基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法

针对传统的基于反向传播(BP)神经网络室内定位算法存在着低精度和慢收敛问题,且考虑到室内环境复杂,通常存在多径效应,无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法．利用人工鱼群觅食和寻优方式来提高全局寻优搜索的速度和能力,采用改进的人工鱼群算法(IAFSA)优化选取室内定位BP神经网络的权值和阈值,有效避免了传统BP神经网络的预测值易陷入局部最优的缺点,同时利用高斯滤波对信号进行去噪处理,建立采样点获取到的信号强度值(RSSI)与位置坐标的关系．实验结果证明所提方法与传统的BP神经网络方法相比,平均定位误差减少了0.75 m,平均定位精度提高32.2％,提高了定位可靠性,算法具有更好的稳定性.      

单目视觉Tukey权因子模型室内位置测量

面向室内导航和定位的需求,本文提出了一种基于编码图形和单目视觉传感器相结合的室内移动载体位置测量方法。首先,优化设计了一系列用于移动载体空间位置计算的编码影像,利用轮廓匹配、矩计算和映射匹配相结合的方式实现空编图形的识别与定位。其次,针对编码图形中心像方坐标观测值提取残差,构建了基于单位权和Tukey权因子模型的空间后方交会方法,基于两种权重因子分别计算了移动载体的观测值残差权重,分析了不同残差的观测值对结果的影响程度。然后,构建了4组实验环境,从不同角度获取了观测影像,并进行了数据处理与分析。最后,通过实验验证,表明基于2种权因子模型的方法均能够实现载体位置的计算,但基于Tukey权因子方法具有更高的精度,平面精度提高了29.76%—49.42%,高程精度提高了29.17%—74.07%。本文方法能够为室内空间移动载体提供高精度的导航和定位测量服务。     

一种基于低功耗蓝牙的室内定位技术

本文提出了一种基于蓝牙基站的室内定位解决方案。该技术方案中,蓝牙基站由低功耗蓝牙模块组成,在需要定位的室内空间均匀部署一定数量的蓝牙基站,每个蓝牙基站可以创建一个信号区域,并周期性地向外界广播自己独有的与位置信息对应的mac(media access control)地址和RSSI(Received Signal Strength Indication)值。当携带有蓝牙终端设备的用户进入该信号区域,就会接收蓝牙基站广播的RSSI值和mac地址,然后通过基于泰勒级数线性化的最小二乘迭代算法进行精确定位。实验结果表明,该系统定位精度在2.5 m以内,满足绝大多数的室内定位需求。     

基于环境光修正的行人航迹推算

针对室内定位存在单一定位精度低,以及组合定位成本高、不易实现的问题,提出了一种利用环境光修正行人航迹推算（PDR）的方法。该方法利用智能手机采集的加速度、陀螺仪和磁力计数据实现PDR位置估计;同时利用手机的光线传感器实时获取所在位置的环境光强度信息,基于采集的室内环境光强度信息修正PDR轨迹中产生的累计误差。经试验数据分析,该方法可以有效地解决PDR轨迹中产生的累计误差,可为大型超市、地下停车场、隧道、矿井等室内光照强度较为稳定的区域提供定位技术帮助。     

融合地磁/WiFi/PDR的自适应粒子滤波室内定位

随着国民经济的快速发展,人们在室内活动的时间越来越长,室内空间环境也越来越复杂,对室内环境的位置与导航服务的需求也越来越高。由于地磁信号具有稳定性的特点,且WiFi技术已得到广泛部署,融合使用地磁和WiFi定位具有一定的优势。因此,本文基于Android系统智能手机作为接收设备,融合地磁、WiFi及行人航迹推算（PDR）技术,通过自适应粒子滤波模型和随机抽样一致性算法对采集的信号进行处理。试验证明,地磁、WiFi、PDR三者融合进行室内定位的方法与其他单类方法相比,实现了将室内定位精度的误差最小降低到1.02 m。     

一种基于目标检测和PnP的移动终端室内定位方法

针对传统的视觉定位易受噪声干扰、目标检测准确率低且无法获取终端准确位姿信息的问题,提出了一种基于卷积神经网络的目标检测和PnP相结合的移动终端室内定位方法,通过Mask-RCNN进行目标检测,然后采用EPnP算法求解相机准确的位姿信息,并对该方法进行系统实现及真实场景试验。试验结果表明,该方法目标检测准确率在98%以上,单轴定位误差在0.35 m以内,满足移动终端室内定位的精度,具有精度高、稳定性好的优点,为基于视觉的移动终端室内定位提供了新的思路。     

基于互补滤波融合WiFi和PDR的行人室内定位

提出了一种基于互补滤波融合Wi Fi和PDR的行人室内定位方法。首先改善Wi Fi位置指纹定位的KNN算法,通过阈值的设定,排除相似度高但实际上不可能的点,获取动态K值;然后通过行人航位推算(PDR)初始化算法,动态轨迹概率计算,确定PDR初始位置;最后在改进的Wi Fi和PDR的定位基础上,基于互补滤波原理,根据Wi Fi和PDR定位的不同特性,利用各自的定位优点,使用Wi Fi定位修正PDR的定位结果,通过相应权重参数的调整,输出最终融合定位结果。试验过程中,选取3种不同的室内环境区域,试验结果证明了该算法可大大提高室内定位的精度和稳定性。     

推扫式三维点云在商场导航中的应用研究

针对目前商场为用户提供的商品导览方式存在的不能为用户提供一站式购物服务、商场中商品繁多用户很难买到称心如意的商品、对于不熟悉商场的用户来说根据平面图容易迷路找不到目的地等问题,本文提出了通过使用推扫式三维点云室内导航的API接口对其进行二次开发实现室内导航商品的自由导览与音频讲解功能。实验结果表明,北京某万达广场使用该系统的用户体验效果良好,大大改善了用户的购物体验。     

基于B/S的室内地图信息系统研发

随着定位、导航和可视化技术的发展,位置服务已深入人们的生活,定位导航技术逐步由室外转向室内。目前,室外定位导航技术的发展已相当成熟,但是由于建筑数据量巨大、内部结构复杂,以及GPS定位在室内的局限性,影响了室内定位服务的发展。建筑场所的复杂化催生了人们对室内地图的需求,促进了室内地图服务技术的发展。当前的室内地图系统多数基于传统的关系型数据库,具有潜在的运行不稳定、数据量小、数据更新和优化困难等问题,急需一个高效的数据库来存储这种海量、多样性的室内地图数据。本文基于MongoDB数据存储方案,设计实现了基于B/S的室内地图服务系统。系统实现了MongoDB数据库结构设计以及相关地图操作,包括地理空间数据的入库与展示、数据查询、用户管理等功能。同时,系统基于Cesium加载并显示三维数据模型,基于MongoDB的图形绘制功能进行室内地图的展示,并实现三维大场景到室内地图的切换功能。     

顾及用户感知的室内地图设计原则

室内空间区域划分复杂、要素细碎繁多,现今的室内地图大多是基于室内空间特征进行设计。事实上,室内空间特征与其它事物特征一样,都是通过人的感受和认知进行表现,"直接面向人"的特点要求室内地图的设计应该更多的顾及用户感知。本文基于人的视觉感受特性和情境认知规律结合现有室内地图设计理念探讨了顾及用户感知的室内地图设计原则。