CN104864871A - 一种基于移动终端惯性导航的室内定位和路径引导方法 - Google Patents

Abstract

本发明公开了一种基于移动终端惯性导航的室内定位和路径引导方法，首先分段采集室内路径轨迹数据；用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据；将最优路径轨迹数据进行存储与上传数据库；当用户设定到达地点时，移动设备从数据库获取相对应的最优路径轨迹数据，进行路径显示与引导。本发明不需安装额外设备，仅仅利用移动设备内置传感器，即可达到较高精度的室内的惯性导航和路径引导，具有实用性强，通用性广，成本低的特点。

Description

一种基于移动终端惯性导航的室内定位和路径引导方法

技术领域

本发明涉及一种室内定位和路径引导方法，尤其涉及一种基于移动终端惯性导航的室内定位和路径引导方法。

背景技术

随着经济的迅速增长，大型室内场馆，如商场、机场、博物馆等越来越多。针对如何方便人们在大型商场的购物，快速的寻找机场的出入口等问题，室内定位和路径导航是目前研究的热点之一。

惯性导航技术主要应用是利用移动设备内置的陀螺仪、加速度传感器和方向传感器等传感器来实现室内的定位。惯性导航技术相比较其他室内定位技术(如超声定位技术、红外定位、WIFI定位等)具有很多突出优势，因其不需要增加其他设备，成本低廉；移动设备随身携带，使用方便等优点。当前常用的惯性导航技术是通过移动设备内置的陀螺仪和加速度传感器获取人行走产生的加速度，判断人行走的步伐，记录人行走的步数；并利用利用移动设备的方向传感器获取人行走的方向；利用人行走的步数、方向，再结合人行走的步长，即可计算出人行走的轨迹。

此外，现有技术由刘力为提出的一种基于移动智能终端的室内定位方法利用特征匹配的计步算法，通过筛选满足尖峰条件的加速度值及对应的时间戳，再通过对尖峰加速度的值进一步进行条件筛选，即满足相邻时间戳间隔小于0.5S，判断行人走了一步。最后，现有技术由刘云浩等人提出的一种基于智能手机的惯性导航***及方法其中利用有限状态机的计步算法，通过加速度变化趋势来判断当前状态，当状态机的计步算法到达最后一个状态时，步数加1；利用最小二乘法对不同步长用于以规定步长行走时的加速度数据进行最佳线性拟合，得到加速度对应的步长。上述两种方法都通过改进计步算法，减少步频误判，提高计步和步长估计的准确度和精度。但是我们也不难看出其中的不足，采用计步方式的惯性导航应用仍然存在一定的局限性，当设备位于其他移动设备(如车辆)时，计步方式的惯性导航将不能工作；上述方式虽然可以实现室内的定位和运动轨迹的显示，但不能进一步实现室内的路径引导；因此现有技术仍然有待改善。

发明内容

有鉴于此，本发明目的在于克服现有技术的缺陷，提供了一种基于移动终端惯性导航的室内定位和路径引导方法，使得通过移动设备能够实现设备的室内定位和路径引导。

本发明提供的一种基于移动终端惯性导航的室内定位和路径引导方法，包括以下步骤：

S1：分段采集室内路径轨迹数据；

S2：用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据；

S3：将最优路径轨迹数据进行存储与上传数据库；

S4：当用户设定到达地点时，移动设备从数据库获取相对应的最优路径轨迹数据，进行路径显示与引导。

进一步，所述步骤S1中的分段采集室内路径轨迹数据方法包括以下步骤：

S11：对室内的路径进行分段划分处理，即将所有路径起始点和连接点视为一个节点，一个基本路段是指两个节点之间不存在其他节点的路径；

S12：设定初始点，用户手持移动设备在室内所划分基本路段上行走，利用移动终端设备内置的陀螺仪和加速度传感器获取设备的加速度，经过数值滤波，对加速度进行二重积分，获取设备的位移；

S13：再根据移动终端的方向传感器获取移动的方向；

S14：结合移动的方向和位移，计算出每一时间段的位置坐标变化量，得到实时移动的运动轨迹。

进一步，所述步骤S12中的获取设备位移的方法包括以下步骤：

S121：以采样频率f采集移动设备内置陀螺仪、加速度传感器的一系列数据，记为：加速度：A_a＝{a₁,a₂,...,a_n}，对应的时间戳：T_a＝{t₁,t₂,...,t_n}。考虑传感器的稳定性，开机进行测试，需要静止一到两秒，得到静止状态下的加速度均值a₀；

S122：对数据进行修正，去除误读数据，设定||a_i-a_i+1||的加速度阈值，当||a_i-a_i+1||超过该阈值时，将第i和i+2采样时刻的加速度平均值作为第i+1采样时刻的加速度值，并继续进行加速度阈值判断；

S123：再利用低通滤波器对加速度A_a＝{a₁,a₂,...,a_n}进行降噪处理，

a_i＝ka_i+(1-k)a_i-1,k∈[0,1],i＝{1,2,...,n}

S124：计算去除静止状态下的加速度均值a₀，得到加速度a_i＝a_i-a₀；

S125：计算通过平滑窗口的加速度值a：

$a_i=\frac{\underset{i=i-N}{\overset{i=i+N}{\mathrm{\Σ}}}{a}_i}{2N+1}$

其中2N+1为滑动窗口的长度；

S126：通过对加速度二重积分，得到位移 $x_i={\∫}_{t_i}^{t_{i+1}}(v_i+{\∫}_{t_i}^{t_{i+1}}{a}_i\mathrm{dt})\mathrm{dt},$ 其中 $v_i=v_{i-1}+{\∫}_{t_{i-1}}^{t_i}{a}_{i-1}\mathrm{dt}.$

进一步，所述S13中的根据移动终端的方向传感器获取移动的方向包括以下具体步骤：

S131：设定当设备正向前方的方向时的方向传感器的值d₀作为初始化方向角；

S132：以采样频率f采集移动设备移动中的方向传感器的读数，分别记为：

方向角：D＝{d₁,d₂,...,d_n}，其中所有的方向值的取值范围为0°～359°,且延逆时针方向增大；

S133：对数据进行修正，去除误读数据，设定||d_i-d_i+1||的方向角阈值，当||d_i-d_i+1||超过该阈值时，将第i和i+2采样时刻的方向角平均值作为第i+1采样时刻的方向角值，并继续进行第i+1采样时刻的方向角阈值判断。

S134：再利用低通滤波器对方向角D＝{d₁,d₂,...,d_n}进行降噪处理，

d_i＝kd_i+(1-k)d_i-1,其中k∈[0,1],i＝{1,2,...,n}

S135：计算设备的方向角相对起始方向角角度变化量：

当d_i大于起始方向角d₀时，则Δd_i＝d_i-d₀；

当d_i小于起始方向角d₀时，则Δd_i＝360°-d₀+d_i。

进一步，所述S14中的得到实时移动的运动轨迹包括以下具体步骤：

S141：根据t_i时刻的坐标，再结合单位时间的位移x_i和方向角角度变化量Δd_i，可以计算出第t_i+1时刻的坐标，若第t_i时刻的坐标为(X_t,Y_t)，则第t_i+1时刻的坐标(X_t+1,Y_t+1)为：

$\left\{\begin{array}{c}{X}_{t+1}=X_t+x_i\cos \left(\mathrm{\Δ}{d}_i\right)\\ Y_{t+1}=Y_t+x_i\sin \left(\mathrm{\Δ}{d}_i\right)\end{array}\right.$

S142：进一步，若起始坐标为(X₀,Y₀)，则第t_i采样时刻的坐标为：

$\left\{\begin{array}{c}{X}_t=X_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\cos \left(\mathrm{\Δ}{d}_k\right)\right)\\ Y_t=Y_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\sin \left(\mathrm{\Δ}{d}_k\right)\right)\end{array}\right.$

S143：根据坐标的值的变换量定位到设备的实时位置，并可以实时显示运动轨迹。

进一步，所述S2中用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据实现包括以下具体步骤：

S21：将节点进行依次标记M_i，按实际路段连接节点，形成室内路径网络拓扑图；

S22：将所在当前位置与设定的目的点作为新的节点更新添加到室内路径网络拓扑图；

S23：通过采集的历史路径轨迹数据计算每个路段的长度L_ij，作为室内路径网络拓扑图中弧的权值；

S24：采用D算法求最优路径轨迹。

进一步，所述S24中的采用D算法求最优路径轨迹包括以下具体步骤：

S241：将起始节点作为中心点，访问路网中离起始点最近且没有被检查过的节点，把该节点放入表S中等待检查；

S242：从S表中找出距起始点最近的节点，找出该节点的所有子节点，把该节点放到表F中；

S243：遍历考察节点的子节点，计算子节点距起始点的距离值，放入节点到表S中；

S244：重复S242，S243步，直到找到目标节点。

进一步，所述S4中的将最优路径轨迹数据进行存储与上传数据库包括以下具体步骤：

S41：存储方式1，本地存储：将最优路径轨迹数据存储在移动设备的外存储卡内，移动设备可以在不连接外界设备的情况下实现最优路径轨迹数据的读取；；

S42：存储方式2，服务器存储：建立信息管理数据库存储最优路径轨迹数据，移动设备通过向服务器发送请求，获取相对应的最优路径轨迹数据。

本发明的优点在于：其一，直接采用加速度积分处理，可以实现人和其他移动设备的室内定位；其二，实现室内路径轨迹数据的存储；其三，采用分段路径数据采集方式，从而减少了数据采集工作量和数据存储量；其四，可实现路径的还原，进一步实现了室内路径的引导。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为一种基于移动终端惯性导航的室内定位和路径引导方法流程图；

图2为推算定位与路径轨迹示意图；

图3为获取最短路径示意图；

具体实施方式

以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

图1为一种基于移动终端惯性导航的室内定位和路径引导方法流程图，图2为推算定位与路径轨迹示意图，图3为获取最短路段原理图，如图所示：本发明提供的一种基于移动终端惯性导航的室内定位和路径引导方法，包括以下步骤：

S1：分段采集室内路径轨迹数据；

S2：用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据；

S3：将最优路径轨迹数据进行存储与上传数据库；

S4：当用户设定到达地点时，移动设备从数据库获取相对应的最优路径轨迹数据，进行路径显示与引导。

进一步，所述步骤S1中的分段采集室内路径轨迹数据包括以下步骤：

S11：对室内的路径进行分段划分处理，即将所有路径起始点和连接点视为一个节点，一个基本路段是指两个节点之间不存在其他节点的路径；

S12：设定初始点，用户手持移动设备在室内所划分基本路段上行走，利用移动终端设备内置的陀螺仪和加速度传感器获取设备的加速度，经过数值滤波，对加速度进行二重积分，获取设备的位移；

S13：再根据移动终端的方向传感器获取移动的方向；

S14：结合移动的方向和位移，计算出每一时间段的位置坐标变化量，得到实时移动的运动轨迹。

进一步，所述步骤S12中的获取设备位移的方法包括以下步骤：

S121：以采样频率f采集移动设备内置陀螺仪、加速度传感器的一系列数据，记为：加速度：A_a＝{a₁,a₂,...,a_n}，对应的时间戳：T_a＝{t₁,t₂,...,t_n}。考虑传感器的稳定性，开机进行测试，需要静止一到两秒，得到静止状态下的加速度均值a₀；

S122：对数据进行修正，去除误读数据，设定||a_i-a_i+1||的加速度阈值，当||a_i-a_i+1||超过该阈值时，将第i和i+2采样时刻的加速度平均值作为第i+1采样时刻的加速度值，并继续进行加速度阈值判断；

S123：再利用低通滤波器对加速度A_a＝{a₁,a₂,...,a_n}进行降噪处理，

a_i＝ka_i+(1-k)a_i-1,k∈[0,1],i＝{1,2,...,n}

S124：计算去除静止状态下的加速度均值a₀，得到加速度a_i＝a_i-a₀；

S125：计算通过平滑窗口的加速度值a：

$a_i=\frac{\underset{i=i-N}{\overset{i=i+N}{\mathrm{\Σ}}}{a}_i}{2N+1}$

其中2N+1为滑动窗口的长度；

S126：通过对加速度二重积分，得到位移 $x_i={\∫}_{t_i}^{t_{i+1}}(v_i+{\∫}_{t_i}^{t_{i+1}}{a}_i\mathrm{dt})\mathrm{dt},$ 其中 $v_i=v_{i-1}+{\∫}_{t_{i-1}}^{t_i}{a}_{i-1}\mathrm{dt}.$

进一步，所述S13中的根据移动终端的方向传感器获取移动的方向包括以下具体步骤：

S131：设定当设备正向前方的方向时的方向传感器的值d₀作为初始化方向角；

S132：以采样频率f采集移动设备移动中的方向传感器的读数，分别记为：

方向角：D＝{d₁,d₂,...,d_n}，其中所有的方向值的取值范围为0°～359°,且延逆时针方向增大；

S133：对数据进行修正，去除误读数据，设定||d_i-d_i+1||的方向角阈值，当||d_i-d_i+1||超过该阈值时，将第i和i+2采样时刻的方向角平均值作为第i+1采样时刻的方向角值，并继续进行第i+1采样时刻的方向角阈值判断。

S134：再利用低通滤波器对方向角D＝{d₁,d₂,...,d_n}进行降噪处理，

d_i＝kd_i+(1-k)d_i-1,其中k∈[0,1],i＝{1,2,...,n}

S135：计算设备的方向角相对起始方向角角度变化量：

当d_i大于起始方向角d₀时，则Δd_i＝d_i-d₀；

当d_i小于起始方向角d₀时，则Δd_i＝360°-d₀+d_i。

进一步，所述S14中的得到实时移动的运动轨迹包括以下具体步骤：

S141：根据t_i时刻的坐标，再结合单位时间的位移x_i和方向角角度变化量Δd_i，可以计算出第t_i+1时刻的坐标，若第t_i时刻的坐标为(X_t,Y_t)，则第t_i+1时刻的坐标(X_t+1,Y_t+1)为：

$\left\{\begin{array}{c}{X}_{t+1}=X_t+x_i\cos \left(\mathrm{\Δ}{d}_i\right)\\ Y_{t+1}=Y_t+x_i\sin \left(\mathrm{\Δ}{d}_i\right)\end{array}\right.$

S142：进一步，若起始坐标为(X₀,Y₀)，则第t_i采样时刻的坐标为：

$\left\{\begin{array}{c}{X}_t=X_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\cos \left(\mathrm{\Δ}{d}_k\right)\right)\\ Y_t=Y_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\sin \left(\mathrm{\Δ}{d}_k\right)\right)\end{array}\right.$

S143：根据坐标的值的变换量定位到设备的实时位置，并可以实时显示运动轨迹。

进一步，所述S2中用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据实现包括以下具体步骤：

S21：将节点进行依次标记M_i，按实际路段连接节点，形成室内路径网络拓扑图；

S22：将所在当前位置与设定的目的点作为新的节点更新添加到室内路径网络拓扑图；

S23：通过采集的历史路径轨迹数据计算每个路段的长度L_ij，作为室内路径网络拓扑图中弧的权值；

S24：采用D算法求最优路径轨迹。

进一步，所述S24中的采用D算法求最优路径轨迹包括以下具体步骤：

S241：将起始节点作为中心点，访问路网中离起始点最近且没有被检查过的节点，把该节点放入表S中等待检查；

S242：从S表中找出距起始点最近的节点，找出该节点的所有子节点，把该节点放到表F中；

S243：遍历考察节点的子节点，计算子节点距起始点的距离值，放入节点到表S中；

S244：重复S242，S243步，直到找到目标节点。

进一步，所述S4中的将最优路径轨迹数据进行存储与上传数据库包括以下具体步骤：

S41：存储方式1，本地存储：将最优路径轨迹数据存储在移动设备的外存储卡内，移动设备可以在不连接外界设备的情况下实现最优路径轨迹数据的读取；；

S42：存储方式2，服务器存储：建立信息管理数据库存储最优路径轨迹数据，移动设备通过向服务器发送请求，获取相对应的最优路径轨迹数据。

本实施例利用移动设备内置的陀螺仪、加速度传感器和方向传感器，通过惯性导航技术对室内路径轨迹数据采集；进一步通过最短路径算法，获得最优路径轨迹；最终，实现室内定位和最优路径轨迹显示与路径引导。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：包括以下步骤：

S1：分段采集室内路径轨迹数据；

S2：用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据；

S3：将最优路径轨迹数据进行存储与上传数据库；

S4：当用户设定到达地点时，移动设备从数据库获取相对应的最优路径轨迹数据，进行路径显示与引导。

2.根据权利要求1所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述步骤S1中的分段采集室内路径轨迹数据方法包括以下步骤：

S11：对室内的路径进行分段划分处理，即将所有路径起始点和连接点视为一个节点，一个基本路段是指两个节点之间不存在其他节点的路径；

S12：设定初始点，用户手持移动设备在室内所划分基本路段上行走，利用移动终端设备内置的陀螺仪和加速度传感器获取设备的加速度，经过数值滤波，对加速度进行二重积分，获取设备的位移；

S13：再根据移动终端的方向传感器获取移动的方向；

S14：结合移动的方向和位移，计算出每一时间段的位置坐标变化量，得到实时移动的运动轨迹。

3.根据权利要求2所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述S12中的获取设备位移的方法包括以下具体步骤：

S121：以采样频率f采集移动设备内置陀螺仪、加速度传感器的一系列数据，记为：加速度：A_a＝{a₁,a₂,...,a_n}，对应的时间戳：T_a＝{t₁,t₂,...,t_n}。考虑传感器的稳定性，开机进行测试，需要静止一到两秒，得到静止状态下的加速度均值a₀；

S122：对数据进行修正，去除误读数据，设定||a_i-a_i+1||的加速度阈值，当||a_i-a_i+1||超过该阈值时，将第i和i+2采样时刻的加速度平均值作为第i+1采样时刻的加速度值，并继续进行加速度阈值判断；

S123：再利用低通滤波器对加速度A_a＝{a₁,a₂,...,a_n}进行降噪处理，

a_i＝ka_i+(1-k)a_i-1,k∈[0,1],i＝{1,2,...,n}

S124：计算去除静止状态下的加速度均值a₀，得到加速度a_i＝a_i-a₀；

S125：计算通过平滑窗口的加速度值a：

$a_i=\frac{\underset{i=i-N}{\overset{i=i+N}{\mathrm{\Σ}}}{a}_i}{2N+1}$

其中2N+1为滑动窗口的长度；

S126：通过对加速度二重积分，得到位移其中

4.根据权利要求2所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述S13中的根据移动终端的方向传感器获取移动的方向包括以下具体步骤：

S131：设定当设备正向前方的方向时的方向传感器的值d₀作为初始化方向角；

S132：以采样频率f采集移动设备移动中的方向传感器的读数，分别记为：

方向角：D＝{d₁,d₂,...,d_n}，其中所有的方向值的取值范围为0°～359°,且延逆时针方向增大；

S133：对数据进行修正，去除误读数据，设定||d_i-d_i+1||的方向角阈值，当||d_i-d_i+1||超过该阈值时，将第i和i+2采样时刻的方向角平均值作为第i+1采样时刻的方向角值，并继续进行第i+1采样时刻的方向角阈值判断。

S134：再利用低通滤波器对方向角D＝{d₁,d₂,...,d_n}进行降噪处理，

d_i＝kd_i+(1-k)d_i-1,其中k∈[0,1],i＝{1,2,...,n}

S135：计算设备的方向角相对起始方向角角度变化量：

当d_i大于起始方向角d₀时，则Δd_i＝d_i-d₀；

当d_i小于起始方向角d₀时，则Δd_i＝360°-d₀+d_i。

5.根据权利要求2所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述S14中的得到实时移动的运动轨迹包括以下具体步骤：

S141：根据t_i时刻的坐标，再结合单位时间的位移x_i和方向角角度变化量Δd_i，可以计算出第t_i+1时刻的坐标，若第t_i时刻的坐标为(X_t,Y_t)，则第t_i+1时刻的坐标(X_t+1,Y_t+1)为：

$\left\{\begin{array}{c}{X}_{t+1}=X_t+x_i\cos \left(\mathrm{\Δ}{d}_i\right)\\ Y_{t+1}=Y_t+x_i\sin \left(\mathrm{\Δ}{d}_i\right)\end{array}\right.$

S142：进一步，若起始坐标为(X₀,Y₀)，则第t_i采样时刻的坐标为：

$\left\{\begin{array}{c}{X}_t=X_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\cos \left(\mathrm{\Δ}{d}_k\right)\right)\\ Y_t=Y_0+{\mathrm{\Σ}}_{k=1}^{k=i}\left(x_k\sin \left(\mathrm{\Δ}{d}_k\right)\right)\end{array}\right.$

S143：根据坐标的值的变换量定位到设备的实时位置，并可以实时显示运动轨迹。

6.根据权利要求1所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述S2中的用最短路径算法对历史路径轨迹数据进行优化处理，得到最优路径轨迹数据实现包括以下具体步骤：

S21：将节点进行依次标记M_i，按实际路段连接节点，形成室内路径网络拓扑图；

S22：将所在当前位置与设定的目的点作为新的节点更新添加到室内路径网络拓扑图；

S23：通过采集的历史路径轨迹数据计算每个路段的长度L_ij，作为室内路径网络拓扑图中弧的权值；

S24：采用D算法求最优路径轨迹。

7.根据权利要求6所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：所述S24中的D算法求最优路径轨迹实现包括以下具体步骤：

S241：将起始节点作为中心点，访问路网中离起始点最近且没有被检查过的节点，把该节点放入表S中等待检查；

S242：从S表中找出距起始点最近的节点，找出该节点的所有子节点，把该节点放到表F中；

S243：遍历考察节点的子节点，计算子节点距起始点的距离值，放入节点到表S中；

S244：重复S242，S243步，直到找到目标节点。

8.根据权利要求1所述的一种基于移动终端惯性导航的室内定位和路径引导方法，其特征在于：S4中的将最优路径轨迹数据进行存储与上传数据库包括以下具体步骤：

S41：存储方式1，本地存储：将最优路径轨迹数据存储在移动设备的外存储卡内，移动设备可以在不连接外界设备的情况下实现最优路径轨迹数据的读取；；

S42：存储方式2，服务器存储：建立信息管理数据库存储最优路径轨迹数据，移动设备通过向服务器发送请求，获取相对应的最优路径轨迹数据。