基于PDR輔助的視覺室內(nèi)定位算法的研究

　　【摘 要】GPS信號(hào)對(duì)建筑物的穿透能力有限，無法滿足人們室內(nèi)定位精度的需求。為了彌補(bǔ)這一不足，通過對(duì)現(xiàn)有室內(nèi)定位技術(shù)進(jìn)行研究，對(duì)比分析各種技術(shù)在不同室內(nèi)環(huán)境下的優(yōu)缺點(diǎn)，提出了基于PDR輔助視覺室內(nèi)定位的方法。首先對(duì)光照條件不足和誤差累積對(duì)于定位精度的影響進(jìn)行獨(dú)立評(píng)價(jià)，然后綜合考慮多種因素融合算法性能進(jìn)行分析，并給出了復(fù)雜室內(nèi)環(huán)境下應(yīng)用該算法進(jìn)行定位的可行性。最后通過實(shí)驗(yàn)證實(shí)了該算法的可靠性和魯棒性。

　　【關(guān)鍵詞】室內(nèi)定位;視覺定位;PDR;融合算法

　　推薦閱讀：《影像視覺》(月刊)創(chuàng)刊于1973年，由科學(xué)技術(shù)部和新聞出版署批準(zhǔn)，國(guó)內(nèi)外公開發(fā)行，全國(guó)感光材料信息站主辦。

　　1 引言

　　由于室內(nèi)環(huán)境復(fù)雜多變，人們對(duì)于室內(nèi)位置服務(wù)的要求也越來越高。一系列的定位技術(shù)如Wi-Fi定位、藍(lán)牙定位、慣性導(dǎo)航系統(tǒng)(INS， Inertial Navigation System)、基于視覺的定位等技術(shù)得到了研究人員的高度關(guān)注。然而，每種技術(shù)都有自己的優(yōu)勢(shì)和局限性。目前室內(nèi)定位研究的熱點(diǎn)方向是如何結(jié)合不同的技術(shù)實(shí)現(xiàn)高精度定位。

　　文獻(xiàn)[1]中提出的新方案是將行人航跡推算(PDR， Pedestrian Dead Reckoning)和Wi-Fi指紋技術(shù)結(jié)合起來。這種方案的主要優(yōu)勢(shì)在于，它只依賴于少部分建筑參數(shù)和智能手機(jī)中的加速度計(jì)、指南針和Wi-Fi卡。但隨著手機(jī)攜帶方式的改變，慣性傳感器定位系統(tǒng)很難從多個(gè)復(fù)雜的疊加運(yùn)動(dòng)中提取出完整、準(zhǔn)確的運(yùn)動(dòng)軌跡。在文獻(xiàn)[2]中，利用檢測(cè)到的目標(biāo)像素的變化率來說明PDR在未標(biāo)定相機(jī)中的有效性，這有助于提高PDR的定位性能。Ashish Gupa和Alper Yilmaz的研究表明，使用視覺和慣性傳感器進(jìn)行室內(nèi)定位只需要在移動(dòng)設(shè)備上安裝一個(gè)平面建筑信息模型(BIM， Building Information Modeling)和廉價(jià)的傳感器套件[3]。綜上所述，多源定位系統(tǒng)的定位性能得到了很大的提升。

　　基于視覺的定位和基于PDR的定位是兩種常用的室內(nèi)定位方法。文獻(xiàn)[4]-文獻(xiàn)[7]中提出了許多室內(nèi)定位系統(tǒng)，其共同優(yōu)點(diǎn)是成本低、能耗低。但智能手機(jī)相機(jī)受光照條件、圖像分辨率和相機(jī)自動(dòng)對(duì)焦速度的影響[8]，采集到的視覺圖像具有不穩(wěn)定性。ARCore是谷歌提出的AR增強(qiáng)現(xiàn)實(shí)項(xiàng)目。ARCore的區(qū)域?qū)W習(xí)功能可以讓智能手機(jī)尋找和記憶物理空間的關(guān)鍵特征，比如邊緣、角落等。ARCore有自己的參照系，提取目標(biāo)特征的方法比其他基于視覺的定位系統(tǒng)更加精確。但在光照條件不足的情況下，其提取結(jié)果會(huì)有很大偏差。如果想要實(shí)現(xiàn)無論何種光照條件下都能達(dá)到精確定位的效果，就需要選擇其他室內(nèi)定位技術(shù)來彌補(bǔ)這一不足。

　　如文獻(xiàn)[9]中所描述的，PDR是相對(duì)定位技術(shù)，即從已知的位置出發(fā)，對(duì)行走距離和行走方向進(jìn)行估計(jì)的技術(shù)，其對(duì)光照沒有任何要求。雖然PDR定位可以實(shí)現(xiàn)連續(xù)的位置跟蹤，但隨著行走距離和行走方向的改變，誤差累積是主要問題[10]。此外，在運(yùn)動(dòng)模式復(fù)雜的室內(nèi)環(huán)境中，PDR定位系統(tǒng)需要進(jìn)行不斷更新，這就給室內(nèi)定位提出了更大的挑戰(zhàn)。

　　本研究提出了一種基于PDR的輔助視覺室內(nèi)定位新算法，通過融合基于視覺的定位和基于PDR定位的優(yōu)勢(shì)，實(shí)現(xiàn)了高精度的定位，并且同時(shí)保證了定位的魯棒性。

　　2 系統(tǒng)描述

　　本文提出了一種基于視覺和慣性傳感器相融合的多源室內(nèi)定位系統(tǒng)。系統(tǒng)框圖如圖1所示?；贏RCore的定位算法用于提供視覺定位測(cè)量?；趹T性的定位結(jié)果由智能手機(jī)內(nèi)置的加速度計(jì)和陀螺儀進(jìn)行計(jì)算。這兩個(gè)系統(tǒng)獨(dú)立工作。然后分別對(duì)定位結(jié)果的有效性進(jìn)行評(píng)估，并采用松耦合的方法進(jìn)行融合。

　　2.1 基于ARCore視覺定位算法

　　基于ARCore的視覺定位算法進(jìn)行定位的過程是篩選、識(shí)別特征點(diǎn)、匹配特征點(diǎn)、濾除錯(cuò)誤匹配、轉(zhuǎn)換坐標(biāo)。在其運(yùn)動(dòng)跟蹤中，攝像機(jī)的加速度和運(yùn)動(dòng)方向由6軸慣性傳感器(加速度和陀螺儀)進(jìn)行捕捉。然后將上述兩個(gè)傳感器的數(shù)據(jù)進(jìn)行整合，通過區(qū)域?qū)W習(xí)來解決運(yùn)動(dòng)跟蹤中積累的誤差，從而實(shí)現(xiàn)三維運(yùn)動(dòng)跟蹤?；贏RCore的視覺定位算法提供的坐標(biāo)位于一個(gè)自定義的虛擬框架中。為了與視覺定位的數(shù)據(jù)融合，PDR幀中的坐標(biāo)在基于ARCore的視覺幀中的映射方法如下所示：

　　2.3 基于ARCore的視覺定位和基于PDR定位的

　　融合算法

　　基于ARCore的視覺定位在光照充足的大多數(shù)環(huán)境下都能進(jìn)行精準(zhǔn)的定位。但是當(dāng)行人移動(dòng)到光線較差、反光度較大的室內(nèi)環(huán)境時(shí)，其定位精度會(huì)隨之變低。雖然PDR的定位結(jié)果必然會(huì)隨著時(shí)間的累積而產(chǎn)生誤差，進(jìn)而影響定位精度，但慣性測(cè)量單元(IMU， Inertial Measurement Unit)在各點(diǎn)的估計(jì)誤差范圍是可靠的。因此本文將使用IMU來判斷基于ARCore的輸出點(diǎn)的有效性。如果輸出點(diǎn)在誤差范圍內(nèi)，表明其輸出有效，否則輸出無效。誤差范圍ε的判定如圖3所示：

　　3 研究結(jié)果

　　通過現(xiàn)場(chǎng)實(shí)驗(yàn)對(duì)所提出的融合算法性能進(jìn)行了測(cè)試。實(shí)驗(yàn)地點(diǎn)為黑龍江大學(xué)物理實(shí)驗(yàn)樓七樓。測(cè)試軌跡持續(xù)時(shí)間約為15分鐘。本文利用校驗(yàn)點(diǎn)表示地面真值，分析了該方法的定位誤差，并與傳統(tǒng)方法進(jìn)行了比較。

　　3.1 基于ARCore視覺定位的結(jié)果

　　基于ARCore的視覺定位結(jié)果如圖4所示，其中紅點(diǎn)表示預(yù)設(shè)路徑中的檢查點(diǎn)，黑線為輸出的軌跡，藍(lán)線表示實(shí)驗(yàn)樓七樓的墻面。

　　3.2 PDR定位結(jié)果

　　PDR的定位結(jié)果如圖5所示。PDR定位的軌跡在很多地方偏離了指定的區(qū)域。開始時(shí)，位移的偏移誤差很小，隨著時(shí)間的推移，誤差逐漸累積，導(dǎo)致圖5中的軌跡與預(yù)設(shè)路徑中的檢查點(diǎn)出現(xiàn)了很大的偏差。

　　3.3 融合定位系統(tǒng)的結(jié)果

　　圖6表明融合定位系統(tǒng)的輸出軌跡與單獨(dú)基于ARCore的視覺定位系統(tǒng)的輸出相似。但從圖6中可以看出，當(dāng)室內(nèi)環(huán)境中光照條件發(fā)生變化或行人前方墻體太白時(shí)，其輸出異常，與融合系統(tǒng)存在明顯的差異。

　　通過對(duì)以上定位系統(tǒng)輸出誤差的分析，比較了所有標(biāo)記點(diǎn)輸出誤差的中位數(shù)、平均值、均方根和四分之三值，如表1所示。通過比較可以看出，PDR的定位精度低于基于ARCore的視覺定位的精度。

　　三種算法定位結(jié)果輸出的誤差積累分布如圖7所示，其中橫軸為定位誤差，用εd表示，單位為米，縱軸為誤差積累概率Pa。當(dāng)Pa=1時(shí)，即誤差積累概率為100%時(shí)，對(duì)應(yīng)的橫軸的值為本次實(shí)驗(yàn)的最大定位誤差。當(dāng)Pa=0時(shí)，即誤差積累概率為0時(shí)，對(duì)應(yīng)的縱軸的值為本實(shí)驗(yàn)的最小定位誤差。

　　實(shí)驗(yàn)所得定位誤差εd和定位累計(jì)誤差εa隨定位時(shí)間t的變化情況分別如圖8(a)和圖8(b)所示。通過數(shù)據(jù)對(duì)比不難看出，基于PDR定位的精度遠(yuǎn)低于基于ARCore的視覺定位和融合算法定位系統(tǒng)的精度?；贏RCore的視覺定位誤差與融合系統(tǒng)定位誤差在80%以內(nèi)是相同的，但在光照條件不足的環(huán)境下，基于ARCore的視覺定位出現(xiàn)了較大的誤差，而融合定位系統(tǒng)的定位誤差相對(duì)穩(wěn)定。綜上所述，本文提出的融合定位算法大大提高了室內(nèi)定位系統(tǒng)的定位精度。

　　4 結(jié)束語

　　本文提出了一種新型融合室內(nèi)定位算法，將基于視覺的定位算法和基于慣性的定位算法融合在一個(gè)松散耦合的體系結(jié)構(gòu)中，利用PDR的輸出值對(duì)基于ARCore的定位獲得的測(cè)量值進(jìn)行分析與測(cè)試。如果基于ARCore的定位給出的步長(zhǎng)可靠，則直接用于融合系統(tǒng)中，否則步長(zhǎng)由倒立擺模型導(dǎo)出。卡爾曼濾波器用于航向融合。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的室內(nèi)定位系統(tǒng)相比，融合定位系統(tǒng)實(shí)現(xiàn)了更高精度的室內(nèi)定位。

　　參考文獻(xiàn)：

　　[1] Wang B， Liu Xuelin， Yu Baoguo， et al. Pedestrian Dead Reckoning Based on Motion Mode Recognition Using a Smartphone[J]. Sensors， 2018，18(6)：1811.

　　[2] Li Y， He Z， Nielsen J. Enhancing Wi-Fi based indoor pedestrian dead reckoning with security cameras[C]//Ubiquitous Positioning， Indoor Navigation and Location Based Services (UPINLBS)， 2016 Fourth International Conference for IEEE. 2016： 107-112.

　　[3] Yilmaz A， Gupta A. Indoor positioning using visual and inertial sensors[J]. SENSORS， 2016： 1-3.

　　[4] 李華亮，錢志鴻，田洪亮. 基于核函數(shù)特征提取的室內(nèi)定位算法研究[J]. 通信學(xué)報(bào)， 2017(1)： 158-167.