本發(fā)明涉及位置定位技術領域，特別涉及一種基于多源信息融合的室內(nèi)定位方法及定位裝置。

背景技術：

GNSS(Global Navigation Satellite System，自全球衛(wèi)星導航系統(tǒng))出現(xiàn)以來，其方便、快速進行精確定位的能力給人們的生活帶來了便利與變化。隨著配備GPS(Global Positioning System，全球定位系統(tǒng))功能的智能手機或設備的普及，出現(xiàn)了一些LBS(Location Based Service，基于位置的服務)如定位服務、導航服務等。但是室外定位技術大多是利用衛(wèi)星和基站信號進行定位的，這些信號有著強度低、易受遮擋、易受干擾的缺點，一旦進入室內(nèi)就很難利用這些信號進行定位，被稱為衛(wèi)星導航的“最后一公里”問題。室外定位技術已經(jīng)基本成熟，但是室內(nèi)定位技術還有許多亟待解決的問題，例如只利用單一信息源進行室內(nèi)定位，不但成本高、效率低，而且定位精度差，容易受干擾。

技術實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發(fā)明的一個目的在于提出一種基于多源信息融合的室內(nèi)定位方法，該方法可以提高定位精確度，且提高定位效率，簡單易實現(xiàn)。

本發(fā)明的另一個目的在于提出一種基于多源信息融合的室內(nèi)定位裝置。

為達到上述目的，本發(fā)明一方面實施例提出了一種基于多源信息融合的室內(nèi)定位方法，包括以下步驟：獲取室內(nèi)地圖信息，將所述室內(nèi)地圖信息離散化為多個均勻格點得到格點化的室內(nèi)地圖信息，并建立離散格點間的連通性，其中，用戶位置表示為在不同格點上的概率；獲取移動終端得到基于用戶步行的行人航跡推算信息，以根據(jù)所述室內(nèi)地圖信息和所述行人航跡推算信息得到概率在所述多個均勻格點上的變化信息；獲取輔助定位信息以修正不同格點上的概率，進而通過貝葉斯濾波融合所述格點化的室內(nèi)地圖信息、所述行人航跡推算信息和所述輔助定位信息完成室內(nèi)定位。

本發(fā)明實施例的基于多源信息融合的室內(nèi)定位方法，通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位，實現(xiàn)高精度室內(nèi)定位的目的，不但不易受到外界環(huán)境的干擾，而且成本低，提高了定位精確度，而且提高了定位效率，更好地保證定位的可靠性和實時性，簡單易實現(xiàn)。

另外，根據(jù)本發(fā)明上述實施例的基于多源信息融合的室內(nèi)定位方法還可以具有以下附加的技術特征：

進一步地，在本發(fā)明的一個實施例中，所述通過貝葉斯濾波融合所述格點化的室內(nèi)地圖信息、所述行人航跡推算信息和所述輔助定位信息完成室內(nèi)定位，具體包括：根據(jù)所述格點化的室內(nèi)地圖信息和所述行人航跡推算信息在狀態(tài)預測方程中得到位置的先驗概率；根據(jù)當前位置的概率分布和行人當前步的方向和長度計算新的概率；根據(jù)所述輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率。

進一步地，在本發(fā)明的一個實施例中，所述狀態(tài)預測方程為：

α＝∑_j∑_ip(X_k＝j|X_k-1＝i,S_k,map)p(X_k-1＝i|S_1:k-1,Z_1:k-1)，

其中，S_k表示第k步的信息，包含了步長l_k和航向θ_k，map代表地圖信息。p(X_k-1|S_1:k-1,Z_1:k-1)表示的是第k-1輪位置的后驗概率，p(X_k|X_k-1＝i,S_k,map)則表示從格點i的位置出發(fā)走了第k步后的轉(zhuǎn)移概率。

進一步地，在本發(fā)明的一個實施例中，所述根據(jù)所述輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率，進一步包括：根據(jù)所述輔助定位信息得到用戶當前時刻在不同格點上的概率，以得到貝葉斯濾波中的觀測，并且將所述貝葉斯濾波中的觀測帶入到所述狀態(tài)更新方程中，進而獲得修正后的用戶位置的概率分布。

另外，在本發(fā)明的一個實施例中，如果兩個格點之間的距離大于預設值時，則認為不連通，并且如果兩個格點的連線與墻體相交，則認為不連通。

為達到上述目的，本發(fā)明另一方面實施例提出了一種基于多源信息融合的室內(nèi)定位裝置，包括：格點化模塊，用于獲取室內(nèi)地圖信息，將所述室內(nèi)地圖信息離散化為多個均勻格點得到格點化的室內(nèi)地圖信息，并建立離散格點間的連通性，其中，用戶位置表示為在不同格點上的概率；獲取模塊，用于獲取移動終端得到基于用戶步行的行人航跡推算信息，以根據(jù)所述室內(nèi)地圖信息和所述行人航跡推算信息得到概率在所述多個均勻格點上的變化信息；定位模塊，用于獲取輔助定位信息以修正不同格點上的概率，進而通過貝葉斯濾波融合所述格點化的室內(nèi)地圖信息、所述行人航跡推算信息和所述輔助定位信息完成室內(nèi)定位。

本發(fā)明實施例的基于多源信息融合的室內(nèi)定位裝置，通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位，實現(xiàn)高精度室內(nèi)定位的目的，不但不易受到外界環(huán)境的干擾，而且成本低，提高了定位精確度，而且提高了定位效率，更好地保證定位的可靠性和實時性，簡單易實現(xiàn)。

另外，根據(jù)本發(fā)明上述實施例的基于多源信息融合的室內(nèi)定位裝置還可以具有以下附加的技術特征：

進一步地，在本發(fā)明的一個實施例中，所述定位模塊還用于根據(jù)所述格點化的室內(nèi)地圖信息和所述行人航跡推算信息在狀態(tài)預測方程中得到位置的先驗概率，并且根據(jù)當前位置的概率分布和行人當前步的方向和長度計算新的概率，以及根據(jù)所述輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率。

進一步地，在本發(fā)明的一個實施例中，所述狀態(tài)預測方程為：

α＝∑_j∑_ip(X_k＝j|X_k-1＝i,S_k,map)p(X_k-1＝i|S_1:k-1,Z_1:k-1)，

其中，S_k表示第k步的信息，包含了步長l_k和航向θ_k，map代表地圖信息。p(X_k-1|S_1:k-1,Z_1:k-1)表示的是第k-1輪位置的后驗概率，p(X_k|X_k-1＝i,S_k,map)則表示從格點i的位置出發(fā)走了第k步后的轉(zhuǎn)移概率。

進一步地，在本發(fā)明的一個實施例中，所述定位模塊還用于根據(jù)所述輔助定位信息得到用戶當前時刻在不同格點上的概率，以得到貝葉斯濾波中的觀測，并且將所述貝葉斯濾波中的觀測帶入到所述狀態(tài)更新方程中，進而獲得修正后的用戶位置的概率分布。

另外，在本發(fā)明的一個實施例中，當兩個格點之間的距離大于預設值時時，認為不連通，并且當兩個格點的連線與墻體相交時，認為不連通。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為根據(jù)本發(fā)明一個實施例的基于多源信息融合的室內(nèi)定位方法的流程圖；

圖2為根據(jù)本發(fā)明一個具體實施例的基于多源信息融合的室內(nèi)定位方法的流程圖；

圖3為根據(jù)本發(fā)明一個實施例的格點化的室內(nèi)地圖信息示意圖；

圖4為根據(jù)本發(fā)明一個實施例的加入格點間連通性后的室內(nèi)地圖信息示意圖；以及

圖5為根據(jù)本發(fā)明一個實施例的基于多源信息融合的室內(nèi)定位裝置的結構示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

下面在描述根據(jù)本發(fā)明實施例提出的基于多源信息融合的室內(nèi)定位方法及定位裝置之前，先來簡單舉例一下相關技術中定位方法。

目前，室內(nèi)定位技術在許多領域都有著比較廣闊的應用前景。比如在生活中，室內(nèi)定位技術可以幫助我們在停車場中找到停車位，在商場中找到自己想找到的店家或者商品，滿足人們的社交需求。在商業(yè)領域中，商場可以根據(jù)用戶的位置信息推送廣告，通過分析商場中人們在不同位置的頻率安排商品的位置，根據(jù)貨物的位置信息實現(xiàn)自動化的倉儲管理。在公共安全領域中，醫(yī)院可以實時監(jiān)控病人的位置，突發(fā)情況下救援人員可以根據(jù)人們的位置快速有效地救援。近年來，室內(nèi)定位的廣闊應用前景受到越來越多的關注，國內(nèi)國外的很多研究機構和公司都開始研究室內(nèi)定位技術。下面總結了相關技術中一些主流的定位技術的定位原理并分析了其優(yōu)缺點。

(1)輔助GPS技術(A-GPS)

GPS技術是一種利用衛(wèi)星信號進行定位的技術。它通過測量不同衛(wèi)星發(fā)送的信號到達接收設備的時間差計算接收設備與不同衛(wèi)星的距離差，最后利用TDOA(Time Difference of Arrival，到達時間差)算法結算接收設備的位置。但是由于室內(nèi)環(huán)境中墻體的遮蔽，在室內(nèi)時衛(wèi)星信號比較弱甚至無法接收，無法使用GPS技術定位。A-GPS技術是利用基站信息和網(wǎng)絡服務器輔助進行定位。設備通過與位置服務器通信獲得設備所在位置的衛(wèi)星星歷和始終等輔助定位信息，然后解算出設備所在位置。

這種定位技術的優(yōu)點是在衛(wèi)星信號未被遮擋的環(huán)境中可以達到更高的定位精度和定位速度，在衛(wèi)星信號較弱的環(huán)境里也可以進行定位。但是利用A-GPS進行定位需要手機與基站進行多次網(wǎng)絡通信，在人口比較密集的地方會嚴重加重移動網(wǎng)絡的負載。另外在室內(nèi)無法接收到足夠多的GPS信號的地方也無法進行定位。

(2)基于位置指紋的方法

基于位置指紋方法的原理是利用在室內(nèi)不同位置有著不同的信號特征，信號特征與地理位置一一對應的特點。其中信號特征來源可以是Wi-Fi、BLE(Bluetooth Low Energy，藍牙低功耗)、地磁場等等。指紋定位技術分為兩個階段——離線訓練階段和在線定位階段。在離線定位階段中，在地圖上選取多個參考點，并在這些參考點上測量信號特征，然后將測到的信號特征和對應的位置一起存入指紋數(shù)據(jù)庫中。在在線定位階段，用戶將測量到的信號特征與數(shù)據(jù)庫中預先存取的指紋數(shù)據(jù)進行比較，選擇其中最接近的幾個位置加權作為定位結果。指紋匹配的方法有最近鄰法、K近鄰法、K加權近鄰法、貝葉斯概率等。

這類方法的優(yōu)點是在幾乎任何室內(nèi)環(huán)境中都可以應用。當使用Wi-Fi或者地磁場信號作為指紋信號來源時，組件定位系統(tǒng)的成本比較低。但是這類方法的離線訓練階段比較耗時，需要在很多參考點上測量多組數(shù)據(jù)，而且在在線定位階段中，信號特征可能會因為環(huán)境的變化或者行人的走動而改變，導致定位結果變差。

(3)基于測距/測角的方法

這類方法定位的原理有信號到達時間(TOA)、信號到達時間差(Time TDOA)、信號到達角度(AOA)。TOA算法根據(jù)信號傳播時間之間計算設備到各個基站的距離，并結合已知的各個基站位置計算設備位置，這種方法需要設備與基站的時間同步才能準確測距，或者使用比較慢的雙向測距方法進行測距。而TDOA方法則是測量不同基站信號到達設備的時間差，每一個時間差將設備可能的位置固定在一條雙曲線上，這些曲線的交點就是設備的位置。這種方法降低了對時間同步的要求，只要基站之間時鐘是同步的即可。

除了利用時間進行測距的方法，還可以根據(jù)接收的信號強度(RSSI)結合基站位置和無線信號衰減模型估計距離。但是室內(nèi)環(huán)境比較復雜，信號衰減模型難以準確估計，最終無法獲得精確的距離。也有利用電磁波和超聲波在空間中傳播速度的差進行測距的?；就瑫r發(fā)送電磁波和超聲波，接收端測量兩種信號到達的時間差計算距離。這種方法在非視距情況下會受到信號反射的影響。

AOA方法則是測量基站信號的到達角度，每個角度形成了一條射線，把多個射線的交點作為定位結果。AOA方法在非視距情況下，由于基站信號受墻體反射的影響改變了傳播方向，最終導致定位結果錯誤。

比較常見的信號來源有超聲波、BLE、Wi-Fi、UWB(Ultra-Wideband，超寬帶)等等，其中利用超寬帶信號測距進行定位能夠達到比較高的精度，但是由于手機并不支持接收或發(fā)送超寬帶信號，所以并沒有被大范圍使用。

(4)慣性傳感器定位技術

現(xiàn)在的許多智能手機中都安裝了IMU(Inertial measurement unit，慣性測量單元)，IMU中包含了加速度傳感器、磁傳感器和陀螺儀，可以被用來跟蹤手機的運動。這種方法的優(yōu)點是不需要任何外部輔助設施，但是因為這種方法是根據(jù)上一時刻的位置和一段時間的傳感器數(shù)據(jù)計算下一時刻的位置，因此需要給定初始位置。另外在沒有其他方法輔助定位的情況下，這種方法存在誤差累計的問題，隨著使用時間的增加，定位誤差會越來越大。

(5)基于計算機視覺的方法

基于計算機視覺的方法利用攝像頭獲得環(huán)境的圖像信息，提取環(huán)境圖像中的特征并與地圖數(shù)據(jù)庫中存儲的特征匹配，將最匹配的位置作為定位結果。這類方法優(yōu)點是可以達到比較高的定位精度，但是這類算法比較復雜，對設備的運算能力有一定的要求，而且使用時不能將設備放到口袋等地方。

(6)光跟蹤室內(nèi)定位技術

光跟蹤室內(nèi)定位技術近些年來受到越來越多人的關注。這類方法依靠室內(nèi)棚頂?shù)腖ED(Light Emitting Diode，發(fā)光二極管)燈進行定位。通過給每一個LED分配一個唯一的ID()，并通過調(diào)制LED閃爍的方式將ID廣播出去。手機等設備就可以用攝像頭獲得附近LED的ID和位置，通過最近鄰法或者K加權近鄰法計算設備位置。這種方法需要給LED加控制模塊，有一定的成本。當需要利用LED在攝像頭捕獲圖像中的像素位置進行定位時，還需要使用者將攝像頭對向特定的角度。

(7)基于激光傳感器的方法

這種方法首先需要使用激光傳感器測量室內(nèi)的環(huán)境，并將測量結果儲存到數(shù)據(jù)庫中。在定位階段就可以將激光傳感器測到的數(shù)據(jù)與數(shù)據(jù)庫中的地圖比較，確定用戶位置。這種方法的定位精度非常高，但是激光傳感器的成本比較高，而且定位的時候也需要使用激光傳感器。由于現(xiàn)在手機上并沒有這類傳感器，所以定位時用戶需要通過其他設備進行定位。

綜上所述，相關技術中的利用單一信息源進行室內(nèi)定位的方法存在著建設成本高、搭建系統(tǒng)耗時、易受環(huán)境干擾、定位精度差等問題。

本發(fā)明正是基于上述問題，而提出了一種基于多源信息融合的室內(nèi)定位方法和基于多源信息融合的室內(nèi)定位裝置。

下面參照附圖描述根據(jù)本發(fā)明實施例提出的基于多源信息融合的室內(nèi)定位方法及定位裝置，首先將參照附圖描述根據(jù)本發(fā)明實施例提出的基于多源信息融合的室內(nèi)定位方法。

圖1是本發(fā)明一個實施例的基于多源信息融合的室內(nèi)定位方法的流程圖。

如圖1所示，該基于多源信息融合的室內(nèi)定位方法包括以下步驟：

在步驟S101中，獲取室內(nèi)地圖信息，將室內(nèi)地圖信息離散化為多個均勻格點得到格點化的室內(nèi)地圖信息，并建立離散格點間的連通性，其中，用戶位置表示為在不同格點上的概率。

可選地，在本發(fā)明的一個實施例中，如果兩個格點之間的距離大于預設值時，則認為不連通，并且如果兩個格點的連線與墻體相交，則認為不連通。需要說明的是，預設值可以根據(jù)實際情況進行設置，在此不作具體限制。

也就是說，室內(nèi)地圖信息被離散化為格點(如均勻格點)，用戶的位置表示為在不同格點上的概率；格點之間存在連通性以更好的利用地圖信息中的約束。其中，格點之間的連通性指的是概率是否可以從一個格點轉(zhuǎn)移到另一個格點，所述格點之間的連通性的具體計算方式是格點之間距離是否小于一個閾值并且格點之間是否有不可跨越的障礙物。

在本發(fā)明的實施例中，通過格點化的室內(nèi)地圖信息具體是通過將室內(nèi)地圖格點化得到的，用戶的位置表示為在不同格點上的概率，從而在計算用戶位置的概率分布時只需計算在這些格點上的概率分布，以提高程序的概率計算效率，并且格點之間的連通性指的是概率是否可以從一個格點轉(zhuǎn)移到另一個格點，格點之間的連通性的具體計算方式是格點之間距離是否小于一個閾值并且格點之間是否有不可跨越的障礙物。其有益效果是，格點間的連通性反映了地圖中墻體或者障礙物對用戶移動的限制，利用格點間的連通性可以排除掉不可到達的位置。

在步驟S102中，獲取移動終端得到基于用戶步行的行人航跡推算信息，以根據(jù)室內(nèi)地圖信息和行人航跡推算信息得到概率在多個均勻格點上的變化信息。

也就是說，利用室內(nèi)地圖信息和行人航跡推算信息計算概率在格點上的變化。

在步驟S103中，獲取輔助定位信息以修正不同格點上的概率，進而通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位。

可以理解的是，利用輔助定位信息修正不同格點上的概率；貝葉斯濾波過程中，狀態(tài)預測過程的信息來源為室內(nèi)地圖信息和行人航跡推算信息，狀態(tài)更新過程的信息來源為輔助定位信息。

在本發(fā)明的實施例中，利用了室內(nèi)地圖信息和行人航跡推算信息計算概率在格點上的變化，利用了輔助定位信息修正不同格點上的概率，不但行人航跡推算方法可以獲得用戶位置的變化，室內(nèi)地圖信息限制了不可能的移動軌跡的出現(xiàn)，而且輔助定位信息可以修正行人航跡推算方法中的累計誤差，這樣發(fā)揮了不同方法的優(yōu)點，彌補了不同方法的缺點。

具體地，在本發(fā)明的一個實施例中，通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位，具體包括：根據(jù)格點化的室內(nèi)地圖信息和行人航跡推算信息在狀態(tài)預測方程中得到位置的先驗概率；根據(jù)當前位置的概率分布和行人當前步的方向和長度計算新的概率；根據(jù)輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率，可以充分利用了多個信息來源共同進行定位，獲得用戶位置的概率分布，以達到更高的定位精度。

也就是說，貝葉斯濾波被用來融合利用室內(nèi)地圖信息和行人航跡推算信息得到的概率和利用輔助定位信息得到的概率。貝葉斯濾波過程中，狀態(tài)預測過程的信息來源為室內(nèi)地圖信息和行人航跡推算信息，狀態(tài)更新過程的信息來源為輔助定位信息。

其中，在本發(fā)明的一個實施例中，狀態(tài)預測方程為：

α＝∑_j∑_ip(X_k＝j|X_k-1＝i,S_k,map)p(X_k-1＝i|S_1:k-1,Z_1:k-1)，

其中，S_k表示第k步的信息，包含了步長l_k和航向θ_k，map代表地圖信息。p(X_k-1|S_1:k-1,Z_1:k-1)表示的是第k-1輪位置的后驗概率，p(X_k|X_k-1＝i,S_k,map)則表示從格點i的位置出發(fā)走了第k步后的轉(zhuǎn)移概率。

進一步地，在本發(fā)明的一個實施例中，根據(jù)輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率，進一步包括：根據(jù)輔助定位信息得到用戶當前時刻在不同格點上的概率，以得到貝葉斯濾波中的觀測，并且將貝葉斯濾波中的觀測帶入到狀態(tài)更新方程中，進而獲得修正后的用戶位置的概率分布。

可以理解的是，輔助定位信息包括任何可以用來獲得用戶絕對的位置信息而不是相對位置變化的方法，比如Wi-Fi、BLE、UWB等定位方法，不但可以獲得用戶的絕對位置，不存在累計誤差的問題，而且可以用來修正行人航跡推算方法中的累積誤差，達到更高的定位精度。

具體而言，與單一信息源的定位方法不同，本發(fā)明實施例的定位方法利用多種現(xiàn)有的定位技術分別進行定位，并通過貝葉斯遞歸估計或其他的方法融合定位結果，不但可以發(fā)揮不同定位方法的優(yōu)點，彌補缺點，以達到更高的定位精度、更快的定位速度、更大的系統(tǒng)容量、更大的覆蓋范圍，而且利用了行人航跡推算方法進行實時的位置跟蹤并通過輔助定位信息解決行人航跡推算方法中累積誤差的問題。

舉例而言，如圖2所示，在貝葉斯濾波中，假設k時刻的系統(tǒng)狀態(tài)只與k-1時刻的系統(tǒng)狀態(tài)有關，k時刻的觀測量只與k時刻的系統(tǒng)狀態(tài)有關。由Chapman-Kolmogorov方程，先驗概率的計算可以由狀態(tài)預測方程計算得到。

p(X_k|Z_1:k-1)＝∫p(X_k|X_k-1)p(X_k-1|Z_1:k-1)dX_k-1。

獲得觀測量Z_k后，可以根據(jù)貝葉斯公式計算后驗概率。狀態(tài)更新方程可以表示為：

p(Z_k|Z_1:k-1)＝∫p(Z_k|X_k)p(X_k|Z_1:k-1)dX_k。

地圖信息和行人航跡推算信息用在狀態(tài)預測方程中計算位置的先驗概率，根據(jù)當前位置的概率分布和行人這一步的方向和長度計算新的概率。輔助定位信息用在狀態(tài)更新方程中計算位置的后驗概率。行人每走一步進行一輪狀態(tài)更新。

進一步地，為了能夠更好的利用地圖信息中墻體的限制并提高程序的概率計算效率，將地圖均勻格點化并在格點上計算概率。在貝葉斯濾波中，一個比較重要的問題就是概率如何在程序中存儲和計算。本發(fā)明實施例將坐標這樣的連續(xù)變量離散，坐標的概率分布就變成了離散概率，在貝葉斯濾波過程中就可以在離散點上計算概率，并將概率最大的一個或幾個離散點作為結果輸出。

進一步地，為了利用地圖信息中墻體的限制，本發(fā)明實施例引入了格點間的連通性。行人行走過程中，一步的長度不會超過一定值d_max，因此當兩個格點之間的距離大于這個值時，就可以認為不連通。由于室內(nèi)環(huán)境中墻體的限制，行人行走過程是不會穿過墻體的，而且人行走的每一步都是一條直線，因此如果兩個格點的連線與墻體相交，則認為不連通。假設k-1時刻在格點i處，k時刻在格點j處，那么在考慮了地圖信息的情況下，用概率可以表示為：

需要說明的是，地圖格點化的過程中，格點的間隔不宜過大也不宜過小。如果格點間隔較小，那么需要計算的格點數(shù)量就會增加，增加運算過程中的運算量。如果格點間隔過大，就會導致計算誤差增大或出現(xiàn)門兩側(cè)格點不連通的情況。綜合考慮計算量和門的寬度，一般格點間隔可以選擇0.5米左右為佳，效果見圖3和圖4所示。

行人航跡推算信息和地圖信息共同用在狀態(tài)預測方程中用來計算用戶位置的先驗概率，狀態(tài)預測方程可以寫成：

α＝∑_j∑_ip(X_k＝j|X_k-1＝i,S_k,map)p(X_k-1＝i|S_1:k-1,Z_1:k-1)，

其中，S_k表示第k步的信息，包含了步長l_k和航向θ_k，map代表地圖信息。p(X_k-1|S_1:k-1,Z_1:k-1)表示的是第k-1輪位置的后驗概率，即走了k-1步后的定位結果。p(X_k|X_k-1＝i,S_k,map)則表示從格點i的位置出發(fā)走了第k步后的轉(zhuǎn)移概率。通過推導，位置的轉(zhuǎn)移概率可以寫成：

計算p(X_k|X_k-1＝i,S_k)時，如果直接使用高斯分布在目標格點位置的值作為概率計算會引入較大誤差。為了解決這個問題，計算概率時選取更多的采樣點，再將每一個采樣點上的概率以不同的權重加到附近的格點上。這里權重的計算和采樣點與格點距離有關。假設格點間隔為l，采樣點與格點在x和y方向的距離差分別是d_x和d_y，那么權重就表示為：

另外，輔助定位信息用在狀態(tài)更新方程中用來計算用戶位置的后驗概率。利用輔助定位信息可以獲得用戶此時刻在不同格點上的概率，即貝葉斯濾波中的觀測。將觀測帶入到貝葉斯濾波中的狀態(tài)更新方程中，就可以獲得修正后的用戶位置的概率分布。在實際使用過程中，并不是每走一步都能夠獲得一個觀測，這時可以認為觀測的概率分布為在所有格點上的概率均相等

根據(jù)本發(fā)明實施例的基于多源信息融合的室內(nèi)定位方法，室內(nèi)地圖信息可從建筑商處獲得，行人航跡推算可以利用手機內(nèi)置的低精度慣性傳感器實現(xiàn)，輔助定位可以利用Wi-Fi、BLE、UWB信號獲得，如使用Wi-Fi信號獲得輔助定位信息時，可以利用已有的基站，因此搭建定位系統(tǒng)的成本低，如利用Wi-Fi信號的方式為信道衰減模型或者地標的方法時，只需要預先標出基站位置即可，因此搭建定位系統(tǒng)的耗時短，并且主要依靠室內(nèi)地圖信息和行人航跡推算信息，不易受到外界環(huán)境的干擾。以及行人航跡推算在短距離的定位中精度較高，成距離定位中累計誤差的問題可以通過輔助定位信息修正，因此可以獲得較高的定位精度，通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位，實現(xiàn)高精度室內(nèi)定位的目的，提高了定位精確度，而且提高了定位效率，更好地保證定位的可靠性和實時性，解決現(xiàn)有的室內(nèi)定位技術中存在的建設成本高、搭建系統(tǒng)耗時、易受環(huán)境干擾、定位精度差的問題，滿足大部分實際的室內(nèi)定位應用的需要，簡單易實現(xiàn)。

其次參照附圖描述根據(jù)本發(fā)明實施例提出的基于多源信息融合的室內(nèi)定位裝置。

圖5是本發(fā)明一個實施例的基于多源信息融合的室內(nèi)定位裝置的結構示意圖。

如圖5所示，該基于多源信息融合的室內(nèi)定位裝置10包括：格點化模塊100、獲取模塊200和定位模塊300。

其中，格點化模塊100用于獲取室內(nèi)地圖信息，將室內(nèi)地圖信息離散化為多個均勻格點得到格點化的室內(nèi)地圖信息，并建立離散格點間的連通性，其中，用戶位置表示為在不同格點上的概率。獲取模塊200用于獲取移動終端得到基于用戶步行的行人航跡推算信息，以根據(jù)室內(nèi)地圖信息和行人航跡推算信息得到概率在多個均勻格點上的變化信息。定位模塊300用于獲取輔助定位信息以修正不同格點上的概率，進而通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位。本發(fā)明實施例的定位裝置10可以融合室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息，實現(xiàn)高精度室內(nèi)定位的目的，不但提高了定位精確度，而且提高了定位效率，簡單易實現(xiàn)。

進一步地，在本發(fā)明的一個實施例中，定位模塊300還用于根據(jù)格點化的室內(nèi)地圖信息和行人航跡推算信息在狀態(tài)預測方程中得到位置的先驗概率，并且根據(jù)當前位置的概率分布和行人當前步的方向和長度計算新的概率，以及根據(jù)輔助定位信息在狀態(tài)更新方程中計算位置的后驗概率。

進一步地，在本發(fā)明的一個實施例中，狀態(tài)預測方程為：

α＝∑_j∑_ip(X_k＝j|X_k-1＝i,S_k,map)p(X_k-1＝i|S_1:k-1,Z_1:k-1)，

其中，S_k表示第k步的信息，包含了步長l_k和航向θ_k，map代表地圖信息。p(X_k-1|S_1:k-1,Z_1:k-1)表示的是第k-1輪位置的后驗概率，p(X_k|X_k-1＝i,S_k,map)則表示從格點i的位置出發(fā)走了第k步后的轉(zhuǎn)移概率。

進一步地，在本發(fā)明的一個實施例中，定位模塊300還用于根據(jù)輔助定位信息得到用戶當前時刻在不同格點上的概率，以得到貝葉斯濾波中的觀測，并且將貝葉斯濾波中的觀測帶入到狀態(tài)更新方程中，進而獲得修正后的用戶位置的概率分布。

另外，在本發(fā)明的一個實施例中，當兩個格點之間的距離大于預設值時時，認為不連通，并且當兩個格點的連線與墻體相交時，認為不連通。

需要說明的是，前述對基于多源信息融合的室內(nèi)定位方法實施例的解釋說明也適用于該實施例的基于多源信息融合的室內(nèi)定位裝置，為減少冗余，此處不再贅述。

根據(jù)本發(fā)明實施例的基于多源信息融合的室內(nèi)定位裝置，室內(nèi)地圖信息可從建筑商處獲得，行人航跡推算可以利用手機內(nèi)置的低精度慣性傳感器實現(xiàn)，輔助定位可以利用Wi-Fi、BLE、UWB信號獲得，如使用Wi-Fi信號獲得輔助定位信息時，可以利用已有的基站，因此搭建定位系統(tǒng)的成本低，如利用Wi-Fi信號的方式為信道衰減模型或者地標的方法時，只需要預先標出基站位置即可，因此搭建定位系統(tǒng)的耗時短，并且主要依靠室內(nèi)地圖信息和行人航跡推算信息，不易受到外界環(huán)境的干擾。以及行人航跡推算在短距離的定位中精度較高，成距離定位中累計誤差的問題可以通過輔助定位信息修正，因此可以獲得較高的定位精度，通過貝葉斯濾波融合格點化的室內(nèi)地圖信息、行人航跡推算信息和輔助定位信息完成室內(nèi)定位，實現(xiàn)高精度室內(nèi)定位的目的，提高了定位精確度，而且提高了定位效率，更好地保證定位的可靠性和實時性，解決現(xiàn)有的室內(nèi)定位技術中存在的建設成本高、搭建系統(tǒng)耗時、易受環(huán)境干擾、定位精度差的問題，滿足大部分實際的室內(nèi)定位應用的需要，簡單易實現(xiàn)。

在本發(fā)明的描述中，需要理解的是，術語“中心”、“縱向”、“橫向”、“長度”、“寬度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”“內(nèi)”、“外”、“順時針”、“逆時針”、“軸向”、“徑向”、“周向”等指示的方位或位置關系為基于附圖所示的方位或位置關系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發(fā)明的限制。

此外，術語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

在本發(fā)明中，除非另有明確的規(guī)定和限定，術語“安裝”、“相連”、“連接”、“固定”等術語應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或成一體；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通或兩個元件的相互作用關系，除非另有明確的限定。對于本領域的普通技術人員而言，可以根據(jù)具體情況理解上述術語在本發(fā)明中的具體含義。

在本發(fā)明中，除非另有明確的規(guī)定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接觸，或第一和第二特征通過中間媒介間接接觸。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或僅僅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或僅僅表示第一特征水平高度小于第二特征。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領域的普通技術人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。