留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证

刘万科 陶贤露 张传明 姚宜斌 王甫红 贾海禄 楼益栋

刘万科, 陶贤露, 张传明, 姚宜斌, 王甫红, 贾海禄, 楼益栋. 云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证[J]. 武汉大学学报 ● 信息科学版, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
引用本文: 刘万科, 陶贤露, 张传明, 姚宜斌, 王甫红, 贾海禄, 楼益栋. 云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证[J]. 武汉大学学报 ● 信息科学版, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
LIU Wanke, TAO Xianlu, ZHANG Chuanming, YAO Yibin, WANG Fuhong, JIA Hailu, LOU Yidong. Pedestrian Indoor and Outdoor Seamless Positioning Technology and Prototype System Based on Cloud-End Collaboration of Smartphone[J]. Geomatics and Information Science of Wuhan University, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
Citation: LIU Wanke, TAO Xianlu, ZHANG Chuanming, YAO Yibin, WANG Fuhong, JIA Hailu, LOU Yidong. Pedestrian Indoor and Outdoor Seamless Positioning Technology and Prototype System Based on Cloud-End Collaboration of Smartphone[J]. Geomatics and Information Science of Wuhan University, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310

云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证

doi: 10.13203/j.whugis20210310
基金项目: 

国家重点研发计划 2016YFB0501803

湖北省技术创新专项(重大项目) 2019AAA043

武汉市科技计划项目 2020010601012185

详细信息
    作者简介:

    刘万科,博士,教授,主要从事GNSS高精度定位以及低成本多传感器组合导航技术研究。wkliu@sgg.whu.edu.cn

    通讯作者: 姚宜斌,博士,教授。ybyao@whu.edu.cn
  • 中图分类号: P228

Pedestrian Indoor and Outdoor Seamless Positioning Technology and Prototype System Based on Cloud-End Collaboration of Smartphone

Funds: 

The National Key Research and Development Program of China 2016YFB0501803

the Major Special Projects of Technological Innovation in Hubei Province 2019AAA043

the Wuhan Science and Technology Project 2020010601012185

More Information
    Author Bio:

    LIU Wanke, PhD, professor, majors in precise positioning technology of GNSS and low-cost multi-sensor integration technology. E-mail: wkliu@sgg.whu.edu.cn

    Corresponding author: YAO Yibin, PhD, professor. E-mail: ybyao@whu.edu.cn
  • 摘要: 随着位置服务应用的兴起和移动智能终端的普及,高精度导航定位需求正在从孤立的区域延伸到无缝的全域,从专业群体走向大众用户。然而,实时、连续、完备的行人导航仍然面临着诸多挑战,如室外区域全球导航卫星系统(global navigation satellite system,GNSS)信号易受遮挡影响、室内环境Wi-Fi/低功耗蓝牙(bluetooth low energy,BLE)/地磁指纹库更新频繁、室外内过渡区域平滑切换困难等。此外,大众移动智能终端的定位传感器受成本与功耗限制,观测数据一般噪声较大且稳定性差。因此,提出设计了云-端协同的大众行人用户室内外无缝精密定位方案,突破了信标指纹库的众包采集与快速更新、智能手机多传感器信息融合的精密定位、室内外无缝切换等关键难题,研制了大众行人协同精密定位软件,通过综合利用位置服务平台提供的协同精密定位增强信息,以及智能手机终端获取的多源观测数据(GNSS、微型惯性测量单元(miniature inertial measurement unit,MIMU)、Wi-Fi、BLE、磁力计及气压计等),实现了大众用户室外精度优于1.5 m,室内精度1~3 m,并具备室内外平滑切换能力的导航定位服务,支撑了大众用户室内外无缝精密定位的需求。
  • 图  1  多体制协同的室内外精密定位技术总体架构图

    Figure  1.  Overall Architecture of Multi-system Collaborative Indoor and Outdoor Precision Positioning Technology

    图  2  GNSS/MEMS室外定位系统构架图

    Figure  2.  Architecture of GNSS/MEMS Outdoor Positioning System

    图  3  多源信息室内定位系统架构图

    Figure  3.  Architecture of Multi-source Information Indoor Positioning System

    图  4  众包信息获取和指纹数据库快速更新技术架构

    Figure  4.  Technology Architecture of Crowdsourcing Information Acquisition and Fingerprint Database Fast Update

    图  5  自研便携式高精度室内信标与地图采集系统设计

    Figure  5.  Design of Self-developed Portable High-precision Indoor Beacon and Map Acquisition System

    图  6  不同插值模型下地磁指纹建库效果对比

    Figure  6.  Comparison of the Effect of Geomagnetic Fingerprint Database Construction Under Different Interpolation Models

    图  7  智能手机多源融合精密定位算法流程

    Figure  7.  Algorithm Flow of Smart Phone Multi-source Fusion Precision Positioning

    图  8  不同场景下可见卫星数和通信基站信号强度的变化趋势(室外-室内-室外)

    Figure  8.  Changes in the Number of Visible Satellites and Signal Strength of Communication Base Stations in Different Scenarios (Outdoor-Indoor-Outdoor)

    图  9  室内场景Wi-Fi/BLE信标布设与地磁指纹分布

    Figure  9.  Wi-Fi/BLE Beacon Layout and Geomagnetic Fingerprint Distribution in the Indoor Scene

    图  10  测试路线及环境

    Figure  10.  Test Route and Environment

    图  11  室外连续平滑高精度定位轨迹

    Figure  11.  Outdoor Continuous Smooth High-precision Positioning Trajectory

    图  12  室外连续平滑高精度定位误差序列

    Figure  12.  Outdoor Continuous Smooth High-precision Positioning Error Sequence

    图  13  测试路线及周边环境

    Figure  13.  Test Route and Surrounding Environment

    图  14  3次室内定位及室内外平滑无缝切换测试轨迹

    Figure  14.  Three Indoor Positioning and Smooth and Seamless Switching Test Trajectory Between Indoor and Outdoor

    表  1  各类GNSS实时高精度产品说明

    Table  1.   Description of Various Types of GNSS Real-time High-precision Products

    产品名称 更新周期 详细说明
    卫星钟差 5 s 卫星钟差基准为双频无电离层组合,支持GPS/BD2/BD3/GLONASS/Galileo
    卫星轨道 3 h 支持GPS/BD2/BD3/GLONASS/Galileo
    差分码偏差 30 s 提供GNSS各频点差分形式码偏差
    电离层 30 s 全球7阶的球谐电离层产品;中国区域2.5°×1.5°的格网电离层产品
    下载: 导出CSV

    表  2  室内定位及室内外切换测试精度统计

    Table  2.   Test Accuracy Statistics of Indoor Positioning and Indoor and Outdoor Switching

    测试编号 水平定位精度RMS/m 动态轨迹 定位算法可用性/%
    断点数(比例) 飞点数(比例)
    第一圈 2.336 0(0.000%) 1(0.001%) 99.990
    第二圈 2.404 8(0.007%) 0(0.000%) 99.300
    第三圈 2.305 1(0.001%) 1(0.001%) 99.830
    平均 2.348 3(0.027%) 0.7(0.001%) 99.707
    下载: 导出CSV
  • [1] Verhagen S, Odijk D, Teunissen P J G, et al. Performance Improvement with Low-cost Multi-GNSS Receivers[C]//The 5th ESA Workshop on Satellite Navigation Technologies and European Workshop on GNSS Signals and Signal Processing (NAVITEC), Noordwijk, Netherlands, 2010
    [2] Humphreys T E, Murrian M, van Diggelen F, et al. On the Feasibility of cm-Accurate Positioning via a Smartphone's Antenna and GNSS Chip[C]// IEEE/ION Position, Location and Navigation Symposium(PLANS), Savannah, GA, USA, 2016
    [3] 陈锐志, 陈亮. 基于智能手机的室内定位技术的发展现状和挑战[J]. 测绘学报, 2017, 46(10): 1316-1326 doi:  10.11947/j.AGCS.2017.20170383

    Chen Ruizhi, Chen Liang. Indoor Positioning with Smartphones: The State-of-the-Art and the Challenges[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1316-1326 doi:  10.11947/j.AGCS.2017.20170383
    [4] 姜卫平, 郭迟, 左文炜. 我国导航与位置服务的进展及思考[J]. 测绘通报, 2020(1): 1-4 https://www.cnki.com.cn/Article/CJFDTOTAL-CHTB202001001.htm

    Jiang Weiping, Guo Chi, Zuo Wenwei. Progress and Thought of Navigation and Location Services in China[J]. Bulletin of Surveying and Mapping, 2020 (1): 1-4 https://www.cnki.com.cn/Article/CJFDTOTAL-CHTB202001001.htm
    [5] 涂伟, 曹劲舟, 高琦丽, 等. 融合多源时空大数据感知城市动态[J]. 武汉大学学报·信息科学版, 2020, 45(12): 1875-1883 doi:  10.13203/j.whugis20200535

    Tu Wei, Cao Jinzhou, Gao Qili, et al. Sensing Urban Dynamics by Fusing M ulti-sourced Spatiotemporal Big D ata[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1875-1883 doi:  10.13203/j.whugis20200535
    [6] 曲向芳. 北斗卫星导航定位系统全球组网产业链迎来新发展机遇: 《2018中国卫星导航与位置服务产业发展白皮书》发布[J]. 卫星应用, 2018(8): 65-71

    Qu Xiangfang. The BeiDou Satellite Navigation and Positioning System Global Networking Industry Chain Ushers in New Development Opportunities— "2018 China Satellite Navigation and Location Service Industry Development White Paper"is Released [J]. Satellite Application, 2018(8): 65-71
    [7] 郭旦怀, 张鸣珂, 贾楠, 等. 融合深度学习技术的用户兴趣点推荐研究综述[J]. 武汉大学学报·信息科学版, 2020, 45(12): 1890-1902 doi:  10.13203/j.whugis20200334

    Guo Danhuai, Zhang Mingke, Jia Nan, et al. Survey of Point-of-Interest Recommendation Research Fused with Deep Learning[J]. Geomatics and Information Science of Wuhan University, 2020, 45 (12): 1890-1902 doi:  10.13203/j.whugis20200334
    [8] European GNSS Agency (GSA). GNSS Market Report[EB/OL]. https://galileognss.eu/wp-content/uploads/2020/08/market_report_issue_6_v2-2019.pdf, 2019
    [9] Pesyna K M J, Heath R W J, Humphreys T E. Centimeter Positioning with a Smartphone-Quality GNSS Antenna[C]//The ION GNSS 2014, Tampa, USA, 2014
    [10] Hsu L T, Gu Y, Kamijo S. NLOS Correction/Exclusion for GNSS Measurement Using RAIM and City Building Models[J]. Sensors, 2015, 15(7): 17329-17349 doi:  10.3390/s150717329
    [11] 来奇峰, 袁洪, 魏东岩, 等. 基于场景检测的城市环境GNSS/INS组合定位方法研究[J]. 导航定位与授时, 2021, 8(1): 151-162

    Lai Qifeng, Yuan Hong, Wei Dongyan, et al. Research on GNSS/INS Integrated Positioning Method for Urban Environment Based on Context Aware [J]. Navigation Positioning and Timing, 2021, 8 (1): 151-162
    [12] Correa A, Barcelo M, Morell A, et al. A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications[J]. Sensors, 2017, 17(8): 1927 doi:  10.3390/s17081927
    [13] El-Sheimy N, Li Y. Indoor Navigation: State of the Art and Future Trends[J]. Satellite Navigation, 2021, 2(1): 1-23 doi:  10.1186/s43020-020-00033-9
    [14] Zhuang Y, Lan H Y, Li Y, et al. PDR/INS/WiFi Integration Based on Handheld Devices for Indoor Pedestrian Navigation[J]. Micromachines, 2015, 6 (6): 793-812 doi:  10.3390/mi6060793
    [15] 邓中亮, 罗牧星, 莫君, 等. 基于TDD模式下的开环跟踪方法研究[C]. 第十届中国卫星导航学术年会, 北京, 2019

    Deng Zhongliang, Luo Muxing, Mo Jun, et al. Research on Open-loop Tracking Method Based on TDD[C]// The 10th China Satellite Navigation Conference(CSNC), Beijing, China, 2019
    [16] 魏东岩, 袁洪, 徐颖. 基于GNSS与蜂窝移动通信系统的协同指纹定位[C]. 第三届中国卫星导航学术年会, 广州, 2012

    Wei Dongyan, Yuan Hong, Xu Ying. Cooperative Position Using Fingerprint in GNSS and Cellular Mobile Communication Systems[C]// The 3rd China Satellite Navigation Conference (CSNC), Guangzhou, China, 2012
    [17] Harle R. A Survey of Indoor Inertial Positioning Systems for Pedestrians[J]. IEEE Communications Surveys & Tutorials, 2013, 15(3): 1281-1293 http://pdfs.semanticscholar.org/f873/082d86155bfaf4552e5b93aff18f5158cf9d.pdf
    [18] Realini E, Caldera S, Pertusini L, et al. Precise GNSS Positioning Using Smart Devices[J]. Sensors, 2017, 17(10): 2434 doi:  10.3390/s17102434
    [19] Zhu F, Tao X L, Liu W K, et al. Walker: Continuous and Precise Navigation by Fusing GNSS and MEMS in Smartphone Chipsets for Pedestrians[J]. Remote Sensing, 2019, 11(2): 139 doi:  10.3390/rs11020139
    [20] Ahmad Fuad M R, Drieberg M. Remote Vehicle Tracking System Using GSM Modem and Google Map[C]//2013 IEEE Conference on Sustainable Utilization and Development in Engineering and Technology (CSUDET), Selangor, Malaysia, 2013
    [21] Soliman S, Agashe P, Fernandez I, et al. GPSOne/Sup TM/: A Hybrid Position Location System[C]// IEEE Sixth International Symposium on Spread Spectrum Techniques and Applications, Parsippany, NJ, USA, 2000
    [22] 黄永帅, 史俊波, 欧阳晨皓, 等. 千寻北斗地基增强网络下的实时观测数据解码及定位性能分析[J]. 测绘通报, 2017(9): 11-14

    Huang Yongshuai, Shi Junbo, Ouyang Chenhao, et al. Real-Time Observation Decoding and Positioning Analysis Based on Qianxun BeiDou Ground Based Augmentation System[J]. Bulletin of Surveying and Mapping, 2017(9): 11-14
    [23] 杨元喜, 李晓燕. 微PNT与综合PNT[J]. 测绘学报, 2017, 46(10): 1249-1254 doi:  10.11947/j.AGCS.2017.20170249

    Yang Yuanxi, Li Xiaoyan. Micro-PNT and Comprehensive PNT[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1249-1254 doi:  10.11947/j.AGCS.2017.20170249
    [24] 杨元喜. 弹性PNT基本框架[J]. 测绘学报, 2018, 47(7): 893-898

    Yang Yuanxi. Resilient PNT Concept Frame[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47 (7): 893-898
    [25] 方志祥, 姜宇昕, 管昉立. 融合可视与不可视地标的行人相对定位方法[J]. 武汉大学学报· 信息科学版, 2021, 46(5): 601-609 doi:  10.13203/j.whugis20190411

    Fang Zhixiang, Jiang Yuxin, Guan Fangli. Pedestrian Relative Positioning Method Based on Visible and Invisible Landmarks[J]. Geomatics and Information Science of Wuhan University, 2021, 46(5): 601-609 doi:  10.13203/j.whugis20190411
  • [1] 覃星力, 杨杰, 李平湘, 赵伶俐, 孙开敏.  迁移学习用于多时相极化SAR影像的水体提取 . 武汉大学学报 ● 信息科学版, 2022, 47(7): 1093-1102. doi: 10.13203/j.whugis20200121
    [2] 武芳, 杜佳威, 钱海忠, 翟仁健.  地图综合智能化研究的发展与思考 . 武汉大学学报 ● 信息科学版, 2022, (): -. doi: 10.13203/j.whugis20210687
    [3] 柳景斌, 赵智博, 胡宁松, 黄格格, 龚晓东, 杨盛.  室内高精度定位技术总结与展望 . 武汉大学学报 ● 信息科学版, 2022, 47(7): 997-1008. doi: 10.13203/j.whugis20220029
    [4] 周沙, 牛继强, 徐丰, 潘晓芳, 甄文杰, 钱颢月.  面向行人导航的注视方向估计模型 . 武汉大学学报 ● 信息科学版, 2021, 46(5): 700-705,735. doi: 10.13203/j.whugis20200465
    [5] 王颖喆, 陶贤露, 朱锋, 刘万科, 张小红, 吴明魁.  利用智能手机实现GNSS原始观测值的高精度差分定位 . 武汉大学学报 ● 信息科学版, 2021, 46(12): 1941-1950. doi: 10.13203/j.whugis20210280
    [6] 陈逸敏, 黎夏.  机器学习在城市空间演化模拟中的应用与新趋势 . 武汉大学学报 ● 信息科学版, 2020, 45(12): 1884-1889. doi: 10.13203/j.whugis20200423
    [7] 付兵杰, 赵双明, 喻国荣, 赵帅华.  一种无需控制信息的智能手机自检校方法 . 武汉大学学报 ● 信息科学版, 2019, 44(2): 268-275, 282. doi: 10.13203/j.whugis20160432
    [8] 龚健雅.  人工智能时代测绘遥感技术的发展机遇与挑战 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1788-1796. doi: 10.13203/j.whugis20180082
    [9] 方志祥, 徐虹, 萧世伦, 李清泉, 袁淑君, 李灵.  绝对空间定位到相对空间感知的行人导航研究趋势 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2173-2182. doi: 10.13203/j.whugis20180170
    [10] 赵文晔, 高井祥, 李增科, 姚一飞.  地图匹配辅助的KF-PF室内定位算法模型 . 武汉大学学报 ● 信息科学版, 2018, 43(5): 806-812. doi: 10.13203/j.whugis20150707
    [11] 龚健雅, 季顺平.  从摄影测量到计算机视觉 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1518-1522, 1615. doi: 10.13203/j.whugis20170283
    [12] 刘涛, 张星, 李清泉, 方志祥.  顾及地标可视性的室内导航路径优化算法 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 43-48. doi: 10.13203/j.whugis20150387
    [13] 张良培.  高光谱目标探测的进展与前沿问题 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1377-1394+1400.
    [14] 周宝定, 李清泉, 毛庆洲, 张星.  用户行为感知辅助的室内行人定位 . 武汉大学学报 ● 信息科学版, 2014, 39(6): 719-723. doi: 10.13203/j.whugis20140100
    [15] 张星, 李清泉, 方志祥, 黄玲.  顾及地标与道路分支的行人导航路径选择算法 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1239-1242.
    [16] 罗云锋, 普杰, 贲可荣.  软件模块故障倾向预测方法研究 . 武汉大学学报 ● 信息科学版, 2010, 35(5): 562-565.
    [17] 邱国利, 蒋国平, 宋玉蓉.  一种带节点移动的手机蓝牙病毒传播模型 . 武汉大学学报 ● 信息科学版, 2010, 35(5): 610-613.
    [18] 张星, 李清泉, 方志祥.  面向行人导航的地标链生成方法 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1240-1244.
    [19] 郭斐, 陈惟杰, 朱逸凡, 张小红.  一种融合相位、振幅与频率的GNSS-IR土壤湿度反演方法 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20210644
    [20] 程朋根, 岳琛, 朱欣焰.  多源数据支持下的城市生态环境评价及其与人类活动关系的研究 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20200382
  • 加载中
图(14) / 表(2)
计量
  • 文章访问数:  401
  • HTML全文浏览量:  140
  • PDF下载量:  101
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-12
  • 刊出日期:  2021-12-05

云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证

doi: 10.13203/j.whugis20210310
    基金项目:

    国家重点研发计划 2016YFB0501803

    湖北省技术创新专项(重大项目) 2019AAA043

    武汉市科技计划项目 2020010601012185

    作者简介:

    刘万科,博士,教授,主要从事GNSS高精度定位以及低成本多传感器组合导航技术研究。wkliu@sgg.whu.edu.cn

    通讯作者: 姚宜斌,博士,教授。ybyao@whu.edu.cn
  • 中图分类号: P228

摘要: 随着位置服务应用的兴起和移动智能终端的普及,高精度导航定位需求正在从孤立的区域延伸到无缝的全域,从专业群体走向大众用户。然而,实时、连续、完备的行人导航仍然面临着诸多挑战,如室外区域全球导航卫星系统(global navigation satellite system,GNSS)信号易受遮挡影响、室内环境Wi-Fi/低功耗蓝牙(bluetooth low energy,BLE)/地磁指纹库更新频繁、室外内过渡区域平滑切换困难等。此外,大众移动智能终端的定位传感器受成本与功耗限制,观测数据一般噪声较大且稳定性差。因此,提出设计了云-端协同的大众行人用户室内外无缝精密定位方案,突破了信标指纹库的众包采集与快速更新、智能手机多传感器信息融合的精密定位、室内外无缝切换等关键难题,研制了大众行人协同精密定位软件,通过综合利用位置服务平台提供的协同精密定位增强信息,以及智能手机终端获取的多源观测数据(GNSS、微型惯性测量单元(miniature inertial measurement unit,MIMU)、Wi-Fi、BLE、磁力计及气压计等),实现了大众用户室外精度优于1.5 m,室内精度1~3 m,并具备室内外平滑切换能力的导航定位服务,支撑了大众用户室内外无缝精密定位的需求。

English Abstract

刘万科, 陶贤露, 张传明, 姚宜斌, 王甫红, 贾海禄, 楼益栋. 云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证[J]. 武汉大学学报 ● 信息科学版, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
引用本文: 刘万科, 陶贤露, 张传明, 姚宜斌, 王甫红, 贾海禄, 楼益栋. 云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证[J]. 武汉大学学报 ● 信息科学版, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
LIU Wanke, TAO Xianlu, ZHANG Chuanming, YAO Yibin, WANG Fuhong, JIA Hailu, LOU Yidong. Pedestrian Indoor and Outdoor Seamless Positioning Technology and Prototype System Based on Cloud-End Collaboration of Smartphone[J]. Geomatics and Information Science of Wuhan University, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
Citation: LIU Wanke, TAO Xianlu, ZHANG Chuanming, YAO Yibin, WANG Fuhong, JIA Hailu, LOU Yidong. Pedestrian Indoor and Outdoor Seamless Positioning Technology and Prototype System Based on Cloud-End Collaboration of Smartphone[J]. Geomatics and Information Science of Wuhan University, 2021, 46(12): 1808-1818. doi: 10.13203/j.whugis20210310
  • 近年来,移动互联网的高速发展和智能手机的普及,带动了基于位置服务(location based service,LBS)产业的发展[1-2]。随着定位技术的进步和移动互联网的普及,LBS逐渐渗透到人们的生活中,全时全域内的高精度位置信息已经成为社会生活中一项不可或缺的关键基础信息[3-5]。大众应用市场是导航与位置服务产业发展的重心和依托,并且在监控跟踪类可穿戴式设备、移动健康医疗、城市快递和共享单车等细分领域得到广泛拓展[6-8]

    导航定位技术各有特点,其适用范围和定位精度也各不相同。卫星定位技术实现了室外的广域覆盖,理想观测条件下可达到米级、分米级甚至更高精度,但在城市峡谷、大型立交桥等遮挡区域,全球导航卫星系统(global navigation satellite system,GNSS)观测信号减弱且数据质量下降,进而影响定位精度与可靠性[9-11]。在室内区域,目前普遍采用Wi-Fi/低功耗蓝牙(bluetooth low energy,BLE)/地磁场等指纹匹配的定位技术,能提供3~10 m的定位精度,而局部区域重点部署的超宽带(ultra wide band,UWB)/射频识别(radio frequency identification,RFID)等信标定位技术,可以实现米级至分米级的室内定位服务[12-14]。然而,基于指纹匹配的定位依赖相关数据库的采集密度和更新频率,信标定位的性能也与其部署方案密切相关,导致室内定位系统的运行维护成本较高,难以推广至大众用户。此外,现有的2G/3G/4G移动通信形成了地面最大覆盖的通信网络,利用时分码分正交频分复用(time and code division-orthogonal frequency division multiplexing,TC-OFDM)技术使得移动通信网络成为具有室内外定位能力的地面广域覆盖网络[15-16]。但受限于移动通信网络覆盖率,且其定位精度仅为几十米至数百米,无法提供高精度室内外无缝导航位置信息。

    随着移动智能终端尤其是智能手机的广泛普及,国内外围绕智能手机室内外定位系统研制开展了大量工作[17-19]。谷歌公司采用外业采集和众包回传结合的方式聚合海量的局部基站、Wi-Fi数据库等定位资源,形成全球大众化手机终端网络定位服务平台,通过协同计算最大限度满足用户的实时定位需求[20]。高通公司采用辅助全球卫星定位系统(assisted global positioning system,AGPS)+高级前向链接三边测量(advanced forward link three edge measurement,AFLT)+小区识别(Cell-ID)混合定位技术的解决方案,形成了无线网络辅助GPS定位,可在城区实现5~50 m的定位精度[21]。国内的千寻位置网络有限公司依托遍布全国的卫星定位地基增强站,面向全国范围内的室外应用终端提供无缝漫游的米级精度位置纠偏数据服务[22]。百度网讯科技有限公司基于百度地图应用软件,借助GNSS/移动基站/Wi-Fi和传感器信息,实现了精度约为10 m的综合导航定位服务,整体定位成功率高于99.5%。

    然而,当前室内外定位技术手段仍然存在信息缺乏、离散以及体制落后的缺陷[23-25],其面临的关键问题主要包括:①室外GNSS信号易受阻且定位误差修正不充分;②室内信标源指纹库更新频繁;③室内外过渡区域无缝平滑切换能力不足。随着多源传感器工艺水平的迭代更新与性能提升,将不同的定位新技术进行紧密有效的协作,有望解决定位信息缺乏、定位源离散、定位时空障碍等问题。因此,本文提出了一种适用于大众用户终端的多类传感器集成、多种先进技术方法融合的多体制协同精密定位方案,以实现大众行人室内外无缝的精密导航定位。

    • 多体制协同的室内外精密定位技术是以大众智能终端为载体,有效整合当前适用于大众用户终端的各类传感源,融合适配不同场景的各种定位技术方法,突破多体制技术互通共联的难点,通过室内外不同环境下的多体制协同定位系统的架构设计(图 1),实现全时全域内的大众行人无缝平滑定位。

      图  1  多体制协同的室内外精密定位技术总体架构图

      Figure 1.  Overall Architecture of Multi-system Collaborative Indoor and Outdoor Precision Positioning Technology

      该体制具有云-端协同和多源协同两个显著特点:一方面协同精密定位云平台,借助信息收集、过滤、聚类、整合,形成全国覆盖的大规模信标指纹数据库;另一方面综合遍布全国的基准站网络数据,生成实时高精度差分改正信息,然后通过移动通信网络播发云平台的信标位置和GNSS增强信息,并结合定位终端的观测信息,实现支持海量用户的云-端协同精密定位服务;同时,针对单一传感器在室内外复杂环境定位信息缺乏与定位能力不足的缺陷,基于智能终端获取的多源观测数据(GNSS、微型惯性测量单元(miniature inertial measurement unit,MIMU)、Wi-Fi、BLE、磁力计及气压计等),实现云平台增强的多源协同无缝定位。

    • 大众行人用户的多体制协同室外精密定位系统构架由基础平台层、服务层、信息处理层和应用层4部分构成,系统架构如图 2所示。其中,基础平台层是实现GNSS/微机电系统(micro-electro-mechanical system,MEMS)室外高精度定位的平台支撑,其在GNSS高精度云处理平台的支持下,生成GNSS差分增强信息。服务层用来实现差分增强信息及定位辅助信息的播发。信息处理层包括数据的接收和采集、预处理和多源信息融合定位等,是实现GNSS/MEMS室外高精度定位系统的核心。应用层主要负责系统导航定位结果的输出和用于挖掘相关道路传感器指纹特征信息的生成。

      图  2  GNSS/MEMS室外定位系统构架图

      Figure 2.  Architecture of GNSS/MEMS Outdoor Positioning System

      该系统采用以GNSS云处理平台支持下的高精度GNSS精密差分定位为主,以基于MEMS/磁强计等传感器数据的行人航位推算导航(pedestrian dead reckoning,PDR)为辅的方式,进行大众用户室外高精度导航定位。用户端采用验前、验后信息以及观测值一致性检验探测并剔除GNSS观测粗差,结合GNSS云平台播发的实时高精度差分增强信息,进行实时差分定位解算。同时,利用大众终端内置MEMS/磁强计等传感器的数据,进行步频探测、步长和航向角估计,并且通过模态识别区分用户运动状态,从而准确推算行人位移。最终采用集中滤波器对GNSS差分定位/PDR推算导航的多源观测信息进行深度融合数据处理,结合室外地图数据、智能终端传感器数据以及行人运动特征等辅助信息,实现大众用户室外精准定位。

    • 大众用户的多体制协同室内精密定位方案设计同样由基础平台层、服务层、信息处理层和应用层4部分构成,系统架构如图 3所示。其中,基础平台层作为室内定位服务技术的基础支撑,为服务层提供大规模的信标数据库和信息处理平台。服务层用来实现云定位和定位辅助信息的播发。信息处理层位于用户智能终端,深度融合终端的多源观测信息,输出精度高、可用性和连续性好的定位结果。应用层通过生成用户感兴趣的多维语义化位置信息,实现室内人和物的精准实时定位和导航的功能。

      图  3  多源信息室内定位系统架构图

      Figure 3.  Architecture of Multi-source Information Indoor Positioning System

      该系统以基于位置大数据云定位平台支持下的Wi-Fi/BLE云-端协同定位为主,以PDR、室内地图等为辅,进行大众用户室内导航定位。定位终端协同Wi-Fi/BLE/地磁3种技术进行室内绝对定位,利用云平台播发的信标位置进行三角定位,指纹信息进行匹配定位。PDR算法综合利用终端内置加速度计/陀螺仪/磁力计,进行步频、步长、航向角的估计,通过机器学习识别行人模态,准确推算出行人位移。最终融合用户终端的MEMS/Wi-Fi/BLE/气压计/磁强计/移动通信/室内地图等多种定位信息源,结合室内地图数据、智能终端传感器数据以及行人运动特征等辅助信息,实现大众用户室内精准定位。

    • 随着物联网(internet of things,IOT)概念的发展,采用Wi-Fi、BLE、地磁的无线信号定位技术也随之发展,而指纹数据库构建是无线定位需要解决的首要问题。在室外环境中,利用机器学习方法和大规模GNSS位置标签的无线信号指纹数据库构建技术已经较为成熟。在室内环境中,由于缺乏可以直接使用的位置标签,通常以人力采集作为主要数据来源。但是,这种基于人工标记指纹与室内地理坐标的建库方式存在数据采集成本大、更新周期长的问题,也无法平衡采集效率与建库精度之间的矛盾。因此,针对全国范围内的无线信号指纹库高效采集与快速更新,是面向大众应用导航定位服务的关键技术之一。

      图 4所示,本文提出了一套基于智能移动终端众包(无标签)数据的高精度室内外定位指纹数据库自动化构建技术方案。在云端将导航轨迹基于特殊的热点(access point,AP)、传感器特征(上下楼、转弯)等关键点进行聚类,得到来自不同起点且经过同一地点的轨迹。单条无标签轨迹只能用已有的定位指纹库进行推算,其整体位置精度较差,但经过大样本整合可以校正其偶然误差,提升整体轨迹位置的精度。聚类完成后,基于已校正的关键点坐标能够推算出所有轨迹及其关联的无线信号指纹位置,也即实现了定位数据库的构建。其中,通过决策树模型等方法结合传感器观测数据,如三轴加速度计输出,可以准确识别运动、静止等运动模态;通过主成分分析等方法结合线性加速度,可以估算轨迹航向。准确的模态识别和航向估计可以有效提升无标签轨迹形态的准确性,进行聚类整合后,可以进一步提升其位置准确性,从而得到相对可用的无线定位指纹库。

      图  4  众包信息获取和指纹数据库快速更新技术架构

      Figure 4.  Technology Architecture of Crowdsourcing Information Acquisition and Fingerprint Database Fast Update

    • 重点部署区域,如大型商场、车站、机场等,其信标布设一般较为丰富且完善,用户对导航定位的精度需求也更高,需要通过专用设备进行高精度指纹数据库采集与构建。因此,本文自行研制了便携式的高精度室内信标与地图采集系统,如图 5所示,该系统可以同时采集Wi-Fi、BLE、地磁以及三维点云数据,同时支持移动终端进行采集标注,可以产生精度为0.5 m的Wi-Fi/BLE信标指纹数据库,并同时完成室内地图的构建。其中,点云成图模块是预处理系统的核心,首先将原始的点云与惯导观测通过同步定位与建图(simultaneous localization and mapping,SLAM)算法完成室内三维场景的重建与轨迹生成;然后将具备坐标信息的轨迹与信标指纹、室内地图、全景照片等数据同步,形成数据关联,实现高精度指纹库构建。

      图  5  自研便携式高精度室内信标与地图采集系统设计

      Figure 5.  Design of Self-developed Portable High-precision Indoor Beacon and Map Acquisition System

      由于人工采集的建库数据存在分布不均的问题,将会影响实际建库效果,从而降低定位精度,采用细粒度网格进行数据聚合,可以优化数据分布,并解决Wi-Fi、BLE信号波动问题。本文还突破了地磁指纹库的快速更新技术,通过离线机器学习自动化迭代训练了最优的地磁指纹插值算法。

      图 6所示,通过对最近邻法(nearest neighbor,NN)、加权K近邻法(weight K-nearest neighbor,WKNN)、三次样条法(cubic spline,CS)和克里金法(Kriging)4种不同室内地磁指纹地图的插值算法进行研究,对比其参考真值指纹地图,确定Kriging方法能够较好地还原地磁场强分布,4种插值方式获得的地磁场强度均方根误差分别为16.5 μT、11.4 μT、7.8 μT和1.6 μT,Kriging方法整体插值误差控制在最低水平,实际对比测试定位精度有较为显著的提升。

      图  6  不同插值模型下地磁指纹建库效果对比

      Figure 6.  Comparison of the Effect of Geomagnetic Fingerprint Database Construction Under Different Interpolation Models

    • 目前,位置服务设备市场中移动智能终端占据90%以上份额[1],以智能手机为代表的定位载体已成为大众用户导航与定位服务的主流设备。随着多频多模(L1/L5,全系统)GNSS芯片以及MEMS器件的普及,智能手机成为了多源传感器高度集成的大众定位终端。利用手机获取连续平滑的高精度位置服务仍然面临诸多挑战:①受限于体积小的线性极化天线和低功耗芯片,手机GNSS信号强度低、伪距多路径误差大、周跳频繁,模糊度难以固定并获取高精度位置结果;②在城市复杂场景下GNSS信号易受高楼、树木等遮挡影响,无法始终提供准确、连续、可用的导航定位结果;③基于低成本MEMS观测值的PDR是相对定位方法,在缺乏有效校正更新时,位置和航向误差累积迅速。因此,通过多种定位技术方法的优势互补,实现基于智能手机多源融合的室外精密定位,是面向大众应用导航定位服务的另一关键技术。

      本文基于智能手机多源观测信息的精密定位算法流程如图 7所示。在数据流上,用户端从智能手机应用程序接口实时获取GNSS原始观测值、星历、MEMS传感器数据,同时通过移动网络接收GNSS云平台实时播发的高精度差分改正信息。在融合定位方法上,当GNSS可用时,利用载波相位历元间差分(time differenced carrier phase,TDCP)和多普勒观测值构建速度约束的动态模型,以差分GNSS方程进行观测更新,实时获取亚米至分米级的滤波定位结果,并为PDR系统提供精确的误差校正信息;当GNSS暂不可用时,将PDR系统的相对位置变化引入动态模型,并发掘零速更新、磁航向变化、气压计相对高程等多源更新信息,维持滤波定位系统的预报位置精度,以实现复杂场景的准确、连续、平滑定位,并在GNSS信号恢复时辅助其快速重新收敛。

      图  7  智能手机多源融合精密定位算法流程

      Figure 7.  Algorithm Flow of Smart Phone Multi-source Fusion Precision Positioning

    • 通常行人用户所在区域可简单划分为室外、室内和室内外连接区,在室外使用GNSS与PDR两种定位方式融合,在室内则重点采用Wi-Fi/BLE匹配与PDR融合。在室内外连接区域,GNSS和Wi-Fi/BLE均不能正常定位,实现该区域的精确定位是室内外无缝切换的重要前提。

      本文提出的室内外平滑无缝切换算法的基本思路为:①室内Wi-Fi/BLE信标采用与室外GNSS相同的空间基准;②使用地图匹配来分析是否处于室内外连接区域;③定位传感器中包括室内外环境下共用的MEMS传感器和磁强计,以PDR推算导航实现连接区域的定位;④采用集中滤波算法,不区分室内外定位方式,对室内外的观测数据(尤其是少于必要条件的GNSS观测值)进行融合处理,输出最优的定位结果。

      图 8为不同场景下可见卫星数和通信基站信号强度的变化趋势。如图 8所示,当行人由室外逐渐过渡到室内时,GNSS信号减弱且信噪比明显下降,Wi-Fi/BLE/通信基站等信号则逐渐增强,此时可将信号变化特征作为主要判断依据,结合地图匹配来预知信息,判断用户所处区域。反之,同样可以根据不同信号的强弱变化和地图匹配预知信息。不同的是,当用户进入室外环境时,由于GNSS需要重新初始化,其定位收敛到米级一般需要几秒时间,此时融合处理需要对卫星定位结果降权,并主要依赖PDR航迹推算实现从室内向室外定位的平滑过渡。

      图  8  不同场景下可见卫星数和通信基站信号强度的变化趋势(室外-室内-室外)

      Figure 8.  Changes in the Number of Visible Satellites and Signal Strength of Communication Base Stations in Different Scenarios (Outdoor-Indoor-Outdoor)

    • 本文基于Android系统开发了行人室内外无缝精密定位应用软件,可实时获取智能手机原始GNSS数据、MEMS数据、Wi-Fi/BLE/地磁强度等多源观测以及云平台增强信息,实现城市复杂场景的行人导航定位。为分析该软件及算法性能,在武汉大学信息学部综合试验场分别开展行人动态室外定位、室内定位与室内外切换测试。

      采用GNSS分布式高精度数据处理系统,通过接入国际GNSS服务、北斗地基增强网、陆态网等实时流,处理生成实时高精度增强信息(表 1),并以状态空间表示(state space representation,SSR)格式播发给用户。图 9给出了综合试验场内图书馆室内场景的Wi-Fi/BLE信标布设与地磁指纹采集情况。在云定位平台支持下,GNSS增强信息与信标指纹位置可为用户提供室内外导航定位服务。

      表 1  各类GNSS实时高精度产品说明

      Table 1.  Description of Various Types of GNSS Real-time High-precision Products

      产品名称 更新周期 详细说明
      卫星钟差 5 s 卫星钟差基准为双频无电离层组合,支持GPS/BD2/BD3/GLONASS/Galileo
      卫星轨道 3 h 支持GPS/BD2/BD3/GLONASS/Galileo
      差分码偏差 30 s 提供GNSS各频点差分形式码偏差
      电离层 30 s 全球7阶的球谐电离层产品;中国区域2.5°×1.5°的格网电离层产品

      图  9  室内场景Wi-Fi/BLE信标布设与地磁指纹分布

      Figure 9.  Wi-Fi/BLE Beacon Layout and Geomagnetic Fingerprint Distribution in the Indoor Scene

    • 室外连续平滑高精度定位测试地点为武汉大学信息学部操场及四周主干道,如图 10所示,测试路线包括了开阔环境、树木遮挡的半开阔环境以及建筑完全遮挡环境,属于典型室外场景。沿途采用高精度实时动态差分定位(real-time kinematic,RTK)测得室外参考点坐标,可以用于评估动态定位精度。

      图  10  测试路线及环境

      Figure 10.  Test Route and Environment

      图 11给出了行人手持智能手机动态测试轨迹,试验设备为分别为Huawei P10(单频)和Xiaomi 8(双频)智能手机。图 11中PedNav表示行人导航(Pedestrian Navigation)。由图 11可见,单频手机芯片输出的定位结果在开阔环境波动较小,在树木遮挡环境波动增大,并在建筑完全遮挡后定位结果不可用。双频手机芯片定位轨迹改善明显,在一般环境中轨迹波动较小,这说明新一代多频GNSS芯片提升了手机定位性能。而自研算法的单频和双频定位结果相比芯片输出解均有所提升,尤其是在复杂环境中,得益于PDR的推算能力,即使GNSS信号短时中断时,也能实现连续平滑的行人导航定位。

      图  11  室外连续平滑高精度定位轨迹

      Figure 11.  Outdoor Continuous Smooth High-precision Positioning Trajectory

      图 12给出了定位误差RMS(root mean square)统计序列。可见,整体上看,本文提出的多源融合定位方法在一般环境中双频手机能够达到优于1 m的定位精度,在复杂场景下的统计精度约为1.5 m,可以进一步提升大众行人导航定位的精度与可用性。

      图  12  室外连续平滑高精度定位误差序列

      Figure 12.  Outdoor Continuous Smooth High-precision Positioning Error Sequence

    • 室内动态定位及室内外无缝定位测试地点为武汉大学信息学部图书馆一楼及正门外平地,如图 13所示,测试路线周边人员走动频繁,环境较复杂,属于典型的大众用户室内场景。测试路线使用高精度RTK测得室外参考点坐标,以此为基准使用全站仪测得室内各参考点坐标,连点成线即为行人动态测试的参考轨迹。

      图  13  测试路线及周边环境

      Figure 13.  Test Route and Surrounding Environment

      图 14给出了三圈室内动态定位及室内外切换测试轨迹,整个测试过程中定位结果与参考轨迹符合较好,无明显突刺、跳变和中断。室外区域定位轨迹连续平滑、重复性好,且在GNSS绝对位置更新下,定位精度较高;室内区域,定位点依旧连续可用,但噪声稍大,在Wi-Fi/BLE/地磁场绝对位置更新下,定位精度仍然维持较好;在室内外切换区域,能够实现连续平滑的室内外无缝切换。表 2给出室内定位及室内外切换测试精度统计,室内定位的三圈轨迹分别有1 078、1 198和1 239个定位点,中断点(前后历元时间间隔大于2 s)数分别为0、8和1个,飞点(相邻历元定位点水平距离超过3 m)数分别为1、0和1个,水平位置平均定位误差RMS为2.348 m,定位算法可用性平均超过99%。可见本文方法能够实现优于2.5 m的室内定位,以及平滑无缝的室内外切换。

      图  14  3次室内定位及室内外平滑无缝切换测试轨迹

      Figure 14.  Three Indoor Positioning and Smooth and Seamless Switching Test Trajectory Between Indoor and Outdoor

      表 2  室内定位及室内外切换测试精度统计

      Table 2.  Test Accuracy Statistics of Indoor Positioning and Indoor and Outdoor Switching

      测试编号 水平定位精度RMS/m 动态轨迹 定位算法可用性/%
      断点数(比例) 飞点数(比例)
      第一圈 2.336 0(0.000%) 1(0.001%) 99.990
      第二圈 2.404 8(0.007%) 0(0.000%) 99.300
      第三圈 2.305 1(0.001%) 1(0.001%) 99.830
      平均 2.348 3(0.027%) 0.7(0.001%) 99.707
    • 随着多源传感器工艺水平的迭代更新与性能提升,将不同的定位新技术进行紧密有效的协作,有望解决定位信息缺乏、定位源离散、定位时空障碍等问题。本文针对室外区域GNSS信号易受遮挡影响、室内环境Wi-Fi/BLE/地磁指纹库更新频繁、室外内过渡区域平滑切换困难以及大众移动智能终端的定位传感器受成本与功耗限制,观测数据一般噪声较大且稳定性差等实际情况,提出了一种适用于大众用智能终端的多类传感器集成、多种先进技术方法融合的多体制协同精密定位方案,创新性地采用云-端协同和多源协同支持海量用户的室内外无缝定位服务,并通过信标指纹库的众包采集与快速更新、智能手机多传感器信息融合的精密定位、室内外无缝切换等关键技术,实现了基于移动智能终端的大众行人无缝平滑定位。

      采用自研大众行人定位应用软件,在武汉大学综合试验场分别开展行人动态室外定位、室内定位与室内外切换测试。结果表明,基于双频智能手机实现了行人室外精度优于1.5 m,室内精度1~3 m,定位轨迹连续、平滑、可用,并具备室内外平滑切换能力的导航定位服务,支撑了大众用户室内外无缝精密定位的应用需求。

      大众用户高精度无缝导航是解决智慧出行“最后一公里”的关键,用户空间位置信息的准确性和可靠性越高,智慧出行相关业务的成功率和安全性越高。本文针对大众用户移动智能终端在复杂空间环境的泛在定位问题,从系统架构设计、关键技术探索和原型系统搭建等角度开展了研究,以满足海量用户全国范围内的室内外无缝定位需求,进一步促进导航与位置服务新兴产业的落地。

参考文献 (25)

目录

    /

    返回文章
    返回