[发明专利]基于智能手机的室内行人定位与跟踪方法

摘要

基于智能手机的室内行人定位与跟踪方法，包括智能手机导入室内地图信息，所述的室内地图为矢量地图；采集该智能手机当前的加速度信息、角速度信息和方向信息，并采集室内所有WIFI RSS信号强度；基于PDR，根据上述采样数据推算行人脚步、行人步长和行走方向；利用粒子滤波算法估算行人的位置，基于WIFI RSS判断与识别转弯场景、房间识别场景、房门检测场景以进行辅助校正定位；将行人位置显示于室内地图上。本发明定位精度高，可获得分米级定位结果；抗干扰能力强，定位精度受行人动作的影响较小；有效实现行人转弯、房间识别以及房门检测等功能；避免了对WIFI路由器部署位置的过度依赖；降低了部署过程的劳力消耗。

主权项

一种基于智能手机的室内行人定位与跟踪方法，包括：步骤1：智能手机导入室内地图信息，所述的室内地图为矢量地图；步骤2：利用智能手机内嵌的加速度计、陀螺仪、磁力计传感器采集该智能手机当前的加速度信息、角速度信息和方向信息，并采集室内所有WIFI RSS信号强度；其特征在于包括以下步骤如下：步骤3：基于PDR惯性导航，根据上述传感器采样数据推算行人脚步、行人步长和行走方向；步骤4：利用粒子滤波算法估算行人的位置：首先，基于PDR推算的行人步长、脚步和行走方向，再根据地图信息、WIFI RSS信号强度变化的相对几何信息进行粒子权值分配，最终通过重新采样完成行人位置估计；步骤5：将行人位置显示于室内地图上；上述步骤4粒子滤波算法估算行人的位置的具体过程如下：(4.1)将PDR惯性导航估测出的行人脚步、步长和行走方向信息传递给粒子滤波；(4.2)粒子按照PDR的步长和方向运动；(4.3)粒子滤波获取当前脚步粒子权值集合，并基于WIFI RSS信号强度变化的相对几何关系有效的进行辅助校正定位；(4.4)粒子滤波重新生成新的粒子；上述步骤(4.3)中，基于WIFI RSS辅助校正定位具体如下：(4.3.1)判断校正场景，若是“转弯场景”，则执行(4.3.2)；若是“房间识别场景”，则执行(4.3.3)；若是“房门检测场景”，则执行(4.3.4)；(4.3.2)运行转弯确认算法；(4.3.3)运行房间识别算法；(4.3.4)运行房门检测算法。上述WIFI RSS辅助校正定位中，所述“转弯场景”识别与运行转弯确认算法具体如下：(1)当PDR惯性导航估测的行人行走方向较之前脚步的方向发生变化时，触发转弯确认，执行(2)～(5)；(2)获取当前脚步与前一脚步之间的WIFI RSS向量方向，定义为RSSDirection1；(3)获取当前脚步与前第二脚步之间的WIFI RSS向量方向，定义为RSSDirection2；(4)计算RSSDirection1与RSSDirection2两个向量方向之间的变化角度；(5)判断(4)中的变化角度是否小于预定义的左转弯阈值或大于右转弯阈值；如果变化角度小于左转弯阈值或大于右转弯阈值，则认为当前脚步并未发生真正的转身动作，使用前第二脚步的方向替换当前脚步的方向；否则，则认为当前脚步的确发生了转身动作，继续保持当前脚步的方向；上述WIFI RSS辅助校正定位中，所述“房间识别场景”识别与运行房间识别算法具体如下：(1)粒子滤波根据PDR惯性导航推测出的行人脚步数、步长和行走方向，以及地图信息，判断当前脚步是否经过某房门；若经过，则说明行人正进入房间，此时触发房间识别算法，在接下来的3步范围内循环执行(2)～(6)，超出3步范围，执行(7)；否则，说明行人没有进入房间的动作行为，保持当前脚步状态，执行(6)(7)；(2)遍历当前脚步扫描到的所有AP路由器的WIFI RSS信号强度读数，查找WIFI RSS读数最大的AP，定义为AP1，并且暂认为行人进入了AP1所在的房间Room1；(3)遍历当前脚步扫描到的所有AP的WIFI RSS信号强度读数，查找较前一脚步的WIFI RSS读数增长量最大的AP，定位为AP2，同时定义AP2所在的房间为Room2；(4)如果AP2与AP1相同，则判定行人进入了AP1所在的房间，保持当前粒子的状态，执行(6)；否则，执行(5)重新确认行人所在的房间；(5)粒子滤波结合地图信息，按照AP1对应的WIFI RSS绝对信号强度与AP2对应的WIFI RSS绝对信号强度的比例关系，重新对所有粒子进行权值分配:5.1根据地图信息，找到在房间Room1和Room2的重合墙体，用它将粒子滤波的所有粒子分割为两个集合Set1和Set2，其中Set1是指位于Room1内的粒子集合，Set2是指位于Room2内的粒子集合；5.2定义当前脚步时AP1对应的WIFI RSS信号强度为RSS1；定义AP2对应的WIFI RSS信号强度为RSS2；5.3定义集合Set1内粒子的权值比例系数Ratio1为：(90+RSS1)/(180+RSS1+RSS2)；5.4定义集合Set2内粒子的权值比例系数Ratio2为(90+RSS2)/(180+RSS1+RSS2)；5.5遍历粒子集合Set1，将每一个粒子的权值w重置为：w*Ratio1；5.6遍历粒子集合Set2，将每一个粒子的权值w重置为：w*Ratio2；(6)粒子滤波重新生成新的粒子；(7)结束算法；上述WIFI RSS辅助校正定位中，所述“房门检测场景”识别与运行房门检测算法具体如下：(1)若行人的累积步数大于或者等于3步，则执行(2)～(8)；否则，执行(8)；(2)获取当前脚步与前3步的粒子滤波预测位置坐标点，分别依次定义为estPos0，estPos1，estPos2，estPos3；(3)判断estPos0与estPos1，estPos1与estPos2以及estPos2与estPos3位置坐标点之间的距离是否都在预定义的阈值范围内，如果以上三个距离数值均在阈值范围内，并且estPos0～estPos3位置坐标点都位于房间墙的边缘线附近，所述的边缘线附近是距边缘0.5米以内，则执行(4)～(8)；否则执行(8)；(4)遍历查找当前脚步与最近的前第三步时的WIFI RSS信号强度读数增长量最大的AP；(5)粒子滤波在AP所在的房间的入口中心位置创建一个权值为1的粒子，并基于最近三步的步长和由PDR得到的行走方向推算出最近三步的动作向量；(6)粒子滤波重新生成新的粒子；(7)粒子滤波执行房间识别算法，进一步确认行人粒子所处的房间；(8)结束算法。