有关室内定位导航的大趋势的几点观察和思考

1.综述

通过一年多的积累与沉淀，现在对自己在室内定位导航领域三年多时间内的研究进行一种回溯式的回顾与总结，同时也给出自己对未来室内定位导航领域发展趋势的观察与思考，通过后期有机会开源自己最新的研究成果及代码为后来的从事室内定位导航的研究者提供一点参考，尽可能的让后来居上者少走弯路避免浪费更多的时间，做出更大更好的成绩，同时也希望凝聚更多的力量来推动室内定位导航领域有新的更大的突破。

2.思考

由于室外定位技术已经成熟，而室内定位技术还是有待开垦的处女地。观察目前如火如荼的5G技术在未来可能会促进室内定位导航领域内的发展。先来谈谈目前我对室内定位导航的整体认识。室内定位导航最本质的需求是要做到准确稳定的定位出用户的位置并实时的跟踪用户的轨迹。如何做到准确稳定呢？前提是要事先采集室内环境中大量的环境特征信息或者采用其他的算法再进行定位。接下来说说采集环境特征信息的这种方法，采集环境特征信息就需要用到传感器设备，采集到的环境特征信息要放在哪里呢？一般情况是放置在服务器端，但这么大的数据量对服务器的数据存储和计算能力提出了非常高的要求，有什么办法可以降低服务器的存储和运算要求呢？这就需要将这些数据存储在云上，这么大的数据量如何能够精确及时的定位呢？这就需要引入人工智能快速的计算出用户的位置。所以未来室内定位想要有突破性的发展需要借助目前最火的5G＋物联网＋云计算＋人工智能。目前主流的研究有两个大的方向有组合式定位导航和如何降低指纹数据库的数据量，现在可以从微软举办的世界级的室内定位赛事可以看出组合式的定位非常受欢迎并且定位精度也非常的高，并且国内的武汉大学室内定位团队采用在该赛事中还取得了很不错的成绩，而他们所用的方法就是组合式定位，根据不同的算法策略根据在不同的环境中，不同用户行为的情况下采用不同定位方法，再说说我在三年中的研究中也采用的组合式定位 ，具体就是位置指纹定位方法+行人航迹推算的方法，不过的在这两定位算法中的选择策略上还未能望武大定位团队的作品的项背。如果未来有自己的时间我会持续关注和研究不同定位算法中的策略选择争取能够在这方面有所推进。在不久前我在各种定位群中看到了有关智能寻优参数的算法，类似遗传算法、鱼群算法等。这些算法目前只能在理论研究上发挥一定的作用，但在实际应用中可能还有很长的一段路要走。其实室内定位只是物联网中中其中一个环节，一整套的流程应该包括物体的检测、识别、定位以及跟踪。在物体的检测过程中，也是用室内定位内的术语描述就是在测量过程中一定会存在噪声，如何降低噪声也是提高定位的一种方式，降低噪声一般采用滤波的方法，常见的滤波方法主要有均值滤波、方差滤波、高斯滤波以及卡尔曼滤波。自己的研究中采用了方差滤波，自己对其他的滤波也有一定的研究。定位算法常见的有NN、KNN、WKNN等传统的算法，还有一些机器学习的算法，比如kmeans、SVM等，这里强烈推荐一本书是南京大学的教授周志华老师写的，名叫《机器学习》。在自己的研究中用卡方距离代替了传统的欧式距离去度量两个信号向量之间的差值，卡方距离呈现出了一定的优越性。在室内导航部分中主要的思路就是先用路径算法再用导航算法最后结合地图的信息来完成导航，常用的路径算法有最短路径算法Dijsktra算法等其他算法，导航算法通常有PDR算法，地图信息通常采用Map Matching等。

3.下一步计划

最后，如果有充裕的时间可能会开源自己的室内定位导航的代码同时对自己写的代码配有详细的解释说明，也是一个分阶段提升自己能力和帮助别人的过程。大体自己的代码版本分三个阶段：第一阶段是不加动态地图的室内定位的单客户端模式，第二阶段是带有动态地图的室内定位的客户端/服务器模式，第三阶段是带有动态地图的室内定位导航的客户端/服务器的模式，每一个阶段都有新的突破，新的知识点来带领从事室内定位的小伙伴们入门，同时使自己的能力更上一层楼，敬请期待。