本发明涉及一种室内定位方法，尤其涉及一种渐进式室内定位方法。
背景技术：
目前主流的定位技术主要采用gps，主要用于室外的定位，且精度较低。随着wi-fi热点的覆盖率不断提升，用户使用移动终端(智能手机)进行wi-fi的连接频率越来越高，使得采用wi-fi技术进行定位的成本不断降低，在不需要额外部署wi-fi热点的情况下，能够达到精准地识别效果。然而，wi-fi定位的精度依赖于采样的频率，定位的精度往往在2米左右，不能满足对定位精度较高的应用场景中。另一方面，基于视觉的定位方法越来越受到关注，通过分析不同视角下的匹配点，计算出用户的姿态信息。基于视觉的定位方法在小范围内能取得很好地效果，然而这一方法在长时间的运动过程中，往往存在较多的累计误差，需要通过校准来消除长时间大场景下的视觉定位。
如cn201710152882.7中所述的一种室内定位方法，配合wi-fi进行室内定位的是以门牌作为视觉标志进行坐标采样，由于必须用手机拍摄门牌，在实际运用中仍然受到较大限制。
技术实现要素：
本发明的目的就是为了克服上述现有技术存在的缺陷而提供的一种基于视觉特征的即时定位与地图构建配合wi-fi的室内定位方法，通过将wi-fi定位与视觉定位相结合，充分发挥wi-fi定位在大场景的粗略定位以及视觉定位在小范围的精准定位，形成优势互补，取长补短，实现由粗略到精细的渐进式定位效果，使用动态视频作为定位标签，减少了对拍摄的限制。
本发明通过以下技术方案实现：
一种渐进式室内定位服务器，包括现场勘测模块，用于将室内均分为多个区域，对各个区域的wi-fi数据进行采集，并设置相应的标签；概率统计模块，利用现场勘测模块获取的wi-fi信号以及标签，估算每个样本点上每个热点的信号强度的概率分布；定位模块，接收用户终端的wi-fi数据与动态视觉信息数据，将wi-fi数据与概率统计模块得到的用户所在的区域以及概率结合对动态视觉信息数据进行偏差调整，确定用户的精确位置。
一种渐进式室内定位方法，先通过检测大范围区域中的wi-fi信号确定用户粗略位置，再使用基于视觉特征的即时定位与地图构建(slam)技术感知用户在小范围区域中的相对运动，通过结合wi-fi信号和基于视觉特征的即时定位与地图构建技术定位用户在室内的准确位置，具体步骤如下：
步骤s1、采集室内各区域的wi-fi信号作为位置指纹样本，估算每个样本点上各个热点的概率分布，构建wi-fi地图；
步骤s2、利用手持终端获取的wi-fi信号，与步骤s1中得到的wi-fi地图结合得到用户所处的粗略位置；
步骤s3、通过手持终端获取用户运动过程中的动态视觉信息数据，与步骤s2中得到的用户所处的粗略位置结合确定用户的准确位置；
进一步地，步骤s1中包含以下步骤：
s11、将室内空间均分为多个平面网格区域，利用光栅扫描的顺序设置每个平面网络对应的位置标签；
s12、对每个平面网格区域进行采样，收集该区域的信号强度数据作为位置指纹样本，假设每个采样点上每个热点的信号强度满足正态分布，计算得到每个样本点上的各个热点的信号强度的概率分布。
进一步地，步骤s2中包含以下步骤：
s21、将用户手持终端获取的wi-fi信号以及动态视觉信息数据传输到定位服务器中；
s22、定位服务器利用步骤s1中得到的每个样本上各个热点信号强度的概率分布，对用户终端获取的wi-fi信号强度进行识别，获得用户在各个热点上出现的概率，并将各个热点的概率相乘，计算用户在每个采样点出现的概率，选择概率最大的k个采样点进行加权平均，得到用户粗略的位置信息。
进一步地，步骤s3中包含以下步骤：
s31、定位服务器分析用户终端传输的动态视觉信息数据，对视频流中的每帧提取orb特征以及关键点，将当前帧中的关键点与orb特征与前面其他帧的关键点及orb特征进行匹配，得到一组匹配的关键点，以此判断当前视觉定位结果所在的位置是否与wi-fi定位的结果一致，若一致则直接得到用户运动信息，若存在差异且wi-fi定位的置信度较高，则利用光束平差法来调整累计误差，从而使wi-fi定位与视觉定位保持一致，利用姿态图优化来推出用户的运动信息，若wi-fi置信度不够就重新分析动态视觉信息数据；
s32、将用户的粗略位置和运动信息进行融合分析，计算用户准确的位置信息。
有益效果：
1)本发明通过wi-fi定位和基于视觉特征的slam技术融合并进行渐进式的细化，形成优势互补，能够大大提升室内定位的精度，消除长时间、大场景中基于视觉定位的累计误差问题，得到用户的准确位置信息，从而为室内定位提供更精细化，更可靠的解决方案。
2)能服务器端通过用户手持终端实时获取wi-fi信息和动态视觉信息数
据，计算出用户确切位置后能及时反馈到用户手持终端。
附图说明
图1渐进式室内定位服务器的结构图；
图2渐进式室内定位方法的流程图；
图3渐进式室内定位方法确定用户粗略位置的流程图；
图4渐进式室内定位方法获得用户运动信息的流程图；
其中：1为现场勘测模块、2为概率统计模块、3为定位模块、4为用户终端。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明：
如图1所示一种渐进式室内定位服务器，包括现场勘测模块1，用于将室内均分为多个区域，对各个区域的wi-fi数据进行采集，并设置相应的标签；概率统计模块2，利用现场勘测模块1获取的wi-fi信号以及标签，估算每个样本点上每个热点的信号强度的概率分布；定位模块3，接收用户终端4的wi-fi数据与动态视觉信息数据，将wi-fi数据与概率统计模块2得到的用户所在的区域以及概率结合对动态视觉信息数据进行偏差调整，确定用户的精确位置。
如图2所示一种渐进式室内定位方法，先通过检测大范围区域中的wi-fi信号确定用户粗略位置，再使用基于视觉特征的即时定位与地图构建技术感知用户在小范围区域中的相对运动，通过结合wi-fi信号和基于视觉特征的即时定位与地图构建技术定位用户在室内的准确位置。具体步骤如下：
步骤s1、采集室内各区域的wi-fi信号作为位置指纹样本，估算每个样本点上各个热点的概率分布，构建wi-fi地图；
步骤s2、利用手持终端获取的wi-fi信号，与步骤s1中得到的wi-fi地图结合得到用户所处的粗略位置；
步骤s3、通过手持终端获取用户运动过程中的动态视觉信息数据，与步骤s2中得到的用户所处的粗略位置结合确定用户的准确位置。
步骤s1中包含以下步骤：
s11、将室内空间均分为多个平面网格区域，利用光栅扫描的顺序设置每个平面网络对应的位置标签；
s12、对每个平面网格区域进行采样，假设空间的面积为mxn,采样的密度为k，则将产生m/kxn/k个区域，通常情况下，设置采样的频率为2-3米，因为太接近的采样点信号强度过于接近。假设室内空间中包含j个热点，则采集这j个热点的信号强度数据(rssi1、rssi2、……、rssij)，其中rssij指的是用户接收到第j个热点的信号强度，收集该区域的信号强度数据作为位置指纹样本，假设每个采样点上每个热点的信号强度满足正态分布，通过对单个采样点进行多次采样，可以获得每个采样点的近似均值和方差，计算得到每个样本点上的各个热点的信号强度的概率分布，即
步骤s2中包含以下步骤：
s21、将用户手持终端获取的wi-fi信号以及动态视觉信息数据传输到定位服务器中；
s22、如图3定位服务器利用步骤s1中得到的每个样本上各个热点信号强度的概率分布，对用户终端获取的wi-fi信号强度进行识别，分别计算每个热点j在各个采样点i的概率分布模型pi，j出现的概率pi，j，将各个热点的信号强度相乘，即πjpi，j，得到用户在各个采样点出现的概率pj，获得用户在各个热点上出现的概率，并将各个热点的概率相乘，计算用户在每个采样点出现的概率，选择概率最大的k个采样点进行加权平均，得到用户粗略的位置信息。采集用户终端接收到的各个热点的信号强度，取最大概率的k个采样点，对概率与位置进行加权平均，得到用户所在的位置及其概率，即用户的粗略位置。
步骤s3中包含以下步骤：
s31、如图3所示定位服务器分析用户终端传输的动态视觉信息数据，对视频流中的每帧提取orb特征以及关键点，将当前帧中的关键点与orb特征与前面其他帧的关键点及orb特征进行匹配，得到一组匹配的关键点，以此判断当前视觉定位结果所在的位置是否与wi-fi定位的结果一致，若一致则直接得到用户运动信息，若存在差异且wi-fi定位的置信度较高，则利用光束平差法来调整累计误差，从而使wi-fi定位与视觉定位保持一致，再利用姿态图优化来推出用户的运动信息，若wi-fi置信度不够就重新分析动态视觉信息数据。
采用光束平差法调整累积误差主要是进行重投影优化，从而得到当前帧的位置变化ti，w，其中i表示视频流中的第i帧，w表示世界坐标系。得到当前帧姿态后，可以将二维帧中的关键点xi，j信息互相转化为三维世界坐标系xj，w中。
将三维世界坐标系投影到二维空间中的关键点采用如下公式：
其中，pi为投影函数，(fufv)与(cu，cv)分别为相机的焦点与焦距。[xi，j，yi，j，zi，j]为相对于视频第i帧相机姿态中关键点j的三维坐标，可以通过相机姿态ti，w来估计得到：
[xi，j，yi，j，zi，j]t＝ri，wxj，w+ti，w(2)其中，ri，w与ti，w分别为相机姿态ti，w矩阵中的旋转与平移分量。为了得到相机在各个视频帧中的姿态，通过光束平差法对各视频帧中的相同关键点进行重投影，通过最小化重投影误差可以得到各帧中的相机姿态，即：
其中，ρh为huber损失函数，ωi，j为关键点对应尺度的协方差矩阵。提取视觉特征以及关键点，对动态视觉信息数据中的关键点进行匹配。
根据得到的相机姿态能计算出用户的旋转与平移分量，从而得到用户新的位置，以判断用户是否到达新的区域，或是否在相同区域出现差异较大的姿态，通过判断姿态中的旋转分量与系统存储的姿态差异，若旋转分量大于某个阈值，则将当前帧建立为新的关键帧，并存储新的关键帧中的特征点及其orb特征。
判断视觉定位的结果与wi-fi定位的结果是否一致，即判断定位的结果是否在同一区域，若区域不一致，则判断wi-fi定位结果的概率作为置信度，若wi-fi定位的置信度较高，则采用wi-fi定位的结果来修正长期的视觉定位导致的累积误差，本发明采用姿态图优化的算法来调整累计误差，即：
其中，smn为关键帧m与n之间的sim(3)相似变换，利用以下公式来优化不同关键帧之间的总体累计误差，从而将视觉定位积累的误差分化到各关键帧中。
关键帧m与n之间的sim(3)相似变换smn，需要通过关键帧m与n之间的k个匹配点来计算，通过优化这些关键点在两个关键帧投影后的误差来得到smn：
em＝xm，i-pm(smn，xn，j)(7)
其中，xn，j为第n帧的第j个匹配点的三维坐标，xm，i为第m帧的与xn，j匹配的点i,通过将xn，j投影到第m帧，得到误差em，反之，将xm，i投影到第n帧，得到误差en。通过联合优化匹配点在两帧之间的投影误差，可以得到smn，即优化以下代价函数：
s32、将用户的粗略位置和运动信息进行融合分析，计算用户准确的位置信息。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。