基于移动群智感知的室内平面图快速增量式构建方法

Thanks to the decades of efforts in mobile computing, sensor networking and Internet of Things, GPS/Beidou systems and devices provide outdoor location awareness and thus convenient navigation services to our modern life, and we expect indoor localization services as well. However, current localization service is at best sporadic indoors, and one major obstacle to ubiquitous coverage is the lack of indoor floor plans, since service providers have to go through effort-intensive and time-consuming business negotiations with building operators, or hire expensive personnel to gather such data. With the concept of mobile crowdsourcing, this proposal leverages the ability of mobile crowdsensing and the diversity of smartphone sensory data, combines computer vision and mobile techniques for their complementary strengths, and uses optimization and probabilistic formulations to construct indoor floor plans incrementally and in real time. In order to prove its effectiveness and robustness, we also plan to develop prototypes and design evaluation metrics for floor plan construction, and conduct experiments with crowdsourced data in different types of indoor buildings. This proposal will establish the theoretical basis of ubiquitous indoor localization and navigation services.

随着移动计算、传感器网络、物联网等技术的不断发展，基于GPS与北斗系统的室外定位与导航服务为现代生活提供了许多便利，同时人们对室内定位服务的需求也与日俱增。然而，当前室内定位服务远未普及，其中一个重要限制因素是由于室内地图的缺失，造成了昂贵的商业开销与繁重的人工测绘成本。本项目基于移动众包的思想，拟充分挖掘众包用户的群智感知能力与移动终端传感数据的多样性，系统深入地研究计算机视觉与运动传感数据相互融合的策略，提出基于概率模型与优化算法的室内平面图快速增量式构建方法。同时，本项目拟开发原型系统并提出用于评价平面图效果的相关指标，之后针对不同类型的室内场所采集众包实验数据进行测试，以验证本项目所提方法的有效性与鲁棒性。本项目的研究成果能够为室内定位导航服务的快速普及奠定坚实的理论基础。

室内位置服务可以有效推进智慧城市建设、提升民众出行体验、改善增强现实的互动效果，因此成为物联网领域的研究热点。当前，室内位置服务远未普及，其中一个重要限制因素是室内地图的缺失造成了昂贵的商业开销与繁重的人工测绘。本项目围绕室内位置服务中的平面图构建问题，充分挖掘移动众包用户的群智感知能力与移动终端传感数据的多样性，有效融合计算机视觉技术与移动计算技术，针对传感信息提取与校准、地图布局更新、地图细节增强等方面进行深入研究，提出了精确、快速、鲁棒、增量式的室内平面图构建方法。首先，由于众包数据采集周期较长并且误差较大，本项目提出轻量级信息提取与校准方法，可以快速定位用户并提取周边环境的精确测量信息。其次，本项目有效融合多种传感数据，提出基于概率模型的室内平面图信息融合框架以及新型粒子滤波器算法，可以实时、增量式地更新室内环境地标的位置信息与误差分布。再次，本项目通过构建占有格点图模型自动生成室内的可到达区域（如走廊、大厅、房间），并提出无监督机器学习算法自动标注不同类型的楼层间连接区域（如楼梯、电梯、扶梯），可以生成完整、精确、详实的室内多楼层平面图。最后，本项目开发了原型系统，提出了用于评价平面图构建效果的相关指标，并针对不同类型的室内场所、用户群体、设备型号开展众包数据采集测试，实验结果验证了本项目所提方法的可用性与有效性。本项目研究成果可以为室内位置服务的快速普及奠定理论基础并提供技术支撑，项目组也将沿这一方向进行长期深入研究与商业应用拓展，并与相关企业紧密合作力争实现成果转化。