基于群智感知的室内平面图生成方法、服务器及系统的制作方法
【技术领域】
[0001] 本发明涉及移动互联网领域，尤其涉及一种基于群智感知的室内平面图生成方 法、服务器及系统。
【背景技术】
[0002] 随着移动互联网的迅猛发展和大数据处理技术的日益成熟，群智感知技术逐渐被 应用到越来越多的传统领域当中，它主要利用大规模用户所产生的数据，进行信息的收集、 加工和处理，并向用户提供所需服务。如何将群智感知的思想应用于室内定位和平面图生 成领域，成为该方向研究的一大热点和难点。
[0003] 精确的室内平面图不仅可以为市场上众多基于定位的应用和服务提供帮助，而且 有助于提高室内定位的精确度。显然，手动绘制室内平面图需要耗费大量的人力物力，因此 目前已有大量研究工作致力于室内平面图的自动生成。然而，目前的工作几乎都需要特定 基础设施的支持，例如相当数量的WiFi接入点，WiFi接入点的具体位置信息，或者WiFi信 号的指纹信息。这些要求无疑限制了现有工作的适用范围和可扩展性，使其无法正常工作 在WiFi覆盖不全或没有指纹数据库的环境中。
[0004] 随着智能手机传感器功能的普及和提升，航迹推算技术因其自身追踪行人移动轨 迹的能力而被逐渐应用在室内定位和地图生成领域，它能够利用移动智能终端惯性传感器 的信息，推算出行走距离和方向。但该技术对于行走轨迹有较高要求且需要起始位置作为 锚点，此外，累积误差的存在严重影响了航迹推算的性能和生成平面图的准确性。
[0005] 鉴于此，如何能够在不需要基础设施支持的情况下生成准确可靠的室内平面图成 为当前需要解决的技术问题。
【发明内容】
[0006] 针对现有技术中的缺陷，本发明提供一种基于群智感知的室内平面图生成方法、 服务器及系统，能够无需室内基础设施的支持而生成准确可靠的室内平面图，增强了可用 性和可拓展性，同时对群智感知带来的噪声和歧义性具有良好的适应能力。
[0007] 第一方面，本发明提供一种基于群智感知的室内平面图生成方法，包括：
[0008] 获取移动智能终端内部的惯性传感器采样收集的用户数据；
[0009] 对所述用户数据进行分析，获取所述用户移动的距离及方向，生成所述用户的运 动轨迹；
[0010] 根据预设的特征向量表，对所述用户数据进行处理和分析，识别所述用户的运动 轨迹中的与所述特征向量表中特定行为对应的特征点，并将所述特征点映射到所述用户的 运动轨迹上的具体位置，得到标注了所述特征点的所述用户的运动轨迹；
[0011] 采用三角形匹配的轨迹融合算法，将所述标注了所述特征点的所述用户的运动轨 迹进行融合，生成室内平面图；
[0012] 其中，所述移动智能终端内部的惯性传感器采样收集的用户数据，包括：加速度计 采样收集的加速度数据、陀螺仪采样收集的角速度数据和罗盘采样收集的方向数据。
[0013] 可选地，所述对所述采样收集数据进行分析，获取所述用户移动的距离及方向，生 成所述用户的运动轨迹，包括：
[0014] 对所述采样收集数据进行分析，采用步长检测的方法获取所述用户移动的距离及 方向，生成所述用户的运动轨迹。
[0015] 可选地，所述根据预设的特征向量表，对所述用户数据进行处理和分析，识别所述 用户的运动轨迹中的与所述特征向量表中特定行为对应的特征点，并将所述特征点映射 到所述用户的运动轨迹上的具体位置，得到标注了所述特征点的所述用户的运动轨迹，包 括：
[0016] 对所述用户数据进行噪声过滤；
[0017] 根据预设的特征向量表中特定行为的持续时间，采用滑动窗口方式将噪声过滤后 的所述用户数据进行分段，获取与预设的特征向量表中特定行为对应的特征点片段；
[0018] 根据预设的特征向量表，将所述与预设的特征向量表中特定行为对应的特征点片 段进行分类，每一分类的类别对应所述特征向量表中的类别；
[0019] 根据时间戳的对应关系，将分类后的特征点片段的特定行为的特征点映射到所述 用户的运动轨迹上的具体位置，得到标注了所述特征点的所述用户的运动轨迹。
[0020] 可选地，所述对所述用户数据进行噪声过滤，包括：
[0021] 使用低通滤波器对所述用户数据进行噪声过滤，过滤掉高频噪声并使信号平滑；
[0022] 和 / 或，
[0023] 在所述对所述用户数据进行噪声过滤之前，还包括：
[0024] 对所述用户数据进行数据过滤，过滤所述用户数据中除加速度数据的z轴方向及 角速度数据的X和z轴方向的其他维度的数据；
[0025] 相应地，所述对所述用户数据进行噪声过滤，具体为：
[0026] 对数据过滤后的所述用户数据进行噪声过滤。
[0027] 可选地，所述根据预设的特征向量表，将所述与预设的特征向量表中特定行为对 应的特征点片段进行分类，包括：
[0028] 使用基于预设的特征向量表的支持向量机，将所述与预设的特征向量表中特定行 为对应的特征点片段进行分类，每一分类的类别对应所述特征向量表中的类别。
[0029] 可选地，所述采用三角形匹配的轨迹融合算法，将所述标注了所述特征点的所述 用户的运动轨迹进行融合，生成室内平面图，包括：
[0030] 将所述标注了所述特征点的所述用户的运动轨迹进行过滤，获取能生成三角形的 轨迹，构造三角形轨迹集合和过滤后的非三角形轨迹集合；
[0031] 根据预设的匹配规则，将所述三角形轨迹集合进行分类；
[0032] 根据预设的优先级规则，获取一个三角形类，将所有包含所述三角形类的轨迹以 所述三角形类为基准进行融合，循环本步骤，直到所有三角形的轨迹均已融合或所有三角 形类使用完毕；
[0033] 在轨迹融合结果为多个集合时，在所述过滤后的非三角形轨迹集合中获取可靠的 轨迹，将作为轨迹融合结果的多个集合进行合并；
[0034] 在所述可靠的轨迹不存在时，确定室内环境并非一个连通图，存在独立空间。
[0035] 第二方面，本发明提供一种基于群智感知的室内平面图生成服务器，包括：
[0036] 数据获取模块，用于获取移动智能终端内部的惯性传感器采样收集的用户数据；
[0037] 轨迹生成模块，用于对所述用户数据进行分析，获取所述用户移动的距离及方向， 生成所述用户的运动轨迹；
[0038] 特征点识别模块，用于根据预设的特征向量表，对所述用户数据进行处理和分析， 识别所述用户的运动轨迹中的与所述特征向量表中特定行为对应的特征点，并将所述特征 点映射到所述用户的运动轨迹上的具体位置，得到标注了所述特征点的所述用户的运动轨 迹；
[0039] 平面图生成模块，用于采用三角形匹配的轨迹融合算法，将所述标注了所述特征 点的所述用户的运动轨迹进行融合，生成室内平面图；
[0040] 其中，所述移动智能终端内部的惯性传感器采样收集的用户数据，包括：加速度计 采样收集的加速度数据、陀螺仪采样收集的角速度数据和罗盘采样收集的方向数据。
[0041] 可选地，所述轨迹生成模块，具体用于
[0042] 对所述采样收集数据进行分析，采用步长检测的方法获取所述用户移动的距离及 方向，生成所述用户的运动轨迹；
[0043]和 / 或，
[0044] 所述特征点识别模块，包括：
[0045] 噪声过滤单元，用于对所述用户数据进行噪声过滤；
[0046] 分段单元，用于根据预设的特征向量表中特定行为的持续时间，采用滑动窗口方 式将噪声过滤后的所述用户数据进行分段，获取与预设的特征向量表中特定行为对应的特 征点片段；
[0047] 分类单元，用于根据预设的特征向量表，将所述与预设的特征向量表中特定行为 对应的特征点片段进行分类，每一分类的类别对应所述特征向量表中的类别；
[0048] 映射单元，用于根据时间戳的对应关系，将分类后的特征点片段的特定行为的特 征点映射到所述用户的运动轨迹上的具体位置，得到标注了所述特征点的所述用户的运动 轨迹；
[0049] 和 / 或，
[0050] 所述平面图生成模块，包括：
[0051] 集合构造单元，用于将所述标注了所述特征点的所述用户的运动轨迹进行过滤， 获取能生成三角形的轨迹，构造三角形轨迹集合和过滤后的非三角形轨