室内定位

室内定位简介

　　在室内环境无法使用卫星定位时，使用室内定位技术作为卫星定位的辅助定位，解决卫星信号到达地面时较弱、不能穿透建筑物的问题。最终定位物体当前所处的位置。

　　定位技术

　　除通讯网络的蜂窝定位技术外，常见的室内无线定位技术还有：Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波。

室内定位百科

　　在室内环境无法使用卫星定位时，使用室内定位技术作为卫星定位的辅助定位，解决卫星信号到达地面时较弱、不能穿透建筑物的问题。最终定位物体当前所处的位置。

　　定位技术

　　除通讯网络的蜂窝定位技术外，常见的室内无线定位技术还有：Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波。

　　l Wi-Fi技术

　　通过无线接入点（包括无线路由器）组成的无线局域网络（WLAN），可以实现复杂环境中的定位、监测和追踪任务。它以网络节点（无线接入点）的位置信息为基础和前提，采用经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位，最高精确度大约在1米至20米之间。如果定位测算仅基于当前连接的Wi-Fi接入点，而不是参照周边Wi-Fi的信号强度合成图，则Wi-Fi定位就很容易存在误差（例如：定位楼层错误）。

　　另外，Wi-Fi接入点通常都只能覆盖半径90米左右的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。

　　l 蓝牙技术

　　蓝牙通讯是一种短距离低功耗的无线传输技术，在室内安装适当的蓝牙局域网接入点后，将网络配置成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微网络的主设备。这样通过检测信号强度就可以获得用户的位置信息。

　　蓝牙定位主要应用于小范围定位，例如：单层大厅或仓库。对于持有集成了蓝牙功能移动终端设备，只要设备的蓝牙功能开启，蓝牙室内定位系统就能够对其进行位置判断。

　　不过，对于复杂的空间环境，蓝牙定位系统的稳定性稍差，受噪声信号干扰大。

　　l 红外线技术

　　红外线技术室内定位是通过安装在室内的光学传感器，接收各移动设备（红外线IR标识）发射调制的红外射线进行定位，具有相对较高的室内定位精度。

　　但是，由于光线不能穿过障碍物，使得红外射线仅能视距传播，容易受其他灯光干扰，并且红外线的传输距离较短，使其室内定位的效果很差。当移动设备放置在口袋里或者被墙壁遮挡时，就不能正常工作，需要在每个房间、走廊安装接收天线，导致总体造价较高。

　　l 超宽带技术

　　超宽带技术与传统通信技术的定位方法有较大差异，它不需要使用传统通信体制中的载波，而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，可用于室内精确定位，例如：战场士兵的位置发现、机器人运动跟踪等。

　　超宽带系统与传统的窄带系统相比，具有穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、能够提高精确定位精度等优点，通常用于室内移动物体的定位跟踪或导航。

　　l RFID技术

　　RFID定位技术利用射频方式进行非接触式双向通信交换数据，实现移动设备识别和定位的目的。它可以在几毫秒内得到厘米级定位精度的信息，且传输范围大、成本较低；不过，由于以下问题未能解决，以RFID定位技术的适用范围受到局限。

　　1． RFID不便于整合到移动设备之中

　　2． 作用距离短（一般最长为几十米）

　　3． 用户的安全隐私保护

　　4． 国际标准化

　　l ZigBee技术

　　ZigBee是一种短距离、低速率的无线网络技术。它介于RFID和蓝牙之间，可以通过传感器之间的相互协调通信进行设备的位置定位。这些传感器只需要很少的能量，以接力的方式通过无线电波将数据从一个传感器传到另一个传感器，所以ZigBee最显著的技术特点是它的低功耗和低成本。

　　技术方案

　　目前我们已经能够看到一些室内定位技术的应用介绍了。据我所知的有谷歌、诺基亚、博通、IndoorAtals、Qubulus、杜克大学这几个方案。下面笔者就把它们整理一下，欢迎大家在此基础上进行指正、补充。谷歌方案

　　谷歌手机地图6.0版的时候已经在一些地区加入了室内导航功能，此方案主要依靠GPS（室内一般也能搜索到2～3颗卫星）、wifi信号、手机基站以及根据一些“盲点”（室内无GPS、wifi或基站信号的地方）的具体位置完成室内的定位。目前此方案的精度还不是很满意，所以谷歌后来又发布了一个叫“Google Maps Floor Plan Marker”的手机应用，号召用户按照一定的步骤来提高室内导航的精度。谷歌一直在努力解决两个问题：获取更多的建筑平面图；提高室内导航的精度。建筑平面图是室内导航的基础，就如同GPS车用导航需要电子导航地图一样。谷歌目前想通过“众包”的方式解决数据源的问题，就是鼓励用户上传建筑平面图。另外，用户在使用谷歌的室内导航时，谷歌会收集一些GPS、wifi、基站等信息，通过服务器进行处理分析之后为用户提供更准确的定位服务。诺基亚方案

　　诺基亚采用的是HAIP技术，具体是什么笔者也没能查到更多的资料，不过诺基亚正在努力使它成为蓝牙协议的一部分，这样只要你的设备带有蓝牙模块，就能够使用这种技术进行定位。当然，仅有一个蓝牙模块还不能完成定位，还需要在室内安装一种定位发射台，通过这两者之间的通信完成定位。这种发射台可以覆盖100m×100m的范围，定位精度在30cm～100cm，据说这种发射台还有成本低、功耗低等特点，一台或多台都能完成定位。博通方案

　　博通公司研制了一种用于室内定位的新芯片（BCM4752），具备三维定位功能（即你所在位置的高度也算出来）。这种芯片可以通过wifi、蓝牙或NFC等技术来提供室内定位系统支持。更强大的是，该芯片可以结合其它传感器，例如手机里的陀螺仪、加速度传感器、方位传感器等，将你位置的变化实时计算出来，甚至做到没有死角。博通公司的如意算盘是将这种芯片内置到智能手机里。IndoorAtlas方案

　　IndoorAtlas是一家专注于室内导航解决方案的公司，刚成立不久。IndoorAtlas的方案基于地球磁场，依据是每一个具体位置的磁场信息都不一样。不过使用这种技术进行导航比较麻烦，首先用户需要上传建筑平面图，然后还需要你拿着移动设备绕室内一圈，记录下各个位置的地磁信号特征，这些信息需要上传到IndoorAtlas的服务器。最后，你需要使用IndoorAtlas提供的工具包开发一个应用才能使用定位功能（IndoorAtlas的开发工具包可以在线申请，不过笔者申请了两次都没结果）。Qubulus方案

　　跟IndoorAtlas不同的是，Qubulus公司根据无线电信号（Radio Signature）来定位。每一个位置的无线电信号数量、频度、强度等也是不同的，Qubulus根据这些差异计算出你的具体位置。使用Qubulus的方案，你同样需要收集室内的无线电信号。Qubulus也提供了开发工具包，很容易申请下来。开发工具包里有一个例子，可以使用Eclipse直接编译通过。杜克大学方案

　　杜克大学则借助现实生活中路标（landmarks）的思想，正在开发一个叫做UnLoc的应用。此应用通过感知wifi、3G信号死角，以及一些运动特征，如电梯、楼梯等，并根据这些位置已知的路标来计算你的位置。当你移动的时候，就根据其他感应器（ 陀螺仪、加速度传感器、方位传感器等）来跟踪你的位置。这一过程精度会逐渐降低，但当你到达下一个路标时，位置就会被校准。智慧图方案

　　北京智慧图科技有限责任公司通过检测Wi-Fi、蓝牙节点（iBeacon）的信号强度进行定位，目前智慧图定位产品包括终端侧定位与网络侧定位两种［4］ 。终端侧定位通过手机检测无线网络信号，进行手机自主定位导航，在手机app中提供了部分室内场馆（机场及商业广场）的室内位置服务功能（定位、导航、POI搜索、优惠查询等）。网络侧定位由Wi-Fi的无线AP检测移动设备的信号，进行定位，主要应用于建筑内的客流数据统计分析，该模式主要为大型商业广场、店铺、公共文化建筑提供服务。

　　l 超声波技术

　　超声波定位主要采用反射式测距（发射超声波并接收由被测物产生的回波后，根据回波与发射波的时间差计算出两者之间的距离），并通过三角定位等算法确定物体的位置。

　　超声波定位整体定位精度较高、系统结构简单，但容易受多径效应和非视距传播的影响，降低定位精度；同时，它还需要大量的底层硬件设施投资，总体成本较高。

　　室内定位的主要种类

　　这里要讲的室内定位，主要针对我自己做过或者理解的内容，主要是基于手机平台的行人的室内定位。至于机器人的SLAM通过的激光雷达等部分暂时不敢妄议。

　　目前来看，从定位信号来源大致可以分为：

　　1.基于无线信号发射设备的WiFi，蓝牙（iBeacon），RFID，UWB

　　这一类定位方式，主要通过手机或者特定接收端，WiFi和蓝牙普通的手机具有接受模块，RFID部分手机具有，UWB需要专门的接收设备，当然也有号称把UWB设备集成到手机里面的硬件公司，这个目前就不再我讨论的范围里面了。通过接收以上设备发射的无线信号进行定位，就好像GPS定位一样。

　　2.基于惯性导航的（IMU，MEMS）的室内定位

　　大家都知道惯导随着时间误差会不断积累，所以这个方法往往不会单独使用，而是和其他技术一起进行融合。由其他的绝对定位技术提供校正信息，而惯导的信息提供连续的定位和起到对其他位置的平滑作用。针对行人而言，如果以手机作为定位平台，基本上就是所谓的微机械的MEMS，基本所有手机都具备。

　　3.基于图片（视频）的计算机视觉定位

　　这个方法，实话说到目前为止我还没有真正做过。但是Google2017 I/O上面，通过Tango实现了这个通过机器学习及计算机视觉的VPS（Visual positioning service）据说理论精度可达厘米级别，不可谓不可怕。关于我对这个技术的理解，我会放在后面定位方法里面来讲，因为我觉得那样更能看出其特点。

　　4.基于地磁

　　由于室内环境复杂多变，通常各个不同的位置点的地磁场强度也不一样。但是一个磁场信号源显然不足以定位，所以通常方式是在行走道路上对磁场变化轨迹进行匹配，如下图所示为我持手机在不同时间走过同一段路径时候的磁场数据，横轴为时间，可以看出来，在同一条路径上存在变化一致性。通过这种匹配，也可以进行定位，通常采用的方法为DTW.具体算法细节就不细讲了，感兴趣的童鞋请自行实现。

　　2. 室内定位的主要方法论

　　2.1.基于无线信号的三边（三角定位）

　　这个方法来自于传统的定位方法，类似GPS，假如我们能够获得我们待定位点相对于其它基站的距离或者角度，通过交会列多元方程组求解的方法可以求出我们所在的位置，当然了，实际情况中往往不是求解刚好够定位的方程组，而是用多余的观测值然后利用最小二乘估计方法来估计位置。以下图为例，对于三个基站，我们如果能够获得信号发射和接受的时间差，那么就可以通过时间差和光速传播来求取距离从而获得定位。

　　但是，对于普通的WiFi，蓝牙信号，要想求出从信号发射到信号接收之间的时间差，基本是不可能的。因为你要保持两边的时间同步，才能通过发射时间和接收时间来求取时间差，考虑到c光速的巨大，时间差一点点距离就能差非常远。所以基本不可能通过时间差的方法来进行定位。

　　那么室内定位里面的三边定位是怎么实现的呢？

　　我们知道，只要求取当前目标和各个基站的距离，就能求解目标位置。而这个距离既然不能通过时间和光速之积来获得，我们可以通过另一个方法来获得，那就是信号衰减模型，如下图所示，我们知道在离线状态下，无线信号强度在空间中传播随着距离衰减！ 而这个无线信号强度对于手机上的接收器来说是可测的！那么根据测试到的信号强度，是不是可以根据下图的衰减模型（公式）来反推出距离呢，那么这样不就又可以用三边定位了。

　　当然，这个问题的实际在于：这种信号衰减是针对理想状况啊（真空，无反射）。那么在实际的室内复杂环境下，信号在不断的折射反射（多路径效应）下，这个模型可能就出现了波动了。也就是说你通过测量信号强度来反推距离很大可能带有很大误差，同时由于不同传感器的信号特征不同，模型参数也不一而足，导致这个方法的定位效果其实不太理想。

　　2.2 MEMS的定位方法

　　传统的捷联式惯导中，通过惯性器件测量各个方向上的加速度然后再时间上进行积分，就可以求取目标的移动。但是在行人中，mems比较差的精度和姿态随意性，会导致积分快速发散，精度完全不可用。

　　所以，在行人的室内定位中的mems使用，基本都基于航位推算（PDR），也就是现在基本很多手机都具有的，通过加速度计算你行走的步数，然后通过估计你每步的长度从而获得行人的移动距离。怎么计算行人的步数呢，如下图所示，行人携带手机在行走过程中，由于重心随着前进的节奏呈现周期性变化。通过这个变化的监测，自然可以知道行人的前进步伐。

　　当然有距离还不够，还需要知道移动方向才能定位，MEMS中自然是还有陀螺仪和地磁传感器，通过这两个传感器和加速度的结合，可以获得前进方向的推算，通常通过滤波组合。不过方向的推算不是很准，所以也有人在使用pdr时，只使用其距离来组合其他的定位方法。

　　2.3 指纹定位方法

　　这个方法还是针对无线信号定位的。2.1中有说道，无论是通过时间还是信号模型衰减求取距离来进行三边定位，都无法完全结果室内信号的波动和环境的影响。

　　所以另外一个经典的室内定位方法，指纹定位方法被提出来了。所谓指纹定位，我的理解，好比公安部门采集了所有人的指纹数据，由于其独一无二的特性，在破案时候通过匹配数据库中的指纹和嫌疑人的指纹来进行查找。

　　室内定位中的指纹法也是这样，首先在室内中收集很多的指纹数据（无线信号数据，通常定义一个个格网点来采集无线强度：对应每个人的指纹），当需要定位的时候，通过手机采集到的无线信号和预先收集的指纹数据库对比，找出最相似的指纹的位置作为定位的位置。就好比通过嫌疑人的指纹来寻找他的身份一样。

　　前面提到Google在今年的tango里面提出了vrs，其实我的理解。也是一种指纹匹配，不过这里的指纹特点变成了视觉特征点，匹配过程的输入变成了图片（视频），通过与数据库中的视觉特征点+深度传感器来进行定位。其中用上了高大上的机器学习^_^。

　　当然，这个理解如果有误还请懂行的童鞋指出，毕竟这一块我不是很熟。

　　2.4 模式识别方法

　　这个方法其实不在很多归类中出现，不过我也简单讲一讲。最早我在duke大学的一篇paper中看见。

　　刚才说道，单一定位方式各有优缺点，所以通常采用融合的方法，通常采用kalman滤波 particle filter等融合几种传感器数据。所谓模式识别方法，就是某些行为过程中，手机mems数据会产生特定的特征，例如坐电梯时候的加速度显然和走路以及静止时候的加速度变化有非常明显的差别。那么通过这种模式的识别，识别出你正在坐电梯（称之为landmark），这个位置可以作为pdr的纠正或者起始位置。

　　2.5 融合定位

　　融合多种方式的定位，往往才是效果好的。但是融合方法很难普适，因为不同的地方的数据源，不同手机平台的差异性。但是还是作为重要的方法，主要通过kalman ，particle filter进行融合。这个方面后面如果有时间。我单独开一篇讲讲融合定位，也可以把代码放到github上。

　　融合定位中除了通过以上所述方法/信号源的融合，还会有加上地图匹配的。也就是通过地图限制行进路径的偏差。但是相对于车辆必须开在公路上，地图匹配在室内的情况则更为复杂。关于室内地图的简单定义和制作，可以参见我博客中的另外两篇文章《室内地图1》《室内地图2》

　　update：整理了一个卡尔曼滤波和粒子滤波的融合算法模拟器demo，感兴趣的童鞋可以看这里，然后下载代码自己试试看。

　　3.室内定位相关知识图谱

　　这一小节预计整理一下，室内定位中涉及到的方法论和名字。当然，也并非其中的全部楼主都有做了，比如说indoorGM的室内地图，其实光是定义和生产地图就已经是很大的一方面了。

　　只是为了全面，供有兴趣的童鞋研究，我也将我所知的写入了。