CN114615740A - 一种基于蓝牙、pdr和地图匹配融合的室内人员定位方法 - Google Patents

Abstract

本发明公开了一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，包括以下步骤：S1，在室内布设多个蓝牙信标，将室内环境划分为若干个不同的子区域，获取每个子区域中心定位参考点的指纹信息，将所有定位参考点的指纹信息存储在指纹数据库中；S2，获取用户手机终端接收到的多个蓝牙信标的RSSI数据，计算手机终端的蓝牙指纹初步定位结果；S3，采用粒子滤波算法和PDR定位算法对蓝牙指纹初步定位结果进行修正；S4，基于矢量表示法构建室内地图，利用室内地图矫正粒子穿墙和轨迹穿墙的现象，对步骤S3中修正后的定位结果进行二次修正。本发明通过上述方法有效地抑制了蓝牙定位的波动性及PDR定位累计的漂移误差，提高了融合定位系统的准确性和稳定性。

Description

一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法

技术领域

本发明属于室内定位技术领域，具体涉及一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法。

背景技术

目前室内导航定位需求日益增长，然而室外定位技术如全球卫星导航系统(Global Navigation Satellite System，GNSS)、通用分组无线服务/码分多址通信（GPRS/CDMA）定位等在室内场所难以适用。室内定位一般采用终端发送超宽带（Ultra Wideband ，UWB）、Wi-Fi等近距离通信信号再经过多个接收装置接收，或者运用惯性导航器件（Microelectro Mechanical Systems，MEMS）进行行人航迹推导定位（Pedestrian DeadReckoning，PDR）。

UWB定位是由多个传感器采用TDOA（Time Difference of Arrival，到达时间差）和AOA定位算法对标签位置进行分析，具有多径分辨能力、精度高、定位精度可达厘米级等特点，但基站价格贵，部署成本高。

Wi-Fi定位技术的主要特点是传输速率商，可靠性高，建网快，便捷，可移动性好，组网价格低廉；但是往往受外界干扰比较大，而且定位误差较大，其功耗也大。

行人航迹推导定位方法是根据行人步态特征提出的一种相对定位方法，在已知起始位置的情况下，它通过传感器数据的变化，估算行人的步数、步长和航向，从而确定行人的位置；PDR的优点在于定位的自主性和连贯性，不受复杂室内环境限制，在短时间内有很好的定位精度；但PDR只能做相对定位，并且存在累积误差，长时间容易导致定位精度急剧下降。

蓝牙定位技术利用蓝牙拥有的短距离、低功耗优势，先在室内关键位置安装适当的蓝牙AP，再把蓝牙网络配置成多用户的基础网络连接模式，通过测量蓝牙AP的接收信号强度指示(Received Signal Strength Indicator，RSSI)进行定位；但蓝牙定位技术对于复杂的空间环境稳定性稍差，受噪声信号干扰大，且穿墙性能较差。

针对城市城市轨道交通等室内定位应用场景，结合公众用户群体需求，综合考虑定位精度、经济性和工程量等因素，亟需提供一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，利用粒子滤波算法融合蓝牙指纹定位和PDR定位，结合矢量地图约束对粒子权重进行更新，并对定位结果再修正，定位准确，稳定强。

为实现上述目的，本发明采用的技术方案是：

一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，包括以下步骤：

S1，在室内布设多个蓝牙信标，将室内环境按照等间隔划分方式划分为若干个子区域，获取每个子区域中心定位参考点的指纹信息，将所有定位参考点的指纹信息存储在指纹数据库中；

S2，获取用户手机终端接收到的多个蓝牙信标的RSSI数据，计算手机终端的蓝牙指纹初步定位结果；

S3，采用粒子滤波算法和PDR定位算法对蓝牙指纹初步定位结果进行修正；

S4，基于矢量表示法构建室内地图，利用室内地图矫正粒子穿墙和轨迹穿墙的现象，对步骤S3中修正后的定位结果进行二次修正。

具体地，步骤S1中，所述定位参考点的指纹信息包括：定位参考点的坐标信息、定位参考点所属的区域分类信息和RSS向量。

具体地，步骤S1中，以区域为单位使用随机森林算法进行分类。

具体地，步骤S2中，使用随机森林算法预测用户手机终端所属的区域后，通过改进的KNN算法在该区域计算出初步定位结果。

进一步地，所述改进的KNN算法流程为：

S21，根据平方欧式距离平均值选取k个最小特征值所对应的位置点：

式中，j=1,2,3,…,m；m为指纹数据库中定位参考点的编号；

和

分别为指纹数据库中第i个和第j个定位参考点的RSS向量；

为在线采集的RSS向量与指纹数据库中第j个定位参考点的RSS向量之间的平方欧式距离的平均值；

为在线采集到的蓝牙信标的数量，该数量与指纹数据库中第j个定位参考点所包含的蓝牙信标的数量相同；

S22，将

作为权值分配给k个最近邻，计算出用户手机终端最终的定位位置：

式中，

为用户手机终端的最终位置；

为k个最近邻中第j个邻点的位置。

具体地，步骤S3中，蓝牙定位由于受室内复杂环境影响，信号强度随路径衰减损耗，导致定位结果不准确、不稳定，甚至出现跳跃现象，因此必须考虑定位的时序相关性。采用粒子滤波融合蓝牙和PDR能有效解决时序性问题，进而减少定位误差并提供稳定性。步骤S3具体包括以下步骤：

S31，粒子初始化，通过蓝牙定位确定目标的初始位置，目标的初始位置记为

，再由高斯分布初始化包含目标位置及粒子权值的粒子群：

式中，N为粒子数；

为满足高斯分布的初始时刻的位置；

为各个粒子的初始化权值；

S32，预测采样，利用PDR定位算法的输出作为状态转移量度对粒子群位置进行更新：

式中，

为第i个粒子t时刻的位置；

为第i个粒子t时刻的步长；

为第i个粒子t时刻的航向角；

为零均值高斯噪声；

S33，权值更新，将蓝牙定位结果作为观测量；若粒子与检测到蓝牙信号强度的信标的距离在阈值范围0.8米内，则将粒子权值设为1，否则将粒子权值设为0；若检测到粒子穿墙，则将该粒子权值设为0；

S34，重采样，将权值为1的粒子取代权值为0的粒子；从而让权值高的粒子产生更多的粒子，使得算法朝着权值高的方向收敛。

S35，计算结果，根据粒子的位置和权值，计算出当前目标位置估计值：

式中，

为目标位置在t时刻的估计值；

S36，重复步骤S32～S35，计算目标位置在下一时刻的估计值。

具体地，步骤S4中，根据室内地图判断粒子和轨迹是否穿墙，若粒子穿墙，则将粒子的权值设为0；若经过滤波融合后估计的轨迹穿墙，则将穿墙点重新定位到墙上对应门口的位置。

与现有技术相比，本发明的有益效果是：本发明在蓝牙室内定位的基础上，结合PDR信息进行粒子群的状态转移，利用蓝牙指纹定位信息及地图约束对粒子群进行权值更新，利用室内地图进行粒子穿墙或障碍物检测，对粒子滤波融合后的结果再次进行矫正，合理化人员轨迹，有效地抑制了蓝牙定位的波动性及PDR定位累计的漂移误差，提高了融合定位系统的准确性和稳定性。

附图说明

图1为本发明实施例中粒子滤波算法结合蓝牙、PDR及地图匹配进行室内定位的流程示意图。

图2为本发明实施例中城市轨道交通地下车站站厅的室内矢量地图示意图。

图3为本发明实施例中蓝牙指纹定位原理框架示意图。

具体实施方式

下面将结合本发明中的附图，对本发明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条件下所获得的所有其它实施例，都属于本发明保护的范围。

本实施例以某城市轨道交通站厅室内导航定位为例进行实例验证，实现了面向智能手机用户的导航定位，从而为乘客出行提供便利的乘坐体验，提升地铁运本营服务质量。

如图1所示，本实施例提出了一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，包括以下步骤：

S1，在室内布设多个蓝牙信标，将室内环境按照等间隔划分方式划分为若干个子区域，获取每个子区域中心定位参考点的指纹信息，将所有定位参考点的指纹信息存储在指纹数据库中（建立室内蓝牙指纹数据库）；

S2，获取用户手机终端接收到的多个蓝牙信标的RSSI数据，计算手机终端的蓝牙指纹初步定位结果；

S3，采用粒子滤波算法和PDR定位算法对蓝牙指纹初步定位结果进行修正；

S4，基于矢量表示法构建室内地图，利用室内地图矫正粒子穿墙和轨迹穿墙的现象，对步骤S3中修正后的定位结果进行二次修正。

所述的蓝牙指纹定位，是一种基于接收信号强度（Received Signal Strength,RSS）的定位方法，可利用室内环境中蓝牙信标，对不同位置的信号强度进行特征标记，对定位环境中每个采样点打上一个其特有的标签，建立RSS到空间位置的唯一映射关系。

具体实施过程中，如图2所示，本实施例以城市轨道交通地下车站的站厅为例，对现场进行了踏勘，绘制矢量图，蓝牙信标沿墙体向内覆盖布设。

如图3所示，本实施例的基于RSS的蓝牙指纹定位过程分为两个阶段：指纹库建立阶段和在线定位阶段。

其中，指纹库建立阶段将定位环境按照等间隔划分方式划分为若干个子区域，子区域边长为2～3m，子区域中心为定位参考点；采集蓝牙信号，对信号进行预处理，以子区域为单位采用随机森林（Random Forest，RF）算法进行分类；定位服务器设置指纹数据库，存储定位参考点处理后的指纹信息。所述定位参考点的指纹信息包括：定位参考点的坐标信息、定位参考点所属的区域分类信息和RSS（信号强度）向量。信号强度向量的格式均为：（ID1，RSS1），（ID2，RSS2），…，（IDn，RSSn），其中IDn为第n个蓝牙信标的标签ID信息，RSSn为定位参考点接收到第n个蓝牙信标的信号强度。

在定位阶段，使用RF分类算法预测目标所属区域，再通过改进的KNN最邻近（K-Nearest Neighbor，KNN）算法确定移动目标在该区域算出最终位置。

进一步地，所述改进的KNN算法流程为：

S21，根据平方欧式距离平均值选取k个最小特征值所对应的位置点：

式中，j=1,2,3,…,m；m为指纹数据库中定位参考点的编号；

和

分别为指纹数据库中第i个和第j个定位参考点的RSS向量；

为在线采集的RSS向量与指纹数据库中第j个定位参考点的RSS向量之间的平方欧式距离的平均值；

为在线采集到的蓝牙信标的数量，该数量与指纹数据库中第j个定位参考点所包含的蓝牙信标的数量相同；

S22，将

作为权值分配给k个最近邻，计算出用户手机终端最终的定位位置：

式中，

为用户手机终端的最终位置；

为k个最近邻中第j个邻点的位置。

具体地，步骤S3中，蓝牙定位由于受室内复杂环境影响，信号强度随路径衰减损耗，导致定位结果不准确、不稳定，甚至出现跳跃现象，因此必须考虑定位的时序相关性。采用粒子滤波融合蓝牙和PDR能有效解决时序性问题，进而减少定位误差并提供稳定性。

所述的PDR定位，是根据MEMS对步行者行走的步数、步长、方向进行测量和统计，推算出步行者行走轨迹和位置等信息的计算方法。

所述的粒子滤波及地图约束，是指采用粒子滤波算法融合蓝牙和PDR的定位得到中间修改定位结果，再结合室内地图匹配技术得到最终定位结果。粒子滤波解决了蓝牙定位时序性问题。利用室内地图进行粒子穿墙或障碍物检测，对粒子滤波融合后的结果再次进行矫正，合理化人员轨迹，得到最终定位结果。

步骤S3具体包括以下步骤：

S31，粒子初始化，通过蓝牙定位确定目标的初始位置，目标的初始位置记为

，再由高斯分布初始化包含目标位置及粒子权值的粒子群：

式中，N为粒子数；

为满足高斯分布的初始时刻的位置；

为各个粒子的初始化权值；

S32，预测采样，利用PDR定位算法的输出作为状态转移量度对粒子群位置进行更新：

式中，

为第i个粒子t时刻的位置；

为第i个粒子t时刻的步长；

为第i个粒子t时刻的航向角；

为零均值高斯噪声；

S33，权值更新，将蓝牙定位结果作为观测量；若粒子与检测到蓝牙信号强度的信标的距离在阈值范围0.8米内，则将粒子权值设为1，否则将粒子权值设为0；若检测到粒子穿墙，则将该粒子权值设为0；

S34，重采样，将权值为1的粒子取代权值为0的粒子；从而让权值高的粒子产生更多的粒子，使得算法朝着权值高的方向收敛。

S35，计算结果，根据粒子的位置和权值，计算出当前目标位置估计值：

式中，

为目标位置在t时刻的估计值；

S36，重复步骤S32～S35，计算目标位置在下一时刻的估计值。

进一步地，步骤S32中，所述PDR定位算法包括以下步骤：

S321，步态检测：智能手机内部提供步态检测传感器接口，它是基于软件的传感器，通过读取陀螺仪和加速度计等硬件传感器的输出信号来检测步态，检测到步态时，传感器就会输出1。

S322，步长估算：一般情况下人的步长是基本没有太大变化，可近似统一为固定步长。本发明为了得到步长估算结果，手持移动终端进行前进30步来评估定位者的步长，3次步长估算结果如下表1所示，表中，距离和平均步长的单位均为m；由实验结果得PDR定位步长可取平均值0.61m。

表1 步长估算结果

S323，航向角估算：智能手机内置方向传感器数据可通过加速度传感器和磁场传感器共同获得的。首先通过加速度向量和重力加速度计算出手机俯仰角和翻滚角，然后将基于手机的坐标系的磁场强度向量转换成基于大地坐标系的磁场强度向量，使大地坐标中的x和y方向的磁场强度确定行人方向。进行PDR定位时手机平放，使得z轴正方向垂直向上，y轴正方向朝前进方向，则前进过程中移动目标的转向角即为方向传感器绕z轴旋转的角度。其中，方向角的输出范围为0°～360°，顺时针旋转方向角增大，逆时针减少。

本实施例中，采用粒子滤波融合蓝牙定位和PDR解决了定位的时序性问题，但仍存在定位轨迹穿墙问题，需要结合室内地图匹配来解决。

具体地，步骤S4中，首先要对室内地图进行建模。室内地图建模采用矢量表示法，室内地图模型包括：点、线、面。点表示室内某个位置，用地图中的x和y坐标表示。线表示室内的墙和门，包括起点、终点和意义（墙或门）。面则表示房间、走廊、楼梯等空间区域，包括构成该面的所有线和该面的意义（房间、走廊或楼梯等）。

然后根据室内地图判断粒子和轨迹是否穿墙，若粒子穿墙，则将粒子的权值设为0；经过粒子滤波修正后行人轨迹穿墙问题明显改善，但是还不能杜绝。若经过滤波融合后估计的轨迹穿墙，则将穿墙点重新定位到墙上对应门口的位置，使得轨迹更加合理。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、平台(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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发明实施例技术方案。

Claims (7)

1.一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，包括以下步骤：

S1，在室内布设多个蓝牙信标，将室内环境按照等间隔划分方式划分为若干个子区域，每个子区域获取每个区域中心定位参考点的指纹信息，将所有定位参考点的指纹信息存储在指纹数据库中；

S2，获取用户手机终端接收到的多个蓝牙信标的RSSI数据，计算手机终端的蓝牙指纹初步定位结果；

S3，采用粒子滤波算法和PDR定位算法对蓝牙指纹初步定位结果进行修正；

S4，基于矢量表示法构建室内地图，利用室内地图矫正粒子穿墙和轨迹穿墙的现象，对步骤S3中修正后的定位结果进行二次修正。

2.根据权利要求1所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，步骤S1中，所述定位参考点的指纹信息包括：定位参考点的坐标信息、定位参考点所属的区域分类信息和RSS向量。

3.根据权利要求1所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，步骤S1中，以子区域为单位使用随机森林算法进行分类。

4.根据权利要求1所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，步骤S2中，使用随机森林算法预测用户手机终端所属的区域后，通过改进的KNN算法在该区域计算出初步定位结果。

5.根据权利要求4所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，所述改进的KNN算法流程为：

S21，根据平方欧式距离平均值选取k个最小特征值所对应的位置点：

式中，j=1,2,3,…,m；

和

分别为指纹数据库中第i个和第j个定位参考点的RSS向量；

为在线采集的RSS向量与指纹数据库中第j个定位参考点的RSS向量之间的平方欧式距离的平均值；

为在线采集到的蓝牙信标的数量，该数量与指纹数据库中第j个定位参考点所包含的蓝牙信标的数量相同；

S22，将

作为权值分配给k个最近邻，计算出用户手机终端最终的定位位置：

式中，

为用户手机终端的最终位置；

为k个最近邻中第j个邻点的位置。

6.根据权利要求1所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，步骤S3包括以下步骤：

S31，粒子初始化，通过蓝牙定位确定目标的初始位置，目标的初始位置记为

，再由高斯分布初始化包含目标位置及粒子权值的粒子群：

式中，N为粒子数；

为满足高斯分布的初始时刻的位置；

为各个粒子的初始化权值；

S32，预测采样，利用PDR定位算法的输出作为状态转移量度对粒子群位置进行更新：

式中，

为第i个粒子t时刻的位置；

为第i个粒子t时刻的步长；

为第i个粒子t时刻的航向角；

为零均值高斯噪声；

S33，权值更新，将蓝牙定位结果作为观测量；若粒子与检测到蓝牙信号强度的信标的距离在阈值范围0.8米内，则将粒子权值设为1，否则将粒子权值设为0；若检测到粒子穿墙，则将该粒子权值设为0；

S34，重采样，将权值为1的粒子取代权值为0的粒子；

S35，计算结果，根据粒子的位置和权值，计算出当前目标位置估计值：

式中，

为目标位置在t时刻的估计值；

S36，重复步骤S32～S35，计算目标位置在下一时刻的估计值。

7.根据权利要求1所述的一种基于蓝牙、PDR和地图匹配融合的室内人员定位方法，其特征在于，步骤S4中，根据室内地图判断粒子和轨迹是否穿墙，若粒子穿墙，则将粒子的权值设为0；若经过滤波融合后估计的轨迹穿墙，则将穿墙点重新定位到墙上对应门口的位置。

Images