[发明专利]一种室内定位方法及系统

说明书

技术领域

本发明涉及一种室内定位方法及系统，特别是涉及一种基于粒子滤波的PDR(Pedestrian Dead Reckoning，行人航迹推算)与WiFi融合的室内定位方法及系统。

背景技术

实时定位技术已经成为交通、商业、物流、个性服务等多个高层次应用的基础技术。在室外环境下，全球导航卫星系统经过长期的发展，已经可以提供很好的定位服务。在室内环境中，由于卫星信号到达地面时较弱、不能穿透建筑物，以及多径效应等问题，全球定位系统无法提供可靠的服务。因此，近年来室内定位技术已经成为导航领域的一个热门研究方向。

当今的智能手机集成了很多内置传感器，例如方向传感器，加速度传感器，磁力计等等，为了实现行人在室内的精确导航定位，航迹推算技术(PDR)逐渐兴起，传统的PDR定位方法就是通过获得手机已有的方向传感器和加速度传感器获得的数据，基于粒子滤波的方法，获得行人的室内位置。然而，由于手机传感器数据存在误差，随着时间的推移，PDR方法所产生的累积误差就会很大。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种室内定位方法及系统，以克服现有室内定位技术精度不高的问题。

为达上述目的，本发明提出一种室内定位方法，包括如下步骤：

步骤一，采集传感数据，并采集室内所有路由器的WIFI指纹数据；

步骤二，确定行人初始状态，并将行人初始状态映射至室内地图模型中；

步骤三，基于采集数据进行PDR检测，于检测到行人步行事件时，利用粒子滤波器根据行人历史状态、行人步行事件的行人步长以及行人步行事件的行人朝向将行人运动状态对应的粒子在该室内地图模型中进行粒子扩散；

步骤四，每扩散一次，利用WiFi指纹对每个粒子的权重进行更新；

步骤五，将所有粒子进行加权求和得到当前坐标，将当前坐标映射到室内地图模型上的对应的节点作为行人当前在状态。

进一步地，于步骤一之前，还包括预先获取该室内地图模型的步骤。

进一步地，于步骤三中，根据状态转移概率分布由前一时刻的状态{n_t-1，θ_t-1}和检测到的步长z_d,t，以及方向z_θ,t来推测新时刻的状态。

进一步地，于步骤四中，所有粒子初始的权重值均设定为其中，N为粒子数，该WIFI指纹数据为测得的WIFI RSSI值。

进一步地，于步骤四中，利用WiFi指纹更新粒子权重的公式如下：

其中，z_i表示实际测得的RSSI值，h_i(x_t)表示在位置x_t的RSSI估计值，σ_i为实际场景中的实验值，表示室内地图模型，I为所有路由器AP的集合，Z_w,t表示权重。

进一步地，室内地图模型由表示狭长区域的一维泰森多边形图和表示开阔区域的二维规则网格图构成。

为达到上述目的，本发明还提供一种室内定位系统，包括：

数据采集单元，用于采集传感数据，并采集室内所有路由器的WIFI指纹数据；

初始状态映射单元，用于确定行人初始状态，并将行人初始状态映射至室内地图模型中；

粒子扩散单元，基于采集的数据进行PDR检测，于检测到行人步行事件时，利用粒子滤波器根据行人历史状态、行人步行事件的行人步长以及行人步行事件的行人朝向将行人运动状态对应的粒子在该室内地图模型中进行粒子扩散；

权重更新单元，用于每扩散一次，利用WiFi指纹对每个粒子的权重进行更新；

位置更新单元，用于将所有粒子进行加权求和得到当前坐标，将当前坐标映射到室内地图模型上的对应的节点作为行人当前在状态。

进一步地，该系统还包括地图拓扑模型获取单元，用于获取室内地图模型。

进一步地，所有粒子初始的权重值均设定为其中，N为粒子数，该WIFI指纹数据为测得的WIFI RSSI值。

进一步地，该权重更新单元利用如下公式更新粒子权重：

其中，z_i表示实际测得的RSSI值，h_i(x_t)表示在位置x_t的RSSI估计值，σ_i为实际场景中的实验值，表示室内地图模型，I为所有路由器AP的集合，Z_w,t表示权重。