精准室内定位关键技术及应用_谢思远
技术广角 Broad Angle for Technology
精准室内定位关键技术及应用
谢思远 罗圣美 李伟华 韦 薇
中兴通讯股份有限公司 重庆 400030
摘 要 移动互联网的快速发展使人们对室内定位有了更大的需求,精准室内定位技术已成为当前的研究热点。文章介绍室内定位的应用场景及目前主流的室内定位技术,提出一种采用基于PDR 、iBeacon 辅助定位、个性化步长学习以及地图约束粒子滤波的融合定位算法,实现了1米级别的定位精度。关键词 精准室内定位;PDR ;个性化步长;粒子滤波
数据,从而可以将消费数据与位置数据相结合,通过大
引言
自从以GPS 为代表的定位技术出现以来,其高效、方便、快速与准确的特性使人们的生活出现了巨大变化,带动了一批应用和服务的快速发展,但是,由于GPS 本身技术的限制,该技术只能实现室外的定位应用,不能解决室内环境的定位问题。随着智慧城市、物联网、移动互联网等技术成为全球信息产业新一轮竞争的制高点,作为这些领域的共性基础,“位置服务”尤为重要,正深入国民经济各领域,人们对室内定位的需求日益增加,如何通过技术手段来解决室内定位问题满足实际的精度需求已经成为亟待解决的问题。
数据分析实现基于位置的精准营销,为用户提供更好的购物体验。
1.2 大型场馆中的室内定位应用
对于大型场馆,如博物馆、展览馆、机场、火车站等场所,室内定位的需求同样巨大。目前,大多数博物馆只针对团体观众进行讲解,由于讲解员人数有限,不能逐一满足参观团队讲解的需求,通过室内定位技术,我们可以对参观游览体验方面进行改善,充分利用观众普遍使用的智能手机作为移动终端,将展品信息以及整个展馆的参观线路全部加载到观众的手机上,参观者可通过文字、语音以及视频信息对展品进行了解。在机场,通过室内定位和地图导航,可方便旅客查找登机
1 室内定位应用探讨
室内精准定位技术是下一代信息服务的重要基础,通过调研分析,笔者认为室内定位目前主要的应用场景在于大型商超、博物馆和机场等大型建筑及特定行业(监狱、医院等) 。
口、值机柜台,和朋友共享位置,还能知道行李在哪、车停哪儿。
1.3 特定行业应用
在某些特殊行业应用中,室内定位也发挥着重要作用。如目前大部分监狱多数还停留在以狱警巡查、摄像头监视报警的阶段,人工作业仍占绝大比重,信息化程度比较低。室内定位技术可对现有的监狱系统进行改造,实现对服刑人员的实时定位、越界(危险区域) 报警、实时统计,重点人员行动跟踪、轨迹回放等功能,减小监狱的安全隐患,提高管理水平。对于医院来说,同样也存在室内定位的需求,现在许多三甲医院,每日的门诊量都爆满,
1.1 大型商超中的室内定位
在移动互联网与大数据时代,商场的管理者已经意识到要想在残酷的线上线下竞争中保住市场份额,需要给顾客带来更好的购物体验,消费数据体现了顾客的购物偏好,而用户在室内的位置数据则记录了顾客的行为习惯及购物偏好,通过精准室内定位可以提供基础定位
64
Broad Angle for Technology技术广角
如北京301医院日门诊数量在3000人次以上,最高峰达到上万人次,室内定位技术可帮助病人快速完成医院就医流程,也可提高医院的效率和资源利用率。
表1 室内定位技术对比
2 室内定位技术分析
近年来,为解决室内外定位导航“最后1公里”的问题,许多科技公司和研究机构在室内定位技术方面开展了大量研究,如无线局域网(WLAN)、射频标签(RFID)、Zigbee 、蓝牙、超宽带、地磁、红外定位、光跟踪定位、计算机视觉定位、超声波定位等,这些技术目前已经在很多场景中得到了应 用[1-2]。表1对主流的室内定位技术进行了总结。由表1可知,室内无线定位技术的应用需要针对不同场景、规模、成本及定位精度等要求进行设计和选择。同时,室内定位技术逐渐向多元互补的方向发展,通过各种融合技术,使解决方案达最优化。总之,具有低成本、低复杂性、高精度等特点的室内无线定位技术还有待进一步深入研究。
过程。在互联网+时代,面向大众的室内定位领域,具有低成本、低复杂性、高精度等特点的室内无线定位技术将是未来的发展趋势,而1米级别的精准定位将是未来各大厂商关注的重点内容。
基于对上述技术的分析,以下是本文对于室内1米级别定位的研究思路。1)基于智能终端(如智能手机) 内置的低成本惯性传感器(如加速度计、陀螺仪、磁力计等) 数据,采用机器学习、人体运动学、航迹推算等方法,估计行人的运动方向、运动状态、运动模式等信息,从而实现连续及高精度的短时定位。2)由于单独利用惯性导航系统进行室内定位,精度很难保证,因此,在实
际应用过程中,通常都是与其他信息进行融合使用,或者是利用其他辅助信号提供绝对位置信息进行误差校准,如可以通过Wi-Fi 或蓝牙iBeacon 基站为终端用户提供初始点定位、运动过程中的纠偏以及在线的步长训练,可进一步提高定位精度。3)采用地图匹配技术进行约束,可进一步提高定位精度。地图匹配也是为了进一步对人的运动轨迹进行约束,本文采用粒子滤波与地图匹配技术相结合来进行辅助定位。粒子滤波是一项基于粒子仿真的概率估计算法,由于其在非线性高斯系统中的优势,常被用于地图匹配的定位系统中[2]。
融合定位的技术框架如图1所
3 精准室内定位技术研究思路
3.1 研究思路
ѹ
通过前面的分析可知目前室内定位技术繁多,尚未见哪种技术能够适用所有的应用场景,未来的室内定位技术必将是一个逐渐融合的
图1 融合定位技术框架
ѹ
65
技术广角 Broad Angle for Technology
示。笔者通过上述融合定位技术手段,在实验室环境下实现了低成本、高可靠性、连续稳定的1米左右的室内定位结果。
才会估计行人的步长与行进方向,并更新行人的位置,业界普遍采用的步态检测方法有:过零法、峰值法、FFT 等,本文在实际研究中采用的是滑动平均窗法。
滑动平均窗法(如图3所示) 是对加速度信号进行两种不同窗长度的均值滤波,一个长窗(1秒) ,一个短窗(0.2秒) 。根据行人步行加速度的周期性变化,一个周期内长窗波形与短窗波形会有两个交点,称为“交换点”,其中一个为上升交换点,一个为下降交换点。本文利用的是上升交换点,通过计算每两个(上升) 交换点之间长窗波形与短窗波形差值的能量,并与预设阈值进行比较,大于阈值就记为一步,从而可计算出步数
。
3.2 关键技术分析
3.2.1 PDR定位
目前大部分手机都具有MEMS 传感器,由于人在行走过程中,与人体固连的MEMS 传感器中的加速度计、陀螺仪输出信号与人体的行走状态具有一定的关系,利用这种关系可以计算出人体每一步行走的距离,再结合物体的姿态航向角可以得到物体的前进方向,从而推算出人体每一步之后的位置,这种算法即为行人航位推算(Pedestrian Dead Reckoning,PDR) [2-7]。
PDR 算法通过监测行人行走的状态来统计行走步数,然后与估计出来的行人步长相乘得到行走距离,最后通过下面的公式来计算行人沿某坐标方向的位移。
∆x=number of steps×step×length×cos θ (1)由图2可知,若初始位置点P1已知,则可通过公式 (1)推算出整个路径,从而进行导航。PDR 的核心在于步态检测、步长估计和航向估计这三个步骤,而本文主要采用了基于加速度能量的步态计算、基于步频及方差的步长估计及陀螺仪与磁力计融合的航向估计算法保证PDR 定位的精度。
图3 滑动平均法示例
y
y 2)基于步频及方差的步长估计。
在行人航位推算系统中,步长被用来计算行走的路
程。一般来说,步长的大小不仅因人而异,而且还与行走路面的坡度与质地,甚至是否穿越障碍、是否疲倦、
是否携带东西、独行还是与人同行等有关;因此,假设步长为常量通常会给PDR 系统带来较大的误差,研究
x
表明,误差约为行走路程的10%。根据不同步长估计模型的特点,可以分为两类:线性模型、非线性模型。
本文采用的是基于行人步频的步长估计线性模型, PDR 系统的相关研究指出步长并不是一个常量,而是随着行人行走的速度和步频等因素变化。其模型如下:
S=A+B×Freq+C×Var+w (2)
图2 PDR计算示意图
1)基于加速度能量的步态计算。
步态检测是行人航位推算算法中最基本的组成部分,当检测到部分即用户处于行走状态时,PDR 算法
66
Broad Angle for Technology技术广角
其中,A 、B 、C 是估计模型的参数,利用线性回归得到;Freq 为实际步频,Var 为信号方差;w 为高斯 噪声。
3)陀螺仪与磁力计融合的航向估计。
行人行进方向的估计是行人航位推算(PDR)中最重要的环节,直接影响定位的精度,其稍许误差会导致最终定位误差的迅速增长。常用的航向测量系统为姿态航向参考系统(MARG)。MARG 相对于惯性测量单元,增加了磁力计传感器,故在测定相对于重力加速度的参考航向外,还可以测定相对于地球磁场的航向,相比传统移动终端由加速度计及磁力计得到的航向角度,将陀螺仪、加速度计和磁力计得到的测量值信息融合可以大大改善航向的测定精度。
该航向估计算法中有两个坐标系,一个是世界坐标系,即东北天坐标系;另一个是手机坐标系,定义一个坐标旋转矩阵M ,代表了如何将向量从世界坐标系中的转换到手机坐标系中,即假设向量a 是某向量在世界坐标系中的投影,b 是该向量在手机坐标系中的投影, 则有:
b=M×a
(3)
值可以模拟一个近似的真实重力向量g real ,这两个重力向量之间的不重合程度代表了旋转矩阵的误差大小,利用这两个单位向量的的叉乘得到一个旋转向量:
g ratate =gpredict ×gt
(5)
可以给这个旋转向量乘以一个介于0到1之间数量因子,代表校准程度,根据这个新的旋转向量g ratate 更新旋转矩阵M ,最终得到校准后的旋转矩阵M'' :
M''=ggravity ×M
(6)
磁向量校准方法和此类似,最终通过9轴陀螺仪的数据可以不断更新旋转矩阵,而旋转矩阵Y 轴分量在水平方向投影与水平方向世界坐标系Y 轴夹角即航向角,如图4所示。
旋转后Z轴
世界坐标系X轴
图4 航向角示意图
3.2.2 iBeacon辅助定位
iBeacon 辅助定位一方面可提供初始点位置,另一方面可在行人行进过程中不断地修正航向误差,提高定位精度。iBeacon 的辅助定位是通过基于RSSI(信号接收强度) 来实现,由于终端接收到的RSSI 会随着与发射端的距离变化而变化,我们通过大量实验得知当接收端接收到的RSSI 值在大于-64dbm 时,接收端距离发射端在1-2m 以内,但随着距离的增加,RSSI 的误差范围会越来越大,会发生紊乱无法用于定位,所以我们采用RSSI 的短距离辅助定位 [8-9]。
如图5所示,由于PDR 定位处于长时间累计误差,
(4)
如果此时行人携带的移动终端接收到的RSSI 值超过设定的阈值,则将行人的位置与iBeacon 当前的位置进行一次加权平均。蓝牙的扫描频率不能设置过高,应接近或略大于人的步频,大概在1~1.5Hz 左右,蓝牙需要布置在室内的关键节点,如电梯口、门口、拐弯处等 位置。
a 的初始值设置为世界坐标系中x 、y 、z 轴的单位 1 0 0
向量矩阵
: 0 1 0,b 即代表世界坐标系x ,y ,z 轴
0 0 1
在手机坐标系中的投影。
设在某段时间t 内手机发生旋转,陀螺仪的平均读数是W x 、W y 、W z ,则可得到旋转向量(-W x ×t,-W y ×t,-W z ×t) ,转化为一个旋转矩阵R gyro ,可以得到手机旋转后新的坐标旋转矩阵:
M'=Rgyro ×M
由于陀螺仪存在着误差,上述迭代过程会产生累积误差,这时可用重力向量和磁向量来校准。重力向量g 在世界坐标系中是固定的,只考虑其方向记为g =(0,0,1),利用坐标旋转矩阵M ,得到一个其在手机坐标系中的向量g predict =M×g,而手机中加速度传感器的均
67
技术广角 Broad Angle for Technology
2
P
㑴 ԡ㕂
P
ⳳ ԡ㕂 P
3'5 ԡ ⱘ ԡ㕂
Ϟϔԡ㕂
图6 直线行走在线步长训练示意图
表2 实验样本数据组
图5 iBeacon辅助矫正示意图
3.2.3 个性化步长训练
在实际应用中,我们还发现由于每个人的步长模型都不一样,这种差异会造成大概2米左右定位误差,因此,需要通过不断地在线训练步长,使人在行走过程中自动修正步长,从而使定位精度越来越高。
当利用Wi-Fi 及iBeacon 辅助矫正时,若出现连续两次的辅助矫正,两次校准点的距离可近似获取,行人步数可通过前面的步态检测获取,如果是在狭长的走廊内,行人的行走轨迹多为直线行走(如图6所示) ,使用两个矫正点距离与行人之间的步数即可得到行人的准确步长,再反向通过步长公式(2)和加速度传感器数据进行线性回归即可完成模型的训练,得到精准的步长 模型。
如表2实验数据所示,针对不同的步频采集10组测试数据,将前7组作为训练数据,后3组作为实验检验数据,下面针对个性化平均步长模型进行训练,采用梯度下降法估算步长模型的参数A 、B 和C 。
最终得到步长模型:
S 1=0.1233×Fre+0.02997×Var+0.3432 (7)图7表示的是公式(7)所对应的步长训练模型在步长测试时所计算得到的步长计算值和真实步长数据之间的对比,由图7中看出,单步步长误差可控制在0.02米 以内。
3.2.4 基于地图约束的粒子滤波融合定位
行人实际行走过程由于存在误差,使得行人很容易形成地图上的穿墙现象,而实际定位中墙体是无法穿
图7 步长模型计算值和真实步长数据比较
越的,传统的定位算法并没有考虑地图对定位的影响。本文采用粒子滤波与地图匹配技术针对撞墙时实现辅助纠正定位,如图8左侧所示,地图文件已进行矢量化,地图中已包含了建筑物墙体的线条分布。行人在行走过程中存在两种粒子撞墙的情形,一种是由于步长存在误差时的粒子在转弯时撞墙,另一种由于航向存在误差的粒子在直线运动时仍然存在撞墙的可能。粒子滤波算法采用了二进制权重,即0表示“撞墙”,1表示“未撞墙”。没有遇到障碍物的粒子幸存下来;而粒子运动轨迹与地图中障碍物相交的粒子权重归零[2]。
算法流程如下:首先根据初始位置初始化一定数量
68
Broad Angle for Technology技术广角
的粒子,对每个粒子位置更新后的状态进行检测,更新时在航向和步长上添加随机噪声,得到新的粒子位置;然后进行碰撞检测,即用户按此航向和步长行走是否与墙体存在碰撞,判断条件是该轨迹是否和此处附近的线条有交集,如果没有任何交集,则粒子存活下来,存活的粒子取代原来的粒子集,如果粒子全部死亡则重置 粒子。
如图8右侧所示的手机客户端的粒子滤波融合定位示意图,当检测到附近的墙体存在碰撞则该粒子死亡,这样即使地磁干扰,但由于墙体的约束,使得粒子不会穿越墙体发生偏转,使得用户的位置始终保持在正确的道路上
。
图9 测试人员1行走记录结果图
图8 地图匹配与粒子滤波示意图
4 实验测试分析
图10 测试人员2行走记录结果图
本文将上述的关键技术在Android 手机上实现了原型系统,但由于室内定位算法没有公开的测试集数据,以下为我们在公司研究所内部2楼及8楼进行的测试数据分析。测试方法:第一组实验测试组人员持Android 手机(手机型号:中兴威武3) 绕2楼实验室走廊行走4圈,总长约220米;第二组实验为单独的直线行走测试,定位过程全程无Wi-Fi 和iBeacon 辅助定位,初始位置点由手工设置。同时测试程序会实时记录测试人员的位置坐标更新信息。测试人数为3人,每人测试 1次。 测试分析结果如图9-图12及表3所示
。
图11 测试人员3行走记录结果图
69
技术广角 Broad Angle for Technology
图13 行走路线1示意图
图12 直线行走抗磁干扰测试
表3 定位误差
在图9至图11中,绿色曲线为测试人员的行走轨迹,粉色和蓝色菱形点分别为行走的起点和终点。红黑相间的实心矩形点为行走的参考点。红色箭头指明正北方向,坐标轴Y 轴与正北向夹角为17度。黑色虚线框标注了实验室中磁干扰比较明显的区域,该区域附件的房间内有许多实验仪器和服务器,会产生较明显的磁干扰,导致航向估计产生误差。
从图9至图11可以看出,记录的行走轨迹总体符合真实的行走路线。起止点误差和总体时间内误差在1米左右。但行走轨迹相对参考点存在往左上方偏,一方面是由于图中黑色虚线框标注的磁干扰区域对航向计算有
图15 行走路线2示意图
图14 行走路线1航向估计模块输出值曲线图
影响,导致该区域内航向与实际存在偏差;另一方面,实际情况下拐弯过程中的步长模型与正常行走不同,导致拐弯时步长估计存在误差。
图12为直线行走测试,测试地点为公司某研究所大楼8楼,从地图左端按正常姿势走到地图右端,不同的颜色表示不同的测试结果,共进行了4次测试。该区域磁干扰较为严重,直线行走时干扰较为突出,在没有地图约束的情况下,也能达到较好的定位结果 (1~3米)
。
图16 行走路线2航向估计模块输出值曲线图
70
Broad Angle for Technology技术广角
航向是PDR 定位的关键信息,针对磁干扰,本文进行了2组测试实验,实验条件为:在行走状态下,人持手机在办公室中行走,手机朝向与人的行走方向保持一致,并记录航向估计模块所输出的航向,和真实航向进行比对(见图13~图16) 。
从图14、图16可以看出,行走状态下航向估计模块的输出和真实航向曲线是比较接近的。在定量的分析中,图14中航向为73°,估计航向和实际航向的平均误差是2.71°, 图16中估计航向和实际航向的平均误差是3.61°,由于存在磁场干扰,航向值会存在波动,但实验表明航向值误差控制在10°以内,可满足行人航位推算航向估计的需求。
步、甩手、坐电梯等相关的运动模型进行研究,提高定位的鲁棒性,以适用于普通用户的绝大部分场景。
参考文献
[1] 宋欣. 多传感融合的室内定位技术研究[D].上海:上海交通
大学,2013:15-18
[2] 张凯渊, 刘佩林, 钱久超, 等. 多传感器融合机器人室内定位
系统设计与实现[J].信息技术,2014(11):84-86
[3] 田增山, 张媛. 基于智能手机MARG 传感器的行人导航算法
[J].重庆邮电大学学报,2014:224-226
[4] 马嘉斌. 基于便携设备行人航位推算的室内定位研究[D].上
海:上海交通大学,2014:20-30
[5] Beauregard S,Haas H.Pedestrian dead reckoning:A
basis for personal positioning[C]//Proceedings of
5 结论
本文综合业界已有的各种室内定位技术,提出了一种基于PDR 、iBeacon 辅助定位、个性化步长模型以及地图约束的粒子滤波融合定位技术,在实验室环境下得到了1米左右的定位精度,并保证了算法的准确性、可靠性和持续性。相比传统移动端室内定位算法,由于采用了基于陀螺仪与磁力计及加速度计融合的航向估计算法,使航相角对磁场干扰有一定的抑制;基于粒子滤波和墙体碰撞的地图约束算法,进一步约束了行人的方向,减小了航向误差;个性化的步长模型能获取每个人的精确步长,再结合iBeacon 辅助定位,使得系统总体定位精度能较好的控制在1米左右,该融合定位技术对1米级别的室内融合连续定位技术有较大的参考和借鉴意义。未来的工作将主要集中在对航向角的研究,航向角决定着系统的整体精度,目前的算法要求用户保持正常的握机状态,后面将重点对手机放在口袋、握住跑
the 3rd Workshop on Positioning,Navigation and Communication,2006:27-35
[6] Fang L,Antsaklis P J,Montestruque L A,et al.Design
of a wireless assisted pedestrian dead reckoning system-the NavMote experience[J].Instrumentation and Measurement,IEEE Transactions on,2005,54(6):2342-2358
[7] Cho S Y,Park C G.MEMS based pedestrian navigation
system[J]. Journal of Navigation,2006,59(01):135-153[8] 石志京, 徐铁峰, 刘太君, 等. 基于iBeacon 基站的室内定位技
术研究[J].移动通信,2015(7):89-90
[9] 张世哲. 基于惯性传感器和WiFi 的室内定位系统的设计与
实现[D].北京:北京邮电大学,2012:24-28
[10] Bahl P,Padmanabhan VN.RADAR:An inb uilding
RFbased user location and tracking system[C]//Proceedings of the 19th annual joint conference o f t h e I E E E c o m p u t e r a n d c o m m u n i c a t i o n s societies(INFOCOM 2000).Tel Aviv,Israel,2000:775-784
71
技术广角 Broad Angle for Technology
作者简历
谢思远
预研工程师,
研究方向为物联网、移动互联网、室内外定位技术。
罗圣美
中兴通讯首席架构师,研究方向为云计算、大数据、移动互联网及物联网技术。
李伟华
中兴通讯预研经理,研究方向为物联网及智能媒体分析。
韦 薇
中兴通讯预研经理,研究方向为移动互联网、室内定位技术。
Key Technology and Application Research of Precise Indoor Positioning
Xie SiyuanLuo ShengmeiLi WeihuaWei Wei
ZTE Corporation,Chongqing 400030,China
Abstract As the rapid development of mobile internet, people have a greater need for indoor positioning,and precise indoor postioning has recently become a research focus.This paper first summarizes the research status and application scenarios, introduces main indoor positioning technologies, and finally proposes a fusion localization algorithm based on PDR,iBeacon for indoor positioning, personalized step learning and map constrained particle filter, which achieves 1 meter level positioning accuracy.
Keywords Precise Indoor Postioning; PDR; Personalized Step; Particle Filter(上接56页)
Design and Implementation of the Effective and Extensible Telecom Fraud Management System
Zhang Ni1
Chen Yangfan2Wang Zhijun1Li Zheng1Tao Ye1
1 China Unicom Research Institute, Beijing 100032, China
2 China United Network Communications Co.,Ltd., Beijing 100033, China
Abstract To deal with growing telecom fraud problem, an effective and extensible fraud management system is designed in this paper. This system can effectively manage the multi-source data owned by operators and third party and then finds fraud events in real time based on big data analysis techniques. For new types of fraud event, it can quickly expand and upgrade to meet multiple business needs of internal and external users. Experimental results show that this system has a good performance and can be used in near real time big data environment to identify fraud event.Keywords Telecom Fraud; Extensible; Multiple-source Data; Big Data Analysis; Near Real Time72