基于Wi-Fi-SLAM像素模板匹配的室内运动地图构建与定位

发布时间：2020-07-31 09:17

【摘要】：物联网(Internet of Things,IoT)的快速发展激发了基于位置服务(Location Based Service,LBS)的迫切需求,如商场导购、人员搜救与车辆追踪。在这种情况下,高精度、低成本的室内定位系统显得尤为重要。由于无线Wi-Fi设备已广泛布设在校园、商场等公共场所,目前基于Wi-Fi的指纹定位技术已成为最常用的低成本室内定位技术之一。但指纹库的构建需要耗费大量的人力和时间开销,并且指纹常随着时间、环境的变化而失效。众包(Crowdsourcing)作为一种可替代大规模离线测量的有效方法目前得到了广泛研究,通过规划确定的运动路径、标定运动路径的始末位置获得众包轨迹在实际环境中的位置信息。但在实际应用场景中,采集的众包轨迹往往是用户随机游走的未知路径。针对以上问题,本文通过无标记的随机众包运动轨迹构建众包运动地图,通过像素模板匹配实现众包接收信号强度(Received Signal Strength,RSS)与对应物理位置的准确映射,既节省了离线阶段构建指纹库的人力、时间开销,同时也使基于众包运动路径构建的指纹数据库符合实际应用条件,具有重要的研究意义。本论文主要工作包括:首先,建立目标环境的众包运动地图。利用行人航迹推算(Pedestrian Dead Reckoning,PDR)算法,结合无标记的众包传感器数据获取具有相对位置信息的众包RSS信号路径序列,利用相关性测序重组相似位置的路径序列;并将路径序列分段后利用密度聚类算法对众包路径分区,分别处理各运动区域以建立目标环境的运动地图。随着众包路径的不断丰富,构建的运动地图也逐渐接近全局地图。同时,根据运动传感器数据确定室内关键位置(如楼梯口等)信息,丰富运地图;其次,确定众包运动地图在目标环境中的物理位置。通过像素模板匹配确定运动地图在全局地图中的物理位置,建立众包RSS信号与其物理位置的准确映射;最后,通过卡尔曼滤波算法将众包传感器数据与RSS信号融合,实现Wi-Fi模块和运动传感器模块两个定位系统的优势互补,并构造抗差权函数以减少定位粗差对定位精度的影响,进一步提升了基于无标定众包数据源的定位精度。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN92
【图文】：

地图,节点模,地图,链路

表示是把环境划分成一系列的栅格，每个栅格给定一个可能值，代表该栅格被占据的概率，容易构建、保存，对路径规划很方便，但路径规划效率不高，常常浪费空间；拓扑地图是将环境信息表示为具有结点和连接线的拓扑结构，用结点表示环境中的关键位置信息（如拐角、门、电梯和楼梯等），用结点间的连接线表示连通关系（如走廊），具有较低的空间复杂度；直接表征法则是直接利用传感器数据进行姿态解算，构造当前运动的姿态空间，主要应用在机器人自主导航中。文献[50]的作者将室内结构表示为链路节点模型，如图 2.8 所示，这种室内地图的表示形式利用结点表示环境中门、拐角等信息，能够简洁刻画出室内环境的基本结构，但忽略了走廊的宽度等信息。考虑到走廊的宽度对室内定位精度的影响，文献[38]中室内地图构建方法引入了走廊宽度信息，本文刻画室内可运动区域的地图表示形式在文献[38]的基础上，连通了各个可到达区域，更契合真实的室内环境并且具有表达简便，易于进行像素处理等优势。

界面图,硬件设备,数据采集,界面

(a)接入点 D-Link DAP-2310 (b)数据采集界面图 3. 12 硬件设备与数据采集界面通过模拟环境中工作人员的日常行走路线，选定任意可能出发的位置作测数据的起点位置，之后，测试人员在目标环境中随机采集 200 条运动所有长路径起点位置均设为原点(0,0)，同一条众包轨迹仅包含相对位置首先通过PDR算法将随机行走的200条众包进行轨迹复现，如图3.13(a)所相关性测序算法，计算众包轨迹之间的 6 维 RSS 信号得分矩阵，通过路出相同位置的轨迹片段进行重组，确定所有众包轨迹之间的相关位置关.5(b)所示。20304050)0102030)

【参考文献】