1、 电 子 测 量 技 术E L E C T R ON I CME A S UR EME N TT E CHNO L OG Y第4 6卷 第1期2 0 2 3年1月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 1 0 1 4 2基于图像匹配与W i F i信号匹配的室内P D R定位方法刘水清1,2(1.华中科技大学 武汉4 3 0 0 7 4;2.大众报业集团信息技术部 济南2 5 0 0 0 2)摘 要:由于智能手机中存在丰富的传感器,可对周围环境进行感知并进而估计位置。本文提出一种融合室内定位方法,融合的信息包含图像信息、W i F i信号指纹信息以及惯
2、性数据观测信息。通过实测实验结果表明,本文提出的方法相比于惯性定位、W i F i定位、图像匹配定位三种单一的定位方法,定位精度分别提高了4 8%、2 4%和4%。相比于经典W i F i和图像融合方法,平均定位时间下降了9 2%。相比于经典融合方法,定位的精度提高了0.7m,并且平均定位时间下降了8 7%。关键词:室内定位;融合定位;W i F i信号指纹;图像处理;惯性定位中图分类号:T P 3 9 1 文献标识码:A 国家标准学科分类代码:5 1 0.5 1 0 4 0P D Ri n d o o rp o s i t i o n i n gm e t h o db a s e do n
3、 i m a g em a t c h i n ga n dW i F i f i n g e r p r i n t i n gL i uS h u i q i n g1,2(1.H u a z h o n gU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g y,W u h a n4 3 0 0 7 4,C h i n a;2.S h a n d o n gD a z h o n gN e w sG r o u p,J i n a n2 5 0 0 0 2,C h i n a)A b s t r a c t:S m a r t
4、 p h o n eb a s e d i n d o o rp o s i t i o n i n gh a sg r e a t p o t e n t i a l u s a g e i nL b S(L o c a t i o nb a s e dS e r v i c e)a p p l i c a t i o n s,d u e t ot h ea b u n d a n ts e n s o r se m b e d d e di ns m a r tp h o n e s.T h i sp a p e rp r o p o s e dah y b r i dp o s i t
5、i o n i n g m e t h o d,w h i c ha d o p t e dap a r t i c l ef i l t e rt of u s et h r e et y p e so f i n d e p e n d e n tp o s i t i o n i n gr e s u l t s,i n c l u d i n gi m a g em a t c h i n gp o s i t i o n i n gr e s u l t,W i F if i n g e r p r i n t i n gr e s u l t sa n dP D Rp o s i
6、t i o n i n gr e s u l t s,w h i c ha c h i e v ec o n t i n u o u sa n da c c u r a t ep o s i t i o n i n gr e s u l t s.A c c o r d i n gt or e a ls c e n a r i oe x p e r i m e n t s,t h ep r o p o s e dm e t h o dh a sa na c c u r a c yi m p r o v e m e n to fa b o u t4 8%,2 4%a n d4%o v e rp u
7、 r eP D R,W i F i f i n g e r p r i n t i n ga n di m a g em a t c h i n gb a s e dm e t h o d s.C o m p a r e dw i t hc l a s s i c a lW i F ia n d i m a g em a t c h i n gf u s i o nm e t h o d,o u rm e t h o dc a np r o v i d ead e c r e a s eo f9 2%a v e r a g ep o s i t i o n i n gt i m e.C o m
8、 p a r e dw i t ha n o t h e rc l a s s i c a lf u s i o n m e t h o d,t h ea c c u r a c yh a si n c r e a s e db y0.7 ma n dt h ep o s i t i o n i n gt i m eh a sd e c r e a s e db y8 7%.K e y w o r d s:i n d o o rp o s i t i o n i n g;h y b r i dp o s i t i o n i n g;W i F i f i n g e r p r i n t
9、 i n g;i m a g ep r o c e s s i n g;i n e r t i a l b a s e dp o s i t i o n i n g 收稿日期:2 0 2 2-0 5-2 80 引 言 室内定位服务随着基于位置的服务(l o c a t i o nb a s e ds e r v i c e,L B S)的逐渐推广,有着越来越大的需求。然而,由于室内环境中往往无法很好接收全球定 位 系 统(g l o b a lp o s i t i o n i n gs y s t e m,G P S)的卫星定位信号,因此需要其他的定位技术,如基于视觉的定位技术1-2,基于W
10、 i F i信号的定位技术3-4等。在实际应用中,由于智能手机中内嵌的传感器越来越丰富,利用智能手机在室内环境中进行定位成为一项主流的室内定位方式,可以结合上述的视觉定位、W i F i定位等技术获取人员位置。基于智能手机的室内定位,从定位的原理不同,主要可以分为3种:基于惯性观测量的定位、基于W i F i信号指纹的定位、基于视觉的定位。下面分别对三种定位方式进行简单介绍。文献5-6 中通过惯性观测量进行室内定位,通过手机中的惯性观测数据对人员行走的步长与行走方向进行估计,采用经典的轨迹递推(p e d e s t r i a nd e a dr e c k o n i n g,P D R)
11、算法进行定位,可以得到连续的定位结果。该方法中,由于使用的是惯性数据,定位误差随着时间而积累。文献7-8 中 通 过 智 能 手 机 采 集 不 同 路 由 器 的 信 号 强 度(r e c e i v e ds i g n a l s t r e n g t h,R S S)(即信号指纹),与信号指纹数据库中的信号指纹进行匹配,通过经典的KNN方法9或神经网络1 0方法进行位置与信号指纹的对应关系估计。该方法的优点是,不需要额外的定位成本,可利用许多室内451刘水清:基于图像匹配与W i F i信号匹配的室内P D R定位方法第1期环境中的已有的大量W i F i信号,但是由于信号强度波动
12、较大,定位结果中容易出现异常值。基于视觉的定位方法中,文献1 1 中通过提取待定位图像中的S U R F(s p e e du p r o b u s t f e a t u r e s)特征与训练集图像中的S U R F特征点进行匹配,通过匹配的结果获取单应矩阵,从而求得位置。文献1 2 中利用H a r r i s特征点作为匹配的特征,并且仅仅通过关键帧作为训练图像进行Z N C C(z e r o-m e a nn o r m a l i z e dc r o s sc o r r e l a t i o n)匹配,再通过卡尔曼滤波得到位置估计。基于图像匹配的定位方法中,通过特征点匹配进
13、行位置估计,可能出现误匹配的现象,从而使得定位结果可能出现异常值。上文提到的3种定位方式中,每种单一的定位方式都存在较大的缺陷,无法提供稳定并且持续的位置估计,因此单一的定位技术方式在L B S场景中的应用十分有限,需要融合多种方式的定位方式。当前存在的融合定位方式中,通常融合两种及两种以上的定位信息。如文献1 3 中融合了P D R的信息以及W i F i的定位信息,并且通过卡尔曼滤波融合两种观测信息。在该方法中,存在两级的滤波,通过第一级的卡尔曼滤波得到平滑后的W i F i信号指纹定位结果,第二级通过粒子滤波融合了P D R信息与平滑后的W i F i信号指纹定位结果。虽然该方法能够较好
14、融合两类信息,但是由于存在两级不同的滤波,因此该方法的复杂度较高。文献1 4 中融合了W i F i和图像匹配进行定位,该方法中,建立了信息较多的位置相关的指纹,该指纹向量中包含,W i F i的信号强度信息,图像中的安全出口标识的四个顶点的坐标,以及图像中的特征点以及描述向量的信息。通过人员行走过程中采集的指纹与指纹库中的指纹进行匹配得到定位结果。该方法中,指纹信息较为丰富,因此定位精度较高,但是获取位置-指纹对应关系数据库的代价较大,需要在室内环境中大量采集相关的数据指纹。文献1 5 中同样融合了W i F i定位结果与图像匹配定位结果,融合的方式包括串行和并行的定位。串行的融合定位方式中
15、,通过W i F i定位的结果缩小图像匹配的范围,再进行图像匹配定位;并行融合定位的方式中,同时进行全局的W i F i信号指纹定位和全局的图像匹配定位,若两者相差较大则信W i F i的定位结果,反之则将图像匹配的结果作为最终的定位结果。该方法中的数据指纹,同样需要包含图像的特征点和W i F i信号强度,在定位前得到该指纹数据库的难度较大。并且该方法的定位结果仅仅是两种定位方式的松耦合,对单一定位方式的精度提高较小。上述的方法中,没有充分融合智能手机中的传感器提供的信息,特别是文献1 4 和文献1 5 中,没有融合惯性测量数据的信息,因此无法提供无间断的连续定位结果。并且此类方法往往需要大
16、量的图像、并且需要每个W i F i信号指纹都存在对应的图像信息,该条件在实际情况中往往难以被满足。本文提出一种融合室内定位方法,所融合的信息包含图像信息、W i F i信号指纹信息以及惯性数据观测信息,这些信息都可以从普通的智能手机中获取。并且在本文提出的方法中,这3种信息都能够独立得到定位结果,其中基于惯性观测的P D R定位连续性强,但是存在漂移,长时间定位结果不可靠;基于W i F i的定位精度不随时间变差,但是连续性较弱,且存在异常值;基于图像匹配的方法精度同样不随时间变化,但是同样存在误匹配导致的定位异常值。将3种定位结果通过粒子滤波进行融合,可以得到连续的、精度更高、鲁棒性更强的定位结果。通过实测实验的结果表明,本文提出的方法相比于惯性定位、W i F i定位、图像匹配定位3种单一的定位方法,定位精度分别提高了4 8%,2 4%和4%,充分说明了该方法的有效性。另外,相比于文献1 4 中的W i F i和图像匹配融合的方法,虽然定位精度存在一定的下降,但是定位连续性提高了,在相同实验场景下,平均定位时间下降了9 2%。相比于文献1 5 中的W i F i和图像融合的方法,
