用于利用磁场异常进行户内定位-寻找的方法和装置与流程
本申请是申请日为2014年07月11日、申请号为201480039772.4、发明名称为“用于利用磁场异常进行户内定位-寻找的方法和装置”的中国专利申请的分案申请。
相关申请
本申请要求于2013年7月12日提交的美国申请no.13/941,002的优先权，并且是该美国申请的继续申请，该美国申请以其全文通过引用方式并入本申请中。
背景技术：
户内定位-寻找比户外定位-寻找更困难，部分原因是户外定位-寻找可以依赖于高度准确的全球定位系统(gps)。户内定位-寻找常常依赖于无线电技术，包括对wi-fi和/或蜂窝电话信号的利用。然而，wi-fi信号是高度波动的，并且受到内部环境的物理布局的严重影响，且因此不提供精确的位置信息。同样地，由于蜂窝基站的覆盖面积大，故而蜂窝信号三角测量技术中的误差幅度可能比整个建筑物还要大，且因此不能提供所需的精确度。
附图说明
参照附图，对具体实施方式进行了描述。在附图中，附图标记的(一个或多个)最左边的数位标识了其中首次出现该附图标记的图。在所有附图中都使用相同的标号来引用同样的特征和部件。而且，附图旨在说明一般概念，并不是要指示所需的和/或必要的元件。
图1是示例户内定位-寻找架构的示意图，该户内定位-寻找架构包括：位于由部分的楼层平面图(floorplan)所示的户内位置的移动客户端，以及通过网络与移动设备进行通信的云服务(cloudservice)。
图2是示出云服务的示例实施方式的细节的框图。
图3是示出移动客户端的示例实施方式的细节的框图。
图4是示出地图的构造和转弯检测的方面的示意图。
图5是示出在粒子滤波中的状态更新模型的方面的示意图。
图6是示出将磁场强度测量与wi-fi测量以及双通双向粒子滤波(two-passbidirectionalparticlefiltering)相融合的方面的示意图。
图7是示出利用磁场异常来进行户内定位-寻找的示例方法的流程图。
图8是示出用于构造被配置用于户内定位-寻找的地图的示例方法的流程图。
具体实施方式
概览
在本文中描述了用于户内定位-寻找的技术。这样的技术，例如对于在商场、写字楼、机场和停车场内为人们引路，是无比宝贵的。在建筑物内部，地球磁场的异常可能是由建筑物的结构造成的。户内的地磁场，包括异常在内，往往是位置特定的并且是时间稳定的。因此，地图、数据库或数据结构可以利用场强测量来构造。例如，地图可以用灰度(或其它梯度)来配置，以标识在户内楼层平面图中各个位置内的磁场强度的不同程度。可以使得地图或数据库可用于客户端，例如建筑物内的手机用户或其它便携式设备的用户。数据库或地图可以下载，亦可离线可用于客户端设备。可替代地或者另外地，数据库或地图可以在线(例如，通过云服务)可用于用户。
为了在建筑物内确定用户的位置，手机或其它便携式设备可在多个位置进行磁场测量。测量可被配置为一个或多个矢量，且可与地图或数据库进行比较。在一个例子中，用户的特定位置可由与在地图或数据库中描述的磁场异常信息相关的用户位置来指示。
为了创建地图或数据库，携带有手机的用户可以沿着预计划的考察路径从起点走到终点。该手机可以记录来自磁强计和惯性测量单元(imu)两者的数据。可以将用户估计的实际路径的踪迹(trace)与预期的路径相比较，且可将磁场强度测量定位在地图或数据库内。在一个例子中，可用灰度(色彩标度(colorscale)、梯度或其它数据存储方式)来配置地图，以示出磁场强度。然后可以使得地图或数据库可用于建筑物内的移动设备，以在线的和/或离线的方式。
示例系统和技术
图1是示例户内定位-寻找架构100的示意图。在一个例子中，定位-寻找架构100利用在建筑物或其它结构内磁场强度的异常，以便用于移动客户端的定位寻找。地磁场是全球可用的，且可作为普遍的定位工具被利用，而不依赖于任何基础设施。在示例架构100内，云服务102与移动客户端104通过网络106通信。网络106可以包括多个部件网络，部件网络可以是有线的和/或无线的，且可以包括(一个或多个)wi-fi网络、(一个或多个)蜂窝网络、互联网，等等。移动客户端104可以定位在户内环境中，例如商场、写字楼、图书馆、停车场、医院、大学、机场航站楼等。在示例架构100中，示出移动客户端104在由楼层平面图108所示的走廊内。因此，架构100示出了示例技术，云服务102可通过该技术协助移动客户端104，且可通过该技术确定移动客户端的位置。
该示例云服务102可包括处理单元110，其可包括一个或多个处理器112以及一个或多个存储器设备114。存储器114可以包括指令，所述指令用于给客户端提供各种服务的一个或多个应用、程序、过程和/或软件例程。功能划分是任意的，并且只是为了说明而提供。因此，可以配置对云服务的功能的其它布置。在所示的例子中，云服务包括：位置推定引擎116、在线地图118和数据库构造过程120。图2提供了云服务的更多的示例细节。
示例移动客户端104可包括处理单元122以及一个或多个传感器124。移动设备104可以包括蜂窝电话、平板电脑、膝上计算机或其它移动计算设备。传感器124的例子包括：磁强计、陀螺仪、加速计或其它传感器设备等。处理单元122可以包括一个或多个处理器126或专用集成电路(asic)以及一个或多个存储器设备128。存储器设备128可以包括指令，所述指令用于执行各种功能的一个或多个应用、程序、过程和/或软件例程。正如关于云服务指出的，在移动客户端上的应用、子例程和/或过程的功能划分是任意的。因此，所提供的例子只是用于说明，且可以配置移动客户端功能的其它布置。在所示的例子中，位置推定引擎130被配置为接收一个或多个输入，并且对移动客户端104的位置进行估计或确定。可以使用离线地图132，尤其是当在线地图118不可用的情况下。另外，可以提供一个或多个应用、子例程和/或过程134。图3提供了移动客户端的更多的示例细节。
示例云服务
图2是示出云服务102的示例实施方式的细节的框图。虽然可以利用可替代的设计技术来实现相近的结果，但在所示的例子中定义了在云服务内的三个子系统，包括：位置推定引擎116、在线地图118以及数据库构造过程/应用120。
位置推定引擎116被配置为确定移动客户端位置和/或协助对移动客户端位置进行的确定。基于相同或相近科技的位置推定引擎，可以位于云服务102和移动客户端104两者内。位于云服务102中的位置推定引擎116可以适于在线模式(即，客户端104是在线的)。在一个例子中，位置推定引擎116可以通过将所接收的磁信号对照在线地图118进行匹配来解析移动客户端的位置。此外，增强的粒子滤波器202和定位-寻找科技融合模块204可被用来在定位-寻找中进行协助。
增强的粒子滤波器202可以实现粒子运动模型，例如关于图5所讨论的，以执行定位-寻找的方面。在一个例子中，粒子运动模型可以在基于跟踪(tracking)的定位-寻找方法中利用粒子滤波。在一个例子中，增强粒子滤波器202可以执行逐步过程(step-by-stepprocess)。即，当移动客户端根据实际用户的逐步行走过程进行移动时，增强粒子滤波器202提供更新的信息。这些和其它技术将关于图4-7讨论。
除了磁场强度信息之外，位置推定引擎116还可以借机接收可用信号。为了受益于这些可用信号，定位-寻找科技-融合(location-findingtechnology-fusion)应用或过程204可以将两项或更多项定位-寻找科技以协同方式相结合。在一个例子中，定位科技融合应用204可以将wi-fi定位-寻找科技与基于磁场的定位-寻找科技相融合。wi-fi信号可以是现成的，且可提供在磁场强度测量中未发现的信息。来自这样的已收到的信号的信息，可与通过运行基于磁场的定位过程所获得的其它信息相结合、和/或相融合、或相并行地分析。
通过使用增强粒子滤波器202、定位-寻找科技-融合应用204和/或其它技术或应用，该位置推定引擎116在云服务102内运行以确定移动客户端104的位置。
可以通过网络(例如，互联网)使得在线地图118可用于一个或多个移动客户端104。在线地图118可以包括一个或多个地图和/或数据库，所述地图和/或数据库被配置为存储对由位置推定引擎116所使用的定位-寻找技术有帮助的信息。示例在线地图118包括：楼层平面图206、磁地图208和/或无线电地图(radiomap)210。楼层平面图206可描述一个或多个户内设施，例如商场、停车场、医院、大学建筑、机场和/或任何其它可能对于用户难以导航的结构(例如，通过行走、升降电梯、自动扶梯、自动人行道等)。楼层平面图206可被配置为图像、数据库、数据结构、或任何其他信息格式、或根据任何期望的技术。
磁地图208可被配置为存储关于磁场的信息，例如场强和/或方向(例如，“北”)。可以将磁信息(magneticinformation)与户内结构中的位置(例如那些由楼层平面图206所代表的)相关联。至少部分地基于楼层平面图206，可将磁地图208配置为灰度图像(或色彩标度图像、梯度或其它含有信息的数据结构)。可替代地，例如通过使用矢量或标量值，或根据任何期望的技术或科技，可将磁地图208配置为数据库、数据结构或任何其它信息格式。
无线电地图210可被配置为存储关于无线电信号的信息，无线电信号例如wi-fi信号、蜂窝信号、近场通信信号以及其他射频(rf)信号。无线电地图210可以将无线电信息与户内结构中的位置(例如那些由楼层平面图206所代表的)相关联。可替代地，可将无线电地图210配置为数据库、数据结构或任何其它信息格式，例如通过使用由wi-fi接入点(ap)的标识符以及相对应的接收到的信号强度测量值组成的二个元素的元组的列表，或根据任何期望的技术或科技。
地图或数据库构造子系统120被配置为，通过高效的、兼容的基于行走的现场勘测技术(sitesurveyingtechnique)和/或方法，向定位-寻找和数据库构造提供信息和/或解决方案。在所示的例子中，地图或数据库构造子系统120是使用三个模块来配置的，包括：勘测平面图(surveyplan)创建器212、用户踪迹估计器214和转弯匹配工具216。
勘测平面图创建器212可以在地图/数据库的创建过程中和/或在对于定位-寻找技术可使用的数据的采集过程中利用一个或多个移动设备。勘测平面图可使用场地地图(例如，楼层平面图206)来创建，该场地地图覆盖了在场地、建筑物或建筑群内的所有感兴趣的路径。勘测平面图可以手动地或以自动化的方式创建或生成。自动化的勘测平面图创建，可以通过遵循例如右手边墙遵循者规则或左手边墙遵循者规则(right-handoraleft-handwallfollowerrule)等规则来执行。实际的勘测平面图可能在很大程度上取决于楼层平面图206，并且还取决于楼层平面图的细节和具体情况，例如走廊宽度、房间尺寸等等。例如，在狭窄通道的中部可以定义一条路径，而对于更宽的廊道或开放空间，可以添加平行的或以其它方式分隔的另外的勘测路径。勘测平面图创建器212可被配置为以标准化的或定制的方式创建这样的平面图，基于楼层平面图206或其它输入。
用户踪迹估计器214可以利用包括运动检测和“航位推算(deadreckoning)”的技术，以在数据库构造过程期间确定移动客户端104的位置。转弯匹配工具216可以利用包括惯性检测和数据处理的技术，以从随着行走的用户而运动的移动设备的备选的转弯(例如，指示可能的转弯的数据)辨别出真实的转弯。用于实施勘测平面图创建器212、用户踪迹估计器214和转弯匹配工具216的示例技术，可以根据图4-7以及相关联的讨论来理解。
示例移动客户端
图3是示出移动客户端104的示例实施方式的细节的框图。在一种实施方式中，个人步伐模型302被配置为，部分地基于用户的脚步模式(footsteppattern)，接收输入并且执行计算。示例的个人步伐模型302是由步伐检测模块308、步伐模型310和转弯角估计模块312来实施的。可以根据不同地细分的软件和/或硬件设备来配置个人步伐模型302的其它实施方式。使用个人步伐模型302，通过分析根据用户的每个步伐的输入使得在执行地图制作和/或数据库创建的同时获得的数据量既更有意义又更易于驾驭。在操作中，用户可以随同移动客户端设备104(例如，手机或其它便携式计算设备)一起沿勘测路线行走。惯性传感器例如陀螺仪304、加速计306和/或磁强计316，可向个人步伐模型302提供输入。磁强计316和/或陀螺仪304以及加速计306可被部分地用于确定指示每个步伐的落脚点(footfall)，并且用于采集转弯信息以确定由移动客户端104所行经的距离和方向两者。
步伐检测过程308被配置为对勘测员(surveyor)的各个步伐进行检测，例如在经过全部或部分场地行走期间或沿着勘测路径的行走期间。对各个步伐的使用有助于对这样的点进行定义：在所述点处可以记录从陀螺仪304、加速计306、磁强计316和/或wi-fi或其它rf接收机318取得的数据。
步伐模型310可被配置以协助地图和/或数据库构造。步伐模型310提供了兼容-行走(即，基于步伐的)数据收集方法。根据步伐模型310的一个例子，勘测员行走经过全部或部分场地或根据预计划的勘测路径行走。沿该路径可从起点行走到终点，与此同时手机处在相对于勘测员的身体固定的位置(例如，在衣兜里)。步伐模型310记录惯性测量单元(imu)的输出数据，包括加速计、磁强计和陀螺仪的读数。imu数据可被用来沿着勘测路径确定勘测员的位置。在一个例子中，对用户踪迹(当用户沿勘测路径行走时该用户的实际路径)进行估计，并且在与每个步伐相关联的固定位置针对预计划的路径进行匹配。在已经建立了与步伐相关联的位置(落脚点)、并且已经在那些位置收集了磁信号之后，可以根据与相邻的步伐位置相关联的数据来内插出针对其它位置的数据。另外，此位置数据可以与描述磁场的数据以及描述wi-fi的数据和/或当用户沿勘测路径行走时获得的其它射频(rf)信号相结合。
转弯角估计模块312对由勘测员行走经过场地的全部或部分(例如，按照预计划的勘测路径)所做出的转弯进行识别。可以通过对多个角变化量(anglechange)进行求和来做出转弯估计。在图4和相关联的讨论中呈现了转弯角估计的一个示例实施方式。
数据日志314接收来自个人步伐模型302以及磁强计316以及wi-fi或者其它rf信号接收机318的数据。因此，数据日志314可以包含将位置(例如，楼层平面图206内的位置)与磁场数据和/或rf无线电数据等相关联的数据。数据日志314可被用来建立离线地图132，例如通过图1和图2的数据库构造应用或数据库构造过程120的运行。
可以将位置推定引擎130以与云服务102的在线位置推定引擎116相似的方式配置。在运行中，位置推定引擎130可以利用在线地图118或离线地图132来确定移动客户端104的位置。
查询位置接口320可以允许：与客户端设备104的位置推定引擎130进行通信，和/或与云服务102中的位置推定引擎116进行通信，和/或与想要取回当前位置的应用进行通信。
对地图和数据库进行的构造
图4是示出地图构造技术的示意图，地图构造技术包括勘测、行走踪迹估计以及踪迹匹配。在一方面，图4示出地图400，该地图具有叠加的勘测路径(也即，计划路径)402以及实际用户路径或实际用户踪迹404。可以利用现场勘测来采集用于对地图和/或数据库进行构造的信息。在一个例子中，本文中描述的技术允许普通移动电话用户以高效的方式执行现场勘测。所述技术包括通过勘测员沿着预计划的勘测路径402从起点行走到终点利用处于相对于勘测员固定的位置的手机(例如，勘测员可将手机保持在衣兜里)所执行的数据收集。在该例子中，对定义在计算机可读介质上(例如，在手机中)的处理器可读语句或计算机可读语句的执行，随着勘测进展而记录磁场数据、wi-fi数据、rf数据和/或imu数据。所记录的数据可包括imu数据，例如，加速计数据、陀螺仪的读数和/或来自磁强计的磁信号读数。接下来可以对实际用户踪迹404进行估计并且将该实际用户踪迹对照预计划的路径进行匹配，该实际用户踪迹404(其可以与楼层平面图数据相结合)代表着勘测员所采取的路径。该过程可与每个步伐关联一个定义的位置。所收集的磁信号的位置可被用作内插过程的基(basis)，由此将值与楼层平面图中的附近的位置相关联。
对于给定的场地地图(例如，图2的楼层平面图206)，可以创建一个勘测平面图，该勘测平面图覆盖了该场地的所有感兴趣的路径或部分。勘测平面图可以人工地生成，或通过应用预先规定的规则例如右手边墙遵循者规则或左手边墙遵循者规则(right-handoraleft-handwallfollowerrule)来生成。楼层平面图可以产生某些适配。例如，如果路径在狭窄通道内，则单个勘测路径可能就是足够的。相比之下，在非常宽的廊道内或在开放空间内，可以添加另外的勘测路径来提供充分的覆盖。
可以利用来自imu传感器的输入，对由勘测员所遵循的踪迹的实际位置进行估计。可以利用步伐检测、步伐长度估计以及对步伐航向(stepheading)和/或方向的估计来执行所述估计。在一个例子中，可以使用陀螺仪，而不是根据磁强计对航向方向进行估计。由于移动客户端设备可以以任何方向和/或姿态被握持，可以将传感器读数从设备的体坐标系变换到设备的北-东-下(ned)坐标系，该坐标系接近于局部的世界坐标系。可以通过对过去的几个步伐取平均加速度，来对设备的体坐标系中的重力进行估计，以获得变换矩阵。由于移动设备的转弯将沿着与重力垂直的水平平面(也即，勘测员行走在均匀高度的楼层上)，故而可以通过在移动设备的ned坐标系中对z轴向旋转进行积分来对转弯角进行估计。因此，负的或正的转弯角分别表示向左或向右的方向改变，无论设备的实际姿态为何。
在一个例子中，可以使用踪迹匹配来将指示勘测员的实际移动的踪迹(例如，数据)匹配到勘测平面图和/或场地地图的方面。踪迹匹配可以包括备选的转弯检测，这可以部分地通过对实际的转弯判定进行辨识来执行，例如通过动态规划(dynamicprogramming)方面的技术的操作。在一个例子中，滑动检测窗口(runningdetectionwindow)(凭经验设定为7个步伐)可以被设定到勘测员的行走踪迹。在该例子中，如果在检测窗口内的角改变量之和超过阈值，则备选转弯可被识别出。阈值可以看情况设定，但在一个例子中可以是大约30度。真实的转弯可以从指示多个备选转弯的数据中提取出。此外，若干接连的转弯可以被合并成单个转弯，且可执行局部搜索以使得另外的属于同一个转弯的步伐被包括。这样的包括保证了转弯的完整性，并且提高了转弯角的检测精确度。转弯点可以被设定在检测窗口内的转弯的具有最剧烈的角改变量的步伐处。
在一个例子中，可以利用动态规划来将指示勘测员的实际移动的踪迹匹配到在勘测平面图中的对应路径。这样的匹配提供了对关于场地的楼层平面图进行实际的测量(例如，磁强度测量)的处所的理解。在该例子中，可将所估计的用户踪迹匹配到其对应的预计划路径，这是通过将在这两条路径中的转弯进行匹配。由于转弯是显著的特征，可以在转弯的两个列表之间进行比较：一个地面转弯列表(g表示“地面”)，从预计划的勘测路径中获得；以及一个备选转弯列表(c表示“备选”)，其代表测量的转弯(例如，由imu传感器测量)。
参见图4，地面转弯和备选转弯可以分别描述如下：
g＝{psg，a，b，c，d，e，f，g，h，k，peg}
以及
c＝{psc，t1，t2，t3，...，t12，t13，t14，pec}
其中psg、peg、psc和pec是起点和终点，而其它项代表转弯。
在一个例子中，转弯匹配任务实质上是要将两个序列g和c最优地匹配。将起点和终点直接匹配，并且对所估计的踪迹的总体长度进行缩放以使得具有与预计划路径相同的长度。当对中间的转弯进行匹配时，在行走踪迹估计中有两个主要的误差源：一个是行走距离误差，是由对步伐的漏失检测或由步伐长度估计中的误差引起的；而另一个是角检测误差，是由瞬时误差例如手摇动、传感器漂移和不完美行走(例如，不规则的步伐大小)造成的。为了将两个误差源都考虑在内，下列罚函数可被用于c中的第j个转弯到g中的第i个转弯的匹配：
ε(i，j)＝δd(i，j)+δa(i，j)
其中，δd＝|lg(i)-lc(j))|/lg(i)是第i个路径区段的相对距离差，而δa(i，j)＝|∠gi-∠cj|/∠gi是相对角度差。在这里，l代表区段的长度，而∠代表转弯的角度。
对于给定的罚函数，可以利用动态规划来高效地应对序列匹配问题。在一个示例算法中，图4将会产生如下最优匹配结果：
{psc，t1，t2，t3，-，-，-，t8，t9，t10，t11，-，t13，-，pec}
其中“—”表示被丢弃的备选转弯。
在将转弯的位置固定之后，可以计算中间的步伐的位置。在一个例子中，计算的位置可以是成比例的，并且根据估计的步伐长度以及在两个作为边界的转弯之间的总距离。然后可以根据两个作为边界的步伐的位置、与这两个步伐的时间差成比例地，对数据进行内插。可以通过在一个或多个方向上对在勘测路径上的磁场强度进行外插直到到达由楼层平面图所指示的墙壁为止，来构造最终的地图和/或数据库。对于宽的廊道，可以存在多个并行的勘测路径。在这些情况下，在两个勘测路径之间的中间位置处的磁场强度数据，是根据所述中间位置到每一个作为边界的路径的距离而内插的。对于十字路口和转弯区域，可以使用内插的强度的平均值(来自不同勘测路径)。作为结果的用于写字楼的地图的二维视图，可以示出户内磁场的多个局部特有的(local-specific)干扰。
在一个例子中，可将地图作为灰度位图(色彩标度、梯度或其它数据结构)存储，其中对于由其x坐标和y坐标指定的位置，用8比特(或其它值)的整数表示磁场强度。为了节省存储空间，未经勘测的所有区域均可被视为透明区域。这确保了更紧凑的存储和当从云服务下载该地图时更快的传输时间。在一个例子中，作为结果的地图对于实际的楼层平面图的相对大小，与通道区域的部分对于整体楼层区域的相对大小大致相同。
位置推定引擎
(一个或多个)位置推定引擎对移动客户端设备104的位置进行解析。类似地配置的位置推定引擎，可以既存在于云服务102中(即，位置推定引擎116)又存在于移动客户端104中(即，位置推定引擎130)。在一个例子中，位置推定引擎利用观测到的磁信号和相关联的异常。位置推定引擎也可以使用imu数据，它可以用粒子滤波技术来处理。位置推定引擎还可以利用由移动设备104借机接收的rf信号(例如，wi-fi信号)。
位置推定引擎被配置为解决下列问题，包括：对磁信号进行区分；由于移动客户端104移动所用的不同的行走速度而造成的不同的空间采样密度；设备多样性与用途多样性；以及外部感测的绝对航向方向的可能的缺失。
基于步伐的矢量
在一个例子中，区分地磁信号的能力可以通过增加在其上进行测量的区域的大小来提高。因此，通过利用多个时间观测(temporalobservation)，可以创建高维矢量信号。用户行走的路径可能会增加矢量信号的空间覆盖。在一个具体的例子中，如果用户携带的设备观测到三个接连的样本具有幅值{47,48,49}，可能只有两个可能的位置在地图或数据库中具有相近的观测。因此，随着时间的多个地磁观测增强了区分位置的能力。
用户在进行磁测量(以及可选地，惯性测量)的同时在其上行走的较长的踪迹被转换成一个矢量，该矢量将会带来使用地磁来辨别位置的更大的能力。然而，将过于长的矢量针对数据库中的样本进行匹配，可能导致顽固的复杂度。这可能是部分地正确的，因为用户可能使用不同的步伐大小和方向航向来行走，并且可能不时停止。这样的变化可能会带来几何地增长或指数地增长的复杂度。步伐模型可被用来根据样本创建矢量，其纳入了减小复杂度的考量。可被利用来减小复杂度的第一技术，是要将矢量比较限制于覆盖了类似的空间距离的矢量。因此，可以使用对“用户-步伐”矢量的空间覆盖的估计。这样的信息可以从基于imu的跟踪中容易地获得。可被利用来减小复杂度的第二技术，是要将在相同步伐模式内的样本与相同运动方向相关联。这样的关联是与将这样的测量结合到单个矢量内相一致的。可被利用来减小复杂度的第三技术，是要避免在用户的行走步态(walkinggait)中的不连续，例如可以利用完整步伐，因为用户不太可能在步伐当中(mid-step)停止行走。
磁矢量匹配的技术
基于行走的时间观测可能导致空间采样密度多样性问题。在一个例子中，不同数量的样本可能造成相同的空间覆盖，这是由于可能的不同的行走速度和不同的时间采样频率。在一个示例采样环境中，较快地行走可能产生较短的踪迹和较少的信号样本，而较慢地行走可能产生具有较多样本的较长的踪迹。因此，不同的空间采样密度可能是由覆盖相同路径的行走所产生的。因此，相同的空间覆盖的矢量可具有不同的维度。不同的采样频率可进一步使得基于行走的时间观测和传感器测量复杂化。然而，不同的空间采样密度可能导致显得相似的模式。因此，在一个例子中，动态时间规整(dtw)算法可用来测量在可能在时间和/或速度上变化的两个序列之间的相似度。
为了解决设备多样性和用途多样性问题，可使用简单均值去除技术(simplemeanremovaltechnique)。在此技术中，信号矢量和备选矢量两者都使得它们的均值在应用dtw之前就被去除。尽管同一磁场的测量值不同，这样的去除仍是有必要的，因为作为结果的磁信号序列的形状对于同一路径可能是相似的。因此，可以利用局部磁场的形状，而不是磁场的绝对值。
因此，为了对在一个步伐中收集的磁信号矢量进行匹配，可以根据在数据库中的相邻样本来配置备选矢量，以使得矢量覆盖的空间距离与该步伐的长度相同。两个矢量的均值都被去除，且应用dtw以计算矢量相似度。
粒子运动模型
用于定位-寻找的基于跟踪的方法可以利用粒子滤波技术或其它信号处理技术。粒子滤波技术的示例实施方式可包括对粒子运动模型的定义。在这样的模型内，粒子以外部感测的绝对方向被均匀地驱动或移动，由于户内磁场异常其可能是非常嘈杂的。粒子的运动对模型中的状态进行更新。在一个例子中，用户可以在地下停车场内以一条直线行走(例如，具有在用户衣兜里的对磁场强度进行感测的手机)。在这个例子中，磁场数据将是嘈杂的，而陀螺仪的数据能够可靠地捕获相关的步行方向。融合了磁数据和陀螺仪数据(例如，通过一个运动应用编程接口(api)而获得的陀螺仪数据)的技术，可被用在示例惯性跟踪系统内。这样的融合可能带来更好的方向精确度，但可能在数据中残留显著噪声。在另一个例子中，所述技术可以利用粒子滤波，但没有根据可能的受干扰的磁场对航向方向进行解析。这样的技术可以利用没有罗盘的陀螺仪。基于用户很可能遵循路径的主要方向、且很可能在一致的方向继续行走而不是进行随机转身这一假设，所述技术可以利用地图约束的、位置感知的、基于惯性的(mpi)粒子运动模型来移动所述粒子。
图5示出mpi运动模型500的例子。新生粒子(例如，粒子a和d)的方向
增强粒子滤波
基于步伐的矢量、磁矢量匹配和粒子运动模型，可被结合到一个增强粒子滤波器中，该滤波器可基于逐步(即，当用户带着基于磁场传感器的移动设备行走时)来执行。粒子状态包括其当前位置
利用来自新的步伐的输入，可将粒子更新如下：
以及
其中
将磁场技术与其它技术相融合
利用上文讨论的技术，系统可以使用磁场在户内环境中跟踪并且定位用户，可选地利用相对方向，所述相对方向被描绘为用户行走的踪迹、并且是从陀螺仪获得的。改善的精确度可通过如下方法获得，该方法将这些技术(对磁场和惯性传感器的利用)与其他的定位方式(例如，wi-fi)相结合，以改善定位-寻找的精确度。在一个例子中，也可以使用先前讨论的兼容-行走方法和技术来构造wi-fi数据库。在该例子中，可以同时地构造磁信号数据的地图和无线电(例如，wi-fi)地图，这是通过在收集磁信号数据的同时还收集wi-fi数据。
将上面讨论的技术与基于wi-fi(或其它rf)的定位-寻找方法相结合的一个原因，在于它们的互补的定位-寻找能力。wi-fi是短程无线电系统，且因此可以区分被远离地分隔的位置。然而，wi-fi信号对于多个位置通常是相近的。因此，当单独使用时，wi-fi在邻近的位置之间提供的可辨别性是有限的。相比之下，地磁场是全球性的。因此，地磁场可提供相似的测量，甚至是在两个被远离地分隔的位置之间。然而，局部磁场异常是更细粒度的。因此，如果在定位-寻找过程中将磁场信息和wi-fi信号联合地考虑，那么协同交互作用会带来与两者中任一技术能够单独提供的相比更好的定位-寻找。
双通双向粒子滤波(two-passbidirectionalparticlefiltering)
图6是示出将磁场强度测量与wi-fi测量相融合的技术的示意图600。在一个例子中，信号处理技术，例如粒子滤波，可被用来寻找对背景记录(background-logged)踪迹(例如，勘测员的移动)的更好的位置估计。粒子滤波技术可包括单通双向粒子滤波或双通双向粒子滤波(tbpf)。在tbpf例子中，对可选的第一通的使用，提供了额外的“位置-固定”(location-fixing)信息。在单通滤波和双通滤波二者中，起初可以使粒子分布遍及场地的楼层。在粒子滤波模型的运行期间执行的状态更新，将粒子移动以细化对踪迹的位置的估计。在图6的例子中，起点位置602(在计算中被定义为p0)通过走廊或廊道606与终点位置604(在计算中被定义为pt)相分隔。
当执行位置查询时，位置推定引擎可以考虑踪迹创建时所记录的运动踪迹和对应的磁信号以及wi-fi信息。通过使用磁信息和rf信息二者，可以使得定位-寻找过程更为精确。特别地，如果给出了正确的初始位置，则粒子滤波将会更快地收敛，并且产出更精确的结果。在一个例子中，通过双通双向粒子滤波过程可以将wi-fi定位和磁信号信息相融合，如图6所示。
在第一通中，可以利用wi-fi信号获得粗略位置估计p0(在602处示出)。使用p0，可以沿着运动踪迹的反方向608，应用后向粒子滤波(backwardparticlefiltering)。由wi-fi热点所提供的位置信息，有助于寻找要在602处的p0附近的真实位置。因此，可以使得粒子的初始分布只是在p0的附近之内，例如，在以p0为中心具有半径r的圆610内。使用后向粒子滤波过程，可以获得对所记录的踪迹的起点位置pt(在604处示出)的良好估计。在第二通602中，可以沿着运动踪迹正常地执行前向粒子滤波，并且可以在pt周围具有半径r的圆614内将粒子初始化。最后，可以执行滤波后(post-filtering)过程，并且只有落入圆616(即，到p0距离r'的范围)之内的粒子被保留。可以获得这些粒子的加权平均，以在618确定最终的定位结果(其可被称为p'0)。
在示例操作中，相同的背景记录运动踪迹可在tbpf中被使用两次。这使得在第二通中的粒子滤波是偏置的，导致更好的或更坏的结果。因此，在一些例子中，最终的滤波后过程(即，在到p0半径r0以内选择粒子)的应用是至关重要的。此选择隐含地使用了一些真实信息，例如，真正的位置必须在p0周围，并且保证偏置是有利的。
示例方法
如在本文中所使用的，“计算机可读介质”包括计算机存储介质和通信介质。计算机存储介质包括以任何方法或技术实现的用于存储信息(例如计算机可读指令，数据结构，程序模块，或其它数据)的易失性的和非易失性的、可移除的和不可移除的介质。计算机存储介质包括，但不限于，随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程rom(eeprom)、闪存或其它存储器技术、光盘rom(cd-rom)、数字多功能盘(dvd)或其它光存储设备、磁带盒、磁带、磁盘存储设备或其它磁存储设备，或可用于存储信息以供计算设备访问的任何其它介质。
相比之下，通信介质可以实施计算机可读指令、数据结构、程序模块、或在调制的数据信号诸如载波中的其它数据。如本文所定义的，计算机存储介质不包括通信介质。
图7是示出用于进行户内定位-寻找的示例方法700的流程图，例如可以确定移动设备和/或客户端的位置和/或向移动设备的用户进行报告。在一个例子中，定位-寻找至少部分地依赖于对磁场异常的检测。此外，可以与磁场测量协同组合地使用其它技术，例如惯性测量、rf测量(例如wi-fi测量)和/或其它测量。方法700的定位-寻找技术可以至少部分地通过如下执行：云服务102中的位置推定引擎116(参见图1和图2)，或者移动客户端104中的位置推定引擎130(参见图1和图3)，或者两者的组合。
在示例方法700中，在方框702，在建筑物内的多个位置处测量磁场强度。可以通过移动设备或客户端例如手机、平板电脑、膝上计算机等进行所述测量。测量可以是关于磁场的，并且包括例如场强、方向等测量。在图1的例子中，移动客户端104被移动经过由楼层平面图108所示的建筑物或其它场地。在进一步的实施例中，使用步伐大小的(step-sized)距离间隔来测量磁场强度。可假定步伐具有均一的步伐距离和均一的步伐方向。在一些实施例中，形成了矢量，其中每个矢量包括多个测量(例如，每个测量与用户的一个步伐相关联)。
框704和706示出可由移动设备进行的测量的作为替代的和/或作为补充的例子。在框704，可以用步伐大小的(例如，行走步伐)的距离间隔来进行磁场强度测量。在图3的例子中，可利用个人步伐模型302。在其它例子中，可作出关于均一步伐距离和/或方向变化方面的假定。可选择这样的假定以使得某些计算更易管理。在框706，对至少一个户内地磁场异常进行测量。这样的异常可以是位置特定的并且是时间稳定的。在一个例子中，地磁场异常可以是由场地的特征(例如混凝土和钢筋、墙壁、金属屋顶等等)所创建的，这会带来在建筑物的楼层平面图中的特定位置处的地磁场的时间稳定破坏(temporallysteadydisruption)。
在框708，利用磁场强度信息形成了矢量。在一个例子中，矢量可以包括多个磁场强度测量。多个测量在单个矢量内的存在，提供了可以被用于更精确地指示在矢量中的点的位置的信息。
在框710，访问在线和/或离线地图，例如通过图1-3中的(一个或多个)位置推定引擎。通常，当移动设备能够访问云服务时，可访问在线地图，否则，则可使用驻留在移动设备上的离线地图。
在框712，将所测量的磁场强度与磁场强度的先前测量进行比较。在一个例子中，先前测量可以被包含于在线/离线地图中。在另一个实施例中，矢量定义测量(vectordefiningmeasurements)(例如，来自框708)与描绘了建筑物的至少一部分的地图或数据库进行比较。
在框714，将所接收的wi-fi信号与已知的wi-fi信号和/或发射机进行比较。在一个例子中，对已知的或先前测量的wi-fi信号进行描述的信息可以被记载到在线/离线地图上。
在框716，基于磁场的和基于wi-fi的定位-寻找方法可以被融合或以其它方式组合，以建立统一的定位-寻找方法。在一个例子中，可以利用图5和/或图6的双通双向粒子滤波方法。
在框718，对移动设备的位置进行识别，至少部分地是基于磁场强度，并且可选地至少部分地是基于对第二技术的协同利用，该第二技术例如wi-fi测量比较、其它rf信号、惯性测量，等等。
图8是示出用于构造被配置为包括适于用在户内定位-寻找中的信息的(一个或多个)地图、数据库和/或其它数据结构的示例方法800的流程图。在一个例子中，方法800可被用来创建和/或填充(populate)(一个或多个)在线地图118和/或(一个或多个)离线地图132，参见图1-3。在框802，建筑物内的(一个或多个)勘测路径是至少部分地基于勘测平面图和/或场地地图而定义的。在图2的例子中，当构造(一个或多个)勘测路径时，楼层平面图206可被用作输入。通过图2的勘测平面图创建器212可以创建勘测。
在框804，当对所定义的勘测路径进行行走时，可以接收来自惯性测量单元(imu)的数据。参考图1的例子，场地108可被移动客户端104行走，该移动客户端可包括传感器124。如图3中所示，传感器可包括加速计306或其它imu设备。
在框806，当对所定义的勘测路径进行行走时，可以接收来自磁强计的磁场数据。在图3的例子中，磁强计316向数据日志314提供信号，数据日志314记录磁场数据。
在框808，可以向行走踪迹应用检测窗口，以在从imu接收的数据内寻找备选转弯。如关于图4的例子所讨论的，滑动检测窗口可以根据经验设定到期望数量的步伐，并且可与场地的勘测员的行走踪迹相结合地使用。在框810，如果在该窗口内的角变化量之和超过阈值，则备选转弯可被识别出。该和可以代表由执行该勘测的个人使用若干行走步伐进行的平缓的转弯。如关于图4所讨论的，阈值可以根据情况设定。
在框812，可将估计的用户踪迹匹配到勘测平面图中的预计划路径的对应部分。图4以及相关联的讨论示出了在示例勘测方法中对踪迹的使用的例子。
在框814，可创建地图、数据库或其它数据结构，例如通过使用imu数据和所接收的磁场数据(其可包括在磁场数据中的异常)。在图1的例子中，数据库构造例程120可以构造地图或其它数据结构。图3中可见数据库构造例程120的细节，包括勘测平面图创建器212、用户踪迹估计器214和转弯匹配工具216。
在框816，可以存储勘测信息(例如，地图、数据库和/或数据结构)。该信息可作为地图来存储，以灰度位图格式、色彩梯度、数据库或任何其它期望的数据结构格式。该地图可作为在线地图118存储在云服务102上，和/或作为离线地图132存储在移动客户端104上。
总结
尽管已经用特定于结构特征部件和/或方法论行为的语言对本发明的主题进行了描述，但是应当理解，在所附权利要求书中定义的主题不一定限于所描述的具体特征部件或行为。而是，这些具体特征部件和行为是作为对权利要求进行实施的示例性形式而公开的。
- 还没有人留言评论。精彩留言会获得点赞！