室内定位方法、装置及系统制造方法及图纸

技术编号:18449729 阅读:28 留言:0更新日期:2018-07-14 12:20
本发明专利技术提供了一种室内定位方法、装置及系统;其中,该方法包括:检测用户终端接收到的无线网络和对应的信号强度;将信号强度转换成对应的编码图像;将编码图像输入至预先建立的室内定位模型中,根据输出结果确定用户终端的定位信息。本发明专利技术将信号强度转换成编码图像,并通过深度卷积神经网络训练得到的模型进行室内定位,提高了室内定位精度。

【技术实现步骤摘要】
室内定位方法、装置及系统
本专利技术涉及室内定位
,尤其是涉及一种室内定位方法、装置及系统。
技术介绍
在许多室内外环境中,比如办公室、商场、车站等等,如果能够获取用户精确的位置信息,就可以为用户提供感兴趣的应用和服务。近年来,移动设备爆发式的增长,刺激了用户对精确的室内定位的需求,但由于GPS(GlobalPositioningSystem,全球定位系统)在室内的不可用性,精确的室内定位仍然是一个挑战。现有的室内定位主要围绕Wi-Fi(Wireless-Fidelity,无线保真)指纹技术进行研究,大多采用RSSI(ReceivedSignalStrengthIndication,接收的信号强度指示)方法;但该方法无法解决位置采样和预测定位时RSSI波动的问题,并且容易出现欠拟合的情况,导致定位精度较低。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种室内定位方法、装置及系统,以提高室内定位精度。第一方面,本专利技术实施例提供了一种室内定位方法,包括:检测用户终端接收到的无线网络和对应的信号强度;将信号强度转换成对应的编码图像;将编码图像输入至预先建立的室内定位模型中,根据输出结果确定用户终端的定位信息;其中,室内定位模型通过深度卷积神经网络训练而成。结合第一方面,本专利技术实施例提供了第一方面的第一种可能的实施方式,其中,室内定位模型通过下述方式训练获得:采集室内设定位置的位置坐标,以及位置坐标处的无线网络和对应的信号强度;将无线网络的所述信号强度转换成对应的编码图像;建立深度卷积神经网络的网络结构;将编码图像和对应的位置坐标输入至网络结构中进行训练,得到带权值的室内定位模型。结合第一方面的第一种可能的实施方式,本专利技术实施例提供了第一方面的第二种可能的实施方式,其中,采集室内设定位置的位置坐标,以及位置坐标处的无线网络和对应的信号强度的步骤,还包括:对室内区域划分网格;将网格的交叉点确定为待采集的位置坐标;采集位置坐标处的多个无线网络和对应的信号强度。结合第一方面的第二种可能的实施方式,本专利技术实施例提供了第一方面的第三种可能的实施方式,其中,采集位置坐标处的多个无线网络和对应的信号强度的步骤,包括:采集设定时段的,位置坐标处的多个无线网络和对应的信号强度。结合第一方面的第三种可能的实施方式,本专利技术实施例提供了第一方面的第四种可能的实施方式,其中,当无线网络对应的无线路由位置变化时,执行本专利技术实施例中第一方面的第一种至第三种可能的实施方式中任一种的方法,以更新室内定位模型。结合第一方面及第一方面的第一中至第四种可能的实施方式之中的任一种方式,本专利技术实施例提供了第一方面的第五种可能的实施方式,其中,编码图像包括二维码图像;深度卷积神经网络包括GoogLeNet的inceptionV3神经网络。第二方面,本专利技术实施例提供了一种室内定位装置,包括:信号检测模块,用于检测用户终端接收到的无线网络和对应的信号强度;转化模块,用于将信号强度转换成对应的编码图像;定位模块,用于将编码图像输入至预先建立的室内定位模型中,根据输出结果确定用户终端的定位信息;其中,室内定位模型通过深度学习卷积神经网络训练而成。结合第二方面,本专利技术实施例提供了第二方面的第一种可能的实施方式,其中,室内定位模型通过下述方式训练获得:采集室内设定位置的位置坐标,以及位置坐标处的无线网络和对应的信号强度;将无线网络的信号强度转换成对应的编码图像;建立深度卷积神经网络的网络结构;将编码图像和对应的位置坐标输入至网络结构中进行训练,得到带权值的室内定位模型。结合第二方面及第二方面的第一种可能的实施方式之中的任一种方式,本专利技术实施例提供了第二方面的第二种可能的实施方式,其中,编码图像包括二维码图像;深度卷积神经网络包括GoogLeNet的inceptionV3神经网络。第三方面,本专利技术实施例提供了一种室内定位系统,包括上述装置、移动终端及无线路由器。本专利技术实施例提供了一种室内定位方法、装置及系统;检测用户终端接收到的无线网络和对应的信号强度后,将信号强度转换成对应的编码图像;再将编码图像输入至预先建立的室内定位模型中,根据输出结果确定用户终端的定位信息。该方式将信号强度转换成编码图像,并通过深度卷积神经网络训练得到的模型进行室内定位,提高了室内定位精度。本专利技术的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本专利技术的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种室内定位方法的流程图;图2为本专利技术实施例提供的室内定位方法中,获得室内定位模型方法的流程图;图3为本专利技术实施例提供的一种室内定位装置的结构示意图;图4为本专利技术实施例提供的一种室内定位系统的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。目前,室内定位方法的精度较低,泛化能力不高,基于此,本专利技术实施例提供了一种室内定位方法、装置及系统,可以应用于室内定位及固定区域的定位。为便于对本实施例进行理解,首先对本专利技术实施例所公开的一种室内定位方法进行详细介绍。参见图1所示的一种室内定位方法的流程图,该方法包括如下步骤:步骤S102,检测用户终端接收到的无线网络和对应的信号强度;通常情况下,用户终端为手机、平板电脑、笔记本电脑等。上述设备可以接收多个路由器发出的无线信号,并检测无线信号的信号强度。通常,无论用户终端是否登录无线网络,移动终端均能检测到各无线网络的标识以及对应的信号强度。步骤S104,将信号强度转换成对应的编码图像;具体地,上述编码图像可以为二维码图像或条形码图像。该二维码图像为高密度编码,可容纳多达1850个大写字母或2710个数字或1108个字节,或500多个汉字;上述条形码图像可以把图片、声音、文字、签字、指纹等可以数字化的信息进行编码;容错能力强且译码可靠性高。步骤S106,将编码图像输入至预先建立的室内定位模型中,根据输出结果确定用户终端的定位信息;其中,该室内定位模型通过深度卷积神经网络训练而成。具体地,上述深度卷积神经网络(ConvolutionalNeuralNetworks-简称CNN)是一种前馈人工神经网络,可以处理大型图像;CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。上述室内定位模型即为经过训练的深度卷积神经网络。将编码图像输入室内定位模型后,即可得到用户终端的位置。本专利技术实施例提供的一种室内定位方法,检测用户终端接收到的无线网络和对应的信号强度后,将信号强度转换成对应的编码本文档来自技高网...

【技术保护点】
1.一种室内定位方法,其特征在于,包括:检测用户终端接收到的无线网络和对应的信号强度;将所述信号强度转换成对应的编码图像;将所述编码图像输入至预先建立的室内定位模型中,根据输出结果确定所述用户终端的定位信息;其中,所述室内定位模型通过深度卷积神经网络训练而成。

【技术特征摘要】
1.一种室内定位方法,其特征在于,包括:检测用户终端接收到的无线网络和对应的信号强度;将所述信号强度转换成对应的编码图像;将所述编码图像输入至预先建立的室内定位模型中,根据输出结果确定所述用户终端的定位信息;其中,所述室内定位模型通过深度卷积神经网络训练而成。2.根据权利要求1所述的方法,其特征在于,所述室内定位模型通过下述方式训练获得:采集室内设定位置的位置坐标,以及所述位置坐标处的无线网络和对应的信号强度;将无线网络的所述信号强度转换成对应的编码图像;建立深度卷积神经网络的网络结构;将所述编码图像和对应的位置坐标输入至所述网络结构中进行训练,得到带权值的室内定位模型。3.根据权利要求2所述的方法,其特征在于,所述采集室内设定位置的位置坐标,以及所述位置坐标处的无线网络和对应的信号强度的步骤,还包括:对室内区域划分网格;将所述网格的交叉点确定为待采集的位置坐标;采集所述位置坐标处的多个无线网络和对应的信号强度。4.根据权利要求3所述的方法,其特征在于,所述采集所述位置坐标处的多个无线网络和对应的信号强度的步骤,包括:采集设定时段的,所述位置坐标处的多个无线网络和对应的信号强度。5.根据权利要求4所述的方法,其特征在于,当所述无线网络对应的无线路由位置变化时,执行权利要求...

【专利技术属性】
技术研发人员:杨桂华梁宇
申请(专利权)人:桂林理工大学
类型:发明
国别省市:广西,45

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1