CN115406435A - 基于wlan和mems的室内电子地图构建方法、装置及存储介质 - Google Patents
基于wlan和mems的室内电子地图构建方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115406435A CN115406435A CN202211020410.3A CN202211020410A CN115406435A CN 115406435 A CN115406435 A CN 115406435A CN 202211020410 A CN202211020410 A CN 202211020410A CN 115406435 A CN115406435 A CN 115406435A
- Authority
- CN
- China
- Prior art keywords
- wlan
- mems
- coordinates
- acceleration
- sensor
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000010276 construction Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000033001 locomotion Effects 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000001360 synchronised effect Effects 0.000 claims abstract 2
- 230000001133 acceleration Effects 0.000 claims description 62
- 238000012937 correction Methods 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000404883 Pisa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于WLAN和MEMS的室内电子地图构建方法、装置及存储介质,其中包括以下步骤:步骤1)在离线阶段,基于动态现场测绘的方式,利用智能移动终端的MEMS传感器获取运动辅助数据,利用WLAN传感器获取RSSI指纹测量,并基于运动辅助数据,采用行人航位推算法生成运动轨迹;步骤2)基于室内地标对运动轨迹进行校准,其中,室内地标包括走廊拐角、楼层间楼梯;步骤3)通过同步时间戳匹配校准后的运动轨迹中采样点的三维坐标和RSSI指纹,得到完整的包含多个楼层的室内电子地图。与现有技术相比,本发明具有利用低成本传感器构建电子地图且构建的轨迹精度高等优点。
Description
技术领域
本发明涉及一种电子地图构建方法,尤其是涉及一种基于WLAN和MEMS的室内电子地图构建方法、装置及存储介质。
背景技术
移动智能终端的广泛应用和无线网络的快速普及和大量应用,使得基于位置服务(Location Based Services,LBS)的应用需求呈现出快速、大幅增长趋势,LBS迅速发展和普及到了社会生活和生产的各个领域。其中,可靠而高效的定位技术是实现LBS的前提和关键所在。
在室外,全球卫星导航系统(Global Navigation Satellite System,GNSS)被用于各种需要定位服务信息的场合中。GNSS的产生及发展,基本上解决了在室外空旷空间中进行定位的问题,并己在军事、交通、资源环境、农牧渔业、测绘等领域以及人们日常生活中得到了广泛的应用;尽管该技术在室外应用中取得了良好的效果,但在室内应用中,基于GNSS的定位系统的性能并不令人满意。因此,在室内环境中,专门的定位方法和技术的研究是目前LBS应用发展的必然趋势。
20世纪90年代,一种高速无线网络通信技术开始飞速发展,也就是无线局域网络(WLAN)。WLAN具有通信高速,部署方便的特点,使得其在室内定位领域具有广阔的应用潜力和前景。在总多基于WLAN的室内定位方法中,基于接收信号强度指示(RSSI)指纹法以其高精度和低成本而成为了最受关注的方法。基于RSSI指纹的定位通常分两个阶段进行。在离线阶段,进行现场测绘,从已知位置的不同接入点(Access Point,AP)收集接收信号强度指标(RSSI)向量,这些接入点称为参考点(Reference Point,RP)。这些RSSI的向量形成每个站点的指纹,并存储在数据库中,或称为无线电地图(Radio Map,RM)。因此,离线阶段是一个数据库构建过程。在在线阶段,用户或目标在其位置测量RSSI向量,并将其报告给服务器,服务器估计并返回用户的位置。
阻碍现有室内定位系统大规模部署的一个重要缺点是,现场测绘的耗时耗力性。在离线阶段的电子地图构建时,需要对参考点进行专门的现场测绘,不仅需要对参考点的位置和信号强度进行人工测量,还要将两者进行匹配形成位置指纹。此外,定位依赖的无线电地图需要定期更新,以适应环境的变化,这种更新显著增加了定位系统的负担。以一个机场为例,对于一个面积为8000平方米的调查场地,如果选择2米作为现场调查的网格尺寸,仍然有2000个需要现场测绘的参考点。因此,降低现场测量密度或考虑成本和准确性之间的权衡是当前指纹定位的一个重要问题。
发明内容
本发明的目的就是为了提供一种基于WLAN和MEMS的室内电子地图构建方法、装置及存储介质,采用低成本的传感器实现高精度的电子地图构建,既能降低成本,又能保证较高的轨迹精度。
本发明的目的可以通过以下技术方案来实现:
一种基于WLAN和MEMS的室内电子地图构建方法,包括以下步骤:
步骤1)在离线阶段,基于动态现场测绘的方式,利用智能移动终端的MEMS传感器获取运动辅助数据,利用WLAN传感器获取RSSI指纹测量,并基于运动辅助数据,采用行人航位推算法生成运动轨迹;
步骤2)基于室内地标对运动轨迹进行校准,其中,室内地标包括走廊拐角、楼层间楼梯;
步骤3)通过同步时间戳匹配校准后的运动轨迹中采样点的三维坐标和RSSI指纹,得到完整的包含多个楼层的室内电子地图。
所述步骤1)包括以下步骤:
步骤1-1)获取行人开始行走的开启信号,基于开启信号开启智能移动终端的MEMS传感器和WLAN传感器,进入计步状态,所述MEMS传感器包括加速度传感器、陀螺仪、磁传感器;
步骤1-2)基于室内地标将室内空间划分为多个区域,其中,所述区域包括每一层的楼层平面和楼梯区域;
步骤1-3)获取WLAN传感器输出的RSSI指纹测量;
步骤1-4)获取加速度传感器输出的加速度数据,所述加速度数据为周期性数据;
步骤1-5)基于加速度数据和预配置的阈值条件估计行走的步数;
步骤1-6)基于加速度数据和动态模型估计行走的步长;
步骤1-7)获取陀螺仪和磁传感器的输出并估计行走的方向值;
步骤1-8)针对每个区域,基于行走的初始位置坐标,结合每步的步长、方向值和步数,确定下一时刻的位置坐标;
步骤1-9)重复步骤1-3)-步骤1-8),直至接收到行人终止行走的终止信号,关闭MEMS传感器和WLAN传感器,结束计步状态;
步骤1-10)将每个区域内各个时刻的位置坐标进行连线,生成每个区域的行走轨迹。
所述步骤1-5)包括以下步骤:
步骤1-5-1)对加速度数据的三轴数据进行低通滤波,分离出重力在各个轴上的分量;
步骤1-5-2)基于高通滤波剔除重力干扰,得到实际加速度数据;
步骤1-5-3)基于实际加速度数据确定整体加速度:
其中,(a(t)x,a(t)y,a(t)z)为实际加速度的三轴数据,a(t)为整体加速度;
步骤1-5-4)判断当前步的整体加速度是否满足预配置的阈值条件,若满足条件,则将该步累加计入步数。
所述阈值条件包括整体加速度波峰波谷的加速度大小大于第一阈值,相邻两次波峰的时间间隔大于第二阈值,一个完整步行周期的时间大于第三阈值,其中,所述完整步行周期包括抬脚、跨步、落地。
所述步骤1-6)通过建立人体行走动态模型分析步长和每个步行周期中身体位移之间的关系,得到步长与加速度数据之间的关系,从而基于加速度数据推算步长的动态变化。
所述步骤1-7)包括以下步骤:
步骤1-7-1)获取磁力计计算输出的第一方向值;
步骤1-7-2)获取陀螺仪输出的角速度值,并对其进行积分得到第二方向值;
步骤1-7-3)对第一方向值和第二方向值进行融合得到方向值。
所述步骤1-8)确定下一时刻的位置坐标的计算方法为:
其中,(xt,yt,zt)为用户当前的坐标,(xt+Δt,yt+Δt,zt+Δt)为下一时刻的坐标,n表示Δt时间内的步数,l为步长,θ为方向值,zk为楼梯区域起始楼层k的坐标高度,zk+1为下一楼层k+1的坐标高度。
所述步骤2)包括以下步骤:
步骤2-1)假定一个区域内的运动轨迹由n个采样点(p1,p2,…,pn)构成,其中,每个采样点的位置对应一个三维坐标,第一个采样点p1和最后一个采样点pn的真实坐标已知,将p1和pn设为校准点;
步骤2-2)获取基于行人航位推算法计算得到的pn点观测坐标,通过比较pn点的观测坐标与真实坐标,得到x,y,z坐标的闭合差fx,fy,fz:
步骤2-3)利用闭合差fx,fy,fz确定坐标修正值:
其中,D是从p1点到pn点的轨迹全长,Di-1是第i点之前的轨迹边长,vxi,vyi,vzi为坐标修正值;
步骤2-4)基于坐标修正值修正坐标,完成校准:
xi′=xi+vxi
yi′=yi+vyi
zi′=zi+vzi
其中,9xi,yi,zi)为修正前第i点的三维坐标,(xi′,yi′,zi′)为修正后第i点的三维坐标。
一种基于WLAN和MEMS的室内电子地图构建装置,包括存储器、处理器,以及存储于所述存储器中的程序,所述处理器执行所述程序时实现如上述所述的方法。
一种存储介质,其上存储有程序,所述程序被执行时实现如上述所述的方法。
与现有技术相比,本发明具有以下有益效果:
本发明提出了一种基于WLAN和MEMS传感器信息融合的室内电子地图构建方法,与现有的工作繁重的静态现场测量方式不同的是,本发明所述方法以动态测量的方式同时记录步行轨迹和RSSI指纹,并通过同步时间戳的方式进行位置和指纹的匹配,通过对走廊转角、楼层间楼梯等地标进行校准,在低成本传感器存在大量噪声的情况下,仍可大大提高轨迹精度,从而得到高精度的电子地图,既降低了成本,又保证了精度。
附图说明
图1为本发明的方法流程图;
图2为一种实施例中室内环境楼层分布图,其中,(a)为楼层第一层,(b)为楼层第二层,(c)为楼层第三层;
图3为加速度三轴数据示意图;
图4为一种实施例中校准前的多个区域的轨迹示意图,其中,(a)为楼层第一层,(b)为楼层第二层,(c)为楼层第三层;
图5为一种实施例中校准后的多个区域的轨迹示意图,其中,(a)为楼层第一层,(b)为楼层第二层,(c)为楼层第三层;
图6为一种实施例中对多个区域的轨迹进行合并后的轨迹示意图;
图7为一种实施例中各个区域的电子地图示意图,其中,(a)为楼层第一层,(b)为楼层第二层,(c)为楼层第三层;
图8为一种实施例中完整的室内电子地图示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例以Jaume I大学的一栋多层建筑为例进行试验,实验数据由IPIN2019室内定位比赛提供,该比赛在CNR(意大利比萨)的设施中收集,该建筑的室内环境楼层分布图如图2所示。
一种基于WLAN和MEMS的室内电子地图构建方法,如图1所示,包括以下步骤:
步骤1)在离线阶段,基于动态现场测绘的方式,利用智能移动终端的MEMS传感器获取运动辅助数据,利用WLAN传感器获取RSSI指纹测量,并基于运动辅助数据,采用行人航位推算法(PDR)生成运动轨迹。
步骤1-1)获取行人开始行走的开启信号,基于开启信号开启智能移动终端的MEMS传感器和WLAN传感器,进入计步状态,所述MEMS传感器包括加速度传感器、陀螺仪、磁传感器;
步骤1-2)基于室内地标将室内空间划分为多个区域,其中,所述区域包括每一层的楼层平面和楼梯区域;
本实施例中,一段运动轨迹的数据采集是从一个校准点开始到另一个校准点结束,校准点基于室内地标确定。
步骤1-3)获取WLAN传感器输出的RSSI指纹测量;
步骤1-4)获取加速度传感器输出的加速度数据,所述加速度数据为周期性数据,如图3所示;
步骤1-5)基于加速度数据和预配置的阈值条件估计行走的步数;
行人的行走步态包括抬脚、跨步、落地,各个方向的加速度表现为波峰与波谷曲线的交替变换,具有一定规律和周期性。加速度数据如图3所示。所以,步数的检测可以利用加速度传感器来实现。手机MEMS加速度传感器的原始输出数据包含了地球的重力分量,而不同的手机摆放姿态差异造成的重力加速度分量不固定会导致各个轴上的加速度失去原有的规律性,因此在进行步数检测前首先需要将重力分量从加速度数据的各个轴上剔除。由于重力只有在设备旋转的时候才会发生变化,属于低频信号。因此可以通过以下步骤剔除重力干扰,得到实际加速度值。
步骤1-5-1)对加速度数据的三轴数据进行低通滤波,分离出重力在各个轴上的分量;
步骤1-5-2)基于高通滤波剔除重力干扰,得到实际加速度数据;
步骤1-5-3)根据图3可以看出加速度传感器在三轴输出的波形都具有一定的周期性,但都不十分明显,因此,基于实际加速度数据确定整体加速度,以整体加速度作为样本来进行分析:
其中,(a(t)x,a(t)y,a(t)z)为实际加速度的三轴数据,a(t)为整体加速度;
步骤1-5-4)判断当前步的整体加速度是否满足全部阈值条件,若满足,则将该步累加计入步数。
所述阈值条件包括整体加速度波峰波谷的加速度大小大于第一阈值,相邻两次波峰的时间间隔大于第二阈值,一个完整步行周期的时间大于第三阈值,其中,所述完整步行周期包括抬脚、跨步、落地。
步骤1-6)基于加速度数据和动态模型估计行走的步长;
在行人前进的过程中,步长一般使用静态模型或动态模型来进行估计。其中,静态模型固定步长,它依据人体的性别、身高、步行状态将步长划分为若干个等级,以行人的实际情况来获取对应的步长值,或是将训练模式中得到的步长直接作为实际行走中行人的步长。这类步长估计方法在行人匀速行走的情况下简单可靠,但是考虑到人体步行时步态的复杂性以及变速运动的情况,使用动态模型估计步长更为准确。本发明通过建立人体行走动态模型分析步长和每个步行周期中身体位移之间的关系,得到步长与加速度数据之间的关系,从而基于加速度数据推算步长的动态变化。
步骤1-7)获取陀螺仪和磁传感器的输出并估计行走的方向值;
在判断行人走完一步并估计出该步的步长后,还需要知道行人的运动方位,才能完成PDR算法。考虑到之前所述的传感器特点,由磁力计计算出的方位数据长时间内能保持稳定。但是,当所处的室内环境中有较强的磁干扰时,磁力计数据会严重失真,造成一定程度的方位偏离。陀螺仪不受磁干扰的影响,在短时间内通过对输出的角速度积分能够得到精确的方位数据。但受制于自身数据漂移的影响误差会随着时间不断累积,并且得到的方位都是相对于初始方向的位置。因此,本发明融合磁力计和陀螺仪共同对行人的方位进行估计,从而消减室内磁干扰信号和陀螺仪漂移误差带来的影响,得到更可靠的方位角信息。
步骤1-7-1)获取磁力计计算输出的第一方向值;
步骤1-7-2)获取陀螺仪输出的角速度值,并对其进行积分得到第二方向值;
步骤1-7-3)对第一方向值和第二方向值进行融合得到方向值。
步骤1-8)针对每个区域,基于行走的初始位置坐标,结合每步的步长、方向值和步数,确定下一时刻的位置坐标:
其中,(xt,yt,zt)为用户当前的坐标,(xt+Δt,yt+Δt,zt+Δt)为下一时刻的坐标,n表示Δt时间内的步数,l为步长,θ为方向值,zk为楼梯区域起始楼层k的坐标高度,zk+1为下一楼层k+1的坐标高度。
步骤1-9)重复步骤1-3)-步骤1-8),直至接收到行人终止行走的终止信号,关闭MEMS传感器和WLAN传感器,结束计步状态;
步骤1-10)将每个区域内各个时刻的位置坐标进行连线,生成每个区域的行走轨迹。
基于上述步骤得到的多个区域的运动轨迹如图4所示。
步骤2)基于室内地标对运动轨迹进行校准,其中,室内地标包括走廊拐角、楼层间楼梯。
步骤2-1)假定一个区域内的运动轨迹由n个采样点(p1,p2,…,pn)构成,其中,每个采样点的位置对应一个三维坐标,第一个采样点p1和最后一个采样点pn的真实坐标已知,将p1和pn设为校准点;
步骤2-2)获取基于行人航位推算法计算得到的pn点观测坐标,通过比较pn点的观测坐标与真实坐标,得到x,y,z坐标的闭合差fx,fy,fz:
步骤2-3)利用闭合差fx,fy,fz确定坐标修正值:
其中,D是从p1点到pn点的轨迹全长,Di-1是第i点之前的轨迹边长,vxi,vyi,vzi为坐标修正值;
步骤2-4)基于坐标修正值修正坐标,完成校准:
xi′=xi+vxi
yi′=yi+vyi
zi′=zi+vzi
其中,(xi,yi,zi)为修正前第i点的三维坐标,(xi′,yi′,zi′)为修正后第i点的三维坐标。
校准后的轨迹示意图如图5所示,与图4对比后可以发明,基于室内地标的约束可以大大提高轨迹的精度。
对所有训练集中的数据均绘制区域轨迹后合并得到整体的轨迹示意图如图6所示,图6中,虚线表示楼梯区域的轨迹,实线表示楼层平面的轨迹。
步骤3)通过同步时间戳匹配校准后的运动轨迹中采样点的三维坐标和RSSI指纹,得到完整的包含多个楼层的室内电子地图。
将每个接收到的WiFi指纹都与轨迹中的位置坐标按时间戳进行绑定,作为参考点(RP),得到每个楼层对应的电子地图如图7所示,完整的包含多个楼层的室内电子地图如图8所示。图中所有的参考点都均匀分布在建筑物的走廊上。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得到的技术方案,皆应在权利要求书所确定的保护范围内。
Claims (10)
1.一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,包括以下步骤:
步骤1)在离线阶段,基于动态现场测绘的方式,利用智能移动终端的MEMS传感器获取运动辅助数据,利用WLAN传感器获取RSSI指纹测量,并基于运动辅助数据,采用行人航位推算法生成运动轨迹;
步骤2)基于室内地标对运动轨迹进行校准,其中,室内地标包括走廊拐角、楼层间楼梯;
步骤3)通过同步时间戳匹配校准后的运动轨迹中采样点的三维坐标和RSSI指纹,得到完整的包含多个楼层的室内电子地图。
2.根据权利要求1所述的一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,所述步骤1)包括以下步骤:
步骤1-1)获取行人开始行走的开启信号,基于开启信号开启智能移动终端的MEMS传感器和WLAN传感器,进入计步状态,所述MEMS传感器包括加速度传感器、陀螺仪、磁传感器;
步骤1-2)基于室内地标将室内空间划分为多个区域,其中,所述区域包括每一层的楼层平面和楼梯区域;
步骤1-3)获取WLAN传感器输出的RSSI指纹测量;
步骤1-4)获取加速度传感器输出的加速度数据,所述加速度数据为周期性数据;
步骤1-5)基于加速度数据和预配置的阈值条件估计行走的步数;
步骤1-6)基于加速度数据和动态模型估计行走的步长;
步骤1-7)获取陀螺仪和磁传感器的输出并估计行走的方向值;
步骤1-8)针对每个区域,基于行走的初始位置坐标,结合每步的步长、方向值和步数,确定下一时刻的位置坐标;
步骤1-9)重复步骤1-3)-步骤1-8),直至接收到行人终止行走的终止信号,关闭MEMS传感器和WLAN传感器,结束计步状态;
步骤1-10)将每个区域内各个时刻的位置坐标进行连线,生成每个区域的行走轨迹。
4.根据权利要求3所述的一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,所述阈值条件包括整体加速度波峰波谷的加速度大小大于第一阈值,相邻两次波峰的时间间隔大于第二阈值,一个完整步行周期的时间大于第三阈值,其中,所述完整步行周期包括抬脚、跨步、落地。
5.根据权利要求2所述的一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,所述步骤1-6)通过建立人体行走动态模型分析步长和每个步行周期中身体位移之间的关系,得到步长与加速度数据之间的关系,从而基于加速度数据推算步长的动态变化。
6.根据权利要求2所述的一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,所述步骤1-7)包括以下步骤:
步骤1-7-1)获取磁力计计算输出的第一方向值;
步骤1-7-2)获取陀螺仪输出的角速度值,并对其进行积分得到第二方向值;
步骤1-7-3)对第一方向值和第二方向值进行融合得到方向值。
8.根据权利要求1所述的一种基于WLAN和MEMS的室内电子地图构建方法,其特征在于,所述步骤2)包括以下步骤:
步骤2-1)假定一个区域内的运动轨迹由n个采样点(p1,p2,…,pn)构成,其中,每个采样点的位置对应一个三维坐标,第一个采样点p1和最后一个采样点pn的真实坐标已知,将p1和pn设为校准点;
步骤2-2)获取基于行人航位推算法计算得到的pn点观测坐标,通过比较pn点的观测坐标与真实坐标,得到x,y,z坐标的闭合差fx,fy,fz:
步骤2-3)利用闭合差fx,fy,fz确定坐标修正值:
其中,D是从p1点到pn点的轨迹全长,Di-1是第i点之前的轨迹边长,vxi,vyi,vzi为坐标修正值;
步骤2-4)基于坐标修正值修正坐标,完成校准:
xi′=xi+vxi
yi′=yi+vyi
zi′=zi+vzi
其中,(xi,yi,zi)为修正前第i点的三维坐标,(xi′,yi′,zi′)为修正后第i点的三维坐标。
9.一种基于WLAN和MEMS的室内电子地图构建装置,包括存储器、处理器,以及存储于所述存储器中的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
10.一种存储介质,其上存储有程序,其特征在于,所述程序被执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020410.3A CN115406435B (zh) | 2022-08-24 | 2022-08-24 | 基于wlan和mems的室内电子地图构建方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020410.3A CN115406435B (zh) | 2022-08-24 | 2022-08-24 | 基于wlan和mems的室内电子地图构建方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115406435A true CN115406435A (zh) | 2022-11-29 |
CN115406435B CN115406435B (zh) | 2024-07-23 |
Family
ID=84160691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020410.3A Active CN115406435B (zh) | 2022-08-24 | 2022-08-24 | 基于wlan和mems的室内电子地图构建方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115406435B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116147639A (zh) * | 2022-12-07 | 2023-05-23 | 广东鲲鹏空间信息技术有限公司 | 地图生成方法、装置、系统与可读存储介质 |
CN117308925A (zh) * | 2023-11-29 | 2023-12-29 | 中国人民解放军国防科技大学 | 一种频谱地图惯导组合的导航方法、装置、设备和介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197945A (zh) * | 2014-08-27 | 2014-12-10 | 浙江工业大学 | 一种基于低采样率浮动车数据的全局投票地图匹配方法 |
CN104567860A (zh) * | 2014-12-29 | 2015-04-29 | 深圳市科松电子有限公司 | 一种机器人自主导航方法、装置及系统 |
CN104655137A (zh) * | 2015-03-05 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 行人航迹推测辅助的Wi-Fi信号指纹定位算法 |
CN106441292A (zh) * | 2016-09-28 | 2017-02-22 | 哈尔滨工业大学 | 一种基于众包imu惯导数据的楼宇室内平面图建立方法 |
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN108700421A (zh) * | 2015-12-21 | 2018-10-23 | 应美盛股份有限公司 | 使用离线地图信息辅助增强的便携式导航的方法和系统 |
CN108919177A (zh) * | 2018-07-16 | 2018-11-30 | 华中科技大学 | 一种基于虚拟信源估计与轨迹校正的定位地图构建方法 |
CN110345939A (zh) * | 2019-07-02 | 2019-10-18 | 山东科技大学 | 一种融合模糊逻辑判断及地图信息的室内定位方法 |
US20190373413A1 (en) * | 2018-06-01 | 2019-12-05 | Apple Inc. | Feature-based slam with z-axis location |
CN113295158A (zh) * | 2021-05-14 | 2021-08-24 | 江苏大学 | 一种融合惯性数据、地图信息以及行人运动状态的室内定位方法 |
CN113547522A (zh) * | 2021-07-30 | 2021-10-26 | 山东大学 | 一种机器人路径精度补偿方法及系统 |
CN113984039A (zh) * | 2021-10-21 | 2022-01-28 | 广东高驰运动科技有限公司 | 运动轨迹的校正方法、装置、系统和存储介质 |
-
2022
- 2022-08-24 CN CN202211020410.3A patent/CN115406435B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104197945A (zh) * | 2014-08-27 | 2014-12-10 | 浙江工业大学 | 一种基于低采样率浮动车数据的全局投票地图匹配方法 |
CN104567860A (zh) * | 2014-12-29 | 2015-04-29 | 深圳市科松电子有限公司 | 一种机器人自主导航方法、装置及系统 |
CN104655137A (zh) * | 2015-03-05 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 行人航迹推测辅助的Wi-Fi信号指纹定位算法 |
CN108700421A (zh) * | 2015-12-21 | 2018-10-23 | 应美盛股份有限公司 | 使用离线地图信息辅助增强的便携式导航的方法和系统 |
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN106441292A (zh) * | 2016-09-28 | 2017-02-22 | 哈尔滨工业大学 | 一种基于众包imu惯导数据的楼宇室内平面图建立方法 |
US20190373413A1 (en) * | 2018-06-01 | 2019-12-05 | Apple Inc. | Feature-based slam with z-axis location |
CN108919177A (zh) * | 2018-07-16 | 2018-11-30 | 华中科技大学 | 一种基于虚拟信源估计与轨迹校正的定位地图构建方法 |
CN110345939A (zh) * | 2019-07-02 | 2019-10-18 | 山东科技大学 | 一种融合模糊逻辑判断及地图信息的室内定位方法 |
CN113295158A (zh) * | 2021-05-14 | 2021-08-24 | 江苏大学 | 一种融合惯性数据、地图信息以及行人运动状态的室内定位方法 |
CN113547522A (zh) * | 2021-07-30 | 2021-10-26 | 山东大学 | 一种机器人路径精度补偿方法及系统 |
CN113984039A (zh) * | 2021-10-21 | 2022-01-28 | 广东高驰运动科技有限公司 | 运动轨迹的校正方法、装置、系统和存储介质 |
Non-Patent Citations (4)
Title |
---|
LING YANG等: "Seamless pedestrian navigation augmented by walk status detection and context features", 《2016 FOURTH INTERNATIONAL CONFERENCE ON UBIQUITOUS POSITIONING, INDOOR NAVIGATION AND LOCATION BASED SERVICES (UPINLBS)》, 9 January 2017 (2017-01-09) * |
曹智妮: "众包模式下位置指纹库构建的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 1, 15 January 2022 (2022-01-15), pages 136 - 843 * |
贾铮洋: "基于GNSS/MIMU的室内外无缝定位算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 5, 15 May 2019 (2019-05-15), pages 136 - 675 * |
邓世均: "基于众包采集的室内WiFi指纹地图的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 3, 15 March 2022 (2022-03-15), pages 136 - 729 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116147639A (zh) * | 2022-12-07 | 2023-05-23 | 广东鲲鹏空间信息技术有限公司 | 地图生成方法、装置、系统与可读存储介质 |
CN117308925A (zh) * | 2023-11-29 | 2023-12-29 | 中国人民解放军国防科技大学 | 一种频谱地图惯导组合的导航方法、装置、设备和介质 |
CN117308925B (zh) * | 2023-11-29 | 2024-02-09 | 中国人民解放军国防科技大学 | 一种频谱地图惯导组合的导航方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115406435B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Indoor positioning tightly coupled Wi-Fi FTM ranging and PDR based on the extended Kalman filter for smartphones | |
CN110118549B (zh) | 一种多源信息融合定位方法和装置 | |
CN107289941B (zh) | 一种基于惯导的室内定位方法与装置 | |
Zhou et al. | Activity sequence-based indoor pedestrian localization using smartphones | |
CN104655137B (zh) | 行人航迹推测辅助的Wi‑Fi信号指纹定位算法 | |
KR101322778B1 (ko) | 미리 정의된 지역 내의 관심 지점들의 식별을 위한 방법 및 장치 | |
CN111491367B (zh) | 一种基于群智感知和多融合技术的室内定位方法 | |
CN109413578B (zh) | 一种基于wifi与pdr融合的室内定位方法 | |
CN111829516B (zh) | 一种基于智能手机的自主式行人定位方法 | |
CN106441292A (zh) | 一种基于众包imu惯导数据的楼宇室内平面图建立方法 | |
JP6054535B2 (ja) | 歩行者モーション認識基盤の歩行者位置推定装置、及びその方法 | |
CN106767828A (zh) | 一种手机室内定位解决方法 | |
Le Scornec et al. | Foot-mounted pedestrian navigation reference with tightly coupled GNSS carrier phases, inertial and magnetic data | |
CN105043380A (zh) | 基于微机电传感器、WiFi定位、磁场匹配的室内导航方法 | |
CN107179079A (zh) | 基于pdr与地磁融合的室内定位方法 | |
CN105865450A (zh) | 一种基于步态的零速更新方法及系统 | |
CN109211229A (zh) | 一种基于手机传感器及WiFi特征的人员室内定位方法 | |
CN106248107A (zh) | 一种基于室内地磁轨迹匹配的航迹推断校准方法和装置 | |
CN108801267B (zh) | 一种融合多传感器的室内无锚点定位方法 | |
CN108225324A (zh) | 一种基于智能终端的地磁匹配与pdr融合的室内定位方法 | |
CN115406435B (zh) | 基于wlan和mems的室内电子地图构建方法、装置及存储介质 | |
Huang et al. | Smartphone-based indoor position and orientation tracking fusing inertial and magnetic sensing | |
CN106197418B (zh) | 一种基于滑动窗口的指纹法与传感器融合的室内定位方法 | |
CN117928510A (zh) | 区域地图的构建方法、电子设备及存储介质 | |
Truong-Quang et al. | Maximum convergence algorithm for WiFi based indoor positioning system |
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 |