[发明专利]基于多模态数据的室内定位方法及系统

说明书

本发明实施例提供一种基于多模态数据的室内定位方法及系统，该方法包括：分别获取惯性传感器室内定位结果、无线信号室内定位结果以及计算机视觉室内定位结果；基于预设的粒子滤波算法，融合所述惯性传感器室内定位结果、所述无线信号室内定位结果以及所述计算机视觉室内定位结果，得到多模态数据融合室内定位结果。本发明实施例通过在传统的室内无线定位技术的基础上融合了视频及惯性传感器数据的优点，并通过粒子滤波器进行数据的融合计算，从而实现高精度鲁棒性的实时室内定位。

技术领域

本发明涉及无线室内定位技术领域，尤其涉及一种基于多模态数据的室内定位方法及系统。

背景技术

伴随着物联网技术与各种各样基于室内位置的应用的快速发展，对高精度以及实时性的室内定位服务需求变得越来越强烈，在过去的十年之中，基于Wi-Fi，蓝牙，RFID，声音信号，计算机视觉，磁场信号以及惯性传感器等众多室内定位技术发展了起来。然而，在发展过程中，上述的技术逐渐暴露了自身的优势及瓶颈。近几年来，不断有人提出融合多模态数据进行定位的工作，其核心思路即为取长补短，将单一技术的短板通过其它技术进行弥补。

其中，基于Wi-Fi，蓝牙等信号的室内定位技术，主要通过分析信号特征进行推导性定位。其中，定位效果良好的信号特征，如信道状态信息(CSI)不能通过商用智能手机所方便测得。目前商用智能手机主要支持信号强度的检测，因此，基于无线信号指纹技术成为了基于无线信号的室内定位技术的核心方法。尽管基于Wi-Fi指纹的定位算法取得了不错的效果，但目前的定位系统都普遍面临着重要的挑战：由于室内环境与通讯环境的不断变化，指纹即信号强度具有时间不稳定性，从而给定位带来了较大的误差；指纹的空间歧义性，由于室内环境的复杂性以及多径效应的存在，两个相隔很远位置采集到的指纹可能会比较相似，降低了指纹在空间上的区分度，这会造成较大距离上的错误匹配，降低定位系统的精度。

基于惯性传感器的室内定位技术的重点在于，利用手机终端中集成的微机电传感器检测用户的运动模式来进行行人航迹推算(PDR)，从而获得用户在室内的移动轨迹。此类方法在相对定位的精确度上存在明显优势，但使用此类方法时，必须通过一些其它方法来确定用户在地图中的绝对位置，这一前提限制了此类方法的推广。

基于图像识别的室内定位方法，依赖其所使用的图像识别算法以及其中的图像匹配技术。常用的图像识别算法可以帮助计算机在图像中识别到人物个体，从而进行用户的主动式或被动式定位。然而，此类方法通常需要较长的运行时间，被动式定位的特性也使得在多用户被识别到的情况下难以唯一确定用户。

因此，现在亟需一种基于多模态数据的室内定位方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于多模态数据的室内定位方法及系统。

第一方面，本发明实施例提供了一种基于多模态数据的室内定位方法，包括：

分别获取惯性传感器室内定位结果、无线信号室内定位结果以及计算机视觉室内定位结果；

基于预设的粒子滤波算法，融合所述惯性传感器室内定位结果、所述无线信号室内定位结果以及所述计算机视觉室内定位结果，得到多模态数据融合室内定位结果。

进一步地，所述分别获取惯性传感器室内定位结果、无线信号室内定位结果以及计算机视觉室内定位结果，包括：

基于信号强度的距离衰减，计算获取所述无线信号室内定位结果；

基于机器学习算法，计算获取所述计算机视觉室内定位结果；

基于惯性传感器测得的移动方向和长度，计算获取所述惯性传感器室内定位结果。

进一步地，所述基于预设的粒子滤波算法，融合所述惯性传感器室内定位结果、所述无线信号室内定位结果以及所述计算机视觉室内定位结果，得到多模态数据融合室内定位结果，包括：