CN108680898A - 室内定位方法、装置、介质及电子设备 - Google Patents

Abstract

本发明的实施方式提供了一种室内定位方法、装置、介质及电子设备。该方法包括：在每一参考位置，获取多个信标节点的信号强度，并据以为多个信标节点中的K个信标节点分别建立信号强度概率分布模型；对于每一参考位置，根据在参考位置建立的概率分布模型，构建参考位置的多维特征作为参考特征；在目标终端位置，获取多个信标节点的信号强度，并据以为多个信标节点中的K个信标节点分别建立信号强度概率分布模型；根据在目标终端位置建立的概率分布模型，构建目标终端位置的多维特征作为比对特征；根据所述比对特征和各所述参考特征确定目标终端位置。本发明实施方式能够提高定位精度并增加定位的鲁棒性。

Description

室内定位方法、装置、介质及电子设备

技术领域

本发明的实施方式涉及计算机领域，更具体地，本发明的实施方式涉及一种室内定位方法、室内定位装置、存储介质以及电子设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着定位技术的发展，越来越多的电子设备内置了定位导航装置。在室内环境下，由于卫星信号难以穿透建筑物，需要采用室内定位技术对目标对象进行定位。

目前，已经出现一些室内定位技术。在一种技术方案中，将同一位置收集到的多个iBeacon的RSSI(Radio Signal Strength Indication，无线电信号强度标识)使用一个高斯模型进行建模，其中每个RSSI都进行了滤波处理；在定位时，通过收集目标终端在某个位置的多个iBeacon的RSSI，计算该目标终端相对于多个iBeacon的平均距离，最后将该距离放入建立好的高斯模型中得到对应的目标终端位置的高斯分布图。

发明内容

但是，在现有技术方案中，将多个iBeacon的RSSI融合到一个高斯模型中，每个iBeacon本身的出厂特性都有些许差别，各iBeacon的信号也同时跟安装环境密切相关，因此，仅使用一个高斯模型表示损失了iBeacon本身的特性以及iBeacon在不同环境中的特性。此外，由于地图使用了单个高斯模型，定位算法也必须使用单高斯模型，定位精度也会相对较差。

因此在现有技术中，难以达到令人满意的定位效果。

为此，非常需要一种改进的室内定位技术，以使得能够提高室内定位精度。

在本上下文中，本发明的实施方式期望提供一种室内定位方法、室内定位装置、存储介质以及电子设备。

在本发明实施例的第一方面中，提供了一种室内定位方法，应用于设有多个信标节点的场景；所述方法包括：在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；根据所述比对特征和各所述参考特征确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型包括：确定所述多个信标节点中，平均信号强度最高的K个所述信标节点；为所述K个信标节点分别建立信号强度概率分布模型。

在本发明的一些实施例中，基于前述方案，根据所述比对特征和各所述参考特征确定所述目标终端位置包括：根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述参考位置的相似度；根据所述目标终端位置与各所述参考位置的相似度以及各所述参考位置，确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，根据所述比对特征和各所述参考特征确定所述目标终端位置包括：确定一包含所述目标终端位置的搜索窗口，并将所述搜索窗口内的所述参考位置作为候选参考位置；根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述候选参考位置的相似度；根据所述目标终端位置与各所述候选参考位置的相似度以及各所述候选参考位置，确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，所述方法还包括：计算确定的所述目标终端位置的置信度，并根据所述置信度调整所述搜索窗口的范围。

在本发明的一些实施例中，基于前述方案，所述方法还包括：获取所述目标终端的惯性测量单元采集的运动信息；根据所述运动信息，对确定的所述目标终端位置进行修正。

在本发明的一些实施例中，基于前述方案，根据所述运动信息，对确定的所述目标终端位置进行修正包括：将确定的所述目标终端位置作为扩展卡尔曼滤波模型的量测值，并结合所述运动信息，对确定的所述目标终端位置进行修正。

在本发明的一些实施例中，基于前述方案，所述方法还包括：根据预设分辨率，确定多个所述参考位置。

在本发明的一些实施例中，基于前述方案，所述概率分布模型为高斯分布模型。

在本发明实施例的第二方面中，提供了一种室内定位装置，应用于设有多个信标节点的场景；所述装置包括：第一模型建立模块，用于在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；参考特征构建模块，用于对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；第二模型建立模块，用于在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；比对特征构建模块，用于根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；坐标确定模块，用于根据所述比对特征和各所述参考特征确定所述目标终端位置。

在本发明实施例的第三方面中，提供了一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第一方面所述的室内定位方法。

在本发明实施例的第四方面中，提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的室内定位方法。

根据本发明的一些实施例的技术方案，一方面，根据获取到的信标节点的信号直接对信标节点建立信号强度概率分布模型，能够保留信标节点的原始数据，从而保留了信标节点在不同环境下的环境感知的信息；另一方面，用多维特征表示参考位置以及目标终端位置，每一维特征表示信标节点在对应位置处的信号强度概率分布模型，基于参考位置的多维特征以及目标终端位置的多维特征确定目标终端位置，能够提高定位精度和定位鲁棒性，即使部分信标节点被遮挡，仍然能够准确地进行定位。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性地示出了本发明的实施例的一个示例性应用场景的框图；

图2示意性地示出了根据本发明一实施例的室内定位方法的流程图；

图3示意性地示出了根据本发明的示例实施例的地图构建过程的流程图；

图4示意性地示出了根据本发明的示例实施例的定位过程的流程图；

图5示意性地示出了根据本发明的示例实施例的室内定位方法的应用场景的示意图；

图6示意性地示出了根据本发明的一实施例的室内定位装置的示意框图；

图7示意性地示出了根据本发明的示例实施例的存储介质的示意图；以及

图8示意性地示出了根据发明的示例实施例的电子设备的方框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种室内定位方法、装置、介质和计算设备。

在本文中，需要理解的是，所涉及的术语RSSI(Radio Signal StrengthIndication，无线电信号强度标识)：在电信行业，RSSI是对接收到的电磁信号强度的度量，描述传输距离与接收到的信号强度之间的关系。信标节点(Anchor Node)：信标是一组静态的全局或局部位置已知的节点。iBeacon：是苹果公司提出的“可以让附近手持电子设备检测到的一种新的低功耗、低成本信号传送器”，是一套可用于室内定位系统的协议，这种技术可以使一个智能手机或其他终端在一个iBeacon基站的感应范围内执行相应的命令。此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

本发明人发现，在现有室内定位技术中，在地图构建时，将同一位置收集到的多个iBeacon的RSSI融合到一个高斯模型中，并对每个RSSI进行了滤波处理。然而，各个iBeacon的信号也同时与其安装环境密切相关，参照图1所示，办公桌本身可以使得RSSI的强度衰弱，这种衰弱本身也是环境特性的体现，因此不对其进行滤波处理可以保留更多环境信息。此外，由于每个iBeacon本身的出厂特性存在差别，因此，使用一个高斯模型表示信号强度损失了iBeacon本身的特性以及iBeacon在不同安装环境下的特性。此外，由于在地图构建中使用了单个高斯模型，在定位时也必须使用单个高斯模型，造成定位精度比较差。

基于上述内容，本发明的基本思想在于：在参考位置获取多个信标节点的信号强度，并基于获得的信号强度为多个信标节点中的K个信标节点分别建立信号强度概率分布模型，并构建参考位置的多维特征作为参考特征；同样地，在目标终端处，根据获取到的多个信标节点的信号强度为K个信标节点分别建立信号强度概率分布模型，并构建目标终端位置的多维特征作为比对特征；根据该比对特征与多个参考位置的参考特征确定目标终端位置。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

首先参考图1，图1示意性地示出了本发明的实施方式的一个示例性应用场景的框图。如图1所示，在该办公室场景中，设置了多个信标节点例如iBeacon，可以按照一定的分辨率例如1m*1m的位置节点分别采集多个信标节点的信号。选择一定数量的位置节作为参考位置，基于参考位置采集到的信标节点信号与目标终端采集到的信标节点信号确定目标终端位置。

需要说明的是，信标节点的数量以及分辨率可以根据室内场景的大小确定。参考位置的数量可以根据目标终端的大小以及室内场景的大小确定。

应该理解的是，图1所示的应用场景仅是本发明的实施方式可以在其中得以实现的一个示例。本发明实施方式的适用范围不受到该应用场景任何方面的限制。

示例性方法

下面结合图1的应用场景，参考图2来描述根据本发明示例性实施方式的室内定位方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

图2示意性地示出了根据本发明一实施例的室内定位方法的流程图，该室内定位方法应用于设有多个信标节点的场景。参照图2所示，该室内定位方法包括以下步骤：

步骤S210，在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

步骤S220，对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；

步骤S230，在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

步骤S240，根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；

步骤S250，根据所述比对特征和各所述参考特征确定所述目标终端位置。

根据图2所示的室内定位方法，在多个参考位置以及目标终端位置根据获取到的多个信标节点的信号为K个信标节点分别建立信号强度概率分布模型，构建参考位置的多维特征作为参考特征，构建目标终端位置的多维特征作为比对特征；根据该比对特征与多个参考位置的参考特征确定目标终端位置。一方面，根据获取到的信标节点的信号直接对信标节点建立信号强度概率分布模型，能够保留信标节点的原始数据，从而保留了信标节点在不同环境下的环境感知的信息；另一方面，用多维特征表示参考位置以及目标终端位置，每一维特征表示信标节点在对应位置处的信号强度概率分布模型，基于参考位置的多维特征以及目标终端位置的多维特征确定目标终端位置，能够提高定位精度和定位鲁棒性，即使部分信标节点被遮挡，仍然能够准确地进行定位。

下面，将对图2的示例实施例中的室内定位方法进行详细的说明。

在步骤S210中，在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型。

在示例实施例中，在设有多个信标节点的室内场景例如地下停车场下，可以在需要进行定位的目标终端的预定范围内选取多个位置作为参考位置，并获取参考位置的坐标。例如，可以按照一定的分辨率例如1m*1m对该室内场景进行划分，形成具有多个交叉节点的室内场景的地图，在目标终端进入该室内场景时，选择距离目标终端较近的交叉节点作为参考位置，基于该室内场景的地图获取参考位置的坐标。

此外，还可以确定一包含目标终端位置的自适应搜索窗口例如3m*3m的搜索窗口，将该搜索窗口内的参考位置作为候选参考位置，获取该搜索窗口内的参考位置的坐标。

进一步地，在每一参考位置，可以获取多个信标节点的信号强度。多个信标节点为在该室内场景预先设置的信标节点例如iBeacon节点、WIFI节点、蓝牙节点等。在获取到多个信标节点的信号强度后，可以根据信标节点的信号强度的大小，从多个信标节点中选取K个信标节点，为选取的K个信标节点建立信号强度概率分布。K的值可以根据室内环境中所布置的信标节点的数量以及密度来确定。

需要说明的是，该信号强度概率分布模型可以为高斯模型，也可以为贝叶斯分布模型、高斯混合分布模型等，本发明对此不进行特殊限定。

在步骤S220中，对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征。

在示例实施例中，可以根据在参考位置建立的K个信标节点的信号强度概率分布，构建参考位置的多维特征作为参考特征，每一维特征可以表示一个信标节点在该参考位置的信号强度概率分布模型例如高斯模型。对于每一参考位置，可以根据步骤S210中在该参考位置建立的K个信标节点的概率分布模型，构建该参考位置的K维特征，每一维特征表示K个信标节点中一个信标节点在该参考位置的信号强度概率分布模型例如高斯模型。

在步骤S230中，在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型。

在示例实施例中，在目标终端位置处获取该室内场景下预先设置的多个信标节点的信号强度，在获取到多个信标节点的信号强度后，可以根据信标节点的信号强度的大小，从多个信标节点中选取K个信标节点，为选取的K个信标节点建立信号强度概率分布模型。该信号强度概率分布模型与在步骤S210中建立的信号强度概率分布模型一致，例如，信号强度概率分布模型可以为高斯模型、贝叶斯分布模型或高斯混合分布模型等概率分布模型。

在步骤S240中，根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征。

在示例实施例中，可以根据在目标终端位置建立的K个信标节点的信号强度概率分布模型，构建目标终端位置的多维特征作为参考特征，每一维特征可以表示一个信标节点在该参考位置的信号强度概率分布模型例如高斯模型。可以根据步骤S230中在该目标终端位置建立的K个信标节点的概率分布模型，构建该目标终端位置的K维特征，每一维特征表示K个信标节点中一个信标节点在该目标终端位置的信号强度概率分布模型例如高斯模型。

在步骤S250中，根据所述比对特征和各所述参考特征确定所述目标终端位置。

在一些实施例中，可以计算目标终端位置的比对特征与各参考位置的参考特征的相似度，基于所计算的相似度对各参考位置的坐标进行加权平均得到目标终端位置的坐标。具体而言，由于K个信标节点都有唯一的标识符，可以根据信标节点的标识符一一对应地计算目标终端位置的K维特征与参考位置的K维特征的K个相似度，将每个参考位置计算的K个相似度的值相加作为该参考位置与目标终端位置的相似度，将参考位置与目标终端位置的相似度作为权重对各参考位置的坐标进行加权平均得到目标终端位置的坐标。

图3示意性地示出了根据本发明的示例实施例的地图构建过程的流程图。

参照图3所示，在步骤S310中，选定某一室内环境例如办公室，通过人工标定(landmark)如测绘打关键点或者使用更高精度的设备如超声波定位系统获得该室内环境的局部地图。

在步骤S320中，在该室内环境中按一定的密度布置信标节点，信标节点的数量以及布置密度可以根据室内场景的大小确定。信标节点包括但不限于iBeacon节点、WIFI(Wireless Fidelity，无线保真)节点、蓝牙节点等，保证在该室内环境的关键点(如入口、出口等)布置信标节点。

在步骤S330中，按照一定的分辨率例如1m*1m的位置节点对该室内场景进行划分，分别采集不同位置节点收集到的信标信号，每个位置节点按照信号强度从大到小的顺序采集top(最高的)K个信标信号，将采集到的top K个信标信号存储为一个K维特征。

在步骤S340中，基于采集到的K个信标节点的信号建立K维高斯特征地图，K维高斯特征的每个维度都是一个信标节点在对应位置节点的高斯模型。如果采集到的信标信号少于K个即特征维度不满K，则允许某些维度特征空置。通过采用独立分布的K个高斯模型可以增加定位鲁棒性。

图4示意性地示出了根据本发明的示例实施例的定位过程的流程图。

参照图4所示，在步骤S410中，目标终端例如手机客户端初入室内环境例如办公室，收到参考点的信标节点的信号，初始化客户端的位置。

在步骤S420中，在一定的时间窗口客户端接收到多个信标节点的信号，分别建立客户端接收到的top K个信标节点的信号的高斯模型，将K各信标节点的信号的高斯模型组成客户端的K维特征，如果某些维度因信号太弱或不可信，则可以将这些维度空置。

在步骤S430中，使用自适应搜索窗口搜索x*x米例如1m*1m范围内的地图采集节点即参考节点，将这些参考节点的K维特征分别与客户端的K维特征做相似度计算，因为每个信标节点都有唯一的id(identity，标识)，因此参加节点与客户端的特征之间的相似度计算也是根据信标节点的唯一的id进行1对1对应计算。所计算的参考节点与客户端的对应特征的相似度可以作为后续运算的权重。如下式(1)所示，其中，P_cj是客户端第j个高斯特征，P_mj是地图的第m个参考点的第j个特征，相似度是客户端的高斯特征与参考点的高斯特征的相似度，所计算出的相似度可以作为该参考点的权重，可根据项目需求选择精确计算或近似计算客户端的高斯特征与参考点的高斯特征的相似度。

需要说明的是，自适应搜索窗口的大小与当前客户端计算的结果的置信度有关，在置信度变小时则可以放大自适应搜索窗口，在置信度变大时则可以缩小自适应搜索窗口，以提高搜索采集节点即参考位置的效率。例如，在搜集到的top K个信标节点的平均信号小于某个阈值，则增大搜索窗口(信号较小，说明前一次的定位结果可能有问题，因此需要增大搜索区域)，在搜集到的top K个信标节点的平均信号大于某个阈值时，则可以缩小搜索窗口或不改变搜索窗口的大小。

在步骤S440中，使用步骤S430的处理遍历计算搜索窗口内的所有位置节点即参考位置，加权平均每个参考位置的坐标得到优化后的客户端的坐标；虽然地图的位置节点是离散的，但最终的客户端的优化后的位置是窗口内的所有位置节点的加权平均，在位置节点足够密集的情况下，本发明的技术方案能够作为连续空间的定位技术方案。如下式(2)所示，P_i是地图第i个位置节点，P_{c_aligned}是加权平均后的客户端位置。

在步骤S450中，使用步骤S440得到的客户端位置作为扩展卡尔曼滤波的量测值，获取通过IMU(Inertial measurement unit，惯性导航单元)采集的客户端的运动信息，结合该测量值与客户端的运动信息得到进一步优化后的客户端的位置。将对目标终端的定位与IMU采集的目标终端的运动信息相结合，能够实现对动态的目标终端的精确定位。

一般地，一个IMU内会装有三轴的陀螺仪和三个方向的加速度计，来测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。拓展卡尔曼滤波(extendedKalman filter)为卡尔曼滤波的非线性形式，是一种高效率的递归滤波方法，能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。

图5示意性地示出了根据本发明的示例实施例的室内定位方法的应用场景的示意图。参照图5所示，采用1m*1m的分辨率对该办公室的室内场景进行了划分，在目标终端进入该室内场景时，可以选择距离目标终端较近的交叉节点作为参考位置，例如，可以通过4m*4m的自适应搜索窗口搜索4m*4m的范围内的参考位置，获取该搜索窗口内的7个参考位置，每个参考位置采集top K个信标节点的信号，分别建立各信标节点的信号的高斯模型。即使该办公室的行人或其他障碍物影响其附近的参考位置的定位，但是由于对每个参考位置独立建立K维高斯模型，因此，可以增加定位的鲁棒性。

示例性装置

在介绍了本发明示例性实施方式的介质之后，接下来，参考图6对本发明示例性实施方式的室内定位装置进行说明。

参照图6所示，该室内定位装置600可以包括：第一模型建立模块610、参考特征构建模块620、第二模型构建模块630、比对特征构建模块640、坐标确定单元650。其中，第一模型建立模块610用于在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；参考特征构建模块620用于对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；第二模型建立模块630用于在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；比对特征构建模块640用于根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；坐标确定模块650用于根据所述比对特征和各所述参考特征确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，第一模型建立模块610被配置为：确定所述多个信标节点中，平均信号强度最高的K个所述信标节点；为所述K个信标节点分别建立信号强度概率分布模型。

在本发明的一些实施例中，基于前述方案，坐标确定单元650被配置为：根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述参考位置的相似度；根据所述目标终端位置与各所述参考位置的相似度以及各所述参考位置，确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，坐标确定单元650被配置为：确定一包含所述目标终端位置的搜索窗口，并将所述搜索窗口内的所述参考位置作为候选参考位置；根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述候选参考位置的相似度；根据所述目标终端位置与各所述候选参考位置的相似度以及各所述候选参考位置，确定所述目标终端位置。

在本发明的一些实施例中，基于前述方案，室内定位装置600还包括：范围调整单元，用于计算确定的所述目标终端位置的置信度，并根据所述置信度调整所述搜索窗口的范围。

在本发明的一些实施例中，基于前述方案，室内定位装置600还包括：获取单元，用于获取所述目标终端的惯性测量单元采集的运动信息；位置修正单元，用于根据所述运动信息，对确定的所述目标终端位置进行修正。

在本发明的一些实施例中，基于前述方案，所述位置修正单元被配置为：将确定的所述目标终端位置作为扩展卡尔曼滤波模型的量测值，并结合所述运动信息，对确定的所述目标终端位置进行修正。

在本发明的一些实施例中，基于前述方案，室内定位装置600还包括：参考位置确定单元，用于根据预设分辨率，确定多个所述参考位置。

在本发明的一些实施例中，基于前述方案，所述概率分布模型为高斯分布模型。

示例性介质

在介绍了本发明示例性实施方式的室内定位方法以及室内定位装置之后，接下来，参考图7对本发明示例性实施方式的存储介质进行说明。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备。

示例性计算设备

在介绍了本发明示例性实施方式的室内定位方法、室内定位装置以及存储介质之后，接下来，参考图8对本发明示例性实施方式的电子设备进行详细说明。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元801、上述至少一个存储单元802、连接不同系统组件(包括存储单元802和处理单元801)的总线803、显示单元807。

总线803表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储单元802可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)8021和/或高速缓存存储器8022，还可以进一步包括只读存储器(ROM)8023。

存储单元802还可以包括具有一组(至少一个)程序模块8024的程序/实用工具8025，这样的程序模块8024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备800也可以与一个或多个外部设备804(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与电子设备800交互的设备通信，和/或与使得电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口805进行。并且，电子设备800还可以通过网络适配器806与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器806通过总线803与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了室内定位装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (10)

1.一种室内定位方法，应用于设有多个信标节点的场景；其特征在于，所述方法包括：

在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；

在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；

根据所述比对特征和各所述参考特征确定所述目标终端位置。

2.根据权利要求1所述的室内定位方法，其特征在于，为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型包括：

确定所述多个信标节点中，平均信号强度最高的K个所述信标节点；

为所述K个信标节点分别建立信号强度概率分布模型。

3.根据权利要求1所述的室内定位方法，其特征在于，根据所述比对特征和各所述参考特征确定所述目标终端位置包括：

根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述参考位置的相似度；

根据所述目标终端位置与各所述参考位置的相似度以及各所述参考位置，确定所述目标终端位置。

4.根据权利要求1所述的室内定位方法，其特征在于，根据所述比对特征和各所述参考特征确定所述目标终端位置包括：

确定一包含所述目标终端位置的搜索窗口，并将所述搜索窗口内的所述参考位置作为候选参考位置；

根据所述比对特征和各所述参考特征，分别确定所述目标终端位置与各所述候选参考位置的相似度；

根据所述目标终端位置与各所述候选参考位置的相似度以及各所述候选参考位置，确定所述目标终端位置。

5.根据权利要求4所述的室内定位方法，其特征在于，所述方法还包括：

计算确定的所述目标终端位置的置信度，并根据所述置信度调整所述搜索窗口的范围。

6.根据权利要求1～5任意一项所述的室内定位方法，其特征在于，所述方法还包括：

获取所述目标终端的惯性测量单元采集的运动信息；

根据所述运动信息，对确定的所述目标终端位置进行修正。

7.根据权利要求6所述的室内定位方法，其特征在于，根据所述运动信息，对确定的所述目标终端位置进行修正包括：

将确定的所述目标终端位置作为扩展卡尔曼滤波模型的量测值，并结合所述运动信息，对确定的所述目标终端位置进行修正。

8.一种室内定位装置，应用于设有多个信标节点的场景；其特征在于，所述装置包括：

第一模型建立模块，用于在每一参考位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

参考特征构建模块，用于对于每一所述参考位置，根据在所述参考位置建立的所述概率分布模型，构建所述参考位置的多维特征作为参考特征；

第二模型建立模块，用于在目标终端位置，获取多个信标节点的信号强度，并据以为所述多个信标节点中的K个信标节点分别建立信号强度概率分布模型；

比对特征构建模块，用于根据在所述目标终端位置建立的所述概率分布模型，构建所述目标终端位置的多维特征作为比对特征；

坐标确定模块，用于根据所述比对特征和各所述参考特征确定所述目标终端位置。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任一项所述的室内定位方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任一项所述的室内定位方法。