android室内定位传感器辅助pdr jar,基于PDR辅助的视觉室内定位算法的研究

1引言由于室内环境复杂多变,人们对于室内位置服务的要求也越来越高。一系列的定位技术如Wi-Fi定位、蓝牙定位、惯性导航系统(INS, Inertial NavigationS y s t e m)、基于视觉的定位等技术得到了研究人员的高度关注。然而,每种技术都有自己的优势和局限

性。目前室内定位研究的热点方向是如何结合不同的技术实现高精度定位。文献[1]中提出的新方案是将行人航迹推算(PDR, Pedestrian Dead Reckoning)和Wi-Fi指纹技术结合起来。这种方案的主要优势在于,它只依赖于少部分建筑参数和智能手机中的加速度计、指南针和Wi-Fi卡。但随着手机携带方式的改变,惯性传感器定位系统很难从多个复杂的叠加运动中提取出完整、准确的运动轨迹。在文献[2]中,利用检测到的目标像素的变化率来说明PDR在未标定相机中的有效性,这有助于提高PDR的定位性能。Ashish Gupa和Alper Yilmaz的研究表明,使用视觉和惯性传感器进行室内定位只需要在移动设备上安装一个平面建筑信息模型(BIM, Building Information Modeling)和廉价的传感器套件[3]。综上所述,多源定位系统的定位性能得到了很大的提升。基于视觉的定位和基于PDR的定位是两种常用的室内定位方法。文献[4]-文献[7]中提出了许多室内定位系统,其共同优点是成本低、能耗低。但智能手机相机受光照条件、图像分辨率和相机自动对焦速度的影响[8],采集到的视觉图像具有不稳定性。ARCore是谷歌提出的AR增强现实项目。ARCore的区域学习功能可以让智能手机寻找和记忆物理空间的关键特征,比如边缘、角落等。ARCore有自己的参照系,提取目标特征的方法比其他基于视觉的定位系统更加精确。但在光照条件不足的情况下,其提取结果会有很大偏差。如果想要实现无论何种光照条件下都能达到精确定位的效果,就需要选择其他室内定位技术来弥补这一不足。如文献[9]中所描述的,PDR是相对定位技术,即从已知的位置出发,对行走距离和行走方向进行估计的技术,其对光照没有任何要求。虽然PDR定位可以实现连续的位置跟踪,但随着行走距离和行走方向的改变,误差累积是主要问题[10]。此外,在运动模式复杂的室内环境中,PDR定位系统需要进行不断更新,这就给室内定位提出了更大的挑战。本研究提出了一种基于PDR的辅助视觉室内定位新算法,通过融合基于视觉的定位和基于PDR定位的优势,实现了高精度的定位,并且同时保证了定位的鲁棒性。2系统描述本文提出了一种基于视觉和惯性传感器相融合的多源室内定位系统。系统框图如图1所示。基于ARCore的定位算法用于提供视觉定位测量。基于惯性的定位结果由智能手机内置的加速度计和陀螺仪进行计算。这两个系统独立工作。然后分别对定位结果的有效性进行评估,并采用松耦合的方法进行融合。图1系统框图2.1基于ARCore视觉定位算法基于ARCore的视觉定位算法进行定位的过程是筛选、识别特征点、匹配特征点、滤除错误匹配、转换坐标。在其运动跟踪中,摄像机的加速度和运动方向由6轴惯性传感器(加速度和陀螺仪)进行捕捉。然后将上述两个传感器的数据进行整合,通过区域学习来解决运动跟踪中积累的误差,从而实现三维运动跟踪。基于ARCore的视觉定位算法提供的坐标位于一个自定义的虚拟框架中。为了与视觉定位的数据融合,PDR帧中的坐标在基于ARCore的视觉帧中的映射方法如下所示:xT=(xP-x0)*cos(θ)-(yP-y0)*sin(θ)(1)yT=(yP-y0)*cos(θ)-(xP