[发明专利]基于联合视觉和无线信号特征的高精度室内定位方法

说明书

一种基于联合视觉和无线信号特征的高精度室内定位方法，在离线阶段对待定位的室内场地采集和构建Wi‑Fi指纹库和图像数据库，获取环境的场景信息；在在线阶段，移动终端实时采集Wi‑Fi指纹数据和图像数据，对采集到的Wi‑Fi指纹数据进行粗定位，确定用户的潜在区域，再对粗定位区域的图像数据采用基于深度神经网络回归的方法，完成精确定位位置的预测。本发明通过融合无线信号特征和视觉特征，在减少计算资源、降低计算复杂度的同时，进一步减小定位误差，实现高精度的室内定位。

技术领域

本发明涉及的是一种室内无线定位领域的技术，具体是一种基于联合视觉和无线信号特征的高精度室内定位方法，适用于各类配置Wi-Fi和相机的室内定位系统，如目前数量众多的移动机器人及其他智能设备。

背景技术

现有的基于Wi-Fi位置指纹的定位方法，需要通过对复杂环境进行精确建模以减轻多径传播带来的影响，并且对一些不可预测的障碍物(例如行人移动)引起的瞬时信号波动十分敏感，导致无线信号的衰减和扭曲。

部分改进技术针对性地结合视觉信息进行实时定位，但这类技术需要依靠相机采集待定位用户周围环境图像，并对图像进行特征提取来实现定位。但由于相机内参的变化、相机采集过程存在运动模糊，以及室内场景中光照条件变化等外界环境因素的影响，都会使得定位精度受到极大限制，而且需要耗费大量人力、物力按时对图像数据库进行更新。并且这些技术中大多基于信号的定位与基于视觉的定位是分别进行的，仅是利用前者的定位结果来选择一些候选区域来限制后者定位阶段的处理复杂性，却忽略了两种方案之间的相互作用。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于联合视觉和无线信号特征的高精度室内定位方法，通过融合无线信号特征和视觉特征，在减少计算资源、降低计算复杂度的同时，进一步减小定位误差，实现高精度的室内定位。

本发明是通过以下技术方案实现的：

本发明涉及一种基于联合视觉和无线信号特征的高精度室内定位方法，在离线阶段对待定位的室内场地采集和构建Wi-Fi指纹库和图像数据库，获取环境的场景信息；在在线阶段，移动终端实时采集Wi-Fi指纹数据和图像数据，对采集到的Wi-Fi指纹数据进行粗定位，确定用户的潜在区域，再对粗定位区域的图像数据采用基于深度神经网络回归的方法，完成精确定位位置的预测。

本发明涉及一种实现上述方法的系统，包括：数据库构建单元、在线图像、Wi-Fi获取单元、粗定位单元以及精确定位单元，其中：数据库构建单元分别与粗定位单元、精确定位单元相连并传输预构建的图像及Wi-Fi指纹信息，在线图像、Wi-Fi获取单元与粗定位单元相连并传输待定位用户的图像及Wi-Fi指纹信息，粗定位单元与精确定位单元相连并传输待定位用户所在子区域信息，精确定位单元传输待定位用户精确位置信息。

技术效果

本发明整体解决了现有无线信号定位系统中存在的无线信号易受干扰等问题，又减轻了视觉定位系统中存在的易受外界环境影响等问题。

与现有技术相比，本发明有效地发掘随机无线信号特征和确定性视觉图像特征之间的内在关系，利用机器学习算法与深度神经网络结合的方法，成功融合无线信号特征和视觉图像特征的优势，使用从粗-细的定位方式，提高了整体定位系统的定位精度。

附图说明

图1为联合视觉和无线信号特征的高精度定位方法的总流程图；

图2为KNN算法选取参考点示意图；

图3为用于精准定位的神经网络框架图；

图4为办公楼走廊场景布局图和图5为移动机器人；

图6为不同定位系统的CDF实验结果对比图；

图7为不同网格尺寸下的CDF实验结果对比图。

具体实施方式