一种室内定位环境特征点提取方法技术

本发明专利技术公开了一种室内定位环境特征点提取方法，该方法分别利用二维LiDAR采集设备、智能终端获取室内空间的二维LiDAR点云数据、设置在室内的无线通讯设备泛在无线信号的RSSI；并从二维LiDAR点云数据中获取采集RSSI时的室内环境特征，结合采集者轨迹提取现势性强的室内空间结构特征，进而标定泛在无线信号RSSI序列峰值，构建室内定位环境特征点。与传统方法相比，本发明专利技术在提取室内定位环境特征点时避免了对室内地图的需求，利用二维LiDAR点云和采集者轨迹数据获取现势性强的室内空间环境，并实现了特征点的自动化提取，增强了室内定位与导航。本发明专利技术适用于室内定位技术领域。

【技术实现步骤摘要】
一种室内定位环境特征点提取方法
本专利技术涉及室内定位
，更具体的，涉及一种室内定位环境特征点提取方法。
技术介绍
北斗卫星导航系统在国民经济和社会发展多个领域被广泛应用，但由于卫星信号在室内区域受到遮挡和干扰，室内空间内的定位问题却没有得到解决。因此不少室内空间并没有室内地图数据，即使有室内地图也可能存在地图数据老旧等问题。随着智能手机终端的普及，业界已经意识到以智能手机为智能终端融合泛在无线信号(包括蜂窝信号、WiFi信号、蓝牙信号等)、多源数据(室内地图、位置指纹库、图像等)以解决室内定位问题。在利用这些信号和数据定位之前，需要进行必要的准备工作，比如建立信号传播模型，绘制室内地图，构建位置指纹库与定位环境特征点库等。本专利技术针对面向室内定位与导航的环境特征点的构建问题，提出利用二维LiDAR点云和采集者轨迹数据识别室内空间环境，进而标定泛在无线信号强度序列峰值，构建室内定位环境特征点，增强室内定位与导航。
技术实现思路
本专利技术为了解决现有技术中卫星信号在室内区域受到遮挡和干扰，无法准确定位室内空间的问题，本专利技术提供了一种室内定位环境特征点提取方法，其通过利用无线通讯设备发射的无线信号的能量损耗表征与建筑物内部环境有关，所述的能量损耗在室内定位中通常用接收信号强度(ReceivedSignalStrengthIndicator，RSSI)，接收信号强度在室内空间的分布呈现出与室内空间结构有较强的相关性。室内空间由多个空间结构组成，包括房间、走廊等，由于墙壁等障碍物的阻隔每个空间中会形成数个RSSI特征点，这些特征点就是室内定位环境特征点。本专利技术通过构建室内定位环境特征点，用于增强室内定位与导航。为实现上述本专利技术目的，采用的技术方案如下：一种室内定位环境特征提取方法，所述该方法包括以下步骤：S1：确定起始时刻智能终端坐标系与世界坐标系的关系，获取坐标转换矩阵；校准智能终端和二维LiDAR采集设备的时间，利用二维LiDAR采集设备获取室内空间的二维LiDAR点云数据，利用智能终端获取设置在室内的无线通讯设备泛在无线信号的RSSI；S2：利用行人航迹推算技术解算智能终端内置的传感器数据，从而获取采集者轨迹；在获取无线信号RSSI和采集者轨迹后，以采集者轨迹采样率为基础，按照采集时刻将采集者轨迹与无线信号RSSI一一关联，剔除采集时刻无法对应的残缺数据；S3：从二维LiDAR点云数据中提取直线特征，以扫描周期为单位划分点云，根据每个扫描周期的点云进行处理；所述的处理包括点云分割和直线特征参数估计；根据点云分割处理获取点云分割点，将点云分成若干个点集，点集中点的数目少于设定阈值c0或组成的直线长度小于设定阈值l0将被舍弃；S4：采用断点检测和角点检测对获取的采集者轨迹进行轨迹处理，提取采集者轨迹中的直线部分；根据角点检测检验出角点后，将对应点集根据角点再次划分，得到划分之后的每一部分轨迹点集；结合二维LiDAR点云数据中提取的直线特征与采集者轨迹中的直线部分，判断室内空间结构类型；S5：通过以上步骤确定室内空间结构之后，将目标空间结构内的轨迹与RSSI序列根据采集时刻进行匹配标定，提取基于位置的RSSI序列，对RSSI序列进行处理，提取RSSI峰值，构建室内定位环境特征点。本专利技术所述智能终端包括智能手机；所述无线通讯设备包括WIFI、蓝牙模块；所述传感器包括陀螺仪、加速度计。优选地，步骤S1，所述确定起始时刻智能终端坐标系与世界坐标系的关系，获取坐标转换矩阵，具体如下：所述的世界坐标系和智能终端坐标系都是空间笛卡尔直角坐标系，所述的智能终端坐标系由世界坐标系旋转和平移得到，假设世界坐标系先绕Z轴旋转角度ψ，再绕Y轴旋转角度φ，最后绕X轴旋转角度θ，那么旋转矩阵是式中，Rz、Ry、Rx分别为绕Z、Y、X轴的旋转矩阵；旋转之后，再将坐标系原点平移就能得到智能终端坐标系，平移向量为：T＝[ΔxΔyΔz]T式中，Δx、Δy、Δz分别为沿着X、Y、Z轴的平移量；最终，坐标转换矩阵可以写为Xl＝RXg+T式中，Xl表示智能终端坐标系中的三维坐标向量；Xg表示世界坐标系中的三维坐标向量。进一步地，步骤S3，利用卡尔曼滤波进行点云分割，包括以下步骤：S301：状态量Xk设为激光测距值rk和随扫描角度变化的测距值变化率即式中：α表示扫描角度、k表示时刻；S302：状态在不同时刻使用以下公式计算：S303：根据以上步骤，建立离散系统模型其中，Zk为观测量，为激光实际测距值；wk-1和vk-1高斯噪声，方差分别为Qk-1和Rk-1；F为状态迁移矩阵和H为观测矩阵通过以上步骤求得状态迁移矩阵F和观测矩阵H，根据卡尔曼滤波理论和统计检验方法，点云分割的具体算法如下：初始化滤波：FORk＝1:N计算滤波预测值：计算新息及其协方差：计算判别量利用χ2检验判断分割点，Dthd为χ2检验阈值：标记并提取分割点，重置滤波：ELSE计算滤波修正值：ENDEND其中：N表示分割点云所需的迭代次数；X0表示初始状态向量；P0表示初始状态误差方差阵；表示k时刻状态误差方差阵；Qk表示状态噪声方差阵；Sk观测向量的预测误差方差阵；Rk表示观测噪声方差阵；Kk表示卡尔曼增益矩阵；根据以上方法提取的点云分割点，将点云分成若干点集，点集中点的数目少于设定阈值c0或组成的直线长度小于设定阈值l0将被舍弃。再进一步地，步骤S3，所述直线特征参数估计包括以下步骤：拟合每个点集中的数据，提取直线；所述直线的表达式为：Ax+By+C＝0利用线性回归方法求得直线参数，令则其中：xi、yi为第i个扫描点在智能终端坐标系中的坐标。再进一步地，步骤S4，所述的断点检测包括以下步骤：断点是移动轨迹中不连续的点，即相互距离超过设定阈值的前后轨迹点；通常，采集过程中轨迹点都是连续的，若相邻轨迹点之间的距离发生变化，即相邻轨迹点之间的距离大于设定阈值d0，则认为检测到断点；断点被用来初步划分轨迹点，形成一系列点集。再进一步地，步骤S4，断点检测形成一系列点集，根据每个点集进行直线拟合，并检测点集中的点到拟合直线的距离是否大于设定阈值dt；若大于设定阈值dt，则进行角点检测；所述角点检测：若待检验点与前M/2和后M/2个扫描点距离之和dsum大于第m-M/2个点与第m+M/2个点之间的距离dse，并且差异|dsum-dse|超过阈值lc，则确定待检测点为角点，即满足检验出角点之后，将对应点集根据角点再次划分；根据划分之后的每一部分轨迹点集，进一步合并其两侧的LiDAR点云直线特征，即如果两侧LiDAR点云直线距离在设定区间[dmin,dmax]内，且两侧LiDAR点云直线与轨迹直线的夹角都不超过阈值α0，则将两侧LiDAR点云直线分别与相应侧的点集合并；待每一部分轨迹两侧的LiDAR点云直线合并处理结束，进一步确认各部分轨迹直线长度，如果轨迹直线长度超过阈值lt，且两侧有LiDAR直线特征，则确定采集人员经过的是走廊之类的狭长过道。优选地，步骤S5，具体地，首先，以步长为5的滑动窗平滑处理RSSI序列，消除突变值的影响；然后，查找RSSI平滑序列中最大值，并确定RSSI最大值前N个值是单调递增，后N个值单调递减；最后，根据RSSI平滑序列中最大值的位置，在原始序列中查找相应本文档来自技高网...

【技术保护点】
1.一种室内定位环境特征提取方法，其特征在于：所述该方法包括以下步骤：S1：确定起始时刻智能终端坐标系与世界坐标系的关系，获取坐标转换矩阵；校准智能终端和二维LiDAR采集设备的时间，利用二维LiDAR采集设备获取室内空间的二维LiDAR点云数据，利用智能终端获取设置在室内的无线通讯设备泛在无线信号的RSSI；S2：利用行人航迹推算技术解算智能终端内置的传感器数据，从而获取采集者轨迹；在获取无线信号RSSI和采集者轨迹后，以采集者轨迹采样率为基础，按照采集时刻将采集者轨迹与无线信号RSSI一一关联，剔除采集时刻无法对应的残缺数据；S3：从二维LiDAR点云数据中提取直线特征，以扫描周期为单位划分点云，根据每个扫描周期的点云进行处理；所述的处理包括点云分割和直线特征参数估计；根据点云分割处理获取点云分割点，将点云分成若干个点集，点集中点的数目少于设定阈值c0或组成的直线长度小于设定阈值l0将被舍弃；S4：采用断点检测和角点检测对获取的采集者轨迹进行轨迹处理，提取采集者轨迹中的直线部分；根据角点检测检验出角点后，将对应点集根据角点再次划分，得到划分之后的每一部分轨迹点集；结合二维LiDAR点云数据中提取的直线特征与采集者轨迹中的直线部分，判断室内空间结构类型；S5：通过以上步骤确定室内空间结构之后，将目标空间结构内的轨迹与RSSI序列根据采集时刻进行匹配标定，提取基于位置的RSSI序列，对RSSI序列进行处理，提取RSSI峰值，构建室内定位环境特征点。...

【技术特征摘要】
1.一种室内定位环境特征提取方法，其特征在于：所述该方法包括以下步骤：S1：确定起始时刻智能终端坐标系与世界坐标系的关系，获取坐标转换矩阵；校准智能终端和二维LiDAR采集设备的时间，利用二维LiDAR采集设备获取室内空间的二维LiDAR点云数据，利用智能终端获取设置在室内的无线通讯设备泛在无线信号的RSSI；S2：利用行人航迹推算技术解算智能终端内置的传感器数据，从而获取采集者轨迹；在获取无线信号RSSI和采集者轨迹后，以采集者轨迹采样率为基础，按照采集时刻将采集者轨迹与无线信号RSSI一一关联，剔除采集时刻无法对应的残缺数据；S3：从二维LiDAR点云数据中提取直线特征，以扫描周期为单位划分点云，根据每个扫描周期的点云进行处理；所述的处理包括点云分割和直线特征参数估计；根据点云分割处理获取点云分割点，将点云分成若干个点集，点集中点的数目少于设定阈值c0或组成的直线长度小于设定阈值l0将被舍弃；S4：采用断点检测和角点检测对获取的采集者轨迹进行轨迹处理，提取采集者轨迹中的直线部分；根据角点检测检验出角点后，将对应点集根据角点再次划分，得到划分之后的每一部分轨迹点集；结合二维LiDAR点云数据中提取的直线特征与采集者轨迹中的直线部分，判断室内空间结构类型；S5：通过以上步骤确定室内空间结构之后，将目标空间结构内的轨迹与RSSI序列根据采集时刻进行匹配标定，提取基于位置的RSSI序列，对RSSI序列进行处理，提取RSSI峰值，构建室内定位环境特征点。2.根据权利要求1所述的室内定位环境特征提取方法，其特征在于：步骤S1，所述确定起始时刻智能终端坐标系与世界坐标系的关系，获取坐标转换矩阵，具体如下：所述的世界坐标系和智能终端坐标系都是空间笛卡尔直角坐标系，所述的智能终端坐标系由世界坐标系旋转和平移得到，假设世界坐标系先绕Z轴旋转角度ψ，再绕Y轴旋转角度最后绕X轴旋转角度θ，那么旋转矩阵是式中，Rz、Ry、Rx分别为绕Z、Y、X轴的旋转矩阵；旋转之后，再将坐标系原点平移就能得到智能终端坐标系，平移向量为：T＝[ΔxΔyΔz]T式中，Δx、Δy、Δz分别为沿着X、Y、Z轴的平移量；最终，坐标转换矩阵可以写为Xl＝RXg+T式中，Xl表示智能终端坐标系中的三维坐标向量；Xg表示世界坐标系中的三维坐标向量。3.根据权利要求2所述的室内定位环境特征提取方法，其特征在于：步骤S3，利用卡尔曼滤波进行点云分割，包括以下步骤：状态量Xk设为激光测距值rk和随扫描角度变化的测距值变化率即式中：α表示扫描角度、k表示时刻；状态在不同时刻使用以下公式计算：根据以上步骤，建立离散系统模型：其中，Zk为观测量，为激光实际测距值；wk-1和vk-1高斯噪声，方差分别为Qk-1和Rk-1；F为状态迁移矩阵和H为观测矩阵：H＝[10]通过以上步骤求得状态迁移矩阵F和观测矩阵H，根据卡尔曼滤波理论和统计检验方法，点云分割的具体算法如下：初始化滤波：FORk＝1:N计算滤波预测值：计算新息及其协方差：计算判别量利用χ2检验判断分割点，Dthd为χ2检验阈值：标记并提取分...

【专利技术属性】
技术研发人员：吴东金，夏林元，耿继军，彭清漪，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44