基于圖像信號與無線通信信號融合的 室內定位技術分析

趙金栓

【摘要】? ? 隨著科技的進步網絡全球化趨勢的發展，人們對于服務的要求滲入各個領域，定位服務就是通過科技網絡手段確定的位置來給人們提供一定便利需求的服務。定位服務現如今普遍應用于手機當中，但目前手機定位還存在一些問題，常見于室內，在封閉環境下定位有時有延遲現象不準確的情況發生。據此現象本文建議使用融合wi-Fi無線信號和圖像數據的雙層過濾技術，經過緊密全面的計算判斷提高精準度，從而改變手機在室內等基于位置的接收定位效果。

【關鍵詞】? ? 圖像信號? ? 無線通信信號? ? 室內定位? ? 技術

一、主流室內定位方法

1.1無線定位

在手機中含有的一種定位方位是無線定位，其主要依借無線信號藍牙、wi-Fi等來完成位置的識別確定。還有一些不常見的定位方式如依靠基站信號、地磁等。從現在而言除去非智能機，手機基本全部裝有wi-Fi接收器，利用wi-Fi信號來判定位置的方式更加便捷可行。但是以藍牙為基礎來判定位置的方式在近些年也有了技術性的突破，其低功耗的優勢在室內定位的應用也廣受歡迎，其典型代表為Apple推出的iBeacon和Google推出的Eddystone。

所有利用無線信號進行位置判定識別的方法都大同小異，通常會在線下場地從各個方位不同角度來收集信號，結合信號的強弱進行相互對比識別從而判定出位置方位。但若是在封閉環境中受到的影響就會大，得出的判斷也要有所考量。就拿wi-Fi來說，雖然其應用范圍廣覆蓋面積大，相對應的受到的影響也較多，在接收到的接入點（AccessPoint，AP）數量較小時，點定位效果上不佳，但在區域定位上依然可行。另一種無線信號藍牙在采集信號時所受的影響抗干擾較小，但卻受制于發射器功率，所以搜索的范圍較小，若在較大的區域中應用必須投入眾多的數量，無形當中增加了成本，所以不宜推廣應用。

1.2圖像定位

圖像定位主要是通過現在和過去的圖像互相關聯，識別出最為相似的部分從而起到定位服務。也就是說用實時拍攝的圖像對預先備好的數據庫中的圖像進行比對，分析識別出突出的相像的數據，以此確定相關的位置。還可依靠有特殊明顯的建筑物或標識，以此為點也看展開定位。在空曠地段還可以依借明顯的路標或突出顯眼的物體來達到定位。以地標標志物展開的定位也會受到一定的環境約束，如在室內就會沒有優勢，不可利用。針對室內環境的定位問題，專家提出利用圖像指紋的方式來進行匹配定位，其特征提取方法集中于采集圖像的尺度不變特征變換，快速魯棒等特征，并建立圖像指紋庫進行匹配。鎖定用戶的大體位置通常取決于匹配度最高的圖像。圖像定位顯而易見要以圖像來提供判斷參考，所以要求其質量較高，尤其在戶外環境中，不緊要注意光照等問題還需保證地點的劃分有一定的明確性。從圖像上就可以看出相關的地點內容，但是不容易看出其坐標位置，所以圖像定位更適于范圍定位，對于點定位存在一定的難度，因此在信息傳輸中會占用到更多的內存，從而造成提供的信息緩慢延遲且消耗高。

1.3多模融合室內定位方法

在手機應用中單一的憑借某種定位方式來確定用戶的具體位置，都不能做到百分百的精準，尤其在室內很容易產生偏離，若是可以將多種方式和各種數據項結合，以其長避其短，相互補充，那么就能保證提升室內定位的精準性。所以在文中基于手機無線信號和實時圖像相融合的室內定位進行了相關的分析對比，就其應用中存在的優劣情況展開研究。從現在的情況來看兩種結合的形式雙層過濾的方法普及率開始增多，其優勢也越來越明顯。相對于單一的定位方式而言，多模融合定位法更加傾向于二者的協同互補能力，使一起確定出所用的位置。在對其收集的數據圖像進行計算分析時通常用到兩種方式即投票式和過濾式，文中說到的多模融合方法為前者。

二、算法框架

利用wi-Fi和圖像相結合的雙層過濾方法，可以有效的避免圖像相似造成的識別錯誤，同時減輕過多的識別工作量從而縮小運算，是整個計算速度得到提升。 以前主要利用的定位方式是通過關鍵點的匹配，但是這種方式不利于整個范圍內的判斷應用，據此提出了對應的解決方式，就是在利用相似度配對的基礎上加入距離補償算法，在經過二層過濾有效的彌補其短缺問題，保證了定位的全面性。只利用單一的wi-Fi從點上來進行位置判定，時常會出現一定的偏移，但是進行范圍定位的精準度會更高，由此可見wi-Fi在定位上更有范圍判定的優勢。圖像的優勢在于實現點定位，但是受到環境的影響也甚大，如遇到一些遮擋，其準確度會有所下降。由此可見二者各有優劣利弊，最好的方式就是發揮優勢避開缺陷，文中建議的算法就是很好的將二者相結合通過wi-Fi范圍定位和圖像點定位進行優劣互補，實現優勢的最大化保證定位的全方位的精準性。

本算法可以從兩個方面節段來進行，一方面為線上、一方面為線下，前者傾向于做相關準備，后者著重于實踐操作。在準備方面要在實踐的環境中設置二維平面坐標，根據需求進行區域區分然后收集相關的數據對其進行分析判定。在實踐方面根據檢測設備實時采集的wi-Fi指紋進行一個大概的位置確定，再結合采集到的圖像進行關鍵點的比對，最終通過距離補償和SURF點相似度匹配以得到其與各個預先采集的圖像的相似度，從而將最相似的圖像對應的采樣點坐標作為用戶的定位坐標。

三、實驗

實驗開展于某高層的一樓進行，此處位置光照充足且沒有遮擋物，極利于進行相關試驗測試，在此處構件一定的坐標，并進行wi-Fi和圖像的采樣工作。通常要在所有點處采取wi-Fi指紋，一個點需要300個，每日分三次進行，每次采取100個。而且圖像的選取也要從多方面各個角度進行，一般要采集50張圖像，發現收集到的圖像過于空曠沒有多余內容，直接選擇了刪除。通過對wi-Fi聚類，利用elbowmethod對聚類個數進行分析，可以獲得最佳的聚類個數。

在本實驗中，聚類的最佳個數選定為7個。圖1展示了通過elbowmthod對和簇個數的方差差異情況。

利用Wi-Fi定位收集找到用戶的大概范圍，在此處位置再次使用采樣的圖像從而實現室內定位。實驗中，本文使用了360N4s、Mate9以及S6手機作為實驗設備，利用距離補償（DC）和SURF點相似度進行了匹配測試。那么要證明距離補償是否能夠起到精準的位置確定，在實驗中不通過其他定位的方式參與要使其單獨進行識別判斷，以下為兩次方式：1.僅通過SuRF點特征相似度的定位;2. wi-Fi位置區間匹配與SuRF點特征相似度結合的定位。其定位匹配的正確率情況如圖2所示。

針對那些匹配失敗的情況，將預測定和實際點進行對比找出問題所出處，再利用SURF點特征相似匹配、wi-Fi位置區間和SURF相似度以及wi-Fi位置區間結合SURF相似度和距離補償的情況下，其平均定位誤差如圖3所示。

經過以上的分析比較明顯的得出wi-Fi和圖像兩種相結合的雙層過濾發在室內的定位更加的精準，其優勢對于只使用SURF點相似度匹配確定位置的方式更明顯，但是利用距離補償輔助工作后，SURF定位的準確率有所提高。由上可見，本文提出的算法在77%～82%的情況下可以精準匹配，且整體上其定位誤差在O.6l～0.8lm。

四、結束語

綜上所述，室內定位的應用范圍較多，對于各個行業的影響也甚廣，如監控、物流等部門公司也引以為重，所以提高室內定位技術的要求也極為迫切，本文對基于圖像信號與無線通信信號融合的室內定位技術進行了一定的研究分析，望借此為日后相關工作者人員有所助益。

參? 考? 文? 獻

[1]趙銳，鐘榜，朱祖禮，等.室內定位技術及應用綜述[J].電子科技，2014（3）：154.

[2]曹世華.室內定位技術和系統的研究進展[J].計算機系統應用，2013（09）：1-5.

[3]汪苑，林錦國.幾種常用室內定位技術的探討[J].中國儀器儀表，2011（02）：54-57.