一种基于MT‑PDR与光强信息的室内平面图构建方法与流程

本发明涉及一种基于mt-pdr与光强信息的室内平面图构建方法。

背景技术：

对于室内复杂的布局环境，如购物商场、停车场、医院等，人们在购买一件商品、寻找一个车位或一个治疗科室时，通常因无法快速、准确地对目的地进行定位，找出最短路径，从而会进行盲目的寻找并消耗大量的时间和精力。为解决人类“最后一公里”问题，室内导航技术应运而生。

室内导航的重要支撑工具——室内平面图，近些年逐渐引起人们的关注和研究，其中，如何构建室内平面图仍然是一个亟待解决的问题。传统构建室内平面图的方式，多为通过手动测量，或由开发商、建筑商提供的建筑平面图获得。如谷歌在2011年采用手动测量的方式构建室内平面图；苹果公司在2014年推出基于近距离蓝牙通信的ibeacon技术，利用beacon设备发送建筑布局等信息构建室内平面图。以上方式虽然能够实现室内平面图的构建工作，但时间复杂度较高，成本较大，而且由于室内环境布局易变的特点，这种传统方式构建的室内平面图不易更新。

行人航迹推算(pedestriandeadreckoning,pdr)是当前基于智能移动终端、解决行人航向路径的主流方法，不仅方式简单自主，而且不需要昂贵的基础设施。依据这些优势，2012年，shin等人面向智能移动终端，提出smartslam方法，融合wifi指纹定位技术、pdr中的计步算法与电子罗盘航向估计构建室内平面图；无独有偶，2016年，renaudin等人面向智能移动终端，利用多wifi参考节点，实时矫正pdr路径轨迹构建室内平面图。以上构建室内平面图的方法中，添加wifi等基础设施使得布局方式繁琐，pdr与指纹算法等多算法融合使得算法复杂度较高，而且多数只完成室内走廊平面图的构建工作。针对以上问题，面向智能移动终端惯性传感器和光强传感器，本发明提出融合基于多行人航迹推算轨迹(mt-pdr)和基于光强信息进行区域划分的室内平面图构建方法。

在mt-pdr中，存在pdr典型的“航向漂移”问题，为了解决该问题，有提出采用四元数卡尔曼滤波算法解决pdr“航向漂移”问题，但该算法计算复杂度较高，并且存在强非线性问题。针对以上问题，本发明采用线性程度高、计算误差小，具有非奇异性特点的四子样等效旋转矢量四元数进行航向估计，并结合陀螺仪拐点检测算法，进一步提高航向精度。除此之外，mt-pdr中包含房间、走廊区域的布局信息，但却不能得到各自的布局状态。《建筑照明设计标准》规定了居住、公共和工业建筑的照明标准值、照明质量和照明功能率密度，指出室内不同的功能空间需搭配不同的光照强度。基于此，本发明利用室内区域光强分布差异性的特点，提出利用光强信息对mt-pdr进行区域划分。

技术实现要素：

本发明所要解决的技术问题是提供一种基于mt-pdr与光强信息的室内平面图构建方法，以解决现有构建室内平面图方法中高成本、高时间复杂度和算法复杂度的问题。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于mt-pdr与光强信息的室内平面图构建方法，其特征在于包含以下步骤：

步骤一：通过基于众包的方式，利用智能移动终端惯性传感器与光强传感器，完成室内数据采集工作；

步骤二：利用步骤一获得的惯性传感器数据，计算行人航迹推算算法中的步长、步频与航向三要素，并生成mt-pdr；

步骤三：对mt-pdr中存在的“航向漂移”问题，采用结合四子样等效旋转矢量四元数与陀螺仪拐点检测算法进行航向估计；

步骤四：根据室内光强分布差异性的特点，利用步骤一中获得的光强传感器数据，对mt-pdr进行区域划分，将其划分为室内房间和走廊区域；

步骤五：将区域划分后的mt-pdr相互叠加，构建室内平面图。

本文发明提出融合mt-pdr和基于光强信息进行区域划分的室内平面图构建方法。其中，mt-pdr采用结合四子样等效旋转矢量四元数与陀螺仪拐点检测算法，有效解决了pdr中典型的“航向漂移”问题，并利用室内光强分布差异性的特点，采用光强信息对mt-pdr实现了区域划分。采用简单有效的方法完成了室内平面图的构建工作，与现有方法相比，成本低，而且具有较低的时间复杂度和算法复杂度。

附图说明

图1是本发明的一种基于mt-pdr与光强信息的室内平面图构建方法流程图。

图2是本发明的带有拐弯行为的陀螺仪数据分布图。

图3是本发明的mt-pdr航向估计流程图。

图4是本发明的实施例获得的室内平面图以及与实际室内布局的比较示意图。

具体实施方式

下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

如图1所示，本发明的一种基于mt-pdr与光强信息的室内平面图构建方法，包含以下步骤：

步骤一：基于众包的方式，利用智能移动终端惯性传感器和光强传感器，实现数据的同步采集，具体实现过程为，

1.1在智能移动终端安装数据采集软件，实现三轴加速度传感器、三轴陀螺仪传感器、三轴orientation传感器和光强传感器数据的同步采集；

1.2用户手持智能移动终端在室内行走，通过数据采集软件完成传感器数据采集工作。

步骤二：利用步骤一获得的惯性传感器数据，计算行人航迹推算算法中的步长、步频与航向三要素，并生成mt-pdr；

人体在行走过程中，行走步态是一个周期性的过程，根据智能移动终端惯性传感器统计特性与行走步态相关性的特点，可以获得步频、步长与航向，步频与步长可以通过分析加速度传感器数据获得，为了消除不可预测误差，需事先对传感器数据进行平滑去噪处理，为了避免智能移动终端朝向引起加速度传感器数值变化的影响，计算过程中，采用去除重力分量的三轴合加速度数据，使得合加速度数据以坐标y轴近似对称分布，波形在固定数值范围内波动，mt-pdr中三要素计算的具体实现过程为，

2.1对于步长的估计，利用去除重力分量的三轴合加速度数据，采用非线性模型动态估计步长，公式如下所示：

式中，k为动态步长系数，sl为计算的步长值；amax、amin分别表示每步周期中加速度传感器的最大值、最小值；表示整个运动过程中，所有步频周期内加速度最大值构成序列的平均值；a、b、c为训练得到的常量参数；

2.2对步频的估计，利用去除重力分量的三轴合加速度数据，采用峰值检测算法计算行走步频，在峰值检测算法中，通过对合加速度波形进行数值分析，定义波峰阈值vthreshold的取值区间为[0.8,3]，根据行人正常行走的频率范围为1～2.5hz，定义迈步周期tthreshold的取值区间为[0.4s,1s]，当合加速度波形中，相邻两波峰的峰值处于vthreshold中、时间间隔处于tthreshold中时，记为一步，完成步频的计算；

2.3对航向的计算过程，具体如步骤三所示。

步骤三：为了解决mt-pdr存在的“航向漂移”问题，本发明采用结合四子样等效旋转矢量四元数与陀螺仪拐点检测算法进行航向估计；其中，对于陀螺仪拐点检测算法，图2表明了陀螺仪传感器与人体运动状态相关联的特征：当陀螺仪传感器数据在较小数值范围内波动，且变化稳定时，表示行人处于直线行走过程中；当陀螺仪数据发生高值突变，表示在行走过程中发生了拐弯形象，并且，当陀螺仪数据发生负数值突变时，表示行走过程中发生了正向转弯行为，航向值增加，当陀螺仪数据发生正数值突变时，表示行走过程中发生了反向转弯行为，航向值减小；图3表明了mt-pdr航向轨迹的计算流程，具体实现过程为，

3.1根据orientation传感器获得的初始姿态角(φ0θ0ψ0)^t，求出初始四元数q0；

3.2当检测到行走一步时，检测陀螺仪z轴的数据是否发生突变，如果发生突变，检测突变数值大小，如果突变数值>0，将当前航向值减小90°，反之，如果突变数值<0，将当前航向值增加90°；

3.3如果陀螺仪z轴数据没有发生突变，根据四子样等效旋转矢量更新姿态四元数q，公式为q(t+h)＝q(t)*δq，其中，h为时间更新间隔，δq为等效旋转矢量四元数，q(t)为t时刻的四元数，q(t+h)为t+h时刻更新后的四元数，利用更新后的四元数q(t+h)实现航向更新；

其中，t为根据四元数q(t+h)求得的四元数矩阵，(φθψ)^t为通过四元数矩阵t计算获得的新的姿态角。

步骤四：为实现mt-pdr中房间、走廊的区域划分，本发明提出基于光强信息的区域划分方法；受天气、灯光等因素的影响，室内办公、学习区域的光强值存在较大范围的波动，而走廊区域的光强值变化稳定，但总体趋势表现为，室内办公、学习房间区域的光强值普遍高于走廊区域的光强值，且光强分布差异明显，基于上述特征，利用室内光强信息实现mt-pdr的区域划分，具体实现过程为，

4.1对mt-pdr中所有的光强数据进行min-max标准归一化处理，并设定光强阈值lthreshold；

4.2当光强处于[0，lthreshold]的区间范围内时，将其对应的mt-pdr轨迹划分为走廊区域，并用直线进行表示，反之，当光强处于[lthreshold，1]的区间范围内时，将轨迹划分为房间区域，并用虚线进行表示，从而完成mt-pdr的区域划分。

步骤五：将实现区域划分的mt-pdr相互叠加，用以构建室内平面图，图4表明了本发明构建的室内平面图以及与实际室内布局的比较结果，可以看出，通过将完成区域划分的mt-pdr构建的室内平面图与实际室内布局相比，匹配率较高，而且实现了所构建平面图中房间与走廊的区域划分，有效完成了室内平面图的构建工作。

本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。