基于图像信号与无线通信信号融合的 室内定位技术分析

赵金栓

【摘要】    随着科技的进步网络全球化趋势的发展，人们对于服务的要求渗入各个领域，定位服务就是通过科技网络手段确定的位置来给人们提供一定便利需求的服务。定位服务现如今普遍应用于手机当中，但目前手机定位还存在一些问题，常见于室内，在封闭环境下定位有时有延迟现象不准确的情况发生。据此现象本文建议使用融合wi-Fi无线信号和图像数据的双层过滤技术，经过紧密全面的计算判断提高精准度，从而改变手机在室内等基于位置的接收定位效果。

【关键词】    图像信号    无线通信信号    室内定位    技术

一、主流室内定位方法

1.1无线定位

在手机中含有的一种定位方位是无线定位，其主要依借无线信号蓝牙、wi-Fi等来完成位置的识别确定。还有一些不常见的定位方式如依靠基站信号、地磁等。从现在而言除去非智能机，手机基本全部装有wi-Fi接收器，利用wi-Fi信号来判定位置的方式更加便捷可行。但是以蓝牙为基础来判定位置的方式在近些年也有了技术性的突破，其低功耗的优势在室内定位的应用也广受欢迎，其典型代表为Apple推出的iBeacon和Google推出的Eddystone。

所有利用无线信号进行位置判定识别的方法都大同小异，通常会在线下场地从各个方位不同角度来收集信号，结合信号的强弱进行相互对比识别从而判定出位置方位。但若是在封闭环境中受到的影响就会大，得出的判断也要有所考量。就拿wi-Fi来说，虽然其应用范围广覆盖面积大，相对应的受到的影响也较多，在接收到的接入点（AccessPoint，AP）数量较小时，点定位效果上不佳，但在区域定位上依然可行。另一种无线信号蓝牙在采集信号时所受的影响抗干扰较小，但却受制于发射器功率，所以搜索的范围较小，若在较大的区域中应用必须投入众多的数量，无形当中增加了成本，所以不宜推广应用。

1.2图像定位

图像定位主要是通过现在和过去的图像互相关联，识别出最为相似的部分从而起到定位服务。也就是说用实时拍摄的图像对预先备好的数据库中的图像进行比对，分析识别出突出的相像的数据，以此确定相关的位置。还可依靠有特殊明显的建筑物或标识，以此为点也看展开定位。在空旷地段还可以依借明显的路标或突出显眼的物体来达到定位。以地标标志物展开的定位也会受到一定的环境约束，如在室内就会没有优势，不可利用。针对室内环境的定位问题，专家提出利用图像指纹的方式来进行匹配定位，其特征提取方法集中于采集图像的尺度不变特征变换，快速鲁棒等特征，并建立图像指纹库进行匹配。锁定用户的大体位置通常取决于匹配度最高的图像。图像定位显而易见要以图像来提供判断参考，所以要求其质量较高，尤其在户外环境中，不紧要注意光照等问题还需保证地点的划分有一定的明确性。从图像上就可以看出相关的地点内容，但是不容易看出其坐标位置，所以图像定位更适于范围定位，对于点定位存在一定的难度，因此在信息传输中会占用到更多的内存，从而造成提供的信息缓慢延迟且消耗高。

1.3多模融合室内定位方法

在手机应用中单一的凭借某种定位方式来确定用户的具体位置，都不能做到百分百的精准，尤其在室内很容易产生偏离，若是可以将多种方式和各种数据项结合，以其长避其短，相互补充，那么就能保证提升室内定位的精准性。所以在文中基于手机无线信号和实时图像相融合的室内定位进行了相关的分析对比，就其应用中存在的优劣情况展开研究。从现在的情况来看两种结合的形式双层过滤的方法普及率开始增多，其优势也越来越明显。相对于单一的定位方式而言，多模融合定位法更加倾向于二者的协同互补能力，使一起确定出所用的位置。在对其收集的数据图像进行计算分析时通常用到两种方式即投票式和过滤式，文中说到的多模融合方法为前者。

二、算法框架

利用wi-Fi和图像相结合的双层过滤方法，可以有效的避免图像相似造成的识别错误，同时减轻过多的识别工作量从而缩小运算，是整个计算速度得到提升。 以前主要利用的定位方式是通过关键点的匹配，但是这种方式不利于整个范围内的判断应用，据此提出了对应的解决方式，就是在利用相似度配对的基础上加入距离补偿算法，在经过二层过滤有效的弥补其短缺问题，保证了定位的全面性。只利用单一的wi-Fi从点上来进行位置判定，时常会出现一定的偏移，但是进行范围定位的精准度会更高，由此可见wi-Fi在定位上更有范围判定的优势。图像的优势在于实现点定位，但是受到环境的影响也甚大，如遇到一些遮挡，其准确度会有所下降。由此可见二者各有优劣利弊，最好的方式就是发挥优势避开缺陷，文中建议的算法就是很好的将二者相结合通过wi-Fi范围定位和图像点定位进行优劣互补，实现优势的最大化保证定位的全方位的精准性。

本算法可以从两个方面节段来进行，一方面为线上、一方面为线下，前者倾向于做相关准备，后者着重于实践操作。在准备方面要在实践的环境中设置二维平面坐标，根据需求进行区域区分然后收集相关的数据对其进行分析判定。在实践方面根据检测设备实时采集的wi-Fi指纹进行一个大概的位置确定，再结合采集到的图像进行关键点的比对，最终通过距离补偿和SURF点相似度匹配以得到其与各个预先采集的图像的相似度，从而将最相似的图像对应的采样点坐标作为用户的定位坐标。

三、实验

实验开展于某高层的一楼进行，此处位置光照充足且没有遮挡物，极利于进行相关试验测试，在此处构件一定的坐标，并进行wi-Fi和图像的采样工作。通常要在所有点处采取wi-Fi指纹，一个点需要300个，每日分三次进行，每次采取100个。而且图像的选取也要从多方面各个角度进行，一般要采集50张图像，发现收集到的图像过于空旷没有多余内容，直接选择了删除。通过对wi-Fi聚类，利用elbowmethod对聚类个数进行分析，可以获得最佳的聚类个数。

在本实验中，聚类的最佳个数选定为7个。图1展示了通过elbowmthod对和簇个数的方差差异情况。

利用Wi-Fi定位收集找到用户的大概范围，在此处位置再次使用采样的图像从而实现室内定位。实验中，本文使用了360N4s、Mate9以及S6手机作为实验设备，利用距离补偿（DC）和SURF点相似度进行了匹配测试。那么要证明距离补偿是否能够起到精准的位置确定，在实验中不通过其他定位的方式参与要使其单独进行识别判断，以下为两次方式：1.仅通过SuRF点特征相似度的定位;2. wi-Fi位置区间匹配与SuRF点特征相似度结合的定位。其定位匹配的正确率情况如图2所示。

针对那些匹配失败的情况，将预测定和实际点进行对比找出问题所出处，再利用SURF点特征相似匹配、wi-Fi位置区间和SURF相似度以及wi-Fi位置区间结合SURF相似度和距离补偿的情况下，其平均定位误差如图3所示。

经过以上的分析比較明显的得出wi-Fi和图像两种相结合的双层过滤发在室内的定位更加的精准，其优势对于只使用SURF点相似度匹配确定位置的方式更明显，但是利用距离补偿辅助工作后，SURF定位的准确率有所提高。由上可见，本文提出的算法在77%～82%的情况下可以精准匹配，且整体上其定位误差在O.6l～0.8lm。

四、结束语

综上所述，室内定位的应用范围较多，对于各个行业的影响也甚广，如监控、物流等部门公司也引以为重，所以提高室内定位技术的要求也极为迫切，本文对基于图像信号与无线通信信号融合的室内定位技术进行了一定的研究分析，望借此为日后相关工作者人员有所助益。

参  考  文  献

[1]赵锐，钟榜，朱祖礼，等.室内定位技术及应用综述[J].电子科技，2014（3）：154.

[2]曹世华.室内定位技术和系统的研究进展[J].计算机系统应用，2013（09）：1-5.

[3]汪苑，林锦国.几种常用室内定位技术的探讨[J].中国仪器仪表，2011（02）：54-57.