[发明专利]一种基于图像地磁场和惯性传感器的多模态室内定位方法

说明书

本发明公开了一种基于图像地磁场和惯性传感器的多模态室内定位方法，该定位方法采用从粗到细的方法来充分利用每个模态信号的特征进行定位。首先，在室内空间中划分区域，并且在每个区域中选择基本图像以进行图像分类和匹配确定，并且确定整体范围；在此基础上，通过EMD（经验模态分解）对磁场序列信息进行滤波，并通过惯性传感器信息对位置进行精确，细粒度的匹配。该方法无需额外的设备部署即可定位，数据信息收集快速，受环境影响小，相对稳定，运行成本低，维护成本低，推广前景好。

技术领域

本发明涉及室内定位技术领域，具体是一种基于图像地磁场和惯性传感器的多模态室内定位方法。

背景技术

目前室内定位技术应用前景十分广阔，可以广泛应用于服务业、交通、工业制造、安防等多个领域。具体来说，商场和超市中可以利用室内定位技术实现顾客导购、停车场寻车等服务，并可与智能终端应用相结合进行推广使用；在交通领域，可以进行设施导航、行李查询，也可以辅助场站运维管理，如人群分布辅助分析；在工业制造领域，可以利用专用标签等方式，实现人员精准定位、物资实时追踪；在安防领域中，也可以用于可疑物品追踪、应急调度等

目前，室内定位技术还没有统一的技术规范，而是在多种实现方式上持续发展。现有的室内定位技术主要有以下几类：红外，蓝牙，射频标签(RFID)，信道状态信息(CSI)，Wi-Fi信号，ZigBee，LED灯，超宽带(UWB)，超声波，地磁，计算机视觉等，常用的定位算法是三角定位算法，指纹定位算法等。这些技术的实现存在一些差异，但总体上来说，该技术的定位精度越高，人工和材料的成本就越高。因此对于实际应用来说，如何在成本和精度之间取得平衡是一个难题。

如今，国内外已经提出了许多具体的室内定位方法。如Jung等提出了一种基于LED灯的室内定位方法，利用到达时间差(TDOA)算法进行定位，通过LED辐射光传播模型求出相对距离。Luo等人提出了一种基于超宽带技术的室内定位方法，该方法使用条件最大似然估计器将到达时间(TOA)和到达角度(AOA)算法结合在一起进行定位。这些方法可以实现较高的定位精度，但需要大型或特殊的基础设施安装或特殊的定位设备，导致较高的硬件成本和推广成本。基于Wi-Fi的室内定位技术代表如RADAR方法与Horus方法。RADAR方法通过对比实时收集的Wi-Fi接收信号强度(Received Signal Strength Indication，简称RSSI)向量与数据库中的数据，从而找到最相似的位置作为定位结果；Horus方法使用Wi-Fi信号强度的概率分布，以求概率方式求出RSSI向量之间的匹配程度。此外，还有在此基础上结合加速度传感器、陀螺仪等惯性传感器获得用户的位置的方法。Wi-Fi技术的主要问题是需要投入较大资源进行前期指纹采集，且Wi-Fi信号在室内环境中定位精度与稳定性都一般，易受环境变化影响，需要经常进行数据更新，带来了较高的运维成本。隐藏马尔可夫模型(HMM)用于基于实时收集的磁场强度和步数根据最大联合概率来估计位置。此外，还有一些使用粒子滤波进行定位的方法，例如MaLoc方法，使用实时收集的磁场强度和运动信息，基于粒子收敛估计位置，同时实时调整权重位置。基于地磁场的定位方法不需要部署任何额外的设备，布局成本非常低，信号稳定性好，易于推广；主要缺点是磁场特征比其他信号少，仅在大范围内作为特征点，定位效果差。而且许多方法与过滤器结合使用都会带来很大的计算成本，有时甚至难以收敛。2D图像检索方法通常需要使用图像特征匹配来确定拍摄照片时用户的特定位置。典型代表是MoVIPS，该方法使用SURF功能，使用像素距离来估计实际地理位置的相对距离，并最终在拍照时获得用户的特定位置。

针对室内定位技术存在的问题，本文采用多模式融合，将图像，地磁场和惯性传感器信息相结合，从粗到细设计算法。首先，在室内空间中划分区域，并且在每个区域中选择基本图像以进行图像分类和匹配确定，并且确定整体范围。在此基础上，进一步使用地磁场信号序列和惯性传感器信息来确定精确位置。在不部署其他设备的情况下，将发明中的方法应用于实际场景以测试定位效果。达到更好的定位效果。

发明内容