用本发明实施例的指纹库更新方法使用到的投票示意图。
具体实施方式
以下结合实施例对本发明进行具体的说明。
参见图1， 一种基于指纹库和PDR推算的融合定位方法，PDR推算的步长推算为基于Weinberg approach的非线性步长估计模型，其公式计算为
Figure 391509DEST_PATH_IMAGE001
，式中
Figure 881790DEST_PATH_IMAGE002
表示一步内最 大加速度，
Figure 134916DEST_PATH_IMAGE003
表示一步内最小加速度，
Figure 437853DEST_PATH_IMAGE004
和
Figure 561667DEST_PATH_IMAGE005
为模型系数，融合定位方法包括如下步 骤，
步骤一，通过指纹定位获取初始坐标；
步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；
步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；
步骤四，根据posFinal调整步长估计模型系数
Figure 49280DEST_PATH_IMAGE006
和
Figure 38970DEST_PATH_IMAGE007
，使步长推算模型更优，本实 施例中，可以通过先保证
Figure 394865DEST_PATH_IMAGE006
参数不变，更新
Figure 655076DEST_PATH_IMAGE007
参数（当然也可以通过先保证
Figure 48012DEST_PATH_IMAGE007
参数不变，更 新
Figure 275731DEST_PATH_IMAGE006
参数，以下步骤对应改变），下次优化时，保证参数不变，更新
Figure 421935DEST_PATH_IMAGE006
参数，使得步长估计模型 不断得到优化，并将posFinal设定为下一次PDR定位的初始坐标；
步骤五，重复步骤二至步骤四，直到定位结束；
本实施例中，步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，从中检测阈值进行计步；
本实施例中，方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向；
本实施例中，指纹定位根据KNN算法计算获得。
为检验上述的融合定位方法，发明人在一个50*50的室内场地中，每隔5米放置一个蓝牙信标，每隔一米建立一个参考点，测试人员手持安卓8.0版本的智能手机，打开蓝牙，运行导航系统，沿规划路径分别使用本发明的融合定位方法、现有的融合定位方法和仅使用PDR定位的方法的行走，图2为三次行走获得的连续定位点形成行动轨迹与规划路径的对比图，该图清楚显示本发明的融合定位方法获得的轨迹图与规划路径最接近，说明本发明的融合定位方法定位精度最好。
一种基于上述的融合定位方法的指纹库更新方法，包括如下步骤，
S1，设定指纹库中每个点的初始投票数为0，每次PDR定位时，保留上一个定位点的信息；
S2，上述步骤三中，若posPDR与posRSSI的差值大于或等于指纹库中相邻的两个指纹距离，则回退到上一个定位点，以该定位点为中心，八邻域的范围的投票数加1，并将此时的RSSI信息记录在这个中心处；
S3，针对在规定时间内且投票数大于该点构建指纹需要测量的数量的点进行指纹更新，如果该点的八领域不重叠，分别统计该点八邻域记录的rssi信息来更新该点的指纹信息，否则，将重叠部分的rssi信息分别与不同的非重叠部分的均值对比，将重叠部分的rssi信息划分到更相近的非重叠部分的rssi信息，再分别统计该点八邻域记录的rssi信息来更新该点的指纹信息。图3所示为指纹定位和PDR定位差值大于相邻的两个指纹距离进行的投票图，箭头代表的是未超过两个指纹距离时行人的轨迹。

Claims (6)

1.一种基于指纹库和PDR推算的融合定位方法，PDR推算包括步态检测，步长推算，方位推算，其特征为，包括如下步骤，
步骤一，通过指纹定位获取初始坐标；
步骤二，初始坐标结合PDR推算，获取定位点的位置坐标posPDR，且在该定位点采用指纹定位，获取位置坐标posRSSI；
步骤三，若posPDR与posRSSI的差值小于指纹库中相邻的两个指纹距离，对posPDR与posRSSI使用互补滤波处理得到posFinal，则posFinal为该定位点的最终坐标；
步骤四，根据posFinal调整步长推算模型中的参数使步长推算模型更优，并将posFinal设定为下一次PDR定位的初始坐标；
步骤五，重复步骤二至步骤四，直到定位结束。
2.根据权利要求1所述的融合定位方法，其特征为，所述步态检测包括如下步骤，采集移动设备中的加速度传感器的值绘制信号图像，通过高斯平滑滤波去噪，，从中检测阈值进行计步。
3.根据权利要求1所述的融合定位方法，其特征为，所述步长推算模型为基于Weinbergapproach的非线性步长估计模型，其公式计算为
Figure RE-374706DEST_PATH_IMAGE001
，式中
Figure RE-354164DEST_PATH_IMAGE002
表示一步内最大加速度，
Figure RE-868322DEST_PATH_IMAGE003
表示一步内最小加速度，
Figure RE-DEST_PATH_IMAGE004
和
Figure RE-644558DEST_PATH_IMAGE005
为模型系数。
4.根据权利要求1所述的融合定位方法，其特征为，所述方位推算包括如下步骤，使用互补滤波将移动设备中的加速度计测量的航向角和陀螺仪测量的航向角融合处理，获得最终估算的行走方向。
5.根据权利要求1所述的融合定位方法，其特征为，所述指纹定位根据KNN算法计算获得。
6.一种基于权利要求1所述的融合定位方法的指纹库更新方法，其特征为，包括如下步骤，
S1，设定指纹库中每个点的初始投票数为0，每次PDR定位时，保留上一个定位点的信息； S2，所述步骤三中，若posPDR与posRSSI的差值大于或等于指纹库中相邻的两个指纹距离，则回退到上一个定位点，以该定位点为中心，八邻域的范围的投票数加1，并将此时的RSSI信息记录在这个中心处；
S3，针对在规定时间内且投票数大于该点构建指纹需要测量的数量的点进行指纹更新，如果该点的八领域不重叠，分别统计该点八邻域记录的rssi信息来更新该点的指纹信息，否则，将重叠部分的rssi信息分别与不同的非重叠部分的均值对比，将重叠部分的rssi信息划分到更相近的非重叠部分的rssi信息，再分别统计该点八邻域记录的rssi信息来更新该点的指纹信息。
CN202111128116.XA 2021-09-26 2021-09-26 基于指纹库和pdr推算的融合定位方法及指纹库更新方法 Active CN113852911B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111128116.XA CN113852911B (zh) 2021-09-26 2021-09-26 基于指纹库和pdr推算的融合定位方法及指纹库更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111128116.XA CN113852911B (zh) 2021-09-26 2021-09-26 基于指纹库和pdr推算的融合定位方法及指纹库更新方法

Publications (2)

Publication Number Publication Date
CN113852911A true CN113852911A (zh) 2021-12-28
CN113852911B CN113852911B (zh) 2024-05-07

Family

ID=78979522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111128116.XA Active CN113852911B (zh) 2021-09-26 2021-09-26 基于指纹库和pdr推算的融合定位方法及指纹库更新方法

Country Status (1)

Country Link
CN (1) CN113852911B (zh)

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102427603A (zh) * 2012-01-13 2012-04-25 哈尔滨工业大学 基于定位误差估计的wlan室内移动用户定位方法
US20150195682A1 (en) * 2014-01-03 2015-07-09 Electronics And Telecommunications Research Institute Method and apparatus for recognizing indoor location using received signal strength intensity map
CN104869536A (zh) * 2014-12-25 2015-08-26 清华大学 无线室内定位指纹地图的自动更新方法及装置
CN105043380A (zh) * 2015-06-29 2015-11-11 武汉大学 基于微机电传感器、WiFi定位、磁场匹配的室内导航方法
CN105589064A (zh) * 2016-01-08 2016-05-18 重庆邮电大学 Wlan位置指纹数据库快速建立和动态更新系统及方法
CN106197418A (zh) * 2016-06-22 2016-12-07 西安交通大学 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
CN106199509A (zh) * 2015-04-30 2016-12-07 西门子公司 用于无线定位的位置指纹更新方法和装置
US20160371394A1 (en) * 2015-06-22 2016-12-22 The Governing Council Of The University Of Toronto Indoor localization using crowdsourced data
US20170013590A1 (en) * 2015-07-09 2017-01-12 Qualcomm Incorporated Determining wireless scanning rate based on pedestrian dead reckoning reliability
WO2017106661A1 (en) * 2015-12-17 2017-06-22 Group Holding Limited Alibaba Constructing fingerprint database and positioning based on fingerprint database
CN107219500A (zh) * 2017-06-01 2017-09-29 成都希盟泰克科技发展有限公司 基于wifi位置指纹数据的室内快速综合定位方法
WO2017185828A1 (zh) * 2016-04-26 2017-11-02 中兴通讯股份有限公司 指纹定位方法及装置
CN107607122A (zh) * 2017-10-10 2018-01-19 内蒙古大学 面向室内定位的位置指纹库构建和动态更新方法
KR20180029817A (ko) * 2016-09-13 2018-03-21 한국과학기술연구원 실내 위치 측정을 위한 데이터베이스 갱신 방법 및 서버
CN107966151A (zh) * 2017-11-22 2018-04-27 合肥工业大学 一种基于多传感器融合技术的室内行人航位推算方法
CN108009485A (zh) * 2017-11-28 2018-05-08 元力云网络有限公司 基于众包数据的无线指纹库更新方法
CN109672973A (zh) * 2018-09-21 2019-04-23 云南大学 一种基于最强ap法的室内定位融合算法
WO2019154097A1 (zh) * 2018-02-08 2019-08-15 腾讯科技（深圳）有限公司 对地磁信息进行更新的方法、装置和系统
CN111277946A (zh) * 2018-12-04 2020-06-12 重庆邮电大学 一种蓝牙室内定位系统中指纹库自适应更新方法
CN111901749A (zh) * 2020-08-29 2020-11-06 桂林电子科技大学 一种基于多源融合的高精度三维室内定位方法
CN112637762A (zh) * 2020-12-11 2021-04-09 武汉科技大学 一种基于改进pdr算法的室内融合定位方法
EP3879296A1 (en) * 2020-03-12 2021-09-15 HERE Global B.V. Updating a radio map based on a sequence of radio fingerprint

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102427603A (zh) * 2012-01-13 2012-04-25 哈尔滨工业大学 基于定位误差估计的wlan室内移动用户定位方法
US20150195682A1 (en) * 2014-01-03 2015-07-09 Electronics And Telecommunications Research Institute Method and apparatus for recognizing indoor location using received signal strength intensity map
CN104869536A (zh) * 2014-12-25 2015-08-26 清华大学 无线室内定位指纹地图的自动更新方法及装置
CN106199509A (zh) * 2015-04-30 2016-12-07 西门子公司 用于无线定位的位置指纹更新方法和装置
US20160371394A1 (en) * 2015-06-22 2016-12-22 The Governing Council Of The University Of Toronto Indoor localization using crowdsourced data
CN105043380A (zh) * 2015-06-29 2015-11-11 武汉大学 基于微机电传感器、WiFi定位、磁场匹配的室内导航方法
US20170013590A1 (en) * 2015-07-09 2017-01-12 Qualcomm Incorporated Determining wireless scanning rate based on pedestrian dead reckoning reliability
WO2017106661A1 (en) * 2015-12-17 2017-06-22 Group Holding Limited Alibaba Constructing fingerprint database and positioning based on fingerprint database
CN105589064A (zh) * 2016-01-08 2016-05-18 重庆邮电大学 Wlan位置指纹数据库快速建立和动态更新系统及方法
WO2017185828A1 (zh) * 2016-04-26 2017-11-02 中兴通讯股份有限公司 指纹定位方法及装置
CN106197418A (zh) * 2016-06-22 2016-12-07 西安交通大学 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
KR20180029817A (ko) * 2016-09-13 2018-03-21 한국과학기술연구원 실내 위치 측정을 위한 데이터베이스 갱신 방법 및 서버
CN107219500A (zh) * 2017-06-01 2017-09-29 成都希盟泰克科技发展有限公司 基于wifi位置指纹数据的室内快速综合定位方法
CN107607122A (zh) * 2017-10-10 2018-01-19 内蒙古大学 面向室内定位的位置指纹库构建和动态更新方法
CN107966151A (zh) * 2017-11-22 2018-04-27 合肥工业大学 一种基于多传感器融合技术的室内行人航位推算方法
CN108009485A (zh) * 2017-11-28 2018-05-08 元力云网络有限公司 基于众包数据的无线指纹库更新方法
WO2019154097A1 (zh) * 2018-02-08 2019-08-15 腾讯科技（深圳）有限公司 对地磁信息进行更新的方法、装置和系统
CN109672973A (zh) * 2018-09-21 2019-04-23 云南大学 一种基于最强ap法的室内定位融合算法
CN111277946A (zh) * 2018-12-04 2020-06-12 重庆邮电大学 一种蓝牙室内定位系统中指纹库自适应更新方法
EP3879296A1 (en) * 2020-03-12 2021-09-15 HERE Global B.V. Updating a radio map based on a sequence of radio fingerprint
CN111901749A (zh) * 2020-08-29 2020-11-06 桂林电子科技大学 一种基于多源融合的高精度三维室内定位方法
CN112637762A (zh) * 2020-12-11 2021-04-09 武汉科技大学 一种基于改进pdr算法的室内融合定位方法

Non-Patent Citations (12)

* Cited by examiner, † Cited by third party
Title
BAOQI HUANG ET AL.: "An Online Radio Map Update Scheme for WiFi Fingerprint-Based Localization", 《IEEE INTERNET OF THINGS JOURNAL》 *
BONHYUN KOO ET AL.: "Integrated PDR/fingerprinting indoor location tracking with outdated radio map", 《TENCON 2014 - 2014 IEEE REGION 10 CONFERENCE》, 29 January 2015 (2015-01-29) *
JUNWEI HU ET AL.: "A Feature Fusion Based Object Trackin Algorithm", 《ICCSIP 2020》 *
朱家松 等: "基于互补滤波融合WiFi和PDR的行人室内定位", 《测绘通报》, pages 1 *
朱家松;程凯;周宝定;林伟东;: "基于互补滤波融合WiFi和PDR的行人室内定位", 测绘通报, no. 05 *
李明峰;王;檀丁;: "基于WiFi/PDR的室内定位初始位置融合解算方法研究", 大地测量与地球动力学, no. 06 *
毕京学: "智能手机Wi-Fi/PDR室内混合定位优化问题研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
沈辉;李世银;: "基于WiFi与PDR融合的井下定位方法", 煤矿机械, no. 10, 10 October 2020 (2020-10-10) *
田丰: "基于指纹和PDR的室内定位研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 4 *
邓素: "基于人工鱼群的BP神经网络WiFi指纹-PDR融合定位研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 November 2020 (2020-11-15) *
郭娅婷 等: "基于改进PDR与RSSI融合的定位算法", 《传感技术学报》 *
齐双;王奇;黎海涛;蒋维;: "传感器辅助的WiFi指纹室内定位方法", 中国电子科学研究院学报, no. 01 *

Also Published As

Publication number Publication date
CN113852911B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN109298389B (zh) 基于多粒子群优化的室内行人组合位姿估计方法
CN109413578B (zh) 一种基于wifi与pdr融合的室内定位方法
CN107396321B (zh) 基于手机传感器和iBeacon的无监督式室内定位方法
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
CN109164411B (zh) 一种基于多数据融合的人员定位方法
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
CN105263113A (zh) 一种基于众包的WiFi位置指纹地图构建方法及其系统
CN109186601A (zh) 一种基于自适应无迹卡尔曼滤波的激光slam算法
CN107941211B (zh) 基于二阶级联的多元素融合定位方法、装置及电子设备
CN107830858B (zh) 一种基于重力辅助的手机航向估计方法
KR101576424B1 (ko) 실내 측위를 위한 지자기 센서 자동 보정 방법
CN108426582B (zh) 行人室内三维地图匹配方法
CN108020813A (zh) 定位方法、定位装置和电子设备
CN110579207A (zh) 基于地磁信号结合电脑视觉的室内定位系统及方法
CN111595344B (zh) 一种基于地图信息辅助的多姿态下行人行位推算方法
CN112729301A (zh) 一种基于多源数据融合的室内定位方法
CN113324544B (zh) 一种基于图优化的uwb/imu的室内移动机器人协同定位方法
CN112367614A (zh) 一种基于LSTM的Wi-Fi与地磁场融合的室内定位算法
CN112362044A (zh) 室内定位方法、装置、设备和系统
CN106871894B (zh) 一种基于条件随机场的地图匹配方法
CN111427982A (zh) 一种基于群智感知的WiFi室内定位指纹数据库构建及更新技术
CN109945864B (zh) 室内行车定位融合方法、装置、存储介质及终端设备
CN109769206B (zh) 一种室内定位融合方法、装置、存储介质及终端设备
CN113852911B (zh) 基于指纹库和pdr推算的融合定位方法及指纹库更新方法
CN114302359B (zh) 一种基于WiFi-PDR融合的高精度室内定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant