基于多模态数据融合的室内定位与导航研究

Indoor localization refers to a set of theories, algorithms, and techniques to determine user location in building interiors, which can be used to provide differential location-based services in shopping mall, office building, museum, etc. However, existing solutions more or less suffer from accuracy, usability, and user experience, which severely limit the deployment and application of crowd-sensing indoor localization approaches in large scales. Along with the popularity of smartphones, this proposal studies a novel solution of indoor localization based on multi-modal data fusion. Specifically, we are going to investigate the relationship of image, wireless signal, and mobility information collected by users’ smartphones to upgrade the location accuracy and decrease the deployment cost. The research contents include as following: Firstly, groundbreaking research will be carried out on the images and multiple sensors information fusion method, solving the validity of fusion of various data belonging to different dimensions. Secondly, indoor localization and navigation based on multi-modal data fusion will be researched. Image matching operations will be eliminated with the use of correlation between the multi-modal data, and the real-time of the system will be improved. Thirdly, automatic construction of location information database and reconstruction of map will be proposed with the use of crowd-sensing mechanisms, without manual site survey. Finally, a real-world system deployment in large building to verify the techniques developed under this proposal, and to promote the research and the application of the indoor localization technology in our country.

室内定位技术用于计算人员或设备在建筑内部的位置，可广泛应用于商场、写字楼、博物馆等大型建筑，方便建筑管理者根据用户位置提供有差别的个性化服务。然而，现有定位方法在精度、普适性以及用户体验等方面的局限性严重阻碍了室内定位技术的大规模部署与应用。本课题提出一种基于多模态数据融合的室内定位新思路，充分利用移动终端所采集的图像、无线信号以及用户运动信息，挖掘多模态数据的可用性和关联性，用来提高定位精度、降低定位系统部署成本。具体研究内容包括：(1)对图像与多传感信息融合方式进行突破性研究，解决分属不同维度的各种数据融合的有效性问题；(2)基于多模态数据融合的室内定位与导航研究，利用多模态数据之间的相关性消除图像匹配操作，提高系统实时性；(3)提出利用群智感知机制，实现位置信息数据库的自动构建与地图重构，无需人工现场勘测。最后在真实的大型室内场景中实现一个验证系统，推动我国室内定位技术的研究和应用。

室内定位在一些特定场合的实用性和必要性日趋显著，商业价值相当可观。但由于现有的各种室内定位技术在服务的精度、普适性和用户体验方面的局限性，阻碍了室内定位技术的发展与应用。本课题的研究完成对室内定位的精度、普适性和用户体验方面的突破。利用智能终端的应用与普及，实现了基于图像信息、无线信号、多传感信息的多模态数据融合的室内定位，利用多模态数据之间的相关性消除了大量的图像匹配操作，提高了系统实时性；利用群智感知机制，实现了在真实的室内环境中以最少的照片数量稳健地构建图像数据库，无需人工现场勘测。我们的研究成果实现了亚米级室内定位，易于使用，且用户友好；提出利用以往旅行者记录行踪信息，用以导航后来的旅行者到达目的地，在智能手机上实现了对等导航系统，快速部署，不需要平面图和预先部署的位置服务；提出基于层次Levenshetin距离（HLD）的WIFI指纹距离计算算法，在商用设备上实现异构设备的指纹无校准比对，克服设备异构、环境的动态性对定位精度的影响；利用新颖的RSS空间梯（RSG）矩阵来增强WiFi指纹，从而实现对RSS值的空间感知，克服RSS指纹存的空间歧义性与时间波动性，提高了定位精度约30%到50%。本项目对室内定位关键技术进行了突破，充分利用了普通智能手机和商用WIFI设备，利用各个维度的数据，在真实的应用场景开发部署定位导航系统，用户体验良好，有力地推动国内外室内定位与导航技术的发展与应用。