本發(fā)明的技術(shù)方案涉及為了網(wǎng)絡(luò)管理的目的無線通信網(wǎng)絡(luò)技術(shù)，具體地說是一種室內(nèi)定位方法。

背景技術(shù)：

室內(nèi)定位是指在室內(nèi)環(huán)境中實(shí)現(xiàn)位置定位，主要采用無線通訊、基站定位、慣導(dǎo)定位等多種技術(shù)集成形成一套室內(nèi)位置定位體系，從而實(shí)現(xiàn)人員、物體等在室內(nèi)空間中的位置監(jiān)控。由于室內(nèi)環(huán)境復(fù)雜多變，且無法接收GPS(Global Positioning System全球定位系統(tǒng))信號(hào)，使得目前室內(nèi)定位有一定的困難。在室內(nèi)環(huán)境無法使用衛(wèi)星定位時(shí)，使用室內(nèi)定位技術(shù)作為衛(wèi)星定位的輔助定位，解決衛(wèi)星信號(hào)到達(dá)地面時(shí)較弱、不能穿透建筑物的問題，最終定位物體當(dāng)前所處的位置。

從目前公開的文獻(xiàn)和技術(shù)手段來看，研發(fā)較多的室內(nèi)定位技術(shù)有：Wi-Fi技術(shù)，該技術(shù)是基于WLAN(Wireless Local Area Network無線局域網(wǎng))的室內(nèi)定位，需要事先布置好無線接入點(diǎn)AP(Access Point)，在無定位需求時(shí)會(huì)造成資源浪費(fèi)；超寬帶技術(shù)，是基于UWB(Ultra Wide Band超寬帶技術(shù))的室內(nèi)定位，目前至少需要三個(gè)信號(hào)接收機(jī)，且接收機(jī)與發(fā)射機(jī)之間不能存在障礙物；慣導(dǎo)定位技術(shù)，是基于慣性傳感器(Inertial sensors)的室內(nèi)定位，由于慣性傳感器受微電子機(jī)械系統(tǒng)噪聲的影響，不可避免地影響定位精度。

CN103402256B公開了一種基于WiFi指紋的室內(nèi)定位方法；CN106304331A披露了一種WiFi指紋室內(nèi)定位方法；CN103582119B公告了WiFi室內(nèi)定位系統(tǒng)的指紋數(shù)據(jù)庫構(gòu)建方法。從目前公開的有關(guān)WiFi定位技術(shù)的文獻(xiàn)來看，基于WiFi指紋的定位技術(shù)全部采用MAC地址與信號(hào)強(qiáng)度RSSI值構(gòu)建指紋，該方法構(gòu)建的指紋庫復(fù)雜，且定位準(zhǔn)確率易受室內(nèi)環(huán)境變化的影響。

CN106295512A公開了基于標(biāo)識(shí)的多糾正線室內(nèi)視覺數(shù)據(jù)庫構(gòu)建方法以及室內(nèi)定位方法，此方法基于相機(jī)，通過檢索帶有特定標(biāo)識(shí)的圖像來實(shí)現(xiàn)定位與導(dǎo)航，這在現(xiàn)實(shí)的室內(nèi)環(huán)境中難以實(shí)現(xiàn)，需要在室內(nèi)布置一系列帶有同一標(biāo)識(shí)的圖像集，需改動(dòng)室內(nèi)環(huán)境；CN106228538A公開了基于logo的雙目視覺室內(nèi)定位方法，定位過程需要雙臺(tái)相機(jī)來獲取圖像，利用攝像機(jī)對(duì)目標(biāo)點(diǎn)進(jìn)行定位，涉及到攝像機(jī)內(nèi)外參數(shù)的標(biāo)定以及攝像機(jī)坐標(biāo)系、圖像坐標(biāo)系與世界坐標(biāo)系三者之間的轉(zhuǎn)換，一般應(yīng)用于移動(dòng)機(jī)器人的三維定位領(lǐng)域，向普通大眾推廣應(yīng)用較困難?？傊?，現(xiàn)有的單一的視覺定位方法技術(shù)不適用于室內(nèi)定位。

綜上所述，目前尚無經(jīng)濟(jì)且成熟的室內(nèi)定位技術(shù)。隨著互聯(lián)網(wǎng)、無線通信、計(jì)算機(jī)技術(shù)、測(cè)繪技術(shù)和設(shè)備制造等關(guān)鍵技術(shù)的飛速發(fā)展，室內(nèi)定位將向著不同室內(nèi)定位技術(shù)互補(bǔ)結(jié)合的方向發(fā)展。通過不同室內(nèi)定位技術(shù)互補(bǔ)結(jié)合的方式彌補(bǔ)某一項(xiàng)室內(nèi)定位方法的劣勢(shì)，如何將各種不同的室內(nèi)定位技術(shù)有機(jī)地結(jié)合起來將是該技術(shù)領(lǐng)域研究的熱點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提供一種室內(nèi)定位方法，是采用基于WiFi指紋的定位與基于標(biāo)志的視覺定位相結(jié)合的方法，實(shí)現(xiàn)高精度的室內(nèi)定位，該方法克服了現(xiàn)有WiFi指紋定位技術(shù)存在的精度低和現(xiàn)有的單一的視覺定位方法技術(shù)不適用于室內(nèi)定位的缺陷。

本發(fā)明解決該技術(shù)問題所采用的技術(shù)方案是：一種室內(nèi)定位方法，是采用基于WiFi指紋的定位與基于標(biāo)志的視覺定位相結(jié)合的方法，首先利用WiFi位置指紋定位算法得到WiFi定位范圍及WiFi定位坐標(biāo)，再根據(jù)被測(cè)試圖像的特征匹配與視覺定位得到視覺定位坐標(biāo)，最后將WiFi位置指紋定位與視覺定位相結(jié)合，具體步驟如下：

第一步，生成WiFi指紋：

基于Java語言開發(fā)一項(xiàng)Android App，獲得WiFi信號(hào)的MAC地址，并生成txt文件保存在智能手機(jī)中，由此生成WiFi指紋；

第二步，構(gòu)建WiFi位置指紋數(shù)據(jù)庫：

選取室內(nèi)環(huán)境下的走廊區(qū)域?yàn)槎ㄎ粎^(qū)域，在該走廊區(qū)域中，選取30～60個(gè)WiFi采樣點(diǎn)，每個(gè)采樣點(diǎn)的坐標(biāo)已知，在每個(gè)采樣點(diǎn)利用已安裝的App檢測(cè)可以檢測(cè)到的WiFi信號(hào)，獲得其MAC地址序列并保存為WiFi位置指紋數(shù)據(jù)庫中的指紋，由保存的一系列的MAC地址序列組成WiFi位置指紋數(shù)據(jù)庫，每一個(gè)指紋對(duì)應(yīng)唯一的位置信息，在選定的定位區(qū)域中，設(shè)定60個(gè)WiFi采樣點(diǎn)，將每個(gè)采樣點(diǎn)采集到的MAC地址作為該采樣點(diǎn)的指紋，遍歷所有采樣點(diǎn)便可得到60個(gè)指紋，保存入WiFi位置指紋數(shù)據(jù)庫，由此完成構(gòu)建WiFi位置指紋數(shù)據(jù)庫；

第三步，WiFi指紋定位：

在定位階段，在上述第二步選取的定位區(qū)域內(nèi)設(shè)定待定位點(diǎn)x處的位置坐標(biāo)為(x,y)，可接收到N_x個(gè)WiFi信號(hào)，利用第一步中的App檢測(cè)得到此定位點(diǎn)x的實(shí)測(cè)指紋利用指紋匹配算法將這個(gè)實(shí)測(cè)指紋xf與上述第二步中的WiFi位置指紋數(shù)據(jù)庫中的指紋lf進(jìn)行匹配，得到匹配度最高的三個(gè)指紋，從而得到WiFi定位范圍(x₀～x₁,y₀～y₁)及WiFi定位坐標(biāo)(x_w,y_w)，實(shí)現(xiàn)WiFi指紋定位；

第四步，生成訓(xùn)練圖像集：

在上述第二步的定位區(qū)域內(nèi)，所有門牌的坐標(biāo)是已知的，這些門牌都是標(biāo)志采樣點(diǎn)，即待定位點(diǎn)，利用智能手機(jī)拍攝門牌，遍歷所有的標(biāo)志采樣點(diǎn)，生成訓(xùn)練圖像集，由于標(biāo)志采樣點(diǎn)是WiFi采樣點(diǎn)中的一部分，因此標(biāo)志采樣點(diǎn)的坐標(biāo)已知，訓(xùn)練圖像的坐標(biāo)就是標(biāo)志采樣點(diǎn)的坐標(biāo)；

第五步，計(jì)算SURF全局特征描述符：

首先對(duì)上述第四步得到的訓(xùn)練圖像進(jìn)行預(yù)處理，包括歸一化處理和灰度化處理，然后計(jì)算SURF全局特征描述符，包括兩部分，第一部分是特征點(diǎn)定位，第二部分是特征描述符計(jì)算，將歸一化處理后的圖像的中心點(diǎn)作為特征點(diǎn)，將該整幅圖像作為此特征點(diǎn)的單一鄰域，由此計(jì)算出的特征描述符作為該整幅圖片的SURF全局特征描述符；

第六步，計(jì)算ORB全局特征描述符：

(6.1)確定特征點(diǎn)的主方向：

同上述第五步將歸一化處理后的圖像的中心點(diǎn)作為特征點(diǎn)，該特征點(diǎn)的主方向利用圖像矩來計(jì)算，對(duì)于任意一個(gè)特征點(diǎn)，其圖像矩為其中I(x,y)是點(diǎn)(x,y)處的灰度值，該特征點(diǎn)的鄰域圖像的質(zhì)心鄰域圖像的質(zhì)心與特征點(diǎn)的夾角為θ＝arctan 2(m₀₁,m₁₀)，即為特征點(diǎn)的主方向；

(6.2)生成BRIEF特征描述子：

BRIEF特征描述子的生成過程如下：P表示一個(gè)經(jīng)平滑處理的圖像鄰域，在任意位置點(diǎn)x和y的二進(jìn)制測(cè)試是這兩點(diǎn)強(qiáng)度測(cè)試的邏輯結(jié)果：其中，P(x)表示圖像P上一點(diǎn)x處的強(qiáng)度，經(jīng)過n次二進(jìn)制測(cè)試，得到一個(gè)n維向量，即BRIEF特征描述子這里選取n＝256，得到的是256位的二進(jìn)制字符串；

(6.3)計(jì)算出ORB全局特征描述符：

為了使BRIEF特征描述子具有旋轉(zhuǎn)不變性，根據(jù)上述(6.1)步確定的特征點(diǎn)的方向設(shè)置BRIEF特征描述子的方向，對(duì)于任意圖像像素點(diǎn)(x_i,y_i)的n位二進(jìn)制測(cè)試集得到的特征集合，定義一個(gè)2×n矩陣由上述(6.1)步確定的特征點(diǎn)的主方向計(jì)算出仿射變換矩陣由此得到S_θ＝R_θS，S_θ即為具有旋轉(zhuǎn)不變性的BRIEF特征描述子，最后計(jì)算出具有旋轉(zhuǎn)不變性的ORB全局特征描述符：g_n(P,θ):＝f_n(P)|(x_i,y_i)∈S_θ，這里選取n＝256；

第七步，采集被測(cè)試圖像：

在上述第二步所述的定位區(qū)域內(nèi)，利用智能手機(jī)在待定位點(diǎn)拍攝與之最近的門牌，采集到被測(cè)試圖像；

第八步，被測(cè)試圖像的特征匹配與視覺定位：

被測(cè)試圖像的特征匹配方法是，①計(jì)算兩個(gè)SURF全局特征描述符之間的歐氏距離：兩個(gè)SURF全局特征描述符L¹，L²之間的歐氏距離其中i為64維特征向量的第i維；②計(jì)算兩個(gè)ORB全局特征描述符之間的漢明距離：兩個(gè)ORB全局特征描述符R¹，R²之間的漢明距離通過對(duì)兩個(gè)二進(jìn)制字符串T¹，T²進(jìn)行位異或運(yùn)算得到，其中i為256位字符串的第i位；上述兩個(gè)特征描述符的距離越小，圖像匹配度越高；

視覺定位的方法是，首先分別采用上述第五步和第六步的方法計(jì)算上述第七步采集到的被測(cè)試圖像的SURF全局特征描述符與ORB全局特征描述符，然后利用上述被測(cè)試圖像的特征匹配方法分別計(jì)算該被測(cè)試圖像的SURF全局特征描述符與ORB全局特征描述符與上述第四步得到的訓(xùn)練圖像的SURF全局特征描述符與ORB全局特征描述符之間的距離，再利用KNN算法在SURF匹配空間計(jì)算三個(gè)近鄰，即計(jì)算與該被測(cè)試圖像的SURF全局特征描述符的歐氏距離最小的三個(gè)上述第四步得到的訓(xùn)練圖像，在ORB匹配空間計(jì)算二個(gè)近鄰，即計(jì)算與該被測(cè)試圖像的ORB全局特征描述符的漢明距離最小的二個(gè)上述第四步得到的訓(xùn)練圖像，最后取三個(gè)近鄰與二個(gè)近鄰的交集，作為與該被測(cè)試圖像最相近的上述第四步訓(xùn)練圖像集中的訓(xùn)練圖像，稱為匹配圖像，此匹配圖像對(duì)應(yīng)的位置坐標(biāo)即為視覺定位坐標(biāo)(x_v,y_v)，由此完成視覺定位；

第九步，WiFi指紋定位與視覺定位相結(jié)合的定位：

在上述第三步得到WiFi定位范圍后，將坐標(biāo)位于WiFi定位范圍內(nèi)的上述第四步生成訓(xùn)練圖像集中的訓(xùn)練圖像構(gòu)成匹配圖像集，當(dāng)上述第八步的匹配圖像位于該匹配圖像集內(nèi)，則將上述第八步得到的視覺定位坐標(biāo)(x_v,y_v)作為最終的室內(nèi)定位位置坐標(biāo)，反之將上述第三步得到的WiFi定位坐標(biāo)(x_w,y_w)作為最終的位置坐標(biāo)，由此完成WiFi指紋定位與視覺定位相結(jié)合的定位。

上述一種室內(nèi)定位方法，所述第三步中的指紋匹配算法，是將實(shí)測(cè)指紋的MAC地址序列與上述WiFi位置指紋數(shù)據(jù)庫中所有指紋的MAC地址序列一一進(jìn)行比較，當(dāng)MAC地址相同，則匹配成功，匹配度其中，xf(MAC)是指實(shí)測(cè)指紋的地址序列，lf(MAC)是指上述WiFi位置指紋數(shù)據(jù)庫中第l個(gè)指紋的MAC地址序列，l＝(1,2,...,m)，Num[xf(MAC)＝lf(MAC)]表示MAC地址匹配成功的數(shù)目，最后將匹配度由高到低的三個(gè)指紋對(duì)應(yīng)的位置作為粗略定位范圍(x₀～x₁,y₀～y₁)，在此基礎(chǔ)上，得到WiFi定位坐標(biāo)(x_w,y_w)，

上述一種室內(nèi)定位方法，所述第五步中的計(jì)算SURF全局特征描述符的方法是如下：

(1)計(jì)算特征點(diǎn)主方向：以特征點(diǎn)為中心，在半徑為6s的圓形鄰域內(nèi)，計(jì)算60度扇形內(nèi)所有點(diǎn)在x和y方向的Haar小波響應(yīng)的總和m_w，計(jì)算總和時(shí)要對(duì)這些響應(yīng)值進(jìn)行高斯加權(quán)，d_x和d_y是Haar小波響應(yīng)在x和y方向的信息，60度扇形滑動(dòng)窗以5度一步轉(zhuǎn)動(dòng)，計(jì)算合成向量角度θ_w，再求出各方向扇形的合成向量模長最大值：向量模長最大值對(duì)應(yīng)的角度即為特征點(diǎn)主方向；

(2)計(jì)算SURF全局特征描述符：經(jīng)上述(1)步得到特征點(diǎn)主方向后，在特征點(diǎn)周圍取一個(gè)正方形框，框的邊長為20s，將該正方形劃分為4×4個(gè)子區(qū)域，對(duì)于每一個(gè)子區(qū)域，計(jì)算以5×5個(gè)固定間隔特征點(diǎn)的Haar小波響應(yīng)，每一個(gè)子區(qū)域的特征描述符v計(jì)算如下：v＝(Σd_x,Σd_y,∑|d_x|,Σ|d_y|)，所有的16個(gè)子區(qū)域的描述符合起來形成此特征點(diǎn)的SURF特征描述符，最終的SURF全局特征描述符是一個(gè)64維的向量：V＝{v₁,v₂,...,v₁₆}，其中v_i(i＝1,2,...,16)是第i個(gè)子區(qū)域的特征描述符；

上述s為尺度因子。

本發(fā)明的有益效果是：與現(xiàn)有技術(shù)相比，本發(fā)明的突出的實(shí)質(zhì)性特點(diǎn)如下：

(1)本發(fā)明一種室內(nèi)定位方法是利用WiFi指紋定位的原理與視覺定位的原理，采用基于WiFi指紋的定位與基于標(biāo)志的視覺定位相結(jié)合的方法，首先利用WiFi位置指紋定位算法得到WiFi定位范圍及WiFi定位坐標(biāo)，再根據(jù)被測(cè)試圖像的特征匹配與視覺定位得到視覺定位坐標(biāo)，創(chuàng)造出一種基于WiFi指紋與視覺融合的高精度室內(nèi)定位方法。無論從原理上講還是在實(shí)際操作中來說，WiFi指紋定位和視覺定位難以在同一平臺(tái)下同時(shí)進(jìn)行，WiFi指紋需利用智能手機(jī)進(jìn)行采集，而指紋匹配算法需在C++環(huán)境下實(shí)現(xiàn)；視覺定位中訓(xùn)練圖像和被測(cè)試圖像需利用手機(jī)進(jìn)行拍攝，而SURF全局特征描述符與ORB全局特征描述符的計(jì)算以及特征匹配算法均需在C++環(huán)境下實(shí)現(xiàn)。本發(fā)明發(fā)明人經(jīng)過長期艱辛的研發(fā)工作，分別得到WiFi指紋定位的結(jié)果與視覺定位的結(jié)果并將其相結(jié)合，提出了一種將定位結(jié)果加以修正的方法。實(shí)驗(yàn)結(jié)果表明，本發(fā)明提出的兩種定位技術(shù)相結(jié)合的定位方法準(zhǔn)確率高，誤差較小。

(2)本發(fā)明方法中，WiFi指紋定位與視覺定位的互補(bǔ)之處在于：僅利用WiFi定位得到的結(jié)果誤差較大，正確率低，可利用視覺定位來修正；但當(dāng)視覺定位出現(xiàn)偶然的較大誤差時(shí)，可將WiFi指紋定位的確切坐標(biāo)來代替視覺定位坐標(biāo)，從而減小定位誤差，實(shí)現(xiàn)高精度的室內(nèi)定位，本發(fā)明方法克服了現(xiàn)有WiFi指紋定位技術(shù)存在的精度低的缺陷。

與現(xiàn)有技術(shù)相比，本發(fā)明的顯著進(jìn)步如下：

(1)本發(fā)明在構(gòu)建WiFi指紋時(shí)僅使用MAC地址，簡(jiǎn)化了指紋數(shù)據(jù)庫，且只要無線接入點(diǎn)AP不被移除，指紋就不變，定位準(zhǔn)確率與室內(nèi)環(huán)境的改變無關(guān)。

(2)本發(fā)明創(chuàng)新地將WiFi指紋定位與視覺定位相結(jié)合，揚(yáng)長避短，可方便地實(shí)現(xiàn)高精度的室內(nèi)定位。

(3)本發(fā)明方法可以有效提高室內(nèi)定位的精度，傳統(tǒng)的基于WiFi指紋定位的室內(nèi)定位方法的精度一般在10m左右，本發(fā)明方法將WiFi指紋定位與視覺定位相結(jié)合，定位精度可達(dá)到6m，定位準(zhǔn)確率可達(dá)到80％。

(4)本發(fā)明方法首先利用WiFi指紋定位得到粗略定位范圍及確切的位置坐標(biāo)，之后重點(diǎn)在于利用視覺定位來修正WiFi指紋定位得到的確切位置坐標(biāo)，因此在WiFi信號(hào)較少的環(huán)境下也可以使用。

(5)本發(fā)明方法不需要布署固定的WiFi接入點(diǎn)，操作簡(jiǎn)單，成本小，不需要額外的裝置，不需要改動(dòng)室內(nèi)環(huán)境。

(6)本發(fā)明方法利用室內(nèi)門牌做視覺定位，適用于室內(nèi)所有有門牌的場(chǎng)所，如會(huì)議室、室內(nèi)活動(dòng)中心和辦公樓。

附圖說明

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說明。

圖1為本發(fā)明方法的步驟流程示意框圖。

圖2為本發(fā)明方法開發(fā)的Android App的使用示意圖。

圖3為本發(fā)明方法的定位區(qū)域與采樣點(diǎn)分布示意圖。

圖中，1～60為定位區(qū)域內(nèi)的WiFi采樣點(diǎn),三角箭頭所指的1，4，7，11，14，17，20，23，38，41，45，47，51，54，57，59為訓(xùn)練圖像的標(biāo)志采樣點(diǎn),也即待定位點(diǎn)。

具體實(shí)施方式

圖1所示實(shí)施例表明，本發(fā)明方法的步驟流程是：生成WiFi指紋→構(gòu)建WiFi位置指紋數(shù)據(jù)庫→WiFi指紋定位→生成訓(xùn)練圖像集→計(jì)算SURF全局特征描述符→計(jì)算ORB全局特征描述符→采集被測(cè)試圖像→被測(cè)試圖像的特征匹配與視覺定位→WiFi指紋定位與視覺定位相結(jié)合的定位。

圖2所示實(shí)施例表明，使用本發(fā)明方法開發(fā)的Android App，獲得WiFi信號(hào)的MAC地址(MAC ADDRESS)，并生成txt文件保存在智能手機(jī)中，由此生成WiFi指紋；圖中顯示了WiFi位置指紋數(shù)據(jù)庫中的一個(gè)WiFi采樣點(diǎn)處的指紋由一系列MAC地址構(gòu)成，此App在該采樣點(diǎn)處能接收到個(gè)17個(gè)WiFi信號(hào)，相應(yīng)地有17個(gè)MAC地址，按下智能手機(jī)中的“保存”按鈕即可將這個(gè)指紋保存為txt文件。

圖3所示實(shí)施例顯示了定位區(qū)域與采樣點(diǎn)的分布情況，定位區(qū)域選取了走廊的一段，其長為60m，寬為3m，該定位區(qū)域內(nèi)的WiFi采樣點(diǎn)呈網(wǎng)狀分布，共60個(gè)，每個(gè)采樣點(diǎn)間隔2m，標(biāo)志采樣點(diǎn)共16個(gè)，即圖中的三角箭頭所指的1，4，7，11，14，17，20，23，38，41，45，47，51，54，57，59為訓(xùn)練圖像的標(biāo)志采樣點(diǎn),也是待定位點(diǎn)。

實(shí)施例

第一步，生成WiFi指紋：

基于Java語言開發(fā)一項(xiàng)Android App，獲得WiFi信號(hào)的MAC地址，并生成txt文件保存在智能手機(jī)中，由此生成WiFi指紋；由圖2所示實(shí)施例可看出，用App在一個(gè)選定的采樣點(diǎn)處能接收到個(gè)17個(gè)WiFi信號(hào)，相應(yīng)地有17個(gè)MAC地址，按下智能手機(jī)中的“保存”按鈕即可將這個(gè)指紋保存為txt文件；

第二步，構(gòu)建WiFi位置指紋數(shù)據(jù)庫：

選取室內(nèi)環(huán)境下的走廊區(qū)域?yàn)槎ㄎ粎^(qū)域，在該走廊區(qū)域中，選取60個(gè)WiFi采樣點(diǎn)，每個(gè)采樣點(diǎn)的坐標(biāo)已知，在每個(gè)采樣點(diǎn)利用已安裝的App檢測(cè)可以檢測(cè)到的WiFi信號(hào)，獲得其MAC地址序列并保存為WiFi位置指紋數(shù)據(jù)庫中的指紋，由保存的一系列的MAC地址序列組成WiFi位置指紋數(shù)據(jù)庫，每一個(gè)指紋對(duì)應(yīng)唯一的位置信息，在選定的定位區(qū)域中，設(shè)定60個(gè)WiFi采樣點(diǎn)，將每個(gè)采樣點(diǎn)采集到的MAC地址作為該采樣點(diǎn)的指紋，遍歷所有采樣點(diǎn)便可得到60個(gè)指紋，保存入WiFi位置指紋數(shù)據(jù)庫，由此完成構(gòu)建WiFi位置指紋數(shù)據(jù)庫；如圖3所示實(shí)施例顯示，本實(shí)施例1定位區(qū)域選取了走廊的一段，其長為60m，寬為3m，該定位區(qū)域內(nèi)的WiFi采樣點(diǎn)呈網(wǎng)狀分布，共60個(gè)，每個(gè)采樣點(diǎn)間隔2m；

第三步，WiFi指紋定位：

在定位階段，在上述第二步選取的定位區(qū)域內(nèi)設(shè)定待定位點(diǎn)x處的位置坐標(biāo)為(x,y)，可接收到N_x個(gè)WiFi信號(hào)，利用第一步中的App檢測(cè)得到此定位點(diǎn)x的實(shí)測(cè)指紋利用指紋匹配算法將這個(gè)實(shí)測(cè)指紋xf與上述第二步中的WiFi位置指紋數(shù)據(jù)庫中的指紋lf進(jìn)行匹配，得到匹配度最高的三個(gè)指紋，從而得到WiFi定位范圍(x₀～x₁,y₀～y₁)及WiFi定位坐標(biāo)(x_w,y_w)，實(shí)現(xiàn)WiFi指紋定位；

所述指紋匹配算法，是將實(shí)測(cè)指紋的MAC地址序列與上述WiFi位置指紋數(shù)據(jù)庫中所有指紋的MAC地址序列一一進(jìn)行比較，當(dāng)MAC地址相同，則匹配成功，匹配度其中，xf(MAC)是指實(shí)測(cè)指紋的地址序列，lf(MAC)是指上述WiFi位置指紋數(shù)據(jù)庫中第l個(gè)指紋的MAC地址序列，l＝(1,2,...,m)，Num[xf(MAC)＝lf(MAC)]表示MAC地址匹配成功的數(shù)目，最后將匹配度由高到低的三個(gè)指紋對(duì)應(yīng)的位置作為粗略定位范圍(x₀～x₁,y₀～y₁)，在此基礎(chǔ)上，得到WiFi定位坐標(biāo)(x_w,y_w)，

第四步，生成訓(xùn)練圖像集：

在上述第二步的定位區(qū)域內(nèi)，所有門牌的坐標(biāo)是已知的，這些門牌都是標(biāo)志采樣點(diǎn)，即待定位點(diǎn)，利用智能手機(jī)拍攝門牌，遍歷所有的標(biāo)志采樣點(diǎn)，生成訓(xùn)練圖像集，由于標(biāo)志采樣點(diǎn)是WiFi采樣點(diǎn)中的一部分，因此標(biāo)志采樣點(diǎn)的坐標(biāo)已知，訓(xùn)練圖像的坐標(biāo)就是標(biāo)志采樣點(diǎn)的坐標(biāo)；如圖3所示實(shí)施例顯示，本實(shí)施例1的標(biāo)志采樣點(diǎn)共16個(gè)，即圖中的三角箭頭所指的1，4，7，11，14，17，20，23，38，41，45，47，51，54，57，59為訓(xùn)練圖像的標(biāo)志采樣點(diǎn),也是待定位點(diǎn)。

第五步，計(jì)算SURF全局特征描述符：

首先對(duì)上述第四步得到的訓(xùn)練圖像進(jìn)行預(yù)處理，包括歸一化處理和灰度化處理，然后計(jì)算SURF全局特征描述符，包括兩部分，第一部分是特征點(diǎn)定位，第二部分是特征描述符計(jì)算，將歸一化處理后的圖像的中心點(diǎn)作為特征點(diǎn)，將該整幅圖像作為此特征點(diǎn)的單一鄰域，由此計(jì)算出的特征描述符作為該整幅圖片的SURF全局特征描述符；

所述計(jì)算SURF全局特征描述符的方法是如下：

(1)計(jì)算特征點(diǎn)主方向：以特征點(diǎn)為中心，在半徑為6s的圓形鄰域內(nèi)，計(jì)算60度扇形內(nèi)所有點(diǎn)在x和y方向的Haar小波響應(yīng)的總和m_w，計(jì)算總和時(shí)要對(duì)這些響應(yīng)值進(jìn)行高斯加權(quán)，d_x和d_y是Haar小波響應(yīng)在x和y方向的信息，60度扇形滑動(dòng)窗以5度一步轉(zhuǎn)動(dòng)，計(jì)算合成向量角度θ_w，再求出各方向扇形的合成向量模長最大值：向量模長最大值對(duì)應(yīng)的角度即為特征點(diǎn)主方向；

(2)計(jì)算SURF全局特征描述符：經(jīng)上述(1)步得到特征點(diǎn)主方向后，在特征點(diǎn)周圍取一個(gè)正方形框，框的邊長為20s，將該正方形劃分為4×4個(gè)子區(qū)域，對(duì)于每一個(gè)子區(qū)域，計(jì)算以5×5個(gè)固定間隔特征點(diǎn)的Haar小波響應(yīng)，每一個(gè)子區(qū)域的特征描述符v計(jì)算如下：v＝(∑d_x,∑d_y,∑|d_x|,∑|d_y|)，所有的16個(gè)子區(qū)域的描述符合起來形成此特征點(diǎn)的SURF特征描述符，最終的SURF全局特征描述符是一個(gè)64維的向量：V＝{v₁,v₂,...,v₁₆}，其中v_i(i＝1,2,...,16)是第i個(gè)子區(qū)域的特征描述符；

上述s為尺度因子；

第六步，計(jì)算ORB全局特征描述符：

(6.1)確定特征點(diǎn)的主方向：

同上述第五步將歸一化處理后的圖像的中心點(diǎn)作為特征點(diǎn)，該特征點(diǎn)的主方向利用圖像矩來計(jì)算，對(duì)于任意一個(gè)特征點(diǎn)，其圖像矩為其中I(x,y)是點(diǎn)(x,y)處的灰度值，該特征點(diǎn)的鄰域圖像的質(zhì)心鄰域圖像的質(zhì)心與特征點(diǎn)的夾角為θ＝arctan 2(m₀₁,m₁₀)，即為特征點(diǎn)的主方向；

(6.2)生成BRIEF特征描述子：

BRIEF特征描述子的生成過程如下：P表示一個(gè)經(jīng)平滑處理的圖像鄰域，在任意位置點(diǎn)x和y的二進(jìn)制測(cè)試是這兩點(diǎn)強(qiáng)度測(cè)試的邏輯結(jié)果：其中，P(x)表示圖像P上一點(diǎn)x處的強(qiáng)度，經(jīng)過n次二進(jìn)制測(cè)試，得到一個(gè)n維向量，即BRIEF特征描述子這里選取n＝256，得到的是256位的二進(jìn)制字符串；

(6.3)計(jì)算出ORB全局特征描述符：

為了使BRIEF特征描述子具有旋轉(zhuǎn)不變性，根據(jù)上述(6.1)步確定的特征點(diǎn)的方向設(shè)置BRIEF特征描述子的方向，對(duì)于任意圖像像素點(diǎn)(x_i,y_i)的n位二進(jìn)制測(cè)試集得到的特征集合，定義一個(gè)2×n矩陣由上述(6.1)步確定的特征點(diǎn)的主方向計(jì)算出仿射變換矩陣由此得到S_θ＝R_θS，S_θ即為具有旋轉(zhuǎn)不變性的BRIEF特征描述子，最后計(jì)算出具有旋轉(zhuǎn)不變性的ORB全局特征描述符：g_n(P,θ):＝f_n(P)|(x_i,y_i)∈S_θ，這里選取n＝256；

第七步，采集被測(cè)試圖像：

在上述第二步所述的定位區(qū)域內(nèi)，利用智能手機(jī)在待定位點(diǎn)拍攝與之最近的門牌，采集到被測(cè)試圖像；

第八步，被測(cè)試圖像的特征匹配與視覺定位：

被測(cè)試圖像的特征匹配方法是，①計(jì)算兩個(gè)SURF全局特征描述符之間的歐氏距離：兩個(gè)SURF全局特征描述符L¹，L²之間的歐氏距離其中i為64維特征向量的第i維；②計(jì)算兩個(gè)ORB全局特征描述符之間的漢明距離：兩個(gè)ORB全局特征描述符R¹，R²之間的漢明距離通過對(duì)兩個(gè)二進(jìn)制字符串T¹，T²進(jìn)行位異或運(yùn)算得到，其中i為256位字符串的第i位；上述兩個(gè)特征描述符的距離越小，圖像匹配度越高；

視覺定位的方法是，首先分別采用上述第五步和第六步的方法計(jì)算上述第七步采集到的被測(cè)試圖像的SURF全局特征描述符與ORB全局特征描述符，然后利用上述被測(cè)試圖像的特征匹配方法分別計(jì)算該被測(cè)試圖像的SURF全局特征描述符與ORB全局特征描述符與上述第四步得到的訓(xùn)練圖像的SURF全局特征描述符與ORB全局特征描述符之間的距離，再利用KNN算法在SURF匹配空間計(jì)算三個(gè)近鄰，即計(jì)算與該被測(cè)試圖像的SURF全局特征描述符的歐氏距離最小的三個(gè)上述第四步得到的訓(xùn)練圖像，在ORB匹配空間計(jì)算二個(gè)近鄰，即計(jì)算與該被測(cè)試圖像的ORB全局特征描述符的漢明距離最小的二個(gè)上述第四步得到的訓(xùn)練圖像，最后取三個(gè)近鄰與二個(gè)近鄰的交集，作為與該被測(cè)試圖像最相近的上述第四步訓(xùn)練圖像集中的訓(xùn)練圖像，稱為匹配圖像，此匹配圖像對(duì)應(yīng)的位置坐標(biāo)即為視覺定位坐標(biāo)(x_v,y_v)，由此完成視覺定位；

第九步，WiFi指紋定位與視覺定位相結(jié)合的定位：

在上述第三步得到WiFi定位范圍后，將坐標(biāo)位于WiFi定位范圍內(nèi)的上述第四步生成訓(xùn)練圖像集中的訓(xùn)練圖像構(gòu)成匹配圖像集，當(dāng)上述第八步的匹配圖像位于該匹配圖像集內(nèi)，則將上述第八步得到的視覺定位坐標(biāo)(x_v,y_v)作為最終的室內(nèi)定位位置坐標(biāo)，反之將上述第三步得到的WiFi定位坐標(biāo)(x_w,y_w)作為最終的位置坐標(biāo)，由此完成WiFi指紋定位與視覺定位相結(jié)合的定位。

本實(shí)施例以室內(nèi)步行街一樓為試驗(yàn)場(chǎng)地，手機(jī)拍攝的所有圖片均為4160*3120(像素)，定位結(jié)果如表1所示。

表1.室內(nèi)步行街一樓的定位試驗(yàn)結(jié)果

經(jīng)過待定位點(diǎn)真實(shí)坐標(biāo)與本實(shí)施例的定位坐標(biāo)對(duì)比，證明本發(fā)明一種室內(nèi)定位方法，所采用的基于WiFi指紋的定位與基于標(biāo)志的視覺定位相結(jié)合的方法，實(shí)現(xiàn)了高精度的室內(nèi)定位。

實(shí)施例2

除“選取室內(nèi)環(huán)境下的走廊區(qū)域?yàn)槎ㄎ粎^(qū)域，在該走廊區(qū)域中，選取30個(gè)WiFi采樣點(diǎn)；在選定的定位區(qū)域中，設(shè)定30個(gè)WiFi采樣點(diǎn)，將每個(gè)采樣點(diǎn)采集到的MAC地址作為該采樣點(diǎn)的指紋，遍歷所有采樣點(diǎn)便可得到30個(gè)指紋，保存入WiFi位置指紋數(shù)據(jù)庫，由此完成構(gòu)建WiFi位置指紋數(shù)據(jù)庫”之外，其他同實(shí)施例1。

實(shí)施例3

除“選取室內(nèi)環(huán)境下的走廊區(qū)域?yàn)槎ㄎ粎^(qū)域，在該走廊區(qū)域中，選取45個(gè)WiFi采樣點(diǎn)；在選定的定位區(qū)域中，設(shè)定45個(gè)WiFi采樣點(diǎn)，將每個(gè)采樣點(diǎn)采集到的MAC地址作為該采樣點(diǎn)的指紋，遍歷所有采樣點(diǎn)便可得到45個(gè)指紋，保存入WiFi位置指紋數(shù)據(jù)庫，由此完成構(gòu)建WiFi位置指紋數(shù)據(jù)庫”之外，其他同實(shí)施例1。