[發明專利]一種室內定位方法

有效

• 申請號: 201710152882.7
• 申請日: 2017-03-15
• 公開（公告）號: CN106793086B
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 胡釗政;謝靜茹
• 申請（專利權）人: 河北工業大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;G01C21/20;G06K9/00
• 代理公司: 12210 天津翰林知識產權代理事務所(普通合伙)
• 代理人: 胡安朋

1.一種室內定位方法，其特征在于：是采用基于WiFi指紋的定位與基于標志的視覺定位相結合的方法，首先利用WiFi位置指紋定位算法得到WiFi定位范圍及WiFi定位坐標，再根據被測試圖像的特征匹配與視覺定位得到視覺定位坐標，最后將WiFi位置指紋定位與視覺定位相結合，具體步驟如下：

第一步，生成WiFi指紋：

基于Java語言開發一項Android App，獲得WiFi信號的MAC地址，并生成txt文件保存在智能手機中，由此生成WiFi指紋；

第二步，構建WiFi位置指紋數據庫：

選取室內環境下的走廊區域為定位區域，在該走廊區域中，選取30～60個WiFi采樣點，每個采樣點的坐標已知，在每個采樣點利用已安裝的App檢測可以檢測到的WiFi信號，獲得其MAC地址序列并保存為WiFi位置指紋數據庫中的指紋，由保存的一系列的MAC地址序列組成WiFi位置指紋數據庫，每一個指紋對應唯一的位置信息，在選定的定位區域中，設定60個WiFi采樣點，將每個采樣點采集到的MAC地址作為該采樣點的指紋，遍歷所有采樣點便可得到60個指紋，保存入WiFi位置指紋數據庫，由此完成構建WiFi位置指紋數據庫；

第三步，WiFi指紋定位：

在定位階段，在上述第二步選取的定位區域內設定待定位點x處的位置坐標為(x,y)，可接收到N_x個WiFi信號，利用第一步中的App檢測得到此定位點x的實測指紋利用指紋匹配算法依照上述第二步所述的每一個指紋對應唯一的位置信息的規則，將這個實測指紋xf與上述第二步中的WiFi位置指紋數據庫中的指紋進行匹配，得到匹配度最高的三個指紋，從而得到WiFi定位范圍(x₀～x₁,y₀～y₁)及WiFi定位坐標(x_w,y_w)，實現WiFi指紋定位，其中的x₀、x₁為待定位點的橫坐標，x₀～x₁為待定位的橫坐標范圍，單位為m；其中的y₀、y₁為待定位點的縱坐標，y₀～y₁為待定位的縱坐標范圍，單位為m；

第四步，生成訓練圖像集：

在上述第二步的定位區域內，所有門牌的坐標是已知的，這些門牌都是標志采樣點，即待定位點，利用智能手機拍攝門牌，遍歷所有的標志采樣點，生成訓練圖像集，由于標志采樣點是WiFi采樣點中的一部分，因此標志采樣點的坐標已知，訓練圖像的坐標就是標志采樣點的坐標；

第五步，計算SURF全局特征描述符：

首先對上述第四步得到的訓練圖像進行預處理，包括歸一化處理和灰度化處理，然后計算SURF全局特征描述符，包括兩部分，第一部分是特征點定位，第二部分是特征描述符計算，將歸一化處理后的圖像的中心點作為特征點，將該整幅圖像作為此特征點的單一鄰域，由此計算出的特征描述符作為該整幅圖片的SURF全局特征描述符；

第六步，計算ORB全局特征描述符：

(6.1)確定特征點的主方向：

同上述第五步將歸一化處理后的圖像的中心點作為特征點，該特征點的主方向利用圖像矩來計算，對于任意一個特征點，其圖像矩為其中I(x,y)是點(x,y)處的灰度值，該特征點的鄰域圖像的質心鄰域圖像的質心與特征點的夾角為θ＝arctan2(m₀₁,m₁₀)，即為特征點的主方向；

(6.2)生成BRIEF特征描述子：

BRIEF特征描述子的生成過程如下：p1表示一個經平滑處理的圖像鄰域，在任意位置點x和y的二進制測試是這兩點強度測試的邏輯結果：其中，p1(x)表示圖像鄰域p1上一點x處的強度，p1(y)表示圖像鄰域p1上一點y處的強度,經過n次二進制測試，得到一個n維向量，即BRIEF特征描述子這里選取n＝256，得到的是256位的二進制字符串；

(6.3)計算出ORB全局特征描述符：

為了使BRIEF特征描述子具有旋轉不變性，根據上述(6.1)步確定的特征點的方向設置BRIEF特征描述子的方向，對于任意圖像像素點(x_i,y_i)的n位二進制測試集得到的特征集合，定義一個2×n矩陣由上述(6.1)步確定的特征點的主方向計算出仿射變換矩陣由此得到S_θ＝R_θS，S_θ即為具有旋轉不變性的BRIEF特征描述子，最后計算出具有旋轉不變性的ORB全局特征描述符：g_n(P,θ):＝f_n(P)|(x_i,y_i)∈S_θ，這里選取n＝256；

第七步，采集被測試圖像：

在上述第二步所述的定位區域內，利用智能手機在待定位點拍攝與之最近的門牌，采集到被測試圖像；

第八步，被測試圖像的特征匹配與視覺定位：

被測試圖像的特征匹配方法是，①計算兩個SURF全局特征描述符之間的歐氏距離：兩個SURF全局特征描述符L¹，L²之間的歐氏距離其中i為64維特征向量的第i維；②計算兩個ORB全局特征描述符之間的漢明距離：兩個ORB全局特征描述符R¹，R²之間的漢明距離通過對兩個二進制字符串T¹，T²進行位異或運算得到，其中i為256位字符串的第i位；上述兩個特征描述符的距離越小，圖像匹配度越高；

視覺定位的方法是，首先分別采用上述第五步和第六步的方法計算上述第七步采集到的被測試圖像的SURF全局特征描述符與ORB全局特征描述符，然后利用上述被測試圖像的特征匹配方法分別計算該被測試圖像的SURF全局特征描述符與ORB全局特征描述符與上述第四步得到的訓練圖像的SURF全局特征描述符與ORB全局特征描述符之間的距離，再利用KNN算法在SURF匹配空間計算三個近鄰，即計算與該被測試圖像的SURF全局特征描述符的歐氏距離最小的三個上述第四步得到的訓練圖像，在ORB匹配空間計算二個近鄰，即計算與該被測試圖像的ORB全局特征描述符的漢明距離最小的二個上述第四步得到的訓練圖像，最后取三個近鄰與二個近鄰的交集，作為與該被測試圖像最相近的上述第四步訓練圖像集中的訓練圖像，稱為匹配圖像，此匹配圖像對應的位置坐標即為視覺定位坐標(x_v,y_v)，由此完成視覺定位；

第九步，WiFi指紋定位與視覺定位相結合的定位：

在上述第三步得到WiFi定位范圍后，將坐標位于WiFi定位范圍內的上述第四步生成訓練圖像集中的訓練圖像構成匹配圖像集，當上述第八步的匹配圖像位于該匹配圖像集內，則將上述第八步得到的視覺定位坐標(x_v,y_v)作為最終的室內定位位置坐標，反之將上述第三步得到的WiFi定位坐標(x_w,y_w)作為最終的位置坐標，由此完成WiFi指紋定位與視覺定位相結合的定位。