[發(fā)明專利]室內(nèi)定位方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110784734.3
• 申請(qǐng)日: 2021-07-12
• 公開（公告）號(hào): CN113628272A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 高偉;郭任;吳毅紅
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73;G06N3/04;G01S5/02
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 肖艷

1.一種室內(nèi)定位方法，其特征在于，包括：

獲取當(dāng)前位置的WiFi信號(hào)數(shù)據(jù)和室內(nèi)圖像數(shù)據(jù)；

將所述WiFi信號(hào)數(shù)據(jù)和所述室內(nèi)圖像數(shù)據(jù)輸入至室內(nèi)定位模型，得到所述室內(nèi)定位模型輸出的所述當(dāng)前位置的預(yù)測(cè)位置；

其中，所述室內(nèi)定位模型用于分別提取所述WiFi信號(hào)數(shù)據(jù)中的信號(hào)特征和所述室內(nèi)圖像數(shù)據(jù)中的圖像特征，并將所述信號(hào)特征和所述圖像特征融合后進(jìn)行定位預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的室內(nèi)定位方法，其特征在于，所述室內(nèi)定位模型包括信號(hào)特征提取層、圖像特征提取層和融合預(yù)測(cè)層；

所述將所述WiFi信號(hào)數(shù)據(jù)和所述室內(nèi)圖像數(shù)據(jù)輸入至室內(nèi)定位模型，得到所述室內(nèi)定位模型輸出的所述當(dāng)前位置的預(yù)測(cè)位置，包括：

將所述WiFi信號(hào)數(shù)據(jù)輸入至所述信號(hào)特征提取層，得到所述信號(hào)特征提取層輸出的信號(hào)特征；

將所述室內(nèi)圖像數(shù)據(jù)輸入至所述圖像特征提取層，得到所述圖像特征提取層輸出的圖像特征；

將所述信號(hào)特征和所述圖像特征輸入至所述融合預(yù)測(cè)層，得到所述融合預(yù)測(cè)層輸出的所述當(dāng)前位置的預(yù)測(cè)位置。

3.根據(jù)權(quán)利要求2所述的室內(nèi)定位方法，其特征在于，所述室內(nèi)定位模型是基于如下步驟訓(xùn)練得到的：

確定樣本集，所述樣本集包括多個(gè)樣本定位點(diǎn)序列，每一樣本定位點(diǎn)序列包括多個(gè)樣本定位點(diǎn)的實(shí)際位置、樣本W(wǎng)iFi信號(hào)數(shù)據(jù)和樣本室內(nèi)圖像數(shù)據(jù)；

基于所述樣本集對(duì)初始模型進(jìn)行訓(xùn)練，得到所述室內(nèi)定位模型；

其中，所述初始模型的信號(hào)特征提取層采用循環(huán)神經(jīng)網(wǎng)絡(luò)模型，圖像特征提取層采用卷積神經(jīng)網(wǎng)絡(luò)模型，融合預(yù)測(cè)層采用全連接神經(jīng)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的室內(nèi)定位方法，其特征在于，所述確定樣本集，包括：

基于各個(gè)樣本定位點(diǎn)在室內(nèi)的實(shí)際位置、樣本W(wǎng)iFi信號(hào)數(shù)據(jù)和樣本室內(nèi)圖像數(shù)據(jù)，確定所述室內(nèi)定位模型的候選訓(xùn)練集；

基于所述候選訓(xùn)練集中滿足高斯分布的樣本定位點(diǎn)，確定所述樣本集。

5.根據(jù)權(quán)利要求4所述的室內(nèi)定位方法，其特征在于，所述基于所述候選訓(xùn)練集中滿足高斯分布的樣本定位點(diǎn)，確定所述樣本集，包括：

基于預(yù)設(shè)序列長(zhǎng)度，以所述候選訓(xùn)練集中任一樣本定位點(diǎn)為起點(diǎn)，從所述候選訓(xùn)練集中選擇滿足高斯分布的樣本定位點(diǎn)作為一個(gè)樣本定位點(diǎn)序列；

基于多個(gè)樣本定位點(diǎn)序列，確定所述樣本集。

6.根據(jù)權(quán)利要求4所述的室內(nèi)定位方法，其特征在于，所述基于各個(gè)樣本定位點(diǎn)在室內(nèi)的實(shí)際位置、樣本W(wǎng)iFi信號(hào)數(shù)據(jù)和樣本室內(nèi)圖像數(shù)據(jù)，確定所述室內(nèi)定位模型的候選訓(xùn)練集，包括：

基于設(shè)定的采集順序，確定各個(gè)樣本定位點(diǎn)在室內(nèi)的實(shí)際位置、樣本W(wǎng)iFi信號(hào)數(shù)據(jù)和樣本室內(nèi)圖像數(shù)據(jù)；

基于各個(gè)樣本定位點(diǎn)的采集序號(hào)，確定所述室內(nèi)定位模型的候選訓(xùn)練集和數(shù)據(jù)測(cè)試集。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的室內(nèi)定位方法，其特征在于，所述室內(nèi)定位模型的損失函數(shù)是基于如下步驟確定的：

基于樣本集中樣本定位點(diǎn)的實(shí)際位置和預(yù)測(cè)位置，確定均方根誤差；

基于樣本定位點(diǎn)以及樣本定位點(diǎn)之間的最小間距，對(duì)所述樣本集中的各個(gè)樣本定位點(diǎn)進(jìn)行分類，并基于各個(gè)類別的交叉熵?fù)p失確定分類誤差；

基于所述均方根誤差和所述分類誤差，確定所述室內(nèi)定位模型的損失函數(shù)。

8.一種室內(nèi)定位裝置，其特征在于，包括：

獲取單元，用于獲取當(dāng)前位置的WiFi信號(hào)數(shù)據(jù)和室內(nèi)圖像數(shù)據(jù)；

預(yù)測(cè)單元，用于將所述WiFi信號(hào)數(shù)據(jù)和所述室內(nèi)圖像數(shù)據(jù)輸入至室內(nèi)定位模型，得到所述室內(nèi)定位模型輸出的所述當(dāng)前位置的預(yù)測(cè)位置；

其中，所述室內(nèi)定位模型用于分別提取所述WiFi信號(hào)數(shù)據(jù)中的信號(hào)特征和所述室內(nèi)圖像數(shù)據(jù)中的圖像特征，并將所述信號(hào)特征和所述圖像特征融合后進(jìn)行定位預(yù)測(cè)。