本公开涉及室内定位,尤其涉及一种基于图形化特征建模的室内定位方法、装置、设备及介质。
背景技术:
1、在基于wifi的室内定位系统中,室内定位点通常使用的常见算法包括knn(k-neares neighbors,k最邻近分类算法)及wknn(k-neares neighbors weighted,加权k近邻算法),knn算法或wknn算法为基于wifi的室内定位系统提供了稳定可靠的性能。
2、相关技术中,通过knn算法或wknn算法结合wifi接收信号强度计算出的相关距离度量(用在某些空间中测量沿曲线的距离和曲线间的角度)来实现室内相关点的定位。然而,相关技术的室内定位方法对相关定位点以及定位点之间的关系信息考虑的不够全面,导致室内定位精度较低。
技术实现思路
1、有鉴于此,本公开实施例提供了一种基于图形化特征建模的室内定位方法、装置、设备及介质,能够基于待定位目标室内区域的邻近节点的邻近节点信息、邻近节点与wifi接入点之间的关系信息(例如信号接收强度rss信息)进行室内定位,从而显著的提高了基于wifi的室内定位系统的定位精度。
2、第一方面,本公开实施例提供了一种基于图形化特征建模的室内定位方法,采用如下技术方案:
3、根据预设定位策略,基于若干个预设区域确定距离待定位目标区域最近的若干个邻近区域;
4、获取所述待定位目标区域的目标图形化数据集;其中,所述目标图形化数据集包括所述若干个邻近区域的邻近节点的邻近节点信息、若干个wifi接入点的wifi接入点信息、每个所述wifi接入点与每个所述邻近节点之间的信号接收强度rss信息;
5、将所述邻近节点信息、wifi接入点信息、所述wifi接入点和所述邻近节点之间的rss信息输入到训练好的预测网络模型,以获取所述训练好的预测网络模型输出的所述待定位目标区域中待定位目标节点的目标位置信息。
6、在一些实施例中,根据预设定位策略,基于若干个预设区域确定距离待定位目标区域最近的若干个邻近区域,包括:
7、计算每两个所述预设区域之间的曼哈顿距离;
8、基于所述曼哈顿距离,选择若干个距离所述待定位目标区域最近的预设区域作为所述待定位目标区域的邻近区域。
9、在一些实施例中,获取所述待定位目标区域的目标图形化数据集,包括:
10、获取所述若干个邻近区域的邻近节点保存的相应预设节点的位置信息,以得到所述邻近节点信息;
11、获取所述若干个wifi接入点的mac地址索引,以得到所述wifi接入点信息;
12、获取由每个所述wifi接入点到每个所述邻近节点的第一rss信息,并对所述第一rss信息进行归一化处理;
13、获取由每个所述邻近节点到每个所述wifi接入点的第二rss信息,并对所述第二rss信息进行归一化处理。
14、在一些实施例中,所述训练好的预测网络模型的训练过程包括:
15、获取待定位历史区域的历史图形化数据集和所述待定位历史区域中待定位历史节点的历史位置信息;其中,所述历史图形化数据集包括历史邻近区域的历史邻近节点的历史邻近节点信息、历史wifi接入点的历史wifi接入点信息、每个所述历史邻近节点与每个所述历史wifi接入点之间的历史rss边信息;
16、将所述历史邻近节点信息、所述历史wifi接入点信息和所述历史rss边信息作为训练样本输入到初始的预测网络模型,以使所述初始的预测网络模型输出所述待定位历史节点的预测位置信息;
17、当所述预测位置信息与所述历史位置信息的相似度大于预设相似度阈值时,确定所述初始的预测网络模型训练成功,得到所述训练好的预测网络模型;
18、当所述预测位置信息与所述历史位置信息的相似度小于或等于预设相似度阈值时,通过调整所述初始的预测网络模型中的相关参数,继续对所述初始的预测网络模型进行训练,直至得到所述训练好的预测网络模型。
19、在一些实施例中,获取所述待定位历史区域的历史图形化数据集,包括:
20、获取所述历史邻近区域的历史邻近节点的位置信息,以得到所述历史邻近节点信息;
21、获取所述历史wifi接入点的mac地址索引,以得到所述历史wifi接入点信息;
22、计算每个所述历史邻近节点到每个所述wifi接入点的第一历史rss值,并对所述第一历史rss值进行归一化处理,以作为每个所述历史邻近节点到每个所述wifi接入点的第一历史rss边的第一权重;
23、计算每个所述wifi接入点到每个所述历史邻近节点的第二历史rss值,并对所述第二历史rss值进行归一化处理,以作为每个所述wifi接入点到每个所述历史邻近节点的第二历史rss边的第二权重。
24、在一些实施例中,将所述历史邻近节点信息、所述历史wifi接入点信息和所述历史rss边信息作为训练样本输入到初始的预测网络模型之后,所述方法还包括:
25、基于所述历史邻近节点信息,对若干个所述历史邻近节点进行特征提取,得到若干个所述历史邻近节点的第一向量编码,以及,基于所述历史wifi接入点信息,对若干个所述历史wifi接入点进行特征提取,得到若干个所述历史wifi接入点的第二向量编码;
26、计算若干个所述历史邻近节点的第一向量编码的第一向量编码平均值,以及,计算若干个所述历史wifi接入点的第二向量编码的第二向量编码平均值;
27、计算所述第一向量编码平均值与所述第二向量编码平均值之和,得到图形向量编码;
28、基于所述图向量编码提取层进行特征提取,得到所述待定位历史节点的预测位置信息并输出。
29、第二方面,本公开实施例还提供了一种基于图形化特征建模的室内定位装置,采用如下技术方案:
30、确定单元,被配置为根据预设定位策略,基于若干个预设区域确定距离待定位目标区域最近的若干个邻近区域;
31、获取单元,被配置为获取所述待定位目标区域的目标图形化数据集;其中,所述目标图形化数据集包括所述若干个邻近区域的邻近节点的邻近节点信息、若干个wifi接入点的wifi接入点信息、每个所述wifi接入点与每个所述邻近节点之间的信号接收强度rss信息;
32、位置预测单元,被配置为将所述邻近节点信息、wifi接入点信息、所述wifi接入点和所述邻近节点之间的rss信息输入到训练好的预测网络模型,以获取所述训练好的预测网络模型输出的所述待定位目标区域中待定位目标节点的目标位置信息。
33、在一些实施例中,所述确定单元包括:
34、计算模块,被配置为计算每两个所述预设区域之间的曼哈顿距离;
35、选择模块,被配置为基于所述曼哈顿距离,选择若干个距离所述待定位目标区域最近的预设区域作为所述待定位目标区域的邻近区域。
36、第三方面,本公开实施例还提供了一种电子设备,采用如下技术方案:
37、所述电子设备包括:
38、至少一个处理器;以及,
39、与所述至少一个处理器通信连接的存储器;其中,
40、所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上任一所述的基于图形化特征建模的室内定位方法。
41、第四方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行以上任一所述的基于图形化特征建模的室内定位方法。
42、本公开实施例提供的一种基于图形化特征建模的室内定位方法,根据预设定位策略,该方法基于若干个预设区域确定距离待定位目标区域最近的若干个邻近区域;获取待定位目标区域的目标图形化数据集;其中,目标图形化数据集包括若干个邻近区域的邻近节点的邻近节点信息、若干个wifi接入点的wifi接入点信息、每个wifi接入点与每个邻近节点之间的信号接收强度rss信息;将邻近节点信息、wifi接入点信息、wifi接入点和邻近节点之间的rss信息输入到训练好的预测网络模型,以获取训练好的预测网络模型输出的待定位目标区域中待定位目标节点的目标位置信息。本公开实施例通过基于待定位目标室内区域的邻近节点的邻近节点信息、邻近节点与wifi接入点之间的关系信息(例如信号接收强度rss信息)进行室内定位,从而显著的提高了基于wifi的室内定位系统的定位精度。
43、上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。