一种基于WiFi室内定位的导航推车系统及定位方法与流程

本发明涉及模式识别领域的室内定位方法及装置，尤其涉及一种基于wifi室内定位的导航推车系统及定位方法。

技术背景

随着移动互联网技术的不断发展，位置基于服务(locationbasedservice，lbs)越来越受到欢迎，然而在室内环境下，gps(globalpositionsystem，gps)信号受到建筑物阻挡，室内环境无法正常接收gps信号，gps定位在室内环境下无法使用。wifi作为一种室内常见装置，在室内环境中拥有大量部署，基于wifi位置指纹室内定位成为目前研究的热点。wifi室内定位可以利用现有的设备，无需额外的硬件设施，具有低成本、广泛可获取等优点。然而由于wifi信息在室内环境下不稳定，给定位带来了很大的误差。近些年来，基于惯性传感器定位受到了很多人关注。惯性传感器能在一定程度上降低对wifi信号的直接依赖，避免了wifi新号波动带来的误差，提高了定位的精度。

技术实现要素：

本发明所解决的技术问题主要是利用惯性技术结合wifi信息构建一种新型室内定位装置及方法，以获取更加准确的定位结果。本发明具体技术方案如下所述：

一种基于wifi室内定位导航推车系统，主要包括可移动推车、人机交互界面、速度探测模块、方向探测模块、wifi探测模块、定位数据处理模块、以及map数据构建模块数据存储模块；其中可移动推车用于为wifi室内定位导航推车系统提供搭载平台，同时用于数据采集时移动遍历室内位置；人机交互界面用于wifi室内定位导航推车系统提供定位服务时展示室内空间地图以及定位过程中人机交互表达；速度探测模块内置的转速传感器通过车轮转动来获取可移动推车实时速度；方向探测模块内置电子罗盘传感器及陀螺仪传感器，能实时感知可移动推车方向和旋转角速度；wifi探测模块内置无线网卡，能实时获取环境中可感知到的wifi接入点的接收信号强度和mac地址，用于定位指纹数据库建立及定位时数据获取；定位数据处理模块用来融合速度检测模块、方向探测模块、wifi探测模块的信息并计算出实时位置并将定位结果并展示到人机交互界面；map数据构建模块用于在构建位置指纹数据库时将wifi探测模块采集到的原始数据转换为位置指纹矩阵和梯度指纹向量数据；数据存储模块用于存储预先构建的位置指纹数据库信息及室内地图图片信息。

所述一种基于wifi室内定位导航推车系统，还包括人机交互界面采用可触控液晶显示屏，液晶屏具备显示用户实时位置、周边环境、地图放大缩小按钮、目的地查找功能，同时液晶屏具备对map数据构建、定位开启/关闭的控制功能；所述定位数据处理模块通过rs-232串口实时获取方向探测模块、wifi探测模块以及速度探测模块的数据，同时定位数据处理模块还具备网络通信功能，能够与外界通过以太网进行信息交换。

所述一种基于wifi室内定位导航推车系统，定位数据处理模块每隔1s钟执行一次定位计算，并将结果显示到人机交互界面，同时所述定位数据处理模块还具备自主定位功能，能够实时响应用户定位请求。

一种基于wifi室内定位导航推车系统的定位方法，包括以下内容：

将待定位区域按照1m﹡1m栅格进行划分，将每个栅格的中心作为一个采样点，采样时将可移动推车移动至采样点，开启采样后map数据构建模块以1hz的频率获取wifi探测模块的数据进行数据采样，对于每个采样点采集1000组区域内所能接收到的wifi接入点的接收信号强度值，在采样点采样完毕后map数据构建模块将对采样点采集到的wifi数据做数据映射处理。所有采样点的数据集合将构成位置指纹数据库。

所述数据映射处理具体过程是：对每组接收信号强度值按照wifi向量排列顺序组成一个行向量作为该采样点的一个指纹向量；将每个采样点的1000组指纹向量组成一个列向量作为该采样点的位置指纹矩阵；将采样点的位置指纹矩阵中值按照列求平均作为采样点的平均指纹向量，对平均指纹向量做梯度化处理后得到梯度指纹向量；同时记录当前采样点的地理位置坐标，将位置指纹矩阵和梯度指纹向量分别按照<地理位置坐标，位置指纹矩阵>和<地理位置坐标，梯度指纹向量>数据格式保存到数据存储模块中。

所述wifi向量排列顺序为对于所有采样点按照wifi接入点的mac地址从小到大进行排列；

所述梯度化处理过程是：在平均指纹向量的基础上，将平均指纹向量的第1个值分别与第2个、第3个，……，第n个值求差得到行向量a1，将平均指纹向量的第2值分别与第3个、第4个、……、第n个值求差得到行向量a2，依次进行直至将平均指纹向量的的第n-1个值与第n个值求差得到行向量an-1；最终将a1,a2,...,an-1按照(a1,a2,...,an-1)格式组成一个行向量作为梯度指纹向量，其中n为wifi接入点的个数。

所述的一种基于wifi室内定位导航推车定位方法中，通过对移动推车的运动信息进行检测，包括移动推车的位移、方向信息；将wifi探测模块采集到的wifi接收信号强度值按照wifi向量排列顺序组成一个向量做梯度化处理后作为粒子滤波的观测值，将位置指纹数据库中<地理位置坐标，梯度指纹向量>数据作为基准值，利用粒子滤波算法对wifi室内定位导航推车的位置进行迭代计算；

所述运动信息检测是通过定位数据处理模块中分别以频率为50hz采集速度探测模块和方向探测模块信息数据信息；所述wifi信息采集是定位数据处理模块以频率为1hz进行采集wifi探测模块信息；将速度信息、方向信息、wifi信号强度值按照时间节点保存；

所述位移检测过程中，对速度进行积分得到当前位移，同时采用低通滤波策略对位移进行修正得到最终计算位移；

所述对位移施加低通滤波策略按照如下公式(1)进行计算：

hk＝0.2hk-1+0.8hk(1)

其中hk第k次定位时积分得到的位移；

所述方向信息的检测采用卡尔曼滤波技术将电子罗盘数据和陀螺仪方向改变量进行融合得到最终方向结果。

所述一种基于wifi室内定位导航推车定位方法中，粒子滤波算法初始化过程中采用knn算法对粒子进行初始化，初始化时首先获取wifi探测模块数据，将wifi探测模块获取到的wifi接收信号强度值按照wifi向量排列顺序组成一个向量，利用knn算法将该向量与位置指纹数据库中<地理位置坐标，位置指纹矩阵>数据做匹配得到一个初始位置坐标，以该初始位置坐标为原心，半径为r做一个圆形区域，在该圆形区域内随机采样m个粒子。其中knn算法的k值取值范围为20～100,视实际情况进行适当调整；m为粒子滤波粒子个数，可根据响应速度和精度折中选取，r一般取值范围位2～5m，具体可根据实际环境物理空间形状选取；

所述粒子滤波算法在迭代过程中重采样时采取自适应策略，其中70％粒子从旧的粒子中根据残差重采样采集粒子，30％的粒子利用随机重采样策略进行重采样；

所述随机重采样策略是在上一个时刻定位的结果为圆心，半径为5m的范围内随机采样20％粒子，同时，在全局范围内随机采样10％的粒子；将随机采样到的粒子跟残差重采样得到的粒子重新组合起来。与现有技术相比，本发明具有如下优点和效果：

本发明的一种基于wifi室内定位导航推车系统及定位方法，其采用多传感器信息融合wifi信息，有效了利用了多传感器信息在室内定位过程中的优势，降低了对wifi信号的直接依赖。本定位方法在wifi信息采集时采用梯度指纹信息，避免了wifi波动造成的定位不准确，同时本定位方法利用粒子滤波重采样来进行在行在线位置预测，进一步提高了定位精度。

附图说明

为了更加清晰地说明本发明的技术过程，下面利用附图对实施例进行说明：

图1为本发明一种基于wifi室内定位导航推车系统及定位方法的系统架构图。

图2为本发明一种基于wifi室内定位导航推车系统及定位方法的采样示意图。

图3为本发明一种基于wifi室内定位导航推车系统及定位方法的定位方法流程图。

图4为本发明一种基于wifi室内定位导航推车系统及定位方法中粒子滤波粒子转移过程示意图。

图5为本发明一种基于wifi室内定位导航推车系统及定位方法中粒子滤波粒子重采样过程流程图。

具体实施方式

以下结合附图和实例对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此。

一种基于wifi室内定位导航推车系统架构图如图1所示，主要包括可移动推车、人机交互界面、速度探测模块、方向探测模块、wifi探测模块、定位数据处理模块、map数据构建模块以及数据存储模块。其中可移动推车用于为wifi室内定位导航推车系统提供搭载平台，同时可以用于数据采集时移动遍历室内位置；人机交互界面用于wifi室内定位导航推车系统提供定位服务时展示室内空间地图以及定位过程中人机交互表达；速度检测模块内置转速传感器通过车轮转动来获取可移动推车实时速度；方向检测模块内置电子罗盘传感器以及陀螺仪传感器能实时感知可移动推车方向和旋转角速度，其中陀螺仪获取可移动推车的旋转角速度，电子罗盘传感器获取可移动推车所处位置的室内三轴磁场数据而得到可移动推车的方向；wifi探测模块内置无线网卡具备实时获取wifi信号强度功能，用于实时获取环境中可探测到的wifi接入点的接收信号强度指示、mac地址，用于定位指纹数据库建立及定位时数据获取；定位数据处理模块作用为融合速度检测模块、方向探测模块、wifi探测模块信息计算出实时位置并将定位结果并展示到人机交互界面；map数据构建模块用于在构建位置指纹数据库时将wifi探测模块采集到的原始数据转换为位置指纹矩阵和梯度指纹向量数据；数据存储模块用于存储预先构建的位置指纹数据库信息及室内地图图片信息。其中，人机交互界面采用可触控液晶显示屏，液晶屏具备显示用户实时位置、周边环境、地图放大缩小按钮、目的地查找功能，同时液晶屏具备对map数据构建、定位开启/关闭的控制功能；而定位数据处理模块可通过rs-232串口实时获取方向探测模块、wifi探测模块以及速度探测模块的数据，同时定位数据处理模块还具备网络通信功能，能够与外界通过以太网进行信息交换；定位数据处理模块每隔1s钟执行一次定位计算，并将结果显示到人机交互界面，同时所述定位数据处理模块还具备自主定位功能，能够实时响应用户定位请求。

下面按照图3所描述对一种基于wifi室内定位导航推车系统的定位方法实施例进行说明，定位方法主要包括以下内容：

如图2所描述，将待定位区域按照1m﹡1m栅格进行划分，将每个栅格的中心作为一个采样点，采样时将可移动推车移动至采样点，开启采样后map数据构建模块以1hz的频率获取wifi探测模块的数据进行数据采样，对于每个采样点采集1000组区域内所能接收到的wifi接入点的接收信号强度值，在采样点采样完毕后map数据构建模块将对采样点采集到的wifi数据做数据映射处理。所有采样点的数据集合将构成位置指纹数据库。

所述数据映射处理具体过程是：对每组接收信号强度值按照wifi向量排列顺序组成一个行向量作为该采样点的一个指纹向量；将每个采样点的1000组指纹向量组成一个列向量作为该采样点的位置指纹矩阵；将采样点的位置指纹矩阵中值按照列求平均作为采样点的平均指纹向量，对平均指纹向量做梯度化处理后得到梯度指纹向量；同时记录当前采样点的地理位置坐标，将位置指纹矩阵和梯度指纹向量分别按照<地理位置坐标，位置指纹矩阵>和<地理位置坐标，梯度指纹向量>数据格式保存到数据存储模块中。

所述实施例中wifi向量排列顺序为对于所有采样点按照wifi接入点的mac地址从小到大进行排列；

所述实施例中梯度化处理过程是：在平均指纹向量的基础上，将平均指纹向量的第1个值分别与第2个、第3个，……，第n个值求差得到行向量a1，将平均指纹向量的第2值分别与第3个、第4个、……、第n个值求差得到行向量a2，依次进行直至将平均指纹向量的的第n-1个值与第n个值求差得到行向量an-1；最终将a1,a2,...,an-1按照(a1,a2,...,an-1)格式组成一个行向量作为梯度指纹向量，其中n为wifi接入点的个数。

所述实施例中wifi室内定位导航推车定位方法，通过对移动推车的运动信息进行检测，包括移动推车的位移、方向信息；将wifi探测模块采集到的wifi接收信号强度值按照wifi向量排列顺序组成一个向量做梯度化处理后作为粒子滤波的观测值，将位置指纹数据库中<地理位置坐标，梯度指纹向量>数据作为基准值，利用粒子滤波算法对wifi室内定位导航推车的位置进行迭代计算，其中粒子滤波算法执行流程如图3所描述；

所述实施例中运动信息检测是通过定位数据处理模块中分别以频率为50hz采集速度探测模块和方向探测模块信息数据信息；所述wifi信息采集是定位数据处理模块以频率为1hz进行采集wifi探测模块信息；将速度信息、方向信息、wifi信号强度值按照时间节点保存；

所述实施例中位移检测过程中，对速度进行积分得到当前位移，同时采用低通滤波策略对位移进行修正得到最终计算位移；

所述实施例中对位移施加低通滤波策略按照如下公式(2)进行计算

hk＝0.2hk-1+0.8hk(2)

其中hk第k次定位时积分得到的位移。

所述实施例中方向信息的检测采用卡尔曼滤波技术将电子罗盘数据和陀螺仪方向改变量进行融合得到最终方向结果。

所述实施例wifi室内定位导航推车的定位方法中，粒子滤波算法初始化过程中采用knn算法对粒子进行初始化，初始化时首先获取wifi探测模块数据，将wifi探测模块获取到的wifi接收信号强度值按照wifi向量排列顺序组成一个向量，利用knn算法将该向量与位置指纹数据库中<地理位置坐标，位置指纹矩阵>数据做匹配得到一个初始位置坐标，以该初始位置坐标为原心，半径为r做一个圆形区域，在该圆形区域内随机采样m个粒子。其中knn的k值取值范围为20～100,视实际情况进行适当调整；m为粒子滤波粒子个数，可根据响应速度和精度折中选取，r一般取值范围位2～5m，具体可根据实际环境物理空间形状选取；

所述粒子滤波具体步骤可以分为以下几步：

步骤一，粒子初始化，本实施例中采用knn获取初始位置坐标后，以初始位置坐标为圆心半径为r的圆形区域内随机初始化m个粒子。

步骤二，粒子重要性采样，粒子重要性采样主要通过两个步骤完成，首先按照下面公式对粒子进行序惯性重要性采样。其中粒子状态可设计为其中为第k次定位时第i个粒子的位置坐标，为为第k次定位时第i个粒子的权值，对粒子进行序惯性采样时分别利用方向探测模块和位移探测模块检测到的信息对粒子进行序惯性重要性采样，具体过程是对每个粒子做按照公式(3)做转换，其转移过程如图4所描述。

获取到序惯性采样粒子后按照下面公式(4)求解粒子权值：

其中v为系统的协方差矩阵，n为梯度指纹向量维度，z为实测梯度指纹向量，返回位置指纹数据库<地理位置坐标，梯度指纹向量>数据中离位置最近的梯度指纹向量数据。

步骤三，重采样，对步骤二中重要性采样得到的粒子进行重采样，重采样时采取自适应策略，其中70％粒子从旧的粒子中根据残差重采样采集粒子，30％的粒子利用随机重采样策略进行重采样；随机重采样策略是在上一个时刻定位的结果为圆心，半径为5m的范围内随机采样20％粒子，同时，在全局范围内随机采样10％的粒子；将随机采样到的粒子跟残差重采样得到的粒子重新组合起来，粒子重采样过程如图5所述。

步骤四，位置计算，按照下面公式(5)进行位置计算

步骤四，返回到第二步。