CN114608560A - 一种基于智能终端传感器的无源组合室内定位系统及方法 - Google Patents
一种基于智能终端传感器的无源组合室内定位系统及方法 Download PDFInfo
- Publication number
- CN114608560A CN114608560A CN202210285267.4A CN202210285267A CN114608560A CN 114608560 A CN114608560 A CN 114608560A CN 202210285267 A CN202210285267 A CN 202210285267A CN 114608560 A CN114608560 A CN 114608560A
- Authority
- CN
- China
- Prior art keywords
- geomagnetic
- data
- matching
- current
- position point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 11
- 230000001133 acceleration Effects 0.000 claims description 40
- 230000005021 gait Effects 0.000 claims description 40
- 238000013210 evaluation model Methods 0.000 claims description 32
- 238000012952 Resampling Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 13
- 238000001914 filtration Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 206010033307 Overweight Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001290864 Schoenoplectus Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
- G01C22/006—Pedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1654—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with electromagnetic compass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
本发明公开了一种基于智能终端传感器的无源组合室内定位系统及方法,应用于实时定位技术领域。所述系统包括:数据采集模块、航位推算模块、地磁匹配决定模块、单点匹配模块、序列匹配模块、单点定位模块、序列定位模块和误差修正模块,通过智能终端采集当前位置点的传感器数据,并基于所述当前位置点的传感器数据进行航位推算和地磁匹配,进而得到当前位置的最终定位结果。本发明通过将行人航位推算与地磁匹配相结合,不仅抑制了行人航位推算的误差积累,而且提高了室内定位的连续性和可靠性,还实现了广泛应用。
Description
技术领域
本发明涉及实时定位技术领域,特别是涉及一种基于智能终端传感器的无源组合室内定位系统及方法。
背景技术
室内定位技术广泛应用于智能仓储、智慧物流、智慧医疗等场景,根据当前科技发展情况,基于智能终端进行室内定位将成为日后生活和工作的必然趋势。
当前基于智能终端的室内定位技术主要包括蓝牙、WiFi、蜂窝网络、行人航位推算(Pedestrian Dead Reckoning,PDR)等。蓝牙和WiFi基于位置已知的可接入点(AccessPoint,AP)发送信号进行定位,其定位精度受到室内环境和行人的影响,抗多径能力弱,需提前部署大量基站达到预期定位精度;蜂窝网络能够通过运营商通信基站进行定位,但是受到城市环境下非视距(Non-Line of Sight,NLOS)环境影响,定位精度低;PDR技术基于智能终端内惯性传感器对位置进行递推,短时间内精度高,但定位误差会随时间和移动距离累积。
发明内容
本发明的目的是提供一种基于智能终端传感器的无源组合室内定位系统及方法,可抑制行人航位推算的误差积累,提高定位的连续性和可靠性,实现广泛应用。
为实现上述目的,本发明提供了如下方案:
一种基于智能终端传感器的无源组合室内定位系统,包括:
数据采集模块,用于采集当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置点为目标使用者的智能终端在当前时刻所处的室内位置;
航位推算模块,用于根据加速度波峰阈值、步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,以及根据所述当前位置点的传感器数据和当前时刻的航向误差对所述目标使用者的航向进行估计,并根据步态检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的;
地磁匹配决定模块,用于根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配;
单点匹配模块,用于当所述地磁匹配定权方式为单点匹配时,根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重;
序列匹配模块,用于当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等;
单点定位模块,用于当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果;
序列定位模块,用于当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果;
误差修正模块,用于根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
可选地,还包括:
数据存储模块,用于根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型;
可选地,所述数据存储模块包括:
地磁指纹库构建单元,用于根据所述室内各位置点的坐标和室内各位置点的地磁数据构建地磁指纹库;
区域划分单元,用于将所述地磁指纹库划分为若干个子区域;
地磁信息评价单元,用于提取所述子区域的五维地磁特征及每一维地磁特征的指标,并将所述五维地磁特征及每一维地磁特征的指标作为深度学习网络的输入,以对应的地磁匹配定权方式作为输出进行训练,将训练好的深度学习网络确定为所述地磁信息丰富度评价模型;
地磁图存储单元,用于存储所述地磁信息丰富度评价模型。
可选地,所述航位推算模块包括:
步态检测单元,用于根据所述加速度波峰阈值、所述步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,得到所述目标使用者的步态检测结果;
步长估计单元,用于根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,得到所述目标使用者的步长估计结果;
航向估计单元,用于根据所述当前位置点的传感器数据中的地磁数据、加速度数据和角速度数据确定所述目标使用者的当前时刻姿态,并根据所述当前时刻姿态确定所述目标使用者的航向估计结果;
航位估计单元,用于根据所述步态估计结果、所述步长估计结果和所述航向估计结果进行航位推算,得到当前航位估计结果。
可选地,所述地磁匹配决定模块包括:
候选指纹库确定单元,用于以所述当前航位估计结果为中心,以设定半径为约束确定候选指纹库;所述设定半径为所述步长估计结果的倍数;
匹配方式决定单元,用于将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式。
可选地,所述序列匹配模块包括:
序列组成单元,用于将所述地磁指纹库根据所述当前序列段的长度提取若干个指纹段;
序列地磁匹配单元,用于将所述当前序列段的地磁数据与各所述指纹段的地磁数据进行相似度匹配,得到各所述指纹段的坐标以及各所述指纹段的权重。
可选地,所述单点定位模块包括:
单点权重采样单元,用于对所述候选指纹库内各位置点的权重进行聚类及合理性检验,并对聚类及合理性检验后的候选指纹库内各位置点的权重及对应的各位置点的坐标进行重采样,得到第一类重采样数据;
单点定位组合单元,用于对所述第一类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
可选地,所述序列定位模块包括:
序列权重采样单元,用于对各所述指纹段的权重进行聚类及合理性检验,并对聚类及合理性检验后的各所述指纹段的权重及对应的各所述指纹段的坐标进行重采样,得到第二类重采样数据;
序列定位组合单元,用于对所述第二类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
一种基于智能终端传感器的无源组合室内定位方法,包括:
获取当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置为目标使用者的智能终端在当前时刻所处的室内位置;
根据加速度波峰阈值、步长时间阈值、当前时刻的步长回归模型以及所述当前位置点的传感器数据对所述目标使用者的步态进行检测、,以及对所述目标使用者的步长和航向进行估计,并根据步态估计检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的;
根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据将当前位置点的传感器数据中的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式当前位置点的传感器数据中的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配;
当所述地磁匹配定权方式为单点匹配时,根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重;
当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等;
当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果;
当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果;
根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
可选地,还包括:
根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种基于智能终端传感器的无源组合室内定位系统及方法,其中所述无源组合室内定位系统根据采集的当前位置点的传感器数据进行航位推算,并根据航位推算的结果确定候选指纹库,通过地磁信息丰富度评价模型,实现根据确定的候选指纹库中的地磁数据确定地磁匹配定权方式;当地磁匹配定权方式为单点匹配时,根据候选指纹库中各位置点的地磁数据和当前位置点的传感器数据中的地磁数据确定候选指纹库内各位置点的坐标及各位置点的权重,进而确定当前位置的最终定位结果;当地磁匹配定权方式为序列匹配时,将地磁指纹库根据当前序列段的长度划分为若干个指纹段,并根据当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据确定各所述指纹段的坐标以及各所述指纹段的权重,进而确定当前位置的最终定位结果;在对下一位置点进行定位前,根据当前位置的最终定位结果对当前时刻的的步长回归模型和当前时刻的航向误差进行修正,并将修正后的步长回归模型和修正后的航向误差作为下一时刻的步长回归模型和下一时刻的航向误差,解决了既有行人航位推算定位方案中,定位误差随时间和移动距离累积的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于智能终端传感器的无源组合室内定位系统的结构示意图;
图2为本发明实施例提供的基于智能终端传感器的无源组合室内定位系统的数据预处理原理图;
图3为本发明实施例提供的基于智能终端传感器的无源组合室内定位系统的数据预处理原理图;
图4为本发明实施例提供的基于智能终端传感器的无源组合室内定位系统的航位推算模块原理图;
图5为本发明实施例提供的基于智能终端传感器的无源组合室内定位系统的单点定位和序列定位原理图;
图6为本发明实施例提供的基于智能终端传感器的无源组合室内定位方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于智能终端传感器的无源组合室内定位系统及方法,通过将行人航位推算与地磁匹配相结合,不仅抑制了行人航位推算的误差积累,而且提高了室内定位的连续性和可靠性,还实现了广泛应用。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明基于智能终端传感器的无源组合室内定位系统包括:数据采集模块、航位推算模块、地磁匹配决定模块、单点匹配模块、序列匹配模块、单点定位模块、序列定位模块和误差修正模块。
具体地,数据采集模块用于采集当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置点为目标使用者的智能终端在当前时刻所处的室内位置。
所述航位推算模块用于根据加速度波峰阈值、步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,以及根据所述当前位置点的传感器数据和当前时刻的航向误差对所述目标使用者的航向进行估计,并根据步态检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的。
所述地磁匹配决定模块用于根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配。
所述单点匹配模块用于当所述地磁匹配定权方式为单点匹配时,根据所述当前航位估计结果确定候选指纹库,并根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重。
所述序列匹配模块用于当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等。
所述单点定位模块用于当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果。
所述序列定位模块用于当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果。
所述误差修正模块用于根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
进一步地,所述无源组合室内定位系统还包括数据存储模块。
具体地,所述数据存储模块用于根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型。
进一步地,所述数据存储模块包括地磁指纹库构建单元、区域划分单元、地磁信息评价单元和地磁图存储单元。
具体地,所述地磁指纹库构建单元用于根据所述室内各位置点的坐标和室内各位置点的地磁数据构建地磁指纹库。所述区域划分单元用于将所述地磁指纹库划分为若干个子区域。所述地磁信息评价单元用于提取所述子区域的五维地磁特征及每一维地磁特征的指标,并将所述五维地磁特征及每一维地磁特征的指标作为深度学习网络的输入,以对应的地磁匹配定权方式作为输出进行训练,将训练好的深度学习网络确定为所述地磁信息丰富度评价模型。所述地磁图存储单元用于存储所述地磁信息丰富度评价模型和地磁指纹库。
进一步地,所述航位推算模块包括步态检测单元、步长估计单元、航向估计单元和航位估计单元。
具体地,所述步态检测单元用于根据所述加速度波峰阈值、所述步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,得到所述目标使用者的步态检测结果。所述步长估计单元用于根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,得到所述目标使用者的步长估计结果。所述航向估计单元用于根据所述当前位置点的传感器数据确定所述目标使用者的当前时刻姿态,并根据所述当前时刻姿态和当前时刻的航向误差确定所述目标使用者的航向估计结果。所述航位估计单元用于根据所述步态估计结果、所述步长估计结果和所述航向估计结果进行航位推算,得到当前航位估计结果。
进一步地,所述地磁匹配决定模块包括候选指纹库确定单元和匹配方式决定单元。
具体地,所述候选指纹库确定单元用于以所述当前航位估计结果为中心,以设定半径为约束确定候选指纹库;所述设定半径为所述步长估计结果的倍数。所述匹配方式决定单元,用于将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式。
进一步地,所述序列匹配模块包括序列组成单元和序列地磁匹配单元。
具体地,所述序列划分单元用于将所述地磁指纹库根据所述当前序列段的长度提取若干个指纹段。所述序列地磁匹配单元用于将所述当前序列段的地磁数据与各所述指纹段的地磁数据进行相似度匹配,得到各所述指纹段的坐标以及各所述指纹段的权重。
进一步地,所述单点定位模块包括单点权重采样单元和单点定位组合单元。
具体地,所述单点权重采样单元用于对所述候选指纹库内各位置点的权重进行聚类及合理性检验,并对聚类及合理性检验后的候选指纹库内各位置点的权重及对应的各位置点的坐标进行重采样,得到第一类重采样数据。所述单点定位组合单元用于对所述第一类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
进一步地,所述序列定位模块包括序列权重采样单元和序列定位组合单元。
所述序列权重采样单元用于对各所述指纹段的权重进行聚类及合理性检验,并对聚类及合理性检验后的各所述指纹段的权重及对应的各所述指纹段的坐标进行重采样,得到第二类重采样数据。所述序列定位组合单元,用于对所述第二类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
在本实施例中,将数据采集模块、航位推算模块、地磁匹配决定模块、单点匹配模块、序列匹配模块、单点定位模块、序列定位模块和误差修正模块作为在线定位阶段,将数据存储模块作为离线阶段。离线阶段应在在线定位阶段之间完成,以便在线定位阶段中地磁匹配决定时数据读取。离线阶段和在线定位阶段之间可通过5G进行数据传输,如图2所示。采用手机作为本实施例的智能终端,并不以此为例,智能终端可在实际应用中根据具体情况进行调整。
在离线阶段的地磁指纹库构建单元中,首先通过数据采集车对定位的室内区域进行室内地磁图数据获取,数据采集车集成二维激光扫描仪和地磁采集设备。其次采用地图制图(Cartographer)方案根据所述室内地磁图数据生成室内二维平面图,再基于激光同时定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)技术进行重定位并采集该区域的位置点三轴地磁信息,构造地磁指纹库。
所述室内地磁图数据包括两部分:
1)室内各已知位置点的坐标:二维局部坐标系下指纹点坐标。
2)室内各已知位置点对应的地磁数据:当地水平坐标系下指纹点地磁特征梯度,地磁特征分量包括东方向、北方向、水平方向、竖直方向和模值。
在离线阶段的区域划分单元中将地磁指纹库划分为若干个正方形的子区域,为方便地磁信息评价单元运行,子区域边长应大于一步步长。
在离线阶段的地磁信息评价单元中,提取的子区域的五维地磁特征包括东方向地磁分量、北方向地磁分量、水平方向地磁分量、竖直方向地磁分量和模值分量;提取的子区域的地磁特征的指标包括地磁梯度、地磁熵和均匀度。其中地磁熵引入信息熵计算公式:h=-∑(pi*lnpi),均匀度则采用Pielou指数,计算公式为JSW=-∑(pi*lnpi)/lnn,pi代表该地磁特征的值在子区域的地磁指纹库出现的频率,n则代表子区域的地磁指纹库中地磁特征的值所有可能取值的数目。
在构建深度学习网络时,提取子区域的五维地磁特征,每维地磁特征计算平均地磁梯度、地磁熵和均匀度三组特征指标,形成十五维深度学习网络输入,深度学习网络输出为二维矩阵,该矩阵存储是否采用地磁单点匹配和序列匹配的标志,0代表不采用该方法,1代表采用该方法,0和1在结果中必然同时出现。
在进行标记时,利用已知参考位置点的地磁数据进行单点匹配和序列匹配,分别计算两种定位方法的误差,对比后误差小的方法的标志记为1,否则为0;若能在子区域进行单点匹配则说明该点地磁信息丰富,无需形成序列即可得到高精度位置结果。
在在线定位阶段的数据采集模块中,基于手机的三轴磁力计、三轴陀螺仪和三轴加速度计采集传感器数据,并对所述传感器数据进行数据预处理,如图3所示,具体包括:
对磁力计的硬磁畸变和软磁畸变进行校正;所述硬磁畸变是由于电池、麦克风等硬磁类物质产生的,会使磁力计测量数据产生偏移;所述软磁畸变会使磁力计在固定点测量的磁场数据不再保持球体。磁力计测量值表示为:其中t为观测时刻,b代表载体坐标系,为磁力计测量值,St为软磁畸变,为该点真实地磁强度,Bt为硬磁畸变,εt为测量噪声。
通过磁力计在固定点测量磁场为一过原点球体,可以通过最小二乘估计椭球体中偏离远点的距离和椭球体与球体之间的变换参数,前者即为硬磁畸变,后者为软磁畸变,通过公式进行硬磁和软磁校正,但是由于测量噪声的存在,无法准确得到,得到近似地磁强度
对磁力计采集的数据采用巴特沃斯滤波去噪和梯度处理,得到地磁数据(也是磁场梯度数据),对于陀螺仪数据和加速度计数据分别采用高通滤波和低通滤波去噪,分别得到角速度数据和加速度数据。其中梯度处理模块指将采集到的地磁数据对指纹库内任意指定一点在磁场特征值方面求差,指定点选择应与地磁指纹库构建时选择一致,将地磁强度值处理成梯度值。
在在线定位阶段的航位推算模块之前,还包括初始化模块,所述初始化模块仅存在于第一步步态发生之前,用于给定一个室内位置点作为航位推算的初始位置,以初始位置为中心,确定初始化区域。所述初始化区域中,设定200待定位位置点,所述待定位位置点均匀分布在三个步长为变长的正方形内,且权重均相等。
在在线定位阶段的步态估计单元中,根据所述加速度波峰阈值、所述步长时间阈值和所述当前位置点的传感器数据中的加速度数据进行波峰判断和趋势判断,当满足所述波峰判断和阈值判断后,步态估计结果记为一步。如图4所示。
所述波峰判断具体包括:
寻找第一步态发生时刻,在校正后的加速度数据内截取前8s数据,记录波峰所在位置并计算其邻域标准差,标准差大于0.5则可能行走一步,进入候选区,邻域大小与传感器数据采集频率有关,时间跨度略微大于行走1步所需时间。
对进入候选区的波峰,在其邻域内判断是否具有完整的加速度数据趋势:小于9.8m/s2到达峰值后又小于9.8m/s2,并记录第一个由小于9.8m/s2至大于9.8m/s2的时刻和第一个大于9.8m/s2至小于9.8m/s2的时刻,判断时间差值是否在一步时间的一半,记录步态起止时间。
分别判断起止时间差值、相邻步态开始时间和结束时间是否满足一步的时间,一般来说,一步所耗费时间在0.2s-2s范围内,若满足则记作第一个步态发生,并记录其起止时间,否则继续寻找下一个候选区内的波峰。
所述阈值判断具体包括:
对于第二步开始的步态除了需要上述判断外,还需要对相邻步态时间差进行区间判断,一步的时间、相邻步态起始时间和结束时间之差均应在统计学的一步时间内,满足条件则确认步态增加1,否则对第一步结束时刻之后的每一时刻的加速度数据进行处理并将该波峰数据移出候选区。
在在线定位阶段的步长估计单元中,根据所述目标使用者的步频和所述加速度惯性积分结果确定步长回归模型。所述步长回归模型是为了避免建筑环境、障碍物和突发状况导致步长模型鲁棒性不足造成的定位误差。
所述步长回归模型为:length=a*f+b*∫acc·dt;式中length为步长估计结果,在前两步通过融合定位结果确定,a和b均为系数,通过当前步态前两步信息进行最小二乘估计,f为步频,∫acc·dt为加速度计在当前步态时间区间内积分结果。
在在线定位阶段的航向估计单元中,通过对陀螺仪采用INS编排方式进行角度更新,并采用磁力计和加速度计数据进行互补滤波校正方位角,进而确定所述目标使用者的航向估计结果,如图4所示。具体包括:
开始定位时刻,采用滤波平滑后的磁力计的数据和加速度计的数据估计所述目标使用者的当前时刻姿态,通过四元数表示方向余弦矩阵进行机械编排对航向进行INS编排,其中n代表导航坐标系,即当地水平坐标系,为k时刻从b系到n系的方向余弦矩阵,I为单位阵,为k时刻b系下陀螺仪测量的角增量,“×”是反对称符号,四元数与旋转矩阵之间的关系为:
对手机姿态进行估计,将陀螺仪、加速度计和磁力计数据转换到当地水平坐标系,为避免欧拉角在万向节死锁问题,通过四元数表示姿态:q是四维超复数,q(1)是实部,代表旋转角度,q(2)-q(4)为虚部,共同组成旋转轴。
δ为经过PI调节器产生的陀螺仪补偿值,δ=Kp·e+KI·∫edt,在PI调节器中,参数KP用于控制加速度计、磁力计和陀螺仪之间的交叉频率,参数KI校正陀螺仪误差;
估计当前时刻四元数后,反算欧拉角估计手机姿态:
其中θ,γ,φ分别为俯仰角、横滚角和方位角。
在在线定位阶段的航位推算模块中,还包括零速修正单元,所述零速修正单元用于根据所述当前位置点的传感器数据对所述目标使用者的智能终端的传感器进行误差修正,如图4所示。具体包括:
根据近3秒内加速度数据判断速度是否为零,若为零,此时加速度计读数即为零偏,否则继续判断后续速度是否等于零;在速度为零基础上,通过磁力计和陀螺仪判断是否发生姿态变化,若未发生姿态变化,则此时三轴陀螺仪测量值即为零偏。
具体地,在判断零速的时候,首先判断三轴加速度计测量值是否约等于重力加速度,之后判断在垂直方向加速度是否占据加速度95%以上,若是,则说明处于零速状态。
对于零角速率更新状态判断,通过读取手机惯性传感器和磁力计得到姿态角变化,若此时姿态角和陀螺仪读数均未发生明显变化,则判断为零角速率更新。
在在线定位阶段的地磁匹配决定模块中,首先是通过步长缩小候选指纹库,一般以PDR估计位置为中心,一倍步长为半径范围约束,计算该区域地磁特征方差,方差越大,该分量对应的权越高;根据所述候选指纹库和地磁信息丰富度评价模型判断当前位置点的传感器数据中的地磁数据是否足够形成地磁序列,若能够形成地磁序列则进行序列匹配,否则进行单点匹配。若当前位置点的传感器数据中的地磁数据能够形成地磁序列,通过提取附近区域(区域大小与子区域大小一致)梯度、丰富度和均匀度输入到深度学习网络中进行判定选择单点匹配方式或序列匹配方式。如图5所示。且所述候选指纹库根据所述当前航位结果在变化,一旦检测到步态,即开始变化。
在在线定位阶段的单点匹配模块中,采用基于地磁特征方差的加权匹配方法。在每一维地磁特征下,计算最接近粒子预测位置的三个指纹点地磁强度进行平均,通过求观测值间的欧式距离以正态分布公式表达,即可得到所述候选指纹库内各位置点的坐标及各位置点的权重。也即将所述当前位置点的传感器数据中的地磁数据的五维地磁特征,与所述候选指纹库中各位置点的地磁数据的五维地磁特征进行相似度匹配,确定所述候选指纹库内各位置点的坐标及各位置点的权重。如图5所示。
在在线定位阶段的序列匹配模块中,采用动态时间归整(Dynamic Time Warping,DTW)算法对齐当前序列段的的长度和地磁指纹库中各指纹段的长度,又根据DTW算法的相似性确定各所述指纹段的坐标以及各所述指纹段的权重。如图5所示。
所述DTW算法具体包括:
首先计算其中k是地磁特征值的维度,d(i,j)是地磁指纹库的指纹段中第i个元素和当前序列段中第j个元素间的距离;之后求路径累积距离D(i,j)=d(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)},D(i,j)越小说明地磁序列相似度越高,粒子权值应越大。
在在线定位阶段的单点定位模块和序列定位模块中,均需先对地磁匹配后的结果(即所述候选指纹库内各位置点的坐标及各位置点的权重或各所述指纹段的坐标以及各所述指纹段的权重)进行聚类分析及合理性检验,再根据聚类分析及合理性检验后的结果进行重采样,得到重采样数据(即第一类重采样数据或第二类重采样数据)。如图5所示。
上述过程具体包括:对高权重及对应的坐标进行合理性检验,对通过检验后的粒子进行复制,对低权重粒子选择性淘汰,对超出地磁指纹库范围的粒子则予以剔除,并使经过以上筛选过程后的单点匹配结果(即所述候选指纹库内各位置点的坐标及各位置点的权重)或序列匹配结果(即各所述指纹段的坐标以及各所述指纹段的权重)进行重采样,使重采样后的匹配结果的数目保持在200。其中,对高权重粒子复制和对低权重粒子选择性淘汰根据随机重采样方法进行。
所述合理性检验通过连续行走状态进行检验,具体包括:计算高权重粒子与所述目标使用者的当前航位估计结果的距离,大于一个步长则判断为误匹配;利用当前步态的航向与步长对粒子进行回溯,计算其与上一时刻位置的距离,若与上一时刻的定位结果差距较大,则说明该粒子权值应予以降低。
对经过上述步骤后得到的采样数据进行加权平均运算,得到当前位置的最终定位结果。
在在线定位阶段的误差修正模块中,根据上一时刻的定位结果修正步长估计中的步长回归模型的参数,进而修正所述下一时刻的航位估计结果。具体包括:根据相邻时刻的定位结果求步长和航向:
其中step_length和step_orientation分别是步长和航向,k为观测时刻,(X,Y)是融合多时刻定位结果的行人二维位置。
如图6所示,本发明基于智能终端传感器的无源组合实时定位方法,包括:
步骤100:获取当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置为目标使用者的智能终端在当前时刻所处的室内位置。
步骤200:根据加速度波峰阈值、步长时间阈值、当前时刻的步长回归模型以及所述当前位置点的传感器数据对所述目标使用者的步态进行检测、,以及对所述目标使用者的步长和航向进行估计,并根据步态估计检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的。
步骤300:根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据将当前位置点的传感器数据中的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式当前位置点的传感器数据中的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配。
步骤400:当所述地磁匹配定权方式为单点匹配时,根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重。
步骤500:当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等。
步骤600:当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果;
步骤700:当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果。
步骤800:根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
进一步地,所述无源组合实时定位方法还包括:
根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于智能终端传感器的无源组合室内定位系统,其特征在于,包括:
数据采集模块,用于采集当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置点为目标使用者的智能终端在当前时刻所处的室内位置;
航位推算模块,用于根据加速度波峰阈值、步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,以及根据所述当前位置点的传感器数据和当前时刻的航向误差对所述目标使用者的航向进行估计,并根据步态检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的;
地磁匹配决定模块,用于根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配;
单点匹配模块,用于当所述地磁匹配定权方式为单点匹配时,根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重;
序列匹配模块,用于当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等;
单点定位模块,用于当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果;
序列定位模块,用于当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果;
误差修正模块,用于根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
2.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,还包括:
数据存储模块,用于根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型。
3.根据权利要求2所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述数据存储模块包括:
地磁指纹库构建单元,用于根据所述室内各位置点的坐标和室内各位置点的地磁数据构建地磁指纹库;
区域划分单元,用于将所述地磁指纹库划分为若干个子区域;
地磁信息评价单元,用于提取所述子区域的五维地磁特征及每一维地磁特征的指标,并将所述五维地磁特征及每一维地磁特征的指标作为深度学习网络的输入,以对应的地磁匹配定权方式作为输出进行训练,将训练好的深度学习网络确定为所述地磁信息丰富度评价模型;
地磁图存储单元,用于存储所述地磁信息丰富度评价模型。
4.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述航位推算模块包括:
步态检测单元,用于根据所述加速度波峰阈值、所述步长时间阈值和所述当前位置点的传感器数据中的加速度数据对所述目标使用者的步态进行检测,得到所述目标使用者的步态检测结果;
步长估计单元,用于根据当前时刻的步长回归模型对所述目标使用者的步长进行估计,得到所述目标使用者的步长估计结果;
航向估计单元,用于根据所述当前位置点的传感器数据确定所述目标使用者的当前时刻姿态,并根据所述当前时刻姿态和当前时刻的航向误差确定所述目标使用者的航向估计结果;
航位估计单元,用于根据所述步态估计结果、所述步长估计结果和所述航向估计结果进行航位推算,得到当前航位估计结果。
5.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述地磁匹配决定模块包括:
候选指纹库确定单元,用于以所述当前航位估计结果为中心,以设定半径为约束确定候选指纹库;所述设定半径为所述步长估计结果的倍数;
匹配方式决定单元,用于将所述候选指纹库中各位置点的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式。
6.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述序列匹配模块包括:
序列组成单元,用于将所述地磁指纹库根据所述当前序列段的长度提取若干个指纹段;
序列地磁匹配单元,用于将所述当前序列段的地磁数据与各所述指纹段的地磁数据进行相似度匹配,得到各所述指纹段的坐标以及各所述指纹段的权重。
7.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述单点定位模块包括:
单点权重采样单元,用于对所述候选指纹库内各位置点的权重进行聚类及合理性检验,并对聚类及合理性检验后的候选指纹库内各位置点的权重及对应的各位置点的坐标进行重采样,得到第一类重采样数据;
单点定位组合单元,用于对所述第一类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
8.根据权利要求1所述的基于智能终端传感器的无源组合实时定位系统,其特征在于,所述序列定位模块包括:
序列权重采样单元,用于对各所述指纹段的权重进行聚类及合理性检验,并对聚类及合理性检验后的各所述指纹段的权重及对应的各所述指纹段的坐标进行重采样,得到第二类重采样数据;
序列定位组合单元,用于对所述第二类重采样数据进行加权平均运算,得到当前位置的最终定位结果。
9.一种基于智能终端传感器的无源组合实时定位方法,其特征在于,包括:
获取当前位置点的传感器数据;所述传感器数据包括地磁数据、角速度数据和加速度数据;所述当前位置为目标使用者的智能终端在当前时刻所处的室内位置;
根据加速度波峰阈值、步长时间阈值、当前时刻的步长回归模型以及所述当前位置点的传感器数据对所述目标使用者的步态进行检测、,以及对所述目标使用者的步长和航向进行估计,并根据步态估计检测结果、步长估计结果和航向估计结果进行航位推算,得到所述目标使用者的当前航位估计结果;所述步长回归模型是根据所述目标使用者的步频和加速度惯性积分结果构建的;
根据所述当前航位估计结果确定候选指纹库,并将所述候选指纹库中各位置点的地磁数据将当前位置点的传感器数据中的地磁数据输入地磁信息丰富度评价模型,所述地磁信息丰富度评价模型输出所述候选指纹库中各位置点的地磁数据的地磁匹配定权方式当前位置点的传感器数据中的地磁数据的地磁匹配定权方式;所述地磁匹配定权方式包括单点匹配和序列匹配;
当所述地磁匹配定权方式为单点匹配时,根据所述当前位置点的传感器数据中的地磁数据和所述候选指纹库中各位置点的地磁数据确定所述候选指纹库内各位置点的坐标及各位置点的权重;
当所述地磁匹配定权方式为序列匹配时,将当前序列段的地磁数据和地磁指纹库中各指纹段的地磁数据进行匹配,得到各所述指纹段的坐标以及各所述指纹段的权重;所述当前序列段包括设定时刻到当前时刻之间的时间段内的位置点;所述设定时刻为当前时刻之前的任一时刻;所述指纹段的长度与所述当前序列段的长度相等;
当所述地磁匹配定权方式为单点匹配时,根据所述候选指纹库内各位置点的坐标及各位置点的权重确定当前位置的最终定位结果;
当所述地磁匹配定权方式为序列匹配时,根据各所述指纹段的坐标以及各所述指纹段的权重确定当前位置的最终定位结果;
根据所述当前位置的最终定位结果对当前时刻的步长回归模型进行修正,并将修正后的步长回归模型作为下一时刻的步长回归模型,以及根据上一时刻的航向估计结果与当前时刻的航向估计结果对当前时刻的航向误差进行修正,并将修正后的航向误差作为下一时刻的航向误差。
10.根据权利要求9所述的基于智能终端传感器的无源组合实时定位方法,其特征在于,还包括:
根据室内各位置点的坐标和室内各位置点的地磁数据确定并存储地磁信息丰富度评价模型。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285267.4A CN114608560B (zh) | 2022-03-22 | 2022-03-22 | 一种基于智能终端传感器的无源组合室内定位系统及方法 |
GB2300156.3A GB2616940A (en) | 2022-03-22 | 2023-01-05 | Passive combined indoor positioning system and method based on intelligent terminal sensor |
US18/151,633 US20230304802A1 (en) | 2022-03-22 | 2023-01-09 | Passive combined indoor positioning system and method based on intelligent terminal sensor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285267.4A CN114608560B (zh) | 2022-03-22 | 2022-03-22 | 一种基于智能终端传感器的无源组合室内定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114608560A true CN114608560A (zh) | 2022-06-10 |
CN114608560B CN114608560B (zh) | 2024-04-26 |
Family
ID=81865928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210285267.4A Active CN114608560B (zh) | 2022-03-22 | 2022-03-22 | 一种基于智能终端传感器的无源组合室内定位系统及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230304802A1 (zh) |
CN (1) | CN114608560B (zh) |
GB (1) | GB2616940A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579988A (zh) * | 2023-11-20 | 2024-02-20 | 中国人民解放军陆军工程大学 | 大容量信道特征库条件下基于过滤的无锚点定位方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225324A (zh) * | 2017-12-27 | 2018-06-29 | 中国矿业大学 | 一种基于智能终端的地磁匹配与pdr融合的室内定位方法 |
US20180283882A1 (en) * | 2017-04-04 | 2018-10-04 | Appropolis Inc. | Location-based services system and method therefor |
CN108801267A (zh) * | 2018-06-22 | 2018-11-13 | 西安电子科技大学 | 一种融合多传感器的室内无锚点定位方法 |
CN111735449A (zh) * | 2020-04-28 | 2020-10-02 | 西安科技大学 | 一种地磁匹配定位方法及装置 |
CN112304317A (zh) * | 2020-10-28 | 2021-02-02 | 中国矿业大学 | 一种基于室内多维度地磁特征的室内定位方法 |
WO2021212878A1 (zh) * | 2020-04-20 | 2021-10-28 | 电子科技大学 | 一种基于群智感知和多融合技术的室内定位算法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN109084765B (zh) * | 2018-08-23 | 2021-09-07 | 桂林电子科技大学 | 一种行人室内行走定位方法、装置及存储介质 |
-
2022
- 2022-03-22 CN CN202210285267.4A patent/CN114608560B/zh active Active
-
2023
- 2023-01-05 GB GB2300156.3A patent/GB2616940A/en active Pending
- 2023-01-09 US US18/151,633 patent/US20230304802A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180283882A1 (en) * | 2017-04-04 | 2018-10-04 | Appropolis Inc. | Location-based services system and method therefor |
CN108225324A (zh) * | 2017-12-27 | 2018-06-29 | 中国矿业大学 | 一种基于智能终端的地磁匹配与pdr融合的室内定位方法 |
CN108801267A (zh) * | 2018-06-22 | 2018-11-13 | 西安电子科技大学 | 一种融合多传感器的室内无锚点定位方法 |
WO2021212878A1 (zh) * | 2020-04-20 | 2021-10-28 | 电子科技大学 | 一种基于群智感知和多融合技术的室内定位算法 |
CN111735449A (zh) * | 2020-04-28 | 2020-10-02 | 西安科技大学 | 一种地磁匹配定位方法及装置 |
CN112304317A (zh) * | 2020-10-28 | 2021-02-02 | 中国矿业大学 | 一种基于室内多维度地磁特征的室内定位方法 |
Non-Patent Citations (3)
Title |
---|
李思民;蔡成林;王亚娜;邱云翔;黄艳虎;: "基于地磁指纹和PDR融合的手机室内定位系统", 传感技术学报, no. 01, 31 December 2018 (2018-12-31) * |
王照远;高井祥;李增科;常梦阳;: "一种融合WiFi/地磁/PDR的室内定位方法", 测绘通报, no. 06, 25 June 2020 (2020-06-25) * |
黄鹤;张新宇;仇凯悦;: "PDR算法对地磁室内定位精度的提升研究", 测绘通报, no. 12, 25 December 2019 (2019-12-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN114608560B (zh) | 2024-04-26 |
GB2616940A (en) | 2023-09-27 |
US20230304802A1 (en) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pei et al. | Optimal heading estimation based multidimensional particle filter for pedestrian indoor positioning | |
CN107389063B (zh) | 基于gsm/mems融合的高精度室内融合定位方法 | |
CN105424030B (zh) | 基于无线指纹和mems传感器的融合导航装置和方法 | |
CN109991636A (zh) | 基于gps、imu以及双目视觉的地图构建方法及系统 | |
CN111491367B (zh) | 一种基于群智感知和多融合技术的室内定位方法 | |
CN110146909A (zh) | 一种定位数据处理方法 | |
CN106780699A (zh) | 一种基于sins/gps和里程计辅助的视觉slam方法 | |
CN103379619A (zh) | 一种定位方法和系统 | |
CN108759823B (zh) | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 | |
US11035915B2 (en) | Method and system for magnetic fingerprinting | |
CN105509739A (zh) | 采用固定区间crts平滑的ins/uwb紧组合导航系统及方法 | |
CN105043380A (zh) | 基于微机电传感器、WiFi定位、磁场匹配的室内导航方法 | |
CN107179079A (zh) | 基于pdr与地磁融合的室内定位方法 | |
CN108168565A (zh) | 用于定位车辆的方法和系统 | |
CN108632761A (zh) | 一种基于粒子滤波算法的室内定位方法 | |
WO2014134710A1 (en) | Method and apparatus for fast magnetometer calibration | |
CN104613966B (zh) | 一种地籍测量事后数据处理方法 | |
CN109059907A (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN110057356B (zh) | 一种隧道内车辆定位方法及装置 | |
CN106705959A (zh) | 检测移动终端航向的方法和装置 | |
CN112729301A (zh) | 一种基于多源数据融合的室内定位方法 | |
CN112797985A (zh) | 基于加权扩展卡尔曼滤波的室内定位方法及室内定位系统 | |
CN110672095A (zh) | 一种基于微惯导的行人室内自主定位算法 | |
CN114396943A (zh) | 一种融合定位方法与终端 | |
CN112362044A (zh) | 室内定位方法、装置、设备和系统 |
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 |