CN117092586A - 室内定位方法、装置、电子设备及介质 - Google Patents
室内定位方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117092586A CN117092586A CN202210517239.0A CN202210517239A CN117092586A CN 117092586 A CN117092586 A CN 117092586A CN 202210517239 A CN202210517239 A CN 202210517239A CN 117092586 A CN117092586 A CN 117092586A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- geomagnetic
- electronic device
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000015654 memory Effects 0.000 claims description 46
- 230000001133 acceleration Effects 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001976 improved effect Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 101100059544 Arabidopsis thaliana CDC5 gene Proteins 0.000 description 3
- 101100244969 Arabidopsis thaliana PRL1 gene Proteins 0.000 description 3
- 102100039558 Galectin-3 Human genes 0.000 description 3
- 101100454448 Homo sapiens LGALS3 gene Proteins 0.000 description 3
- 101150115300 MAC1 gene Proteins 0.000 description 3
- 101150051246 MAC2 gene Proteins 0.000 description 3
- 101100364280 Oryza sativa subsp. japonica RSS3 gene Proteins 0.000 description 3
- 101100150875 Oryza sativa subsp. japonica SUS1 gene Proteins 0.000 description 3
- 101100478969 Oryza sativa subsp. japonica SUS2 gene Proteins 0.000 description 3
- 101100478972 Oryza sativa subsp. japonica SUS3 gene Proteins 0.000 description 3
- 101100004663 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) BRR2 gene Proteins 0.000 description 3
- 101100504519 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GLE1 gene Proteins 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 239000002775 capsule Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000005358 geomagnetic field Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- 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
-
- 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
- G01C21/04—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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
- G01S5/012—Identifying whether indoors or outdoors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
- G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
- G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请涉及室内定位领域,公开了一种室内定位方法、装置、电子设备及介质。其中,该方法通过确定出当前场景满足触发众包数据采集的条件,获取来自多个无线保真接入点的第一Wi‑Fi指纹数据和地磁传感器采集的地磁数据,向后台服务器发送第一Wi‑Fi指纹数据和地磁传感器采集的地磁数据,后台服务器根据接收的第一Wi‑Fi指纹数据在Wi‑Fi指纹定位数据库中确定第一Wi‑Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi‑Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对Wi‑Fi指纹定位数据库进行更新,能够使得采集的众包数据在室内区域中分布更加均匀,众包数据的位置估算也更加准确,能够提高在线定位时的定位精度。
Description
技术领域
本申请涉及室内定位领域,特别涉及一种室内定位方法、装置、电子设备及介质。
背景技术
当前,随着室内导航需求的不断增加,室内定位技术成为位置服务(Location-based Services,LBS)领域的研究热点。室内定位技术目前有多种技术实现方法,例如基于无线保真(Wireless Fidelity,Wi-Fi)的方法、基于基站的方法、基于射频识别(RadioFrequency Identification,RFID)的方法、基于蓝牙(BlueTooth)的方法等,基于无线保真的定位方法逐渐成为室内定位技术的主流方法。
现有基于无线保真的室内定位方法包括离线Wi-Fi指纹采集阶段和在线定位阶段,离线Wi-Fi指纹采集阶段中对室内环境不同位置的Wi-Fi指纹进行采集,并将Wi-Fi指纹与位置相对应,Wi-Fi指纹与对应位置组成的一组数据为位置指纹,多个位置指纹构成Wi-Fi指纹定位数据库。在线定位阶段中,用户将当前采集的Wi-Fi指纹提交给定位服务器,通过与Wi-Fi指纹定位数据库的位置指纹进行匹配,将相似度最大的位置指纹对应的位置作为用户当前的位置。
由于基于无线保真的室内定位方法的定位精度受到Wi-Fi指纹定位数据库的位置指纹的质量影响较大,而位置指纹中的Wi-Fi指纹的时效性较差,例如室内格局的改变、Wi-Fi热点位置变化等室内环境变化会造成Wi-Fi指纹的变化,从而导致定位精度下降,因此需要对Wi-Fi指纹定位数据库中的位置指纹进行周期性更新,以人工方式进行更新成本高、效率低,目前多采用众包采集方式对Wi-Fi指纹定位数据库进行更新。
众包采集是一种收集位置指纹的方式,多个用户通过电子设备采集实时位置指纹并提交给Wi-Fi指纹定位数据库用于更新。现有的众包采集通常根据接收的卫星状态或用户在室内场景中处于步行状态作为电子设备上众包采集的触发条件,并通过行人航位推算技术(Pedestrian Dead Reckoning,PDR)来确定触发众包采集时的位置。由于现有的众包采集的触发条件的限制,在室内环境的一些区域如地下车库的出入口、电梯、扶梯等难以有效触发众包数据的采集,使得这些区域对应的众包数据较少。图1和图2示出了现有众包采集方法在地下车库中采集的众包数据的分布情况。如图1所示,图中众包数据的采集集中在中间区域中,图中以虚线标记出的两个区域中众包数据很少,说明这两个区域中难以满足触发众包数据采集的条件。图2中可以看出地下车库的出入口如电梯、扶梯和楼梯所在区域产生的众包数据也很少,说明现有的众包采集方案也难以在这些出入口区域触发众包数据的采集。
室内区域中采集的众包数据太少会导致Wi-Fi指纹定位数据库中相应区域的位置指纹难以及时更新,会降低这些区域的定位精度。另外,行人航位推算技术会随着用户行走距离的增加导致累计误差越来越大,导致众包数据中位置数据的准确性越来越差,同样会降低定位精度。
发明内容
本申请实施例提供了一种室内定位方法、装置、电子设备及介质,用于解决现有技术中众包数据分布不均匀和位置数据不准确的问题。
第一方面,本申请实施例提供了一种室内定位方法,用于第一电子设备,该方法包括:
确定出当前场景满足触发众包数据采集的条件;
获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据;
向第二电子设备发送第一Wi-Fi指纹数据和地磁传感器采集的地磁数据,以使第二电子设备根据接收的第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
可以理解,通常室内定位技术中众包数据的位置为通过PDR技术推算的数据,PDR技术推算的位置会随着时间的增加积累误差,最终导致定位精度下降,然而通过本申请的室内定位方法,能够通过地磁定位来确定众包数据的位置,避免使用PDR技术进行推算,提高了众包数据的位置准确性,进而能够提高定位精度。
通过上述方法,结合了Wi-Fi指纹定位技术和地磁定位技术,先通过快速的Wi-Fi指纹定位得到一个大致的定位位置,再根据该大致的定位位置确定相应的地磁定位匹配范围,地磁数据只需要在确定的地磁定位匹配范围内匹配,能够减少地磁数据进行匹配的数据量,从而提高地磁定位的效率。
在上述第一方面的一种可能的实现中,确定出当前场景满足触发众包数据采集的条件,包括:
获取传感器的传感器数据,并根据传感器数据确定出当前场景满足触发众包数据采集的条件。
通过上述方法,无需增加额外的场景识别设备即可实现当前场景的识别,简化了场景识别的设备环境。
在上述第一方面的一种可能的实现中,获取传感器的传感器数据,并根据传感器数据确定出当前场景满足触发众包数据采集的条件,包括:
获取传感器的传感器数据,并将传感器数据输入预设的场景识别模型,根据场景识别模型的识别结果确定出当前场景满足触发众包数据采集的条件。
通过上述方法,使用人工智能相关的场景识别模型对当前场景进行识别,能够提高场景识别的准确性。
在上述第一方面的一种可能的实现中,将传感器数据输入预设的场景识别模型,根据场景识别模型的识别结果确定出当前场景满足触发众包数据采集的条件,包括:
根据传感器数据,确定跨楼层状态数据;
将跨楼层状态数据输入场景识别模型,根据场景识别模型的识别结果确定当前场景是否为行车跨楼层场景。
通过上述方法,将传感器数据综合整理为跨楼层状态数据,将跨楼层状态数据作为场景识别模型的输入数据,能够提高对行车跨楼层场景识别的准确性。
在上述第一方面的一种可能的实现中,跨楼层状态数据包括:坡度、角速度、线速度、高度和行车轨迹。
在上述第一方面的一种可能的实现中,传感器至少包括如下一种:加速度传感器、陀螺仪传感器、气压传感器、重力传感器、地磁传感器。
在上述第一方面的一种可能的实现中,传感器数据还包括信号数据,信号数据包括第一电子设备通过无线通信模块接收的数据。
在上述第一方面的一种可能的实现中,第一Wi-Fi指纹数据至少包括无线保真接入点的标识和接收信号强度。
在上述第一方面的一种可能的实现中,当前场景为下列中的至少一种:室内外场景、行车步行切换场景、步行切换场景和行车跨楼层场景。
在上述第一方面的一种可能的实现中,该方法还包括:
接收室内定位指令;
根据室内定位指令获取第二Wi-Fi指纹数据;
向第二电子设备发送第二Wi-Fi指纹数据,以使第二电子设备根据接收的第二Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定对应的第二Wi-Fi定位位置;
向第一电子设备发送第二Wi-Fi定位位置。
通过上述方法,使用通过众包数据进行数据更新后的Wi-Fi指纹定位数据库进行在线定位,能够提高在线定位的精度。
在上述第一方面的一种可能的实现中,该方法还包括:
接收第二电子设备发送的地磁定位位置;
根据接收的地磁定位位置和第一Wi-Fi指纹数据生成众包数据并向第二电子设备发送,以使第二电子设备根据接收的众包数据对Wi-Fi指纹定位数据库进行更新。
在上述第一方面的一种可能的实现中,地磁定位位置还包括地磁定位误差,当地磁定位误差大于预设的误差阈值时,停止生成众包数据。
通过上述方法,实现对位置不准确的众包数据的筛选,避免使用位置不准确的众包数据对Wi-Fi指纹定位数据库进行更新。
在上述第一方面的一种可能的实现中,该方法还包括:
当满足预设的众包数据采集停止条件时,停止众包数据的采集。
通过上述方法,实现对众包数据采集的控制,避免同一电子设备进行过多的众包数据采集,降低电子设备的功耗。
本申请实施例中提供了室内定位方法,该方法通过确定出当前场景满足触发众包数据采集的条件,获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据,向后台服务器发送第一Wi-Fi指纹数据和地磁传感器采集的地磁数据,后台服务器根据接收的第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新,能够使得采集的众包数据在室内区域中分布更加均匀,众包数据的位置估算也更加准确,能够提高在线定位时的定位精度。
第二方面,本申请实施例提供了一种室内定位方法,用于包括第一电子设备和第二电子设备的系统,该方法包括:
第一电子设备确定出当前场景满足触发众包数据采集的条件;
第一电子设备获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据并向第二电子设备发送;
第二电子设备根据接收的第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据地磁数据和第一Wi-Fi定位位置确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
在上述第二方面的一种可能的实现中,第二电子设备根据接收的第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据地磁数据和第一Wi-Fi定位位置确定地磁定位位置,包括:
第二电子设备根据接收的第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置。
在上述第二方面的一种可能的实现中,第二电子设备对Wi-Fi指纹定位数据库进行更新,包括:
第二电子设备向第一电子设备发送地磁定位位置;
第一电子设备根据接收的地磁定位位置和第一Wi-Fi指纹数据生成众包数据并向第二电子设备发送;
第二电子设备根据接收的众包数据对Wi-Fi指纹定位数据库进行更新。
第三方面,本申请实施例提供了一种室内定位装置,该装置包括:
确定模块,用于确定出当前场景满足触发众包数据采集的条件;
获取模块,用于获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据;
发送模块,用于向第二电子设备发送第一Wi-Fi指纹数据和地磁传感器采集的地磁数据,以使第二电子设备根据接收的第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
第四方面,本申请实施例提供了一种室内定位系统,该系统包括第一电子设备和第二电子设备,第一电子设备,用于确定出当前场景满足触发众包数据采集的条件,并获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据并向第二电子设备发送;
第二电子设备,用于根据接收的第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据地磁数据和第一Wi-Fi定位位置确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
第五方面,本申请实施例提供了一种电子设备,该电子设备包括:
存储器,用于存储由电子设备的一个或多个处理器执行的指令,以及处理器,是电子设备的处理器之一,用于执行上述第一方面以及第一方面的各种可能实现中的任意一种室内定位方法。
第六方面,本申请实施例提供了一种可读存储介质,可读存储介质上存储有指令,该指令在电子设备上执行时使电子设备执行上述第一方面以及第一方面的各种可能实现中的任意一种室内定位方法或上述第二方面以及第二方面的各种可能实现中的任意一种室内定位方法。
第七方面,本申请实施例提供了一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现上述第一方面以及第一方面的各种可能实现中的任意一种室内定位方法或上述第二方面以及第二方面的各种可能实现中的任意一种室内定位方法。
附图说明
图1根据本申请的一些实施例,示出了一种地下车库中采集的众包数据的分布情况示意图。
图2根据本申请的一些实施例,示出了另一种地下车库中采集的众包数据的分布情况示意图。
图3根据本申请的一些实施例,示出了一种室内定位方法的场景示意图。
图4根据本申请的一些实施例,示出了一种地磁定位位置与地磁定位误差的示意图
图5根据本申请的一些实施例,示出了一种用于室内定位方法的电子设备的硬件结构图。
图6根据本申请的一些实施例,示出了一种室内定位方法的流程示意图。
图7根据本申请的一些实施例,示出了一种车辆在跨楼层场景中跨楼层过程的示意图。
图8根据本申请的一些实施例,示出了一种车辆在不同坡道类型的行车轨迹示意图。
图9根据本申请的一些实施例,示出了一种室内定位装置的结构示意图。
图10根据本申请的一些实施例,示出了另一种用于室内定位方法的电子设备的硬件结构图。
具体实施方式
本申请的说明性实施例包括但不限于室内定位方法、装置、电子设备及介质。
可以理解,在本申请各实施例中,处理器可以是微处理器、数字信号处理器、微控制器等,和/或其任何组合。根据另一个方面,所述处理器可以是单核处理器,多核处理器等,和/或其任何组合。
可以理解,本申请的室内定位方法适用于用户通过电子设备在室内环境中进行定位的场景。
如前所述,现有的室内定位技术中,采用的是根据手机接收的卫星状态或室内环境中用户处于步行状态作为众包数据采集的触发条件,触发条件限制较多,存在难以在室内环境的部分区域,如出入口、电梯、扶梯、楼梯等触发众包数据采集,以及难以在用户处于非步行状态时触发众包数据采集的问题,进而导致室内定位数据不能及时更新,并且由于PDR技术带来的位置误差导致定位精度不高的问题。
为了解决该问题,本申请实施例提供了一种具有较高定位精度的室内定位方法。具体地,根据来自电子设备内置的多种传感器的传感器数据确定当前场景满足触发众包数据采集的条件,并将获得的来自多个Wi-Fi接入点的Wi-Fi指纹数据和地磁传感器采集的地磁数据提供给后台服务器进行相应的地磁定位得到地磁定位位置,并根据Wi-Fi指纹数据和地磁定位位置对Wi-Fi指纹定位数据库进行更新,能够使得采集的众包数据在室内区域中分布更加均匀,还能够在一些特殊区域进行众包数据采集,众包数据的位置估算也更加准确,进而能够提高在线定位时的定位精度。
下面将结合附图对本申请的实施例作进一步地详细描述。
图3为本申请实施例的室内定位方法中电子设备进行众包数据采集和在线定位的场景的示意图。如图3所示,该场景包括电子设备100、Wi-Fi定位服务器200、地磁定位服务器300和Wi-Fi接入点(Access Point,AP)301、302、303和304。
Wi-Fi接入点301、302、303和304用于向外发送Wi-Fi信号,发送的Wi-Fi信号的强度随着传输距离的增加而减小。Wi-Fi接入点301的媒体访问控制(Media Access Control,MAC)地址为MAC1,Wi-Fi接入点302的MAC地址为MAC2,Wi-Fi接入点303的MAC地址为MAC3,Wi-Fi接入点304的MAC地址为MAC4。
可以理解,图3中的4个Wi-Fi接入点仅仅是一种示例,并不构成对在线定位场景中Wi-Fi接入点数量的限制,本申请的实施例中的Wi-Fi接入点可以为电子设备100能够扫描到的任意数目的Wi-Fi接入点。
进行在线定位时,电子设备100接收Wi-Fi接入点发送的Wi-Fi信号并确定相应的接收信号强度(Received Signal Strength,RSS),其中,接收的来自Wi-Fi接入点301的信号强度为RSS1,接收的来自Wi-Fi接入点302的信号强度为RSS2,接收的来自Wi-Fi接入点303的信号强度为RSS3,接收的来自Wi-Fi接入点304的信号强度为RSS4。电子设备100将由MAC1和RSS1、MAC2和RSS2、MAC3和RSS3、MAC4和RSS4组成的二元数据作为Wi-Fi定位数据发送给Wi-Fi定位服务器200,由Wi-Fi定位服务器200根据Wi-Fi定位数据对电子设备100的当前位置进行定位。
Wi-Fi定位服务器200用于接收电子设备100发送的Wi-Fi定位数据,并将Wi-Fi定位数据在预先建立的Wi-Fi指纹定位数据库中进行匹配,确定数据库中与Wi-Fi定位数据相似度最高的Wi-Fi指纹,再根据该Wi-Fi指纹确定电子设备100的当前位置,例如可以将相似度最高的Wi-Fi指纹所对应的位置作为当前位置,也可以对相似度最高的Wi-Fi指纹附近的多条Wi-Fi指纹对应的位置进行相关计算,将计算结果作为电子设备100的当前位置等。
Wi-Fi指纹定位数据库在离线Wi-Fi指纹采集阶段中建立,例如用户可以在室内区域中选取多个参考点的位置,并在每个参考点同时采集多个来自不同Wi-Fi接入点的接收信号强度值,再将多个参考点接收到的Wi-Fi接入点的接收信号强度值、Wi-Fi接入点的MAC地址和参考点的位置组成的三元数据组作为位置指纹存储在Wi-Fi指纹定位数据库中。
在进行众包数据采集时,电子设备100可以通过内置的多种传感器如加速度传感器180E、陀螺仪传感器180B、气压传感器180C、重力传感器等和/或信号指纹数据如地磁数据、Wi-Fi信号数据、蜂窝信号(Global System for Mobile Communications,GSM)数据等识别当前场景是否为触发众包数据采集的场景,通过识别当前场景可以判断用户当前是否在室内并且处于可以提供众包数据的环境中,如果为触发众包数据采集的场景则进行众包数据的采集并提交给Wi-Fi定位服务器200,如果不是触发众包数据采集的场景则无需进行众包数据的采集。
电子设备100采集的众包数据可以包括Wi-Fi接入点的MAC地址、接收信号强度和电子设备100的当前位置。在此,电子设备100将Wi-Fi接入点的MAC地址、接收信号强度作为Wi-Fi指纹发送给Wi-Fi定位服务器200,Wi-Fi定位服务器200根据Wi-Fi指纹确定相应的Wi-Fi定位位置并返回给电子设备100。电子设备100通过内置的地磁传感器180D获取地磁数据,并将地磁数据和Wi-Fi定位位置发送给地磁定位服务器300。地磁定位服务器300根据地磁数据和Wi-Fi定位位置进行定位得到更精确位置并返回给电子设备100,电子设备100将接收的更精确位置作为电子设备100的当前位置。
地磁定位服务器300用于接收电子设备100发送的地磁数据和Wi-Fi定位位置,并根据地磁数据在预先以人工方式采集建立的地磁定位数据库中进行匹配,匹配时不进行地磁定位数据库中所有数据的匹配,而是在由Wi-Fi定位位置所确定的地磁定位的匹配范围中进行匹配。匹配结果包括数据库中与地磁数据最接近的地磁定位位置和相应的地磁定位误差(uncertainty),地磁定位位置可以使用经纬度数据来表示,地磁定位误差用于描述地磁定位位置的最大误差值,误差值越大表明地磁定位位置越不准确。如图4所示,电子设备100的真实位置可以是图中黑色圈内的任何一点,图中的Y表示地磁定位的不确定性,即地磁定位误差,半径Y越大,黑色圈的范围越大,地磁定位的准确性越差,反之黑色圈的范围越小表明地磁定位的准确性越高。地磁定位服务器300最后将最接近的地磁定位位置和相应的地磁定位误差返回给电子设备100,电子设备100将接收的地磁定位位置作为电子设备100的当前位置。
电子设备100将采集的众包数据发送给Wi-Fi定位服务器200,例如,发送的众包数据可以包括Wi-Fi接入点301的MAC地址MAC1、RSS1、Wi-Fi接入点302的MAC地址MAC2、RSS2、Wi-Fi接入点303的MAC地址MAC3、RSS3、Wi-Fi接入点304的MAC地址MAC4、RSS4和电子设备100的当前位置等。
Wi-Fi定位服务器200用于接收电子设备100发送的众包数据,并根据众包数据生成众包数据库,还可以根据众包数据对Wi-Fi指纹定位数据库中相应的位置指纹进行更新。具体来说,可以根据众包数据中电子设备100的当前位置对Wi-Fi指纹定位数据库中对应位置的Wi-Fi指纹进行更新。
可以理解,Wi-Fi定位服务器200和地磁定位服务器300可以是同一台服务器,也可以是不同的服务器,本申请实施例对此不作具体限制。
可以理解,本申请实施例中的电子设备可以包括但不限于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等,本申请实施例对电子设备的具体类型不作具体限制。
示例性的,图5示出了电子设备100的结构示意图。电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,地磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
充电管理模块140用于从充电器接收充电输入。电源管理模块141用于连接电池142,充电管理模块140与处理器110。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wireless local area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(Bluetooth,BT),全球导航卫星系统(globalnavigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。
外部存储器接口120可以用于连接外部存储卡,外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备100的各种功能应用以及数据处理。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。耳机接口170D用于连接有线耳机。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。陀螺仪传感器180B可以用于确定电子设备100的运动姿态。气压传感器180C用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。地磁传感器180D包括霍尔传感器。加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。骨传导传感器180M可以获取振动信号。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。SIM卡接口195用于连接SIM卡。
以上介绍了电子设备100可能具有的硬件结构,可以理解的是,本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
下面结合上述图5所示的结构,根据图6并结合具体场景,详细介绍本申请的技术方案。如图6所示,本申请的一些实施例中室内定位方法的执行主体可以是电子设备100的处理器,并且可以包括如下步骤:
步骤S601:获取传感器数据和/或信号数据。
本申请的一些实施例中,触发众包数据采集的场景可以包括但不限于:室内外场景、行车步行切换场景、步行切换场景、行车跨楼层场景等。
其中,室内外场景包括用户以驾车或步行方式从室外环境进入室内环境的场景;行车步行切换场景包括在室内环境中,用户从驾车状态切换为下车步行状态的场景;步行切换场景包括用户从同一层步行状态切换为乘坐电梯或扶梯状态、楼梯步行状态的场景;行车跨楼层场景包括用户以驾车方式跨越楼层的场景。
可以理解,为了判断电子设备100是否满足触发众包数据采集的触发条件,通常需要判断电子设备100的当前场景,例如,在判断是否处于室内外场景时,需要知道电子设备100的移动速度、高度、环境光线强度、GSM信号接收强度等,要得到这些状态需要通过电子设备100中内置的加速度传感器180E、陀螺仪传感器180B、气压传感器180C、环境光传感器等传感器或GSM无线模块、Wi-Fi无线模块等采集数据;在判断是否处于行车步行切换场景或步行切换场景时,需要知道电子设备100的移动速度、移动方向、角速度等,要得到这些状态需要通过电子设备100中内置的加速度传感器180E和陀螺仪传感器180B来采集数据;在判断是否处于行车跨楼层场景时,需要知道电子设备100的移动速度、移动方向、角速度、高度等,要得到这些状态需要通过电子设备100中内置的加速度传感器180E、陀螺仪传感器180B、气压传感器180C来采集数据等。
本申请的一些实施例中,用户的电子设备100可以实时采集内置的传感器180的数据,传感器可以包括但不限于:加速度传感器180E、陀螺仪传感器180B、气压传感器180C、重力传感器等,再根据采集的传感器数据通过预先建立的场景识别模型确定电子设备100当前所处的场景。
加速度传感器180E是用于测量加速度的传感器,通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成,加速度传感器180E在加速过程中,通过对质量块所受惯性力的测量,利用惯性定律获得加速度值。根据传感器敏感元件的不同,常见的加速度传感器包括电容式、电感式、应变式、压阻式、压电式等。
电子设备100使用的陀螺仪传感器180B是用于测量角速度的传感器,工作原理是利用物理学上的科里奥利力,在内部产生微小的电容变化,然后根据测量的电容数据计算出角速度。
气压传感器180C是用于测量大气压强的传感器,有些气压传感器的传感元件是对压强敏感的薄膜,薄膜与柔性电阻连接,气压变化造成薄膜的变形导致柔性电阻的阻值变化,根据测量的阻值确定相应的气压值;有些气压传感器的传感元件是变容式硅膜盒,气压的变化会引起硅膜盒的变形,进而引起硅膜盒平行板电容容量的变化,根据电容值确定气压值。
重力传感器用于测量由于重力引起的加速度,根据压电效应的原理来工作,即通过对加速度造成的介质变形时产生的电压进行测量来确定相应的加速度值。
可以理解,电子设备100获取的传感器数据可以是一种传感器的数据,也可以是多种传感器的数据,本申请实施例对此不作具体限制。
本申请的一些实施例中,电子设备100可以实时采集通过无线通信模块接收的信号数据,信号数据可以包括但不限于Wi-Fi信号数据、蜂窝信号数据等,再根据信号数据通过预先建立的场景识别模型确定电子设备100当前所处的场景。
步骤S602:根据传感器数据和/或信号数据确定当前场景是否为触发众包数据采集的场景,若是则执行步骤S603,采集众包数据,否则转到步骤S601执行。
在此,电子设备100的当前场景是指电子设备100当前所处的场景模式,由于电子设备100通常由用户携带或放置在用户附近的位置,电子设备100的当前场景可以实质上反映用户所处的环境场景和用户的活动状态场景,这些用户相关的场景可以用于触发电子设备100执行相应的处理。
本申请的一些实施例中,可以将传感器数据和/或信号数据输入预先建立的场景识别模型来获得模型输出结果,并根据模型输出的结果来判断是否属于触发众包数据采集的场景。在此,场景识别模型可以是一种使用机器学习算法的模型,该模型使用传感器数据和/或信号数据作为训练数据对机器学习算法进行训练,在训练完成后得到可以用于进行场景识别的模型。
可以理解,场景识别模型可以是一个或多个,场景识别模型可以是识别多个场景的一个模型,也可以是多个识别相应单独场景的子模型,本申请实施例对此不作具体限制。下文将做详细描述。
步骤S603:采集众包数据。
在确定当前场景是触发众包数据采集的场景之后,电子设备100执行地磁数据获取和Wi-Fi扫描以进行众包数据的采集。
本申请的一些实施例中,电子设备100通过内置的地磁传感器180D获取当前位置的地磁数据,并将获取的地磁数据发送给地磁定位服务器300,地磁定位服务器300将接收的地磁数据在预先建立的地磁定位数据库中匹配,确定地磁数据对应的地磁定位位置和相应的地磁定位误差并返回给电子设备100。
本申请的另外一些实施例中,电子设备100将进行Wi-Fi扫描后得到的Wi-Fi指纹发送给Wi-Fi定位服务器200,Wi-Fi定位服务器200将Wi-Fi指纹在Wi-Fi指纹定位数据库中匹配,确定Wi-Fi定位位置和相应的Wi-Fi定位误差并返回给电子设备100;电子设备100将Wi-Fi定位位置和通过地磁传感器180D获取的当前位置的地磁数据发送给地磁定位服务器300,地磁定位服务器300根据接收的地磁数据在预先建立的地磁定位数据库中由Wi-Fi定位位置确定的地磁定位的匹配范围内匹配,确定地磁数据对应的地磁定位位置和相应的地磁定位误差。通过使用Wi-Fi定位位置来减小地磁数据在地磁定位数据库中匹配时的匹配范围,可以加快地磁定位时的匹配速度,提高地磁定位位置的精度并降低地磁定位误差。
本申请的一些实施例中,地磁定位服务器300将确定的地磁定位位置和相应的地磁定位误差发送给Wi-Fi定位服务器200,Wi-Fi定位服务器200根据接收的Wi-Fi指纹和地磁定位位置对Wi-Fi指纹定位数据库进行更新。
本申请的另外一些实施例中,地磁定位服务器300将确定的地磁定位位置和相应的地磁定位误差发送给电子设备100,由电子设备100根据Wi-Fi指纹和接收的地磁定位位置生成相应的众包数据。
在一些实施例中,电子设备100接收的地磁定位误差超过预设的误差阈值时,电子设备100不生成相应的Wi-Fi众包数据。在此,地磁定位误差超过预设的误差阈值,说明地磁定位的准确性较差,该众包数据对应的地磁定位位置不准确,不能作为有效的众包数据使用。
在一些实施例中,众包数据可以包括但不限于地磁定位位置、Wi-Fi指纹数据等。在此,Wi-Fi指纹数据包括电子设备100当前可以接收到的Wi-Fi接入点的标识如MAC地址和对应的接收信号强度。
在此,根据地磁定位来确定众包数据的位置,可以提高众包数据的位置准确性,进而在在线定位时提高定位的精度。
在一些实施例中,众包数据可以包括当前场景的信息,例如当前场景的标识等,通过在众包数据中加入场景信息,可以根据产生场景对众包数据进行分类。
本申请的一些实施例中,在满足预设的众包采集停止条件时,停止采集众包数据。在此,众包采集停止条件可以根据众包采集需求进行定义,例如“在每个触发众包数据采集的场景中众包采集的触发次数超过预设阈值则停止众包采集”;“电子设备当天的众包采集时间超过预设的时间阈值则停止众包采集”;“电子设备上当天采集的众包数据占有的存储空间超过预设的存储阈值”等。通过设置众包采集停止条件,可以避免电子设备100进行过多的众包采集而导致的过高功耗。
步骤S604:将众包数据提交给Wi-Fi定位服务器200进行数据更新。
本申请的一些实施例中,电子设备100将生成的众包数据发送至Wi-Fi定位服务器200,Wi-Fi定位服务器200检查是否存在Wi-Fi众包数据库,如果不存在,则生成Wi-Fi众包数据库并将接收的众包数据写入,如果存在,直接将接收的众包数据写入Wi-Fi众包数据库。
在一些实施例中,众包数据包括场景的相关信息,可以将众包数据存入对应场景的Wi-Fi众包数据库中,例如,在行车步行切换场景中生成的众包数据存储到对应行车步行切换场景的Wi-Fi众包数据库中,步行切换场景中生成的众包数据存储到对应的步行切换场景的Wi-Fi众包数据库中。通过将不同场景中生成的众包数据分别存储,可以在在线定位时根据实时的场景在对应的场景Wi-Fi众包数据库中查询,能够提高不同场景中的定位精度。
本申请的一些实施例中,可以使用Wi-Fi众包数据库中的众包数据对Wi-Fi指纹定位数据库进行更新。在此,根据众包数据对Wi-Fi指纹定位数据库中的数据进行检测,识别Wi-Fi指纹是否有变化,例如Wi-Fi接入点的新增、减少、老化、移动位置等都会造成Wi-Fi指纹的变化。如果检测到Wi-Fi接入点有变化,并且满足数据更新条件,则使用Wi-Fi众包数据库中的众包数据对Wi-Fi指纹定位数据库进行更新。数据更新条件可以预先设定,例如数据更新周期超过预设的更新周期阈值,或Wi-Fi指纹定位数据库能够匹配的Wi-Fi接入点数量小于预设的接入点阈值等。
在后续的在线定位过程中,电子设备100首先接收Wi-Fi接入点的Wi-Fi指纹如MAC地址、接收信号强度等。在一些实施例中,电子设备100仅使用Wi-Fi指纹定位数据库进行定位,具体来说,电子设备100将Wi-Fi指纹发送给Wi-Fi定位服务器200,Wi-Fi定位服务器200根据Wi-Fi指纹在Wi-Fi指纹定位数据库进行匹配并将匹配得到的Wi-Fi定位位置返回电子设备100,电子设备100将接收的Wi-Fi定位位置直接作为电子设备的当前位置。
在另外一些实施例中,电子设备100使用Wi-Fi指纹定位数据库辅助进行地磁定位,具体来说,电子设备100将Wi-Fi指纹发送给Wi-Fi定位服务器200,Wi-Fi定位服务器200根据Wi-Fi指纹在Wi-Fi指纹定位数据库进行匹配并将匹配得到的Wi-Fi定位位置返回电子设备100。电子设备100再将Wi-Fi定位位置和通过内置的地磁传感器180D采集的地磁数据发送给地磁定位服务器300,地磁定位服务器300根据地磁数据在地磁定位数据库中由Wi-Fi定位位置确定的地磁定位的匹配范围中匹配,并将匹配的更精确的地磁定位位置返回电子设备100,电子设备100将接收到的地磁定位位置作为电子设备的当前位置。
如前所述,在步骤S602中,可以根据电子设备100的传感器数据和/或信号数据来判断场景。具体来说,是将传感器数据和/或信号数据输入预先建立的场景识别模型来进行场景识别。
在一些实施例中,场景识别模型的训练数据是预先收集的传感器数据,传感器数据可以有对应的场景标识,机器学习算法根据输入的传感器数据输出对应的预测场景,并将输出的预测场景与实际场景进行比对,根据比对结果的损失函数值对机器学习算法的参数进行持续的迭代优化,将得到的参数最优的机器学习算法作为场景识别模型。
可以理解,场景识别模型可以根据电子设备100的一种传感器的数据进行训练得到,例如根据加速度传感器180E的数据进行训练得到场景识别模型,也可以根据电子设备100的多种传感器的数据进行训练得到,例如根据加速度传感器180E和气压传感器180C的数据进行训练得到场景识别模型,本申请实施例对此不做具体限制。
在一些实施例中,训练数据是预先收集的信号数据,信号数据是电子设备100接收的无线数据,例如Wi-Fi信号数据、GSM信号数据等。类似地,信号数据可以有对应的场景标识,机器学习算法根据信号数据进行训练得到场景识别模型。
可以理解,训练数据可以同时包含传感器数据和信号数据,机器学习算法根据同时包含传感器数据和信号数据的训练数据进行训练后得到相应的场景识别模型,本申请实施例对训练数据的类型不作具体限制。
在一些实施例中,各场景的具体判断方式如下:
本申请的一些实施例中,可以根据传感器数据来确定当前是否为室内外场景。在此,可以预先收集电子设备100的传感器在室外的数据和室内的数据,并将室外的数据标记为室外,将室内的数据标记为室内,再将室外的传感器数据和室内的传感器数据作为训练数据对神经网络模型进行训练,从而得到用于识别室内外场景的模型。
例如,可以根据地磁传感器180D接收的地磁强度的变化大小来判断电子设备100是否从室外进入室内,由于建筑物内的钢筋混凝土结构对地磁的干扰较大,因此电子设备100从室外进入室内后地磁场的强度有较大变化,从而可以根据地磁场强度的变化情况来判断是否为室内外场景。
又例如,可以根据环境光传感器180L接收的光线强度的变化来判断电子设备100是否从室外进入室内,室外环境的光强通常要高于室内的光强,电子设备100从室外进入室内时,光照强度会有一个明显且持续的转换过程,通过识别光照强度的变化可以对室内外场景进行判断。
本申请的一些实施例中,还可以根据电子设备100接收的信号数据来确定当前是否为室内外场景,室外的信号数据和室内的信号数据通常存在一定的差异,通过识别这些差异可以做出室内外场景的判断。
例如,室外环境中,GSM信号通常较强,而室内环境中GSM信号通常较弱,电子设备在从室外环境到室内环境的过程中,通过GSM无线模块接收的GSM信号会有一个持续的减弱过程,识别GSM信号的减弱过程可以识别出室内外场景。
又例如,室外环境中,可以接收到定位信号的卫星的数量较多,室内环境中可以接收到定位信号的卫星数量较少,可以通过对可以接收到定位信号的卫星数量的变化情况对室内外场景进行识别。
在此,用于进行室内外场景识别的机器学习算法可以使用当前可以用于进行分类的算法,可以包括但不限于逻辑回归算法、决策树算法、神经网络算法、支持向量机等。
对行车步行切换场景和步行切换场景的识别,可以通过人类活动识别技术进行。人类活动识别(Human activity recognition,HAR)基于传感器的数据来识别人类的活动,人类活动通常是典型活动,例如开车、步行、乘坐电梯或扶梯、楼梯步行等。
本申请的一些实施例中,人类活动识别可以使用电子设备100中内置的加速度传感器180E和陀螺仪传感器180B采集的数据流来预测人的活动,加速度传感器180E和陀螺仪传感器180B采集的实时数据流通常被分成称为窗口的子序列,将这些时间序列数据输入人类活动识别模型,从而对时间序列数据对应的人类活动进行预测。
在此,预先收集人类在进行不同活动时携带的电子设备100中加速度传感器180E和陀螺仪传感器180B的时间序列数据作为训练数据,并根据人类的实际活动对相应的时间序列数据进行标记,再将训练数据输入神经网络模型如卷积神经网络模型或递归神经网络模型等进行训练,将参数最优的神经网络模型作为人类活动识别模型。
可以理解,使用电子设备100中加速度传感器180E和陀螺仪传感器180B采集的数据来训练人类活动识别模型仅仅是一种示例,并不表示只能使用加速度传感器180E和陀螺仪传感器180B采集的数据对人类活动识别模型进行训练,例如,也可以使用加速度传感器180E、气压传感器180C和重力传感器采集的数据对人类活动识别模型进行训练,本申请实施例对此不作具体限制。
另外,人类活动识别模型可以是任何能够处理电子设备100内置传感器采集的时间序列数据的神经网络模型,例如卷积神经网络(Convolutional Neural Networks,CNN)、递归神经网络(Recursive Neural Network,RNN)、长短期记忆网络(Long Short-TermMemory,LSTM)等。
本申请的一些实施例中,可以根据电子设备100内置的传感器采集的数据来确定是否为行车跨楼层场景。在此,可以根据传感器采集的数据流确定相应的跨楼层状态数据,再将跨楼层状态数据作为训练数据对神经网络模型进行训练,得到跨楼层场景识别模型。
在此,跨楼层状态数据可以包括但不限于:坡度、角速度、线速度、高度和行车轨迹等。图7示出了车辆在跨越楼层过程中跨楼层状态数据,如图7所示,车辆在跨楼层中,会经历从平面到缓坡段,再到正常坡段——缓坡段——平面的过程,坡度会经历从小到大,再从大到小的过程,同时伴随着高度的增加和线速度的变化,另外,如果车辆是以曲线行车轨迹进行跨楼层的,还存在相应的角速度。
在一些实施例中,可以根据加速度传感器180E和陀螺仪传感器180B采集的数据流来确定跨楼层状态数据。
另外,跨楼层场景中可能存在多种坡道类型,例如直线长坡道、倾斜楼板、曲线整圆坡道等,不同的坡道类型对应的跨楼层状态数据不同。图8示出了地下车库中不同坡道类型的车辆行车轨迹,如图8所示,车辆在直线长坡道中跨楼层时会经历一个较大的坡度变化和高度下降,而在曲线整圆坡道中跨楼层时会经历较小的坡度变化和高度下降,同时有角速度,在跳层螺旋坡道中跨楼层时有角速度的时间持续较长,并且有持续的坡度变化和高度变化。因此,需要针对不同的坡道类型采集传感器数据以确定相应的跨楼层状态数据,根据相应的跨楼层状态数据对神经网络模型进行训练,得到具有识别多种坡道类型的跨楼层场景识别模型。
类似地,跨楼层场景识别模型可以是任何能够处理跨楼层状态数据的时间序列的神经网络模型,例如卷积神经网络(Convolutional Neural Networks,CNN)、递归神经网络(Recursive Neural Network,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)等。
根据本申请的一个实施例,还提供了一种室内定位装置。如图9所示,室内定位装置包括:
确定模块901,用于确定出当前场景满足触发众包数据采集的条件;
获取模块902,用于获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据;
发送模块903,用于向第二电子设备发送第一Wi-Fi指纹数据和地磁传感器采集的地磁数据,以使第二电子设备根据接收的第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据地磁数据在地磁定位数据库中由第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
图10根据本申请的一些实施例,示出了一种用于室内定位方法的电子设备200的硬件结构框图。在图10所示的实施例中,电子设备200可以包括一个或多个处理器201,与处理器201中的至少一个连接的系统控制逻辑202,与系统控制逻辑202连接的系统内存203,与系统控制逻辑202连接的非易失性存储器(Non-Volatile Memory,NVM)204,以及与系统控制逻辑202连接的网络接口206。
在一些实施例中,处理器201可以包括一个或多个单核或多核处理器。在一些实施例中,处理器201可以包括通用处理器和专用处理器(例如,图形处理器,应用处理器,基带处理器等)的任意组合。在电子设备200采用增强型基站(Evolved Node B,eNB)或无线接入网(Radio Access Network,RAN)控制器的实施例中,处理器201可以被配置为执行各种符合的实施例。例如,处理器201可以用于实现室内定位方法。
在一些实施例中,系统控制逻辑202可以包括任意合适的接口控制器,以向处理器201中至少一个与系统控制逻辑202通信的、任意合适的设备或组件提供任意合适的接口。
在一些实施例中,系统控制逻辑202可以包括一个或多个存储器控制器,以提供连接到系统内存203的接口。系统内存203可以用于加载以及存储数据和/或指令。例如,系统内存203可以加载本申请实施例中的Wi-Fi指纹定位数据库中存储的数据。
在一些实施例中电子设备200的系统内存203可以包括任意合适的易失性存储器,例如合适的动态随机存取存储器(Dynamic Random Access Memory,DRAM)。
NVM存储器204可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施例中,NVM存储器204可以包括闪存等任意合适的非易失性存储器和/或任意合适的非易失性存储设备,例如硬盘驱动器(Hard Disk Drive,HDD),光盘(Compact Disc,CD)驱动器,数字通用光盘(Digital Versatile Disc,DVD)驱动器中的至少一个。在本申请实施例中,NVM存储器204可以用于存储地磁定位数据库中的数据等。
NVM存储器204可以包括安装电子设备200的装置上的一部分存储资源,或者它可以由设备访问,但不一定是设备的一部分。例如,可以经由网络接口206通过网络访问NVM存储器204。
特别地,系统内存203和NVM存储器204可以分别包括:指令205的暂时副本和永久副本。指令205可以包括:由处理器201中的至少一个执行时导致电子设备200实施如图6所示的方法的Wi-Fi定位服务器更新指令。在一些实施例中,指令205、硬件、固件和/或其软件组件可另外地/替代地置于系统控制逻辑202,网络接口206和/或处理器201中。
网络接口206可以包括收发器,用于为电子设备200提供无线电接口,进而通过一个或多个网络与任意其他合适的设备(如前端模块,天线等)进行通信。在一些实施例中,网络接口206可以集成于电子设备200的其他组件。例如,网络接口206可以集成于处理器201的,系统内存203,NVM存储器204,和具有指令的固件设备(未示出)中的至少一种,当处理器201中的至少一个执行所述指令时,电子设备200实现如方法实施例中示出的方法。在本申请实施例中,网络接口206可以用于接收第一电子设备发送的Wi-Fi指纹数据和地磁数据等。
网络接口206可以进一步包括任意合适的硬件和/或固件,以提供多输入多输出无线电接口。例如,网络接口206可以是网络适配器,无线网络适配器,电话调制解调器和/或无线调制解调器。
在一些实施例中,处理器201中的至少一个可以与用于系统控制逻辑202的一个或多个控制器的逻辑封装在一起,以形成系统封装(System In a Package,SiP)。在一些实施例中,处理器201中的至少一个可以与用于系统控制逻辑202的一个或多个控制器的逻辑集成在同一管芯上,以形成片上系统(System on Chip,SoC)。
电子设备200可以进一步包括:输入/输出(I/O)设备207。I/O设备207可以包括用户界面,使得用户能够与电子设备200进行交互;外围组件接口的设计使得外围组件也能够与电子设备200交互。在一些实施例中,电子设备200还包括传感器,用于确定与电子设备200相关的环境条件和位置信息的至少一种。
在一些实施例中,用户界面可包括但不限于显示器(例如,液晶显示器,触摸屏显示器等),扬声器,麦克风,一个或多个相机(例如,静止图像照相机和/或摄像机),手电筒(例如,发光二极管闪光灯)和键盘。
在一些实施例中,外围组件接口可以包括但不限于非易失性存储器端口、音频插孔和电源接口。
在一些实施例中,传感器可包括但不限于陀螺仪传感器,加速度计,近程传感器,环境光线传感器和定位单元。定位单元还可以是网络接口206的一部分或与网络接口206交互,以与定位网络的组件(例如,北斗卫星)进行通信。
可以理解的是,图10示意的结构并不构成对电子设备200的具体限定。在本申请另外一些实施例中电子设备200可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以由硬件或软件,或软件和硬件的组合实现。
本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码,该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。
可将程序代码应用于输入指令,以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的,处理系统包括具有诸如例如数字信号处理器(Digital Signal Processor,DSP)、微控制器、专用集成电路(Application Specific Integrated Circuit,ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现,以便与处理系统通信。在需要时,也可用汇编语言或机器语言来实现程序代码。事实上,本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下,该语言可以是编译语言或解释语言。
至少一个实施例的一个或多个方面可以由存储在计算机可读存储介质上的表示性指令来实现,指令表示处理器中的各种逻辑,指令在被机器读取时使得该机器制作用于执行本文所述的技术的逻辑。被称为“IP核”的这些表示可以被存储在有形的计算机可读存储介质上,并被提供给多个客户或生产设施以加载到实际制造该逻辑或处理器的制造机器中。
在一些情况下,所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如,计算机可读)存储介质承载或存储在其上的指令,其可以由一个或多个处理器读取和执行。例如,指令可以通过网络或通过其他计算机可读介质分发。因此,机器可读介质可以包括用于以机器(例如,计算机)可读的形式存储或传输信息的任何机制,包括但不限于,软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如,载波、红外信号数字信号等)的有形的机器可读存储器。因此,机器可读介质包括适合于以机器(例如计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中,可以以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可能不需要这样的特定布置和/或排序。而是,在一些实施例中,这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外,在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
需要说明的是,本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块,在物理上,一个逻辑单元/模块可以是一个物理单元/模块,也可以是一个物理单元/模块的一部分,还可以以多个物理单元/模块的组合实现,这些逻辑单元/模块本身的物理实现方式并不是最重要的,这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外,为了突出本申请的创新部分,本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入,这并不表明上述设备实施例并不存在其它的单元/模块。
需要说明的是,在本专利的示例和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本申请的某些优选实施例,已经对本申请进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (21)
1.一种室内定位方法,用于第一电子设备,其特征在于,包括:
确定出当前场景满足触发众包数据采集的条件;
获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据;
向第二电子设备发送所述第一Wi-Fi指纹数据和所述地磁传感器采集的地磁数据,以使所述第二电子设备根据接收的所述第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据所述地磁数据在地磁定位数据库中由所述第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对所述Wi-Fi指纹定位数据库进行更新。
2.根据权利要求1所述的方法,其特征在于,确定出当前场景满足触发众包数据采集的条件,包括:
获取传感器的传感器数据,并根据所述传感器数据确定出当前场景满足触发众包数据采集的条件。
3.根据权利要求2所述的方法,其特征在于,获取传感器的传感器数据,并根据所述传感器数据确定出当前场景满足触发众包数据采集的条件,包括:
获取传感器的传感器数据,并将所述传感器数据输入预设的场景识别模型,根据所述场景识别模型的识别结果确定出当前场景满足触发众包数据采集的条件。
4.根据权利要求3所述的方法,其特征在于,将所述传感器数据输入预设的场景识别模型,根据所述场景识别模型的识别结果确定出当前场景满足触发众包数据采集的条件,包括:
根据所述传感器数据,确定跨楼层状态数据;
将所述跨楼层状态数据输入所述场景识别模型,根据所述场景识别模型的识别结果确定当前场景是否为行车跨楼层场景。
5.根据权利要求4所述的方法,其特征在于,所述跨楼层状态数据包括:坡度、角速度、线速度、高度和行车轨迹。
6.根据权利要求2至5中任一项所述的方法,其特征在于,所述传感器至少包括如下一种:加速度传感器、陀螺仪传感器、气压传感器、重力传感器、地磁传感器。
7.根据权利要求2至5中任一项所述的方法,其特征在于,所述传感器数据还包括信号数据,所述信号数据包括所述第一电子设备通过无线通信模块接收的数据。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述第一Wi-Fi指纹数据至少包括所述无线保真接入点的标识和接收信号强度。
9.根据权利要求1至7中任一项所述的方法,其特征在于,所述当前场景为下列中的至少一种:
室内外场景、行车步行切换场景、步行切换场景和行车跨楼层场景。
10.根据权利要求1所述的方法,其特征在于,还包括:
接收室内定位指令;
根据所述室内定位指令获取第二Wi-Fi指纹数据;
向所述第二电子设备发送所述第二Wi-Fi指纹数据,以使所述第二电子设备根据接收的所述第二Wi-Fi指纹数据在所述Wi-Fi指纹定位数据库中确定对应的第二Wi-Fi定位位置;
向所述第一电子设备发送所述第二Wi-Fi定位位置。
11.根据权利要求1所述的方法,其特征在于,还包括:
接收所述第二电子设备发送的所述地磁定位位置;
根据接收的所述地磁定位位置和所述第一Wi-Fi指纹数据生成众包数据并向所述第二电子设备发送,以使所述第二电子设备根据接收的众包数据对所述Wi-Fi指纹定位数据库进行更新。
12.根据权利要求11所述的方法,其特征在于,所述地磁定位位置还包括地磁定位误差,当所述地磁定位误差大于预设的误差阈值时,停止生成所述众包数据。
13.根据权利要求1所述的方法,其特征在于,还包括:
当满足预设的众包数据采集停止条件时,停止所述众包数据的采集。
14.一种室内定位方法,用于包括第一电子设备和第二电子设备的系统,其特征在于,包括:
所述第一电子设备确定出当前场景满足触发众包数据采集的条件;
所述第一电子设备获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据并向所述第二电子设备发送;
所述第二电子设备根据接收的所述第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据所述地磁数据和所述第一Wi-Fi定位位置确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
15.根据权利要求14所述的方法,其特征在于,所述第二电子设备根据接收的所述第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据所述地磁数据和所述第一Wi-Fi定位位置确定地磁定位位置,包括:
所述第二电子设备根据接收的所述第一Wi-Fi指纹数据在所述Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据所述地磁数据在地磁定位数据库中由所述第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置。
16.根据权利要求14所述的方法,其特征在于,所述第二电子设备对Wi-Fi指纹定位数据库进行更新,包括:
所述第二电子设备向所述第一电子设备发送所述地磁定位位置;
所述第一电子设备根据接收的所述地磁定位位置和所述第一Wi-Fi指纹数据生成众包数据并向所述第二电子设备发送;
所述第二电子设备根据接收的所述众包数据对Wi-Fi指纹定位数据库进行更新。
17.一种室内定位装置,其特征在于,所述装置包括:
确定模块,用于确定出当前场景满足触发众包数据采集的条件;
获取模块,用于获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据;
发送模块,用于向第二电子设备发送所述第一Wi-Fi指纹数据和所述地磁传感器采集的地磁数据,以使所述第二电子设备根据接收的所述第一Wi-Fi指纹数据在Wi-Fi指纹定位数据库中确定第一Wi-Fi定位位置,并根据所述地磁数据在地磁定位数据库中由所述第一Wi-Fi定位位置确定的地磁定位的匹配范围内确定地磁定位位置,并对所述Wi-Fi指纹定位数据库进行更新。
18.一种室内定位系统,其特征在于,包括第一电子设备和第二电子设备,
所述第一电子设备,用于确定出当前场景满足触发众包数据采集的条件,并获取来自多个无线保真接入点的第一Wi-Fi指纹数据和地磁传感器采集的地磁数据并向所述第二电子设备发送;
所述第二电子设备,用于根据接收的所述第一Wi-Fi指纹数据确定第一Wi-Fi定位位置,并根据所述地磁数据和所述第一Wi-Fi定位位置确定地磁定位位置,并对Wi-Fi指纹定位数据库进行更新。
19.一种电子设备,其特征在于,包括:
存储器,用于存储由电子设备的一个或多个处理器执行的指令,以及
处理器,是电子设备的处理器之一,用于执行权利要求1-13中任一项所述的室内定位方法。
20.一种可读存储介质,其特征在于,所述可读存储介质上存储有指令,该指令在电子设备上执行时使电子设备执行权利要求1-16中任一项所述的室内定位方法。
21.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-16中任一项所述的室内定位方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210517239.0A CN117092586A (zh) | 2022-05-12 | 2022-05-12 | 室内定位方法、装置、电子设备及介质 |
PCT/CN2023/091676 WO2023216933A1 (zh) | 2022-05-12 | 2023-04-28 | 室内定位方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210517239.0A CN117092586A (zh) | 2022-05-12 | 2022-05-12 | 室内定位方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117092586A true CN117092586A (zh) | 2023-11-21 |
Family
ID=88729658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210517239.0A Pending CN117092586A (zh) | 2022-05-12 | 2022-05-12 | 室内定位方法、装置、电子设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117092586A (zh) |
WO (1) | WO2023216933A1 (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104457751B (zh) * | 2014-11-19 | 2017-10-10 | 中国科学院计算技术研究所 | 室内外场景识别方法及系统 |
CN105722028A (zh) * | 2016-01-31 | 2016-06-29 | 华南理工大学 | 基于wifi、磁场两级搜索室内行人定位系统及方法 |
WO2019136918A1 (zh) * | 2018-01-11 | 2019-07-18 | 华为技术有限公司 | 一种室内定位的方法、服务器及定位系统 |
CN108521627B (zh) * | 2018-03-14 | 2021-01-19 | 华南理工大学 | 基于HMM的wifi和地磁融合的室内定位系统及方法 |
CN108668245A (zh) * | 2018-04-13 | 2018-10-16 | 哈尔滨工业大学 | 一种基于WiFi与地磁场数据库的室内定位方法 |
CN109115205A (zh) * | 2018-07-20 | 2019-01-01 | 上海工程技术大学 | 一种基于地磁传感器阵列的室内指纹定位方法及系统 |
KR102317183B1 (ko) * | 2020-01-17 | 2021-10-25 | 주식회사 에이브로스 | 사용자위치정보기반 실내측위시스템 및 그의 실내측위방법 |
CN114111801A (zh) * | 2021-12-14 | 2022-03-01 | 中国电信股份有限公司 | 自动启停定位方法、装置、电子设备及存储介质 |
-
2022
- 2022-05-12 CN CN202210517239.0A patent/CN117092586A/zh active Pending
-
2023
- 2023-04-28 WO PCT/CN2023/091676 patent/WO2023216933A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023216933A1 (zh) | 2023-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2871815B1 (en) | Authentication control system, authentication control method, and program | |
KR101437757B1 (ko) | 콘텍스트 감지 및 융합을 위한 방법, 장치 및 컴퓨터 프로그램제품 | |
CN111182453B (zh) | 定位方法、装置、电子设备及存储介质 | |
JP2022504704A (ja) | ターゲット検出方法、モデル訓練方法、装置、機器及びコンピュータプログラム | |
EP3014476B1 (en) | Using movement patterns to anticipate user expectations | |
US9344854B2 (en) | Method, storage medium, server, and electronic device for implementing location based service within building | |
US20120109862A1 (en) | User device and method of recognizing user context | |
JPWO2006001129A1 (ja) | 情報処理装置および方法、プログラム、並びに情報処理システム | |
US11527158B2 (en) | Information providing system, server, onboard device, and information providing method | |
US20200035076A1 (en) | ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR DETECTING THEFT AND TRACING IoT DEVICE USING SAME | |
CN105191455A (zh) | 使用低复杂度算法融合与电话状态启发的改进的在途检测 | |
US20210409894A1 (en) | Automatic building detection and classification using elevator/escalator stairs modeling - smart cities | |
CN104823433A (zh) | 在语义上融合上下文推断 | |
CN113923775B (zh) | 一种定位信息质量评估的方法、装置、设备和存储介质 | |
KR20140089975A (ko) | 이동 단말의 배터리 소모를 줄이는 장치 및 방법 | |
KR20140074129A (ko) | 상황 인지 서비스를 제공하기 위한 장소 인식 장치 및 방법 | |
CN112673367A (zh) | 用于预测用户意图的电子设备和方法 | |
US20180051989A1 (en) | Portable device with improved sensor position change detection | |
CN117092586A (zh) | 室内定位方法、装置、电子设备及介质 | |
KR20190030022A (ko) | 사용자 단말의 이동 경로와 소지 위치를 이용한 걸음걸이 인식 방법 및 이를 위한 장치 | |
CN113468929A (zh) | 运动状态识别方法、装置、电子设备和存储介质 | |
KR20210078203A (ko) | 거점 기반의 프로파일링 방법 및 이를 이용하는 단말기 | |
KR102339494B1 (ko) | 입차 또는 출차되는 차량을 관리하기 위한 전자 장치 및 그 동작 방법 | |
US11494673B2 (en) | Automatic building detection and classification using elevator/escalator/stairs modeling-user profiling | |
KR20220107886A (ko) | 스마트폰의 다중 센서 및 gps 위치신호를 이용한 딥러닝 기반의 pdr 측위 장치 및 그 방법 |
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 |