基于环境光修正的行人航迹推算(3)
[5] THRUN S. Probabilistic robotics[M].Cambridge: MIT Press, 2005.
[6] YANG Z, WU C, ZHOU Z, et al. Mobility increases localizability: a survey on wireless indoor localization using inertial sensors[J]. Acm Computing Surveys, 2015, 47(3):1-34.
[7] KLASNJA P, PRATT W. Healthcare in the pocket: mapping the space of mobile-phone health interventions[J]. Journal of Biomedical Informatics, 2012, 45(1):184-198.
[8] INCEL O D,KOSE M, ERSOY C. A review and taxonomy of activity recognition on mobile phones[J]. BioNanoScience, 2013, 3(2):145-171.
[9] 石高涛, 王伯远, 吴斌. 基于WiFi与移动智能终端的室内定位方法综述[J]. 计算机工程, 2015, 41(9):39-44.
[10] 陈国良, 张言哲, 汪云甲, 等.WiFi-PDR室内组合定位的无迹卡尔曼滤波算法[J]. 测绘学报, 2015, 44(12):1314-1321.
[11] LEPP H, COLLIN J, TAKALA J. Pedestrian navigation based on inertial sensors, indoor map, and WLAN signals[J]. Journal of Signal Process Systems, 2013, 71(3):287-296.
[12] LI F, ZHAO C, DING G, et al. A reliable and accurate indoor localization method using phone inertial sensors[C]∥Proceedings of 2012 ACM Conference on Ubiquitous Computing. [S.l.]: ACM, 2012.
[13] 马明, 宋千, 李杨寰,等. 基于地磁辅助的室内行人定位航向校正方法[J]. 电子与信息学报, 2017,39(3):647-653.
[14] 宋镖, 程磊, 周明达, 等. 基于惯导辅助地磁的手机室内定位系统设计[J]. 传感技术学报, 2015,28(8):1249-1254.
[15] LIU J, CHEN Y, JAAKKOLA A, et al. The uses of ambient light for ubiquitous positioning[C]∥Proceedings of 2014 IEEE/ION Position, Location & Navigation Symposium-Plans. [S.l.]: IEEE, 2014.
[16] XIE B, GONG S, TAN G. LiPro: light-based indoor positioning with rotating handheld devices[J]. Wireless Networks, 2018,24(1):49-59.
[17] SUN Z L, MAO X C, TIAN W F, et al. Activity classifica-tion and dead reckoning for pedestrian navigation with wearable sensors[J]. Measurement Science and Technology, 2009, 20(1):187-198.
[18] KAPPI J, SYRJARINNE J, SAARINEN based pedestrian navigator for handheld devices[C]∥Proceedings of the 14th International Technical Meeting of the Satellite Division of the Institute of Navigation. Zurich:[s.n.], 2010.
[19] KAKIUCHI N,SUNAGAWA K, KAMIJO S. Pedestrian dead reckoning for mobile phones using magnetic deviation map[J]. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2015, E98-A(1):313-322.
[20] KANG W, HAN Y. SmartPDR: smartphone-based pedestrian dead reckoning for indoor localization[J]. IEEE Sensors Journal, 2015, 15(5):2906-2916.
[21] 张奔, 毛君龙, 刘振超. 基于LED照明的室内定位技术研究[J]. 工业控制计算机, 2018,31(12):39-41.
近年来,随着移动互联网的迅速发展和智能机的普及,以位置服务(location based services,LBS)为核心的产业发展迅猛。室内环境存在卫星信号衰减、遮挡的情况,无法借助于传统的卫星导航定位系统进行定位[1]。为了满足人们日常生活中对室内定位的需求,国内外学者展开了广泛的研究,如基于WiFi和磁场的定位技术[2-3]、射频技术[4]及激光扫描定位技术[5]等。然而,这些技术成本高,实施起来较为复杂,因此需要寻找一种低成本、易普及的室内定位方法。基于智能手机的行人航迹推算技术(pedestrian dead reckoning,PDR)[6]是一种低成本、易实现的定位技术[7-8],且能够满足人们在室内环境下对定位精度的需求,因此行人航迹推算技术得到了越来越多的关注。然而,利用PDR进行定位过程中会产生累计误差,影响定位精度。目前,利用WiFi或地磁进行辅助纠正行人轨迹是一种常用的方法[9]。如文献[10]利用无迹卡尔曼滤波技术融合PDR与WiFi来提高室内定位的精度。除此之外,利用室内地图所包含的地理信息修正行人轨迹误差也是一种常用的手段,如文献[11]提出一种融合PDR、WiFi和地图信息来实现室内行人跟踪的方法,文献[12]利用基于地图的粒子滤波模型,将用户位置、步长和方向等作为状态值输入参数来实现定位,文献[13]利用手机收集室内地磁数据,并通过磁力匹配与PDR组合的方法进行定位,文献[14]设计了一套惯导辅助地磁的手机室内定位系统。为解决行人航迹推算产生的累计误差,本文拟设计一种简单有效的利用环境光修正PDR定位的方法。在利用室内环境光进行定位的领域中,文献15]提出了室内环境光强度可用于定位;文献[16]提出了利用环境光强度和磁场指纹数据进行定位,但该方法对照明设备的布设有特殊要求。本文通过提取室内LED灯作为地标点,并设计一种LED灯检测算法,从而实现利用室内光照强度信息修正PDR累计误差。1 PDR原理行人航迹推算(PDR)的实现主要分为3个阶段,分别为步频检测、步长估计和航向估计。其主要通过移动终端内置的加速度计、陀螺仪和磁力计等传感器获取数据,进而依靠步态检测和航向估计算法实现定位功能 步频检测正常情况下,行人行走时的加速度具有周期性,现有的步频检测算法大多采用峰值检测[17]和过零检测[18]。为了避免系统误差,忽略加速度计具体朝向带来的影响,本文采用三轴总加速度进行计算,公式如下(1)式中,a(t)表示去除重力加速度后的合成加速度t时刻的数值;ax(t)、ay(t)和az(t)分别表示加速度计在t时刻时的X轴、Y轴和Z轴的加速度值;g表示当地的重力加速度。针对步频检测问题,本文利用3个约束条件实现步频检测:①设置局部加速度最大阈值athr;②设置加速度峰值检测之间的时间阈值介于Tmin和Tmax之间;③根据行人的行走姿态,可以判断每步的起始点为峰值前的一个过零点 步长估计静态模型和动态模型是常用的步长估计模型[19]。静态模型是指步长为定值,不随加速度的变化而改变。本文所采用的动态模型,其原理是依据行人行走过程中,在一个加速度周期内,利用加速度峰值amax和谷值amin的差adif表示加速度幅值,公式如下adif=amax-amin(2)再通过式(3)计算第i步的步长li(3)式中,β为比例因子,定位之前由先验数据经过最小二乘拟合得到 航向估计利用陀螺仪和磁力计进行方向估计是PDR中常用的手段。然而室内环境的磁场不稳定,且手机内置的磁力传感器易受外部环境干扰,如经过铁门时磁场会发生剧烈变化。陀螺仪虽不受外部环境的干扰,但存在随时间的增加其累计误差也随之增加的问题。因此本文结合陀螺仪和磁力计进行方向估计[20],即(4)式中,和分别表示磁力计和陀螺仪检测到的第i步角度变化值;ωmag和ωgyro分别表示对应的权重参数,其值会根据磁力计和陀螺仪角度变化的相关性而改变。2 环境光辅助PDR的定位原理仅使用PDR进行位置估计容易产生累计误差,无法满足长时间的定位精度要求。本文提取室内固定的LED灯的位置作为地标,利用其发射的光照强度信息辅助修正PDR过程中产生的累计误差 光照强度光照强度是指单位面积上所接收的可见光能量,简称照度[21],通常用于指示光照的强弱和物体表面积被照明程度的量。随着智能机的发展及其内置传感器的多样化,多数智能机都配置了光线传感器,其主要目的是根据外界环境光强度的信息自动调节屏幕亮度,从而对使用者的视力起到一定的保护作用。本文利用室内环境光强度信息辅助修正PDR过程中产生的累计误差 环境光指纹数据库通常情况下,用于室内照明的LED位置是固定的,且LED灯具有较长的寿命年限,因此基于室内光强度信息构建的环境光指纹数据库拥有较长的服务年限。环境光指纹数据库的建立主要包括离线阶段和在线定位阶段。离线阶段主要包括采集不同地理位置上的光照强度信息,并存储到数据库中,试验过程中可以根据实际需求按照不同大小的单元格进行信号采集。在线定位阶段主要包括利用实时采集的光照强度信息与数据库进行匹配,进一步推算出用户的实时位置 技术方法本文提出的基于环境光修正的行人航迹方法需提前采集室内LED灯的地理坐标,并将其位置信息存储到指纹数据库。在实时定位阶段过程中,通过智能机采集的光照强度信息进行航迹纠正,从而减小PDR累计误差。环境光匹配室内定位系统如图1所示。图1 基于环境光辅助的室内定位系统3 试验与分析为了验证本文提出的基于环境光修正的行人航位推算的可行性,笔者进行了室内定位测试试验。试验选取某教学楼内走廊和办公室作为试验场地。走廊内布设有3个照明设备,办公室布设有2个照明设备。试验选取OPPO A73手机采集室内环境光强度信息,并构建环境光指纹数据库,试验区域内的环境光强度信息分布如图2所示。图2 环境光强度信息分布3.1 环境光检测试验本次试验中,假设初始位置已知,试验者手持手机在试验场中沿34 m长度的走廊行走,该走廊布设有3个用于照明的LED灯。行走过程中,以5 Hz的频率采集并保存光照强度值。由于行人在行走时,移动设备不可避免地会存在水平或竖直方向的抖动,从而影响光照强度采集的准确性。为准确地检测光照强度峰值,本文通过移动平均滤波对行走时采集的光照强度信息进行平滑,滤波效果如图3所示。图3 滤波后的光强信息为验证光峰值检测算法的准确度,试验对滤波后的光照数据进行峰值检测,检测效果如图4所示,光峰值检测算法可准确检测出行人行走过程中所经过的LED数量。图4 光峰值检测3.2 基于环境光修正的PDR为验证以上基于环境光修正的PDR方法的可靠性,本文在试验区域规划一条全长为86 m的闭合曲线,并使用OPPO A73手机作为试验设备,利用上述提出的光峰值检测算法实现PDR功能。试验效果如图5所示。图5 常规PDR图5中虚线为规划的实际路线,以房间中一个点为起点和终点。从图中可以看出,由于对步数、步长和航向的估计存在偏差,导致使用单一的PDR进行定位容易产生累计误差。在试验最后甚至出现行人路线穿墙的误差。为了有效避免PDR产生累计误差,本文利用环境光对PDR进行修正。其原理是在PDR进行定位的过程中,当行人经过LED灯时即视为检测出纠正点(光峰值),从而实现对路径的纠正,如图6所示。图6 基于环境光修正的PDR从图6可以明显看出,由于地磁的不稳定性导致航向估计出现较大的偏差,以至于推算出的行人路线有穿墙的趋势。除此之外,由于对行人的步长及步频估计存在偏差导致推算的位置与实际位置也存在偏差。但利用检测出的纠正点可及时有效地消除PDR产生的累计误差。4 结 语相比其他室内定位技术,基于环境光修正的航位推算定位方法不需要提前部署任何设备,仅需要预先构建室内环境光指纹数据库,并采集室内LED灯的位置信息即可。基于这一优势,本文开发了基于Android操作系统的实时采集环境强度信息,并实现在线定位阶段中光强峰值检测的软件,最后实现了基于环境光修正的PDR定位技术。通过对比发现,利用环境光修正的PDR定位技术可以有效地消除行走过程中出现的累计误差,其定位精度可以满足人们常规生活的需求,在地下停车场、大型室内商场、博物馆等场所具有广泛的应用价值。参考文献:[1] DENG Z A,WANG G F, HU Y, et al. Carrying position independent user heading estimation for indoor pedestrian navigation with smartphones[J]. Sensors, 2016, 16(5):677-.[2] DENG Z A, XU Y B, MA L. Indoor positioning via nonlinear discriminative feature extraction in wireless local area network[J]. Computer Communications, 2012, 35(6):738-747.[3] 王亚昕,边东明.基于地磁场的室内定位技术综述[R]. 哈尔滨:第九届中国卫星导航学术年会,2018.[4] ZHU W P, CAO J N, XU Y, et al. Fault-tolerant RFID reader localization based on passive RFID tags[J]. IEEE Transactions on Parallel and Distributed Systems, 2014, 25(8):2065-2079.[5] THRUN S. Probabilistic robotics[M].Cambridge: MIT Press, 2005.[6] YANG Z, WU C, ZHOU Z, et al. Mobility increases localizability: a survey on wireless indoor localization using inertial sensors[J]. Acm Computing Surveys, 2015, 47(3):1-34.[7] KLASNJA P, PRATT W. Healthcare in the pocket: mapping the space of mobile-phone health interventions[J]. Journal of Biomedical Informatics, 2012, 45(1):184-198.[8] INCEL O D,KOSE M, ERSOY C. A review and taxonomy of activity recognition on mobile phones[J]. BioNanoScience, 2013, 3(2):145-171.[9] 石高涛, 王伯远, 吴斌. 基于WiFi与移动智能终端的室内定位方法综述[J]. 计算机工程, 2015, 41(9):39-44.[10] 陈国良, 张言哲, 汪云甲, 等.WiFi-PDR室内组合定位的无迹卡尔曼滤波算法[J]. 测绘学报, 2015, 44(12):1314-1321.[11] LEPP H, COLLIN J, TAKALA J. Pedestrian navigation based on inertial sensors, indoor map, and WLAN signals[J]. Journal of Signal Process Systems, 2013, 71(3):287-296.[12] LI F, ZHAO C, DING G, et al. A reliable and accurate indoor localization method using phone inertial sensors[C]∥Proceedings of 2012 ACM Conference on Ubiquitous Computing. [S.l.]: ACM, 2012.[13] 马明, 宋千, 李杨寰,等. 基于地磁辅助的室内行人定位航向校正方法[J]. 电子与信息学报, 2017,39(3):647-653.[14] 宋镖, 程磊, 周明达, 等. 基于惯导辅助地磁的手机室内定位系统设计[J]. 传感技术学报, 2015,28(8):1249-1254.[15] LIU J, CHEN Y, JAAKKOLA A, et al. The uses of ambient light for ubiquitous positioning[C]∥Proceedings of 2014 IEEE/ION Position, Location & Navigation Symposium-Plans. [S.l.]: IEEE, 2014.[16] XIE B, GONG S, TAN G. LiPro: light-based indoor positioning with rotating handheld devices[J]. Wireless Networks, 2018,24(1):49-59.[17] SUN Z L, MAO X C, TIAN W F, et al. Activity classifica-tion and dead reckoning for pedestrian navigation with wearable sensors[J]. Measurement Science and Technology, 2009, 20(1):187-198.[18] KAPPI J, SYRJARINNE J, SAARINEN based pedestrian navigator for handheld devices[C]∥Proceedings of the 14th International Technical Meeting of the Satellite Division of the Institute of Navigation. Zurich:[s.n.], 2010.[19] KAKIUCHI N,SUNAGAWA K, KAMIJO S. Pedestrian dead reckoning for mobile phones using magnetic deviation map[J]. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2015, E98-A(1):313-322.[20] KANG W, HAN Y. SmartPDR: smartphone-based pedestrian dead reckoning for indoor localization[J]. IEEE Sensors Journal, 2015, 15(5):2906-2916.[21] 张奔, 毛君龙, 刘振超. 基于LED照明的室内定位技术研究[J]. 工业控制计算机, 2018,31(12):39-41.
文章来源:《大气与环境光学学报》 网址: http://www.dqyhjgxxb.cn/qikandaodu/2021/0208/333.html
上一篇:都是夜归人 捷宝口袋外拍灯助力人像创作
下一篇:酒吧人像