室内导航研究现状与发展难点

2022-12-14赵一智郑加柱

现代测绘 2022年2期

赵一智，郑加柱

(南京林业大学土木工程学院，江苏南京 210037)

0 引言

定位技术分为室外定位技术和室内定位技术。在室外，全球卫星导航系统(GNSS)如全球定位系统(GPS)、北斗定位系统(BDS)等精度达到米级，基本满足了人们在室外空间中定位的需求。研究表明，人们有80%的时间都在室内进行活动，此时GNSS受到多径效应和建筑物遮挡的影响，其定位精度急剧降低，无法满足位置服务需要。因此，室内定位技术成为一项研究热点。数十年来，国内外研究学者已提出诸多室内定位解决方案，例如红外线、射频识别(RFID)、超宽带(UWB)、无线局域网(Wi-Fi)、紫蜂(ZigBee)、低功耗蓝牙(BLE)、地磁和惯性传感器等。近年来，随着室内环境的日益复杂和人们对室内导航与位置服务需求的日益增大，设计一种准确、可靠、低成本、易于维护的室内导航系统构建方法，即室内三维高精度定位、室内三维精细化模型构建和三维场景下的路径规划，成为亟待解决的问题。因此，本文从以上3个方面阐述室内定位技术国内外研究现状，并分析室内定位技术的研究难点和发展趋势。

1 室内三维高精度定位

1.1 室内高精度定位技术

室内定位技术的快速发展源于基于位置服务需求的日益增长，国内外诸多研究学者为室内定位技术精度的提高做了贡献，例如，Zhang等人在求解室内坐标时使用非线性最小二乘来迭代解算，极大地提高了定位精度与稳定性[1]；李桢等人在分析室内RSSI信号强度统计特征的前提下，以Friis传输方程和动力学方程为基础，利用抗差卡尔曼滤波方法估计信号强度，达到了信号平滑的目的，从源头上为基于RSSI的室内定位精度提供保障[2]；刘期烈等人提出了一种基于多源信息的改进融合模型，仿真实验验证了该模型在定位精度上比基础融合模型提高了45.71%[3]；张伟等人针对Wi-Fi指纹室内定位技术中的接收信号强度的偏态分布问题，提出一种缩放因子自动优化的改进箱线图滤波方法，该算法可以有效地剔除Wi-Fi指纹室内定位技术中的观测噪声，提高定位精度和稳定性[4]；蒋盼盼等人首先利用加权K近邻算法对目标进行定位得到观测值，其次将观测值和卡尔曼滤波预估值进行加权求和，最后得到最优的坐标估计值，这种基于目标跟踪的加权K近邻算法和卡尔曼滤波的融合定位算法对移动对象的运动轨迹定位更准确，具有很好的应用推广价值[5]；申炳琦等人针对基于视觉惯性里程计(VIO)的辅助定位技术受光线条件限制大和UWB定位易受非视距误差(NLOS)影响的短板，提出一种UWB与VIO组合的室内移动机器人定位方法，定位精度得到了提升[6]。

随着机器学习与人工智能技术的兴起与发展，诸多学者尝试将深度学习与室内定位进行结合，例如，邓素等人提出一种改进的人工鱼群优化的BP神经网络Wi-Fi指纹室内定位算法，有效避免了传统BP神经网络的预测值易陷入局部最优的缺点，实验结果表明平均定位误差减少了0.75 m，平均定位精度提高32.2%[7]；薛阳阳等人将遗传算法(GA)和BP神经网络结合应用于UWB室内定位中，提升了算法定位精度[8]；朱清山等人提出了退火算法(SA)与遗传算法优化神经网络(SAGA-BP)的室内定位算法，仿真实验表明SAGA-BP算法的定位精度相较于BP定位算法和GA-BP定位算法精度有明显提高[9]；Sun等人使用卷积神经网络与粒子群最优化算法进行室内精确定位解算[10]。

1.2 室内外无缝一体化定位

室内定位技术弥补了GNSS在室内环境中定位的不足之处，将两者相结合，可实现室内外无缝定位，可为行人、车辆提供室内、室外双向全程导航服务，可解决如大型地下停车场停车寻车困难等问题。国内外研究学者对此做了很多研究，例如：Zhang等人提出了一种基于神经网络与小波降噪的INS/GPS组合室内外无缝定位方法，实现了整体优于5 m的无缝定位结果[11]；Cheng等人依靠预先布设的室内Wi-Fi基站，融合INS基于扩展卡尔曼滤波提出了一种动态实时室内高精度定位导航技术，其结果精度整体优于3 m[12]；Zou等人依靠GPS/BLE/Wi-Fi等技术，提出了一种基于信号信噪比的室内外甄别算法，实现了无缝静态导航，其精度优于5 m的概率可以达到80%[13]；Zeng等提出GNSS与基于手机的惯性导航相结合的方法，实现了室内外的无盲区导航[14]；赵国旗等人利用GPS、惯性导航单元(IMU)和蓝牙信标(iBeacon)作为传感器，提出一种Markov参数自适应交互式多模型粒子滤波算法，采用粒子滤波作为交互式多模型匹配模滤波器，利用误差压缩率的加权幂在线调整先验Markov转移概率矩阵，解决了在非过渡区域产生的模型频繁切换而导致精度下降以及过渡区域模型切换迟滞的问题[15]；刘万科等人通过综合利用位置服务平台提供的协同定位增强信息，以及智能手机终端获取的多源观测数据(GNSS、微型惯性测量单元、Wi-Fi、BLE、磁力计、气压计等)，实现了大众用户室外精度优于1.5 m，室内精度1～3 m，并具备室内外平滑切换能力的导航定位服务，支撑了大众用户室内外无缝精密定位的需求[16]；周振南等人利用赫尔默特(Helmert)方差分量估计定权与等权模型两种方式确定GPS/UWB组合定位的随机模型，一定程度上改善了GPS单点定位的精度，为室内外一体化定位提供了参考[17]。

2 室内三维精细化模型构建

当今，日益成熟的计算机视觉、数据融合以及三维建模等技术，为室内三维精细化建模提供了理论基础和技术支持。三维点云是构建室内三维精细化模型的技术之一，可以较容易地得到室内场景的高精度三维点云数据，但是点云数据容易缺失，后期模型构建也比较复杂，且模型的质量受原始点云数据影响较大。近年来新兴的利用双目相机的SLAM(Simultaneous Localization And Mapping)系统、在SLAM基础上进行跟踪的PTAM(Parallel Tracking And Mapping)系统也存在成本高、不易更新维护等局限性。当前，有不少学者选用建筑信息模型(BIM)作为室内导航的底图数据。BIM模型是建筑物所有物理和功能特征的数字表示，能为室内导航与位置服务提供可靠的几何、语义、拓扑等信息，使用BIM模型可以及时查询、修正、更新相关数据，且其数据为通用格式，为实现高精度的室内定位和跨平台数据操作提供便利。例如：郭语等基于Wi-Fi室内定位技术，提出BIM与Unity3D平台结合构建室内三维模型，为快速实现室内三维场景导航提供技术支持[18]。

室内导航模型是一个包含导航要素和空间信息的地理信息数据库，其支持空间信息查询、路径规划、导航指引、位置服务等功能。针对不同的应用场景，目前学者们开发了多种室内导航模型，根据模型元素的不同分为网络模型、符号模型和网格模型。网络模型是地理信息领域最常用的导航模型之一。Dao等开发了一种建筑物可访问性审核工具，该工具通过构建室内网络模型，构建交互式的三维室内环境[19]，供设计人员进行建筑平面布置的优化设计；张琳利用GIS技术构建室内网络模型，研究在火灾环境下的应急疏散路径[20]；Ferreira等将室内网络模型与蓝牙定位技术相结合，实现了利用移动端在室内进行导航的功能[21]；Jamalia等将网络模型进一步分为3类：① 基于中心线或基于中间轴的模型；② 基于可见性图的模型；③ 广义Voronoi图[22]。同时，目前在室内导航领域中已经有许多研究学者开发并利用了许多符号模型；Giovanella等人开发了一种方法，用于自动识别CityGML文件中的拓扑信息，如分离、邻接、围堵、连通性和交叉点，他们使用CityGML文件中的几何表示来确定两个对象之间的拓扑关系，此类拓扑关系对于建筑法规遵从性检查很有用[23]；黄鸿等提出一种层次结构，将室内空间划分为3种类型，分别为主体对象、连通对象和虚拟对象，又在结构层次上分为楼栋、楼层、房间、设备4个层次[24]。在三维网格模型方面，张立强根据粒度大小对室内环境进行分级建模，在最小粒度的三级室内环境采用三角剖分的方法建立导航模型，有效解决了传统方法在房间这一粒度环境下无法精细建模的问题[25]；Xu等为了解决机器人部署在室内环境下寻路时的低准确性和不经济性的问题，开发了新的2D映射模块来构建和维护室内网格模型，使得机器人能够轻松应付各类室内环境[26]；朱军等设计了一种动态网格生成办法，模拟火灾环境下的室内环境，解决了现有方法在火灾逃生路径规划上的滞后性[27]。

3 室内三维场景下的路径规划

路径规划有很多算法，在室内导航中较为主流的算法有广度优先搜索(Breath First Search，BFS)，Dijkstra算法和A*算法。Dijkstra算法是以物体所在的出发点为中心开始访问地图中的结点，是一种扩张式的遍历方法，其优点是一定能获得最短的路径，但是对于复杂的地图运算量很大。BFS算法能够对每个搜索位置进行评估，得到最好的位置再从该位置进行搜索直到目标，其优点是相较于Dijkstra算法可以省略大部分无意义的搜索路径，且运行速度较快，但是BFS算法会忽略当前已消耗的代价，在复杂环境下容易得出错误路径。A*算法是上述两种算法的结合体，能用于搜索最短路径，给出当下最优解，也能评估已遍历路径的代价以保证找到最优路径。

邱儒琼等基于Wi-Fi的室内定位技术，采用A*算法作为室内路径规划算法，在Android平台上实现室内路径规划的应用，且进一步指出了室内路径规划研究的方向[28]；危双丰等基于CityEngine和SketchUp三维设计平台，以北京建筑大学为例，利用ArcGIS建模工具对校园室内外三维导航路径网络进行提取与规划，为室内外一体化导航提供了技术支持[29]；Liu等利用语义派生参数在路由算法中将其最小化来计算导航路径，其提出一种基于专用空间分类和一组路由标准的路由机制，通过考虑空间的语义，将每个标准编码为逻辑网络的节点或边缘的权重，利用寻路算法的优先级排序从而得到基于符合模型的最优路径[30]；周艳等为了满足复杂室内环境中用户的多目标导航需求，提出了一种顾及室内路径复杂度、拥挤程度与阻断事件等多维环境语义的多目标室内路径规划方法，建立了能够综合感知室内环境语义变化的导航通行成本函数，并将其作为室内导航路网模型的边长，设计实现了基于Dijkstra算法的多目标室内路径规划算法，实验结果表明通行时间得到了提升[31]；Yaagoubi等为了照顾残疾人在公共建筑内使用轮椅的便利性，提出了一种基于维诺图的室内导航网络[32]；鲁飞等对蚁群算法的初始信息素分配、启发函数、权重因子以及信息素更新规则提出了改进，有效地实现了三维空间中的路径规划，相较于传统蚁群算法在三维路径规划中存在的搜索效率低、易陷入局部最优等问题具有一定的优越性[33]。

4 研究难点与发展趋势

目前，对于室内导航系统的构建方法还不够完善。首先，室内环境的复杂性使得传感器的定位信号极易受到干扰，进而难以持续性提供稳定的定位服务；其次，室内环境的特殊性使得室内三维导航模型的构建相对复杂；最后，现今对于完整的室内导航系统还没有形成一套通用的技术标准。总结为以下几点：

(1)复杂性较高、动态性较强

由于室内场景日益复杂，障碍物多，室内定位面临复杂性太高、动态性太强的挑战。行人运动的多样性和室内环境的多变性都属于动态性，而室内的干扰物如灯光、温度、声音等则容易导致传感器定位信号的不稳定，影响定位精度。如何使室内定位对室内环境和行人运动的自适应能力增强，实现数据的实时自动更新，和降低干扰物对定位信号的干扰，是室内定位的一大挑战和难点。

(2)多源数据融合

对于定位过程中多源数据融合，如何在保证高精度、高稳定性定位效果的前提下提高数据匹配的准确度和降低数据的冗余性，也是室内定位的研究重难点。

(3)缺少统一的室内定位协议标准

目前，室内定位还缺少统一的室内定位协议标准，各种技术存在兼容性问题。

(4)定位精度与成本难以兼顾

目前的高精度室内定位技术均需要比较昂贵的额外辅助设备或前期大量的人工处理，这些都大大制约了室内定位的推广和普及。而低成本的室内定位技术往往精度不高。

(5)室内三维精细化模型构建方法仍不完善

目前，构建室内三维精细化模型的常用方法如点云数据虽然精度较高，但其数据容易出现缺失，后期处理过程较为复杂，也不易更新和维护；在有原始建筑图纸的室内场景，可以使用更为简便且成本较低的方法。

(6)室内外无缝定位仍具有很大发展空间

随着位置服务需求的增加，室内外无缝一体化定位也越来越受到国内外学者的关注。目前，室内外无缝定位仍面临过渡区域无缝平滑切换能力不足、定位算法精度不高等问题，同时，室内外一体化定位系统的设计与应用也是热门的研究方向与发展趋势。