[发明专利]一种基于特征融合的室内定位方法、系统及终端

说明书

本申请公开了一种基于特征融合的室内定位方法、系统及终端，移动设备上第一应用程序在室内中的路线上收集第一数据，并存储到服务器的数据库中，服务器根据第一数据训练预测神经网络，预测神经网络用于为客户端的查询提供预测结果；客户端上的第二应用程序启动后将收集到的第二数据发送给所述服务器；服务器根据接收到的第二数据和预测神经网络确定定位导航结果。采用移动设备对室内的数据进行收集，根据收集的数据实现对预测神经网络的训练。当用户通过向服务器上报数据请求定位时，由于预测神经网络在训练数据上来学习多个具有差异的模型，然后将它们组合在一起，得到更加准确的估计结果。

技术领域

本申请涉及室内定位导航领域技术领域，具体涉及一种基于特征融合的室内定位方法、系统及终端。

背景技术

近年来，随着信息技术的飞速发展与智能手机的广泛普及，人们愈加依赖手机应用程序去获取信息，面向用户提供室内定位服务有着巨大需求，室内定位在公共安全、室内定位导航、社交分析、市场推广等方面都有着广阔的应用前景。例如，帮助用户在大型商场内定位、导航到目的地，根据用户的室内位置实现用户洞察、精准营销、公共安全监控等具有重要价值的应用等。为了提供高质量的服务，定位导航需要有足够的准确性，现有的方法会从各种信号(如图像，Wi-Fi等)中推断相机的位置或朝向。因此，从信号中提取稳定且具有区分度的特征对室内导航来说至关重要。

根据导航模式的不同，可以分为基于单点和基于序列的方法。基于单点的方法是通过瞬时输入来预测该时间点的相机姿势，即位置和朝向。基于序列的方法处理的是连续的输入，分析输入信号的时间关联性，以此来推断当前的相机姿势或者对应时间内的相机姿势变化情况。

但是复杂的场景中，环境因素会给导航定位带来巨大的影响。对于基于图像的室内导航方法来说，购物中心和食品广场等具有丰富的视觉信息的场地会带来足够的视觉信息以获得精确的定位结果。反之，医院和办公室等重复性装修较多的，视觉纹理稀疏的场地定位效果会有所下降。同理，对于基于地磁信号的定位方法，空旷的场地比刚体结构复杂的建筑内部更难取得精确的定位结果。因此减小外界环境因素对室内定位精确度的影响是本领域技术人员亟待解决的问题。

发明内容

本申请为了解决上述技术问题，提出了如下技术方案：

第一方面，本申请实施例提供了一种基于特征融合的室内定位方法，所述方法包括：移动设备上第一应用程序在室内中的路线上收集第一数据，并存储到服务器的数据库中，所述第一数据包括序列信号数据和图像数据；所述服务器根据所述第一数据训练预测神经网络，所述预测神经网络用于为客户端的查询提供预测结果；所述客户端上的第二应用程序启动后将收集到的第二数据发送给所述服务器；所述服务器根据接收到的第二数据和所述预测神经网络确定定位导航结果。

采用上述实现方式，采用移动设备对室内的数据进行收集，根据收集的数据实现对预测神经网络的训练。当用户通过向服务器上报数据请求定位时，由于预测神经网络在训练数据上来学习多个具有差异的模型，然后将它们组合在一起，得到更加准确的估计结果。

结合第一方面，在第一方面第一种可能的实现方式中，所述服务器根据所述第一数据训练预测神经网络，包括：将所述序列信号数据进行预处理，获得所述序列信号数据的初步特征；在特征水平上对不同序列信号数据的初步特征进行融合；使用融合特征进行位置和方向的预测。

结合第一方面第一种可能的实现方式，在第一方面第二种可能的实现方式中，所述将所述序列信号数据进行预处理，获得所述序列信号数据的初步特征包括：通过全连接层和非线性激活层对所述序列信号数据进行初始处理；利用RNN循环神经网络对初始处理后的序列信号数据提取时间相关性；采用CNN卷积神经网络对图像数据进行特征提取，替代所述全连接层和非线性激活层；从RNN循环神经网络得到所述序列信号数据的初步特征。