CN109883428B - 一种融合惯导、地磁和WiFi信息的高精度定位方法 - Google Patents
一种融合惯导、地磁和WiFi信息的高精度定位方法 Download PDFInfo
- Publication number
- CN109883428B CN109883428B CN201910237224.7A CN201910237224A CN109883428B CN 109883428 B CN109883428 B CN 109883428B CN 201910237224 A CN201910237224 A CN 201910237224A CN 109883428 B CN109883428 B CN 109883428B
- Authority
- CN
- China
- Prior art keywords
- particle
- geomagnetic
- wifi
- sample information
- information
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 137
- 230000001133 acceleration Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000005484 gravity Effects 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000005021 gait Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 2
- 238000010276 construction Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种融合惯导、地磁和WiFi信息的高精度定位方法，包括以下步骤：1)构建离线的WiFi指纹库和离线的地磁指纹库；2）步态检测，计算每条样本信息的加速度值，并使用带宽滤波器滤除伪波峰，然后对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；3）转向角估计，将陀螺仪测量值投影到垂直重力方向的水平面上，对陀螺仪测量值进行时间积分来获取转向角；4）粒子滤波算法定位。本发明解决了现有技术中离线指纹库构建困难、经验值限制大、初始化位置不精确等缺陷，实现了室内的高精度定位。
Description
技术领域
本发明属于定位技术领域，具体地说涉及一种融合惯导、地磁和WiFi信息的高精度定位方法，涉及在室内环境中使用惯导、地磁、WiFi等传感器，并与室内地图结合，采用动态步长与动态权重的粒子滤波算法，实现高精度的室内定位。
背景技术
近年来，由于智能设备和相关技术的数量激增，室内导航引起了人们的极大兴趣。在购物中心、博物馆、机场等大型公共场所，室内定位技术为客户提供有效的位置服务；准确的室内位置信息还可以帮助服务提供商在小区部署4-G(LTE)和WiFi接入点(AP)的网络时识别覆盖漏洞和流量热点。现如今，智能手机普及率相当高，集成在手机上的传感器以及接收设备越来越成熟，依托手机实现位置服务成为一种实用性高、便捷、有效的方法。如何充分利用手机上的资源实现更加高效、准确的定位已成为当下的一个研究热点。
现有技术公开了一种基于地磁与惯导的卡尔曼滤波方法，该方法包括以下几个步骤：1)在划分好的格点采集地磁强度并建立线下指纹库；2)利用磁场强度与指纹库比对来初始化位置信息；3)通过用户行进过程中加速度的强度检测步伐并完成步长估计；4)通过对陀螺仪数据的处理获得运动方向与正北方向的夹角；5)利用当前位置信息及步长与方向角，获得当前状态的预测值；6)利用上一时刻更新后的协方差矩阵，计算预测阶段的协方差矩阵；7)计算卡尔曼增益；8)计算观测结果；9)更新状态，得到当前位置；10)更新协方差矩阵。这种定位方法虽然能在简单室内环境中取得不错的导航效果，但其缺点也很明显，主要表现在以下方面：1)地磁在广阔室内环境中的重复性较高，只使用地磁进行位置初始化容易导致错误；2)步长估计仅使用加速度计进行估计，极大受到经验步长设定的影响；3)在计算卡尔曼滤波过程中会需要构建较多的转换矩阵，很难建立出统一且适用性强的转换矩阵，给新环境定位构建带来不便；4)通过格点指纹采集的方式构建磁图，需要耗费较多时间与精力。因此，该类方法由于上述问题的存在而在复杂室内环境中很难构建简单便捷的高效定位。
发明内容
本发明的目的在于解决现有技术中存在的上述问题，提供一种融合惯导、地磁和WiFi信息的高精度定位方法，本发明解决了现有技术中离线指纹库构建困难、经验值限制大、初始化位置不精确等缺陷，实现了室内的高精度定位。
为实现上述目的，本发明采用的技术方案如下：
一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：包括以下步骤：
1)构建离线指纹库
1.1)在室内区域均匀划分多条直线，持智能手机采集每条直线的起止位置信息、地磁样本信息和WiFi样本信息，并将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库，然后存储为离线的WiFi指纹库和离线的地磁指纹库；
2)步态检测
计算每条样本信息的加速度值，并使用带宽滤波器滤除伪波峰，然后对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，对陀螺仪测量值进行时间积分来获取转向角；
4)粒子滤波算法定位
4.1)初始化用户状态，利用地磁样本信息与WiFi样本信息获取用户初始位置；
4.2)初始化粒子状态；
4.3)使用基于粒子的动态加权步长估计算法估计步长；
4.4)对每个粒子更新其朝向；
4.5)对每个粒子更新其位置；
4.6)对每个粒子估计其权重，并对粒子权重进行归一化处理；
4.7)利用重采样算法对粒子进行重采样；
4.8)计算出用户当前时刻位置。
进一步的，所述的定位方法包括以下步骤：
1)构建指纹库
1.1)在室内区域均匀划分多条直线，持智能手机采集每条直线的起止位置信息、二维矫正地磁[BH,BV]、WiFi BSSID及对应强度，并将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库DW，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库DM，然后存储为离线的WiFi指纹库DW和离线的地磁指纹库DM；
2)步态检测
用户持智能手机开始移动，计算每条样本信息的加速度值A，并使用带宽滤波器滤除伪波峰，然后通过带阈值的波峰检测算法对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，使用矫正后的陀螺仪检测每条样本信息垂直重力方向上转向角加速度大小，并对上一个波峰到当前波峰的矫正陀螺仪强度进行时间积分，积分值为当前时刻t的水平转角度数
4)粒子滤波算法定位
4.1)用户持智能手机行进，在t时刻，用户状态
由当前估计位置坐标
当前用户检测到的矫正地磁
当前垂直重力方向的水平转向角
当前用户步长
构成：
初始化时t＝0，智能手机获取当前位置的矫正二维地磁强度及WiFi样本信息，分别与地磁指纹库DM和WiFi指纹库DW做比对，将最接近的K个指纹的位置平均值作为用户初始位置
其中K设定为5，为常用经验值；
4.2)用粒子状态来估计用户状态，在t时刻，粒子状态
由当前粒子坐标
当前粒子权重
当前粒子垂直重力方向的水平转向角
当前粒子步长
构成：
初始化时t＝0，设粒子数为N，粒子半径为Q，令粒子步长
为服从
的正态分布，其中
为经验值0.67m，粒子权重
最初为均匀分布即均为1/N，粒子初始位置
为服从
的正态分布；
4.3)使用基于粒子滤波的加权步长
作为当前时刻t的估计步长，并用一个大小为Qsize的队列换成最近几次加权步长，将它们的加权平均值作为当前时刻t的用户估计步长：
4.4)每个粒子更新其朝向：
其中Gθ～N(0,σθ)为粒子方向高斯噪声，用于扩大粒子朝向的多样性；
4.5)对每个粒子更新其位置：
按粒子展开即表示为：
其中Gl～N(0,σl)为粒子步长高斯噪声，用于扩大粒子步长的多样性；
4.6)对每个粒子估计其权重：
其中，粒子不穿墙时权重计算公式为：
其中，n是z的维度，V是协方差矩阵，
是用于获取第i个粒子当前位置
在指纹库中观测值的函数，即在地磁指纹库中，找到第i粒子在t时刻位置
对应的最近地磁指纹；
接下来对粒子权重进行归一化：
4.7)计算权重为0的粒子所占比例，如果比例大于阈值，则利用重采样算法对粒子进行重采样，将粒子按照权重从高到底排序，并将部分权重为0的粒子用权重较高的粒子替换，使得半数以上的粒子权重不为0；
4.8)对所有粒子位置计算加权和：
即得出用户当前时刻位置。
所述步骤1.2)中，地磁指纹库DM中每条样本信息为位置信息及对应二维矫正地磁{loc,BH,BV}，WiFi指纹库DW中每条样本信息为位置信息及该位置探测到的所有WiFi BSSID和对应强度信息{loc,bssid1:n1,bssid2:n2,…}；若同一个位置出现多个地磁映射值，则将该位置处的地磁信息平均后作为该位置的地磁指纹；如果同一个位置出现多个WiFi映射值，则将该位置处的WiFi BSSID求并集，对应BSSID强度采用平均强度填充。
所述步骤1.1)中多条直线之间的间隔均为0.6m。
所述步骤1.1)中由采集者持智能手机以1.4m/s的速度匀速行进采集数据。
所述步骤4.3)中用一个大小为Qsize的队列换成2-5次的加权步长。
本发明中步骤1)为线下阶段，即定位前的准备工作，步骤2)—4)为线上阶段，即实际定位阶段。
采用本发明的优点在于：
1、本发明利用基于地图信息的动态步长与动态权重的粒子滤波算法，采用动态行进的方式构建离线指纹库，避免了划分格点建库的高精力与长时间耗费，同时结合离线磁图与地图信息计算粒子权重，减轻了定位过程中的粒子穿墙现象，也避免了铺设额外设备带来的不便性。通过加权粒子滤波步长的形式动态估计步长，能够有效解决不同行人步长不一致，甚至同一行人在不同时间的步长也不尽相同的问题，从而实现了室内的高精度定位。
2、本发明在粒子滤波算法的基础上，引入地图信息，避免穿墙粒子对结果造成的不利影响；同时使用离线磁图计算粒子权值，避免铺设额外设备带来的不便性，也与穿墙粒子算法进行了互补；由于每个行人的步长不尽一致，甚至同一个行人在行进过程中的每步步长都会有差异，该方法使用基于粒子的动态加权步长来更新每一步估计步长，避免受到经验值的极大限制；本发明通过行人步进采集方式进行离线指纹库建立，相比划分室内环境为格点的指纹建库方法，极大减弱了建库所需的精力与时间，是一种高效的离线建库方式。
3、本发明基于手机传感器以及接收设备，采集的室内环境中无所不在的地磁信号、惯导信息以及普遍存在的WiFi信号，基于地图利用动态步长、动态权重估计的粒子滤波实现了高精度的室内定位。
附图说明
图1为本发明构建离线指纹库的流程图。
图2为本发明的定位流程图。
图3为智能手机水平放置时采用背景技术中卡尔曼滤波惯导定位方法和本发明方法的定位轨迹比较图。
图4为智能手机作甩手动作时采用背景技术中卡尔曼滤波惯导定位方法和本发明方法的定位轨迹比较图。
具体实施方式
本发明公开了一种融合惯导、地磁和WiFi信息的高精度定位方法，包括以下步骤：
1)构建离线指纹库
1.1)在室内区域均匀划分多条直线，采集者持智能手机以1.4m/s的速度沿着直线匀速行进，采集每条直线的起止位置信息、地磁样本信息和WiFi样本信息，并通过直线起止位置信息及该直线上采集到的样本信息，将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库，然后存储为离线的WiFi指纹库和离线的地磁指纹库；
2)步态检测
计算每条样本信息的加速度值，并使用带宽滤波器滤除伪波峰，然后对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，对陀螺仪测量值进行时间积分来获取转向角；
4)粒子滤波算法定位
4.1)初始化用户状态，利用地磁样本信息与WiFi样本信息获取用户初始位置；
4.2)初始化粒子状态；
4.3)使用基于粒子的动态加权步长估计算法估计步长；
4.4)对每个粒子更新其朝向；
4.5)对每个粒子更新其位置；
4.6)对每个粒子估计其权重，并对粒子权重进行归一化处理；
4.7)利用重采样算法对粒子进行重采样；
4.8)计算出用户当前时刻位置。
进一步的，所述的定位方法具体包括以下步骤：
1)构建指纹库
1.1)在长为78m，宽最大为18.2m的室内可行区域中均匀划分多条直线，每两条相邻直线间隔0.6m，划线完成后，采集者持智能手机以1.4m/s的速度沿着直线匀速行进，采集每条直线的起止位置信息、二维矫正地磁[BH,BV]、WiFi BSSID及对应强度，并通过直线起止位置信息及该直线上采集到的样本信息，将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库DW，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库DM，然后存储为离线的WiFi指纹库DW和离线的地磁指纹库DM；
其中，地磁指纹库DM中每条样本信息为位置信息及对应二维矫正地磁{loc,BH,BV}，WiFi指纹库DW中每条样本信息为位置信息及该位置探测到的所有WiFi BSSID和对应强度信息{loc,bssid1:n1,bssid2:n2,…}；若同一个位置出现多个地磁映射值，则将该位置处的地磁信息平均后作为该位置的地磁指纹；如果同一个位置出现多个WiFi映射值，则将该位置处的WiFi BSSID求并集，对应BSSID强度采用平均强度填充。
2)步态检测
用户持智能手机开始移动，计算每条样本信息的加速度值A，并使用带宽滤波器滤除伪波峰，然后通过带阈值的波峰检测算法对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，使用矫正后的陀螺仪检测每条样本信息垂直重力方向上转向角加速度大小，即陀螺仪垂直重力方向上的强度值大小，并对转向角加速度大小在上一个波峰到当前波峰的时间内进行积分，积分值为当前时刻t的水平转角度数
4)粒子滤波算法定位
4.1)用户持智能手机行进，在t时刻，用户状态
由当前估计位置坐标
当前用户检测到的矫正地磁
当前垂直重力方向的水平转向角
当前用户步长
构成：
初始化时t＝0，智能手机获取当前位置的矫正二维地磁强度及WiFi样本信息，分别与地磁指纹库DM和WiFi指纹库DW做比对，将最接近的K个指纹的位置平均值作为用户初始位置
其中K设定为5，为常用经验值；
4.2)用粒子状态来估计用户状态，在t时刻，粒子状态
由当前粒子坐标
当前粒子权重
当前粒子垂直重力方向的水平转向角
当前粒子步长
构成：
初始化时t＝0，设粒子数为N，粒子半径为Q，令粒子步长
为服从
的正态分布，其中
为经验值0.67m，粒子权重
最初为均匀分布即均为1/N，粒子初始位置
为服从
的正态分布；
4.3)使用基于粒子滤波的加权步长
作为当前时刻t的估计步长，并用一个大小为Qsize的队列换成最近2-5次的加权步长，将它们的加权平均值作为当前时刻t的用户估计步长：
4.4)每个粒子更新其朝向：
其中Gθ～N(0,σθ)为粒子方向高斯噪声，用于扩大粒子朝向的多样性；
4.5)对每个粒子更新其位置：
按粒子展开即表示为：
其中Gl～N(0,σl)为粒子步长高斯噪声，用于扩大粒子步长的多样性；
4.6)对每个粒子估计其权重：
其中，粒子不穿墙时权重计算公式为：
其中，n是z的维度，V是协方差矩阵，
是用于获取第i个粒子当前位置
在指纹库中观测值的函数，即在地磁指纹库中，找到第i粒子在t时刻位置
对应的最近地磁指纹；
接下来对粒子权重进行归一化：
本步骤中，粒子穿墙时令对应粒子权重为0即为地图相关信息的引入。首先对地图进行边缘检测，将检测得到的地图路径线段信息保存。在粒子更新过程中，如果粒子从时间t到时间t+1的路径连线与地图路径线段有交集，则视为该粒子穿墙，此时将其权重置零。
4.7)计算权重为0的粒子所占比例，如果比例大于阈值，则利用重采样算法对粒子进行重采样，将粒子按照权重从高到底排序，并将部分权重为0的粒子用权重较高的粒子替换，使得半数以上的粒子权重不为0；
4.8)对所有粒子位置计算加权和：
即得出用户当前时刻位置。
本发明基于手机传感器以及接收设备，采集的室内环境中无所不在的地磁信号、惯导信息以及普遍存在的WiFi信号，基于地图利用动态步长、动态权重估计的粒子滤波来实现高精度的室内定位。
最后，本发明对实验场地中行走带有转弯路线进行测试验证，实验路径为如图3所示的带有转角的行进路线，测试者手持手机设备沿路线行走，分别通过本专利算法和背景技术算法对采集的数据进行处理并估计步行轨迹，从图3、图4的实验结果对比可以看出，本发明方法估计出的轨迹无论是在水平持手机还是甩手动作下都具有与其他方法相比更优的效果，所以本发明方法实现了一种高精度、稳健的定位方法。
Claims (5)
1.一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：包括以下步骤：
1)构建离线指纹库
1.1)在室内区域均匀划分多条直线，持智能手机采集每条直线的起止位置信息、地磁样本信息和WiFi样本信息，并将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库，然后存储为离线的WiFi指纹库和离线的地磁指纹库；
2)步态检测
计算每条样本信息的加速度值，并使用带宽滤波器滤除伪波峰，然后对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，对陀螺仪测量值进行时间积分来获取转向角；
4)粒子滤波算法定位
4.1)初始化用户状态，利用地磁样本信息与WiFi样本信息获取用户初始位置；
4.2)初始化粒子状态；
4.3)使用基于粒子的动态加权步长估计算法估计步长；
4.4)对每个粒子更新其朝向；
4.5)对每个粒子更新其位置；
4.6)对每个粒子估计其权重，并对粒子权重进行归一化处理；
4.7)利用重采样算法对粒子进行重采样；
4.8)计算出用户当前时刻位置；
所述的定位方法包括如下步骤：
1)构建指纹库
1.1)在室内区域均匀划分多条直线，持智能手机采集每条直线的起止位置信息、二维矫正地磁[BH,BV]、WiFi BSSID及对应强度，并将采集到的地磁样本信息和WiFi样本信息分别映射到对应的二维坐标上；
1.2)完成所有直线的采集后，将采集到的所有WiFi样本信息构建为WiFi指纹库DW，将采集到的所有地磁样本信息进行克里金插值，构建出地磁指纹库DM，然后存储为离线的WiFi指纹库DW和离线的地磁指纹库DM；
2)步态检测
用户持智能手机开始移动，计算每条样本信息的加速度值A，并使用带宽滤波器滤除伪波峰，然后通过带阈值的波峰检测算法对滤波后的加速度进行波峰检测，构建步伐计数器，判断当前是否迈步；
3)转向角估计
将陀螺仪测量值投影到垂直重力方向的水平面上，使用矫正后的陀螺仪检测每条样本信息垂直重力方向上转向角加速度大小，并对转向角加速度大小在上一个波峰到当前波峰的时间内进行积分，积分值为当前时刻t的水平转角度数
4)粒子滤波算法定位
4.1)用户持智能手机行进，在t时刻，用户状态
由当前估计位置坐标
当前用户检测到的矫正地磁
当前垂直重力方向的水平转向角
当前用户步长
构成：
初始化时t＝0，智能手机获取当前位置的矫正二维地磁强度及WiFi样本信息，分别与地磁指纹库DM和WiFi指纹库DW做比对，将最接近的K个指纹的位置平均值作为用户初始位置
其中K设定为5，为常用经验值；
4.2)用粒子状态来估计用户状态，在t时刻，粒子状态
由当前粒子坐标
当前粒子权重
当前粒子垂直重力方向的水平转向角
当前粒子步长
构成：
初始化时t＝0，设粒子数为N，粒子半径为Q，令粒子步长
为服从
的正态分布，其中
为经验值0.67m，粒子权重
最初为均匀分布即均为1/N，粒子初始位置
为服从
的正态分布；
4.3)使用基于粒子滤波的加权步长
作为当前时刻t的估计步长，并用一个大小为Qsize的队列换成最近几次加权步长，将它们的加权平均值作为当前时刻t的用户估计步长：
4.4)每个粒子更新其朝向：
其中Gθ～N(0,σθ)为粒子方向高斯噪声，用于扩大粒子朝向的多样性；
4.5)对每个粒子更新其位置：
按粒子展开即表示为：
其中Gl～N(0,σl)为粒子步长高斯噪声，用于扩大粒子步长的多样性；
4.6)对每个粒子估计其权重：
其中，粒子不穿墙时权重计算公式为：
其中，n是z的维度，V是协方差矩阵，
是用于获取第i个粒子当前位置
在指纹库中观测值的函数，即在地磁指纹库中，找到第i粒子在t时刻位置
对应的最近地磁指纹；
接下来对粒子权重进行归一化：
4.7)计算权重为0的粒子所占比例，如果比例大于阈值，则利用重采样算法对粒子进行重采样，将粒子按照权重从高到低 排序，并将部分权重为0的粒子用权重较高的粒子替换，使得半数以上的粒子权重不为0；
4.8)对所有粒子位置计算加权和：
即得出用户当前时刻位置。
2.根据权利要求1所述的一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：所述步骤1.2)中，地磁指纹库DM中每条样本信息为位置信息及对应二维矫正地磁{loc,BH,BV}，WiFi指纹库DW中每条样本信息为位置信息及该位置探测到的所有WiFi BSSID和对应强度信息{loc,bssid1:n1,bssid2:n2,…}；若同一个位置出现多个地磁映射值，则将该位置处的地磁信息平均后作为该位置的地磁指纹；如果同一个位置出现多个WiFi映射值，则将该位置处的WiFiBSSID求并集，对应BSSID强度采用平均强度填充。
3.根据权利要求1所述的一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：所述步骤1.1)中多条直线之间的间隔均为0.6m。
4.根据权利要求1所述的一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：所述步骤1.1)中由采集者持智能手机以1.4m/s的速度匀速行进采集数据。
5.根据权利要求1所述的一种融合惯导、地磁和WiFi信息的高精度定位方法，其特征在于：所述步骤4.3)中用一个大小为Qsize的队列换成2-5次的加权步长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910237224.7A CN109883428B (zh) | 2019-03-27 | 2019-03-27 | 一种融合惯导、地磁和WiFi信息的高精度定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910237224.7A CN109883428B (zh) | 2019-03-27 | 2019-03-27 | 一种融合惯导、地磁和WiFi信息的高精度定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109883428A CN109883428A (zh) | 2019-06-14 |
| CN109883428B true CN109883428B (zh) | 2022-11-01 |
Family
ID=66934728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910237224.7A Expired - Fee Related CN109883428B (zh) | 2019-03-27 | 2019-03-27 | 一种融合惯导、地磁和WiFi信息的高精度定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109883428B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110260855B (zh) * | 2019-06-24 | 2021-06-29 | 北京壹氢科技有限公司 | 一种融合行人航位推算、地磁信息与室内地图信息的室内行人导航定位方法 |
| CN110388926B (zh) * | 2019-07-12 | 2021-10-29 | 杭州电子科技大学 | 一种基于手机地磁和场景图像的室内定位方法 |
| CN111337019B (zh) * | 2020-03-25 | 2020-11-06 | 中国人民解放军军事科学院国防科技创新研究院 | 一种用于组合导航的量子传感装置 |
| CN111964667B (zh) * | 2020-07-03 | 2022-05-20 | 杭州电子科技大学 | 一种基于粒子滤波算法的地磁_ins组合导航方法 |
| US11743678B2 (en) * | 2020-08-24 | 2023-08-29 | The Hong Kong University Of Science And Technology | Generic signal fusion framework for multi-modal localization |
| CN113324544B (zh) * | 2021-04-19 | 2023-02-28 | 北京化工大学 | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 |
| CN113810846B (zh) * | 2021-10-15 | 2022-05-03 | 湖南大学 | 一种基于WiFi和IMU融合的室内定位方法 |
| CN114577206B (zh) * | 2022-03-08 | 2023-10-31 | 宁波诺丁汉大学 | 一种基于超声波的室内惯导建图方法和系统 |
| CN114739406A (zh) * | 2022-03-10 | 2022-07-12 | 云南电网有限责任公司电力科学研究院 | 一种室内定位方法、装置、计算机设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105451330A (zh) * | 2014-09-25 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 基于电磁信号的移动终端定位方法及其装置 |
| WO2016195527A1 (ru) * | 2015-06-05 | 2016-12-08 | Общество с ограниченной ответственностью "Навигационные решения" | Способ и система навигации внутри помещения |
| CN106382931A (zh) * | 2016-08-19 | 2017-02-08 | 北京羲和科技有限公司 | 一种室内定位方法及装置 |
| CN106979778A (zh) * | 2016-01-15 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种定位方法、装置和移动终端 |
| CN107289941A (zh) * | 2017-06-14 | 2017-10-24 | 湖南格纳微信息科技有限公司 | 一种基于惯导的室内定位方法与装置 |
| CN108632761A (zh) * | 2018-04-20 | 2018-10-09 | 西安交通大学 | 一种基于粒子滤波算法的室内定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8977298B2 (en) * | 2012-12-14 | 2015-03-10 | Apple Inc. | Location fingerprinting |
-
2019
- 2019-03-27 CN CN201910237224.7A patent/CN109883428B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105451330A (zh) * | 2014-09-25 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 基于电磁信号的移动终端定位方法及其装置 |
| WO2016195527A1 (ru) * | 2015-06-05 | 2016-12-08 | Общество с ограниченной ответственностью "Навигационные решения" | Способ и система навигации внутри помещения |
| CN106979778A (zh) * | 2016-01-15 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种定位方法、装置和移动终端 |
| CN106382931A (zh) * | 2016-08-19 | 2017-02-08 | 北京羲和科技有限公司 | 一种室内定位方法及装置 |
| CN107289941A (zh) * | 2017-06-14 | 2017-10-24 | 湖南格纳微信息科技有限公司 | 一种基于惯导的室内定位方法与装置 |
| CN108632761A (zh) * | 2018-04-20 | 2018-10-09 | 西安交通大学 | 一种基于粒子滤波算法的室内定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| Precise Tracking of Things via Hybrid 3-D Fingerprint Database and Kernel Method Particle Filter;Nader Bargshady 等;《IEEE Sensors Journal》;20161012;第16卷(第24期);第8963-8971页 * |
| 基于智能手机的地磁/WiFi/PDR的室内定位算法;阮琨 等;《计算机应用》;20180910;第38卷(第09期);第2598-2602页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109883428A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109883428B (zh) | 一种融合惯导、地磁和WiFi信息的高精度定位方法 | |
| CN104796866B (zh) | 室内定位方法和装置 | |
| CN108632761B (zh) | 一种基于粒子滤波算法的室内定位方法 | |
| CN105424030B (zh) | 基于无线指纹和mems传感器的融合导航装置和方法 | |
| CN113923596B (zh) | 室内定位方法、装置、设备及介质 | |
| CN108534779B (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
| Lin et al. | Human localization based on inertial sensors and fingerprints in the Industrial Internet of Things | |
| CN111829516B (zh) | 一种基于智能手机的自主式行人定位方法 | |
| CN110320495A (zh) | 一种基于Wi-Fi、蓝牙和PDR融合定位的室内定位方法 | |
| CN102685677B (zh) | 一种室内定位方法及装置 | |
| CN108709557B (zh) | 基于多用户轨迹拟合的室内地图生成方法 | |
| CN107580313B (zh) | 结合蓝牙Beacon与智能手机的室内定位系统及其定位方法 | |
| CN108668245A (zh) | 一种基于WiFi与地磁场数据库的室内定位方法 | |
| WO2014197276A2 (en) | Utilizing mobile wireless access gateways for location and context purposes | |
| CN108801267B (zh) | 一种融合多传感器的室内无锚点定位方法 | |
| CN111698774B (zh) | 基于多源信息融合的室内定位方法及装置 | |
| EP2946270A1 (en) | Method, apparatus and computer program product for orienting a smartphone display and estimating direction of travel of a pedestrian | |
| CN105704652A (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
| CN108919177A (zh) | 一种基于虚拟信源估计与轨迹校正的定位地图构建方法 | |
| CN107426816A (zh) | 一种WiFi定位与地图匹配融合的实现方法 | |
| CN107270889A (zh) | 一种基于地磁图谱的室内定位方法及定位系统 | |
| CN110300385A (zh) | 一种基于自适应粒子滤波的室内定位方法 | |
| KR20150079080A (ko) | 신뢰도 기반 측위 방법 및 그 장치 | |
| KR101268564B1 (ko) | 파티클 필터 기반의 단말의 위치 측정 장치 및 방법과 이를 기록한 기록 매체 | |
| Wang | A study of WiFi-aided magnetic matching indoor positioning algorithm |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221101 |