基于广义地标的室内行人混合感知导航方法

The multi-dimensional signal feature and variation of indoor environment have obvious spatial characteristics which can be used as landmarks for pedestrian navigation system. However, current GIS navigation theory lacks classification systems and modeling methods for multi-dimensional signal features. It is difficult to support diversified indoor scenes for scientific modeling and the analysis of navigation landmarks. Different from these traditional navigation approaches, this project makes full use of the multi-dimensional signal features to expand pedestrian navigation landmark theory. This project will study two key research questions: the classification theory and spatial modeling of multi-dimensional signal feature general landmarks; pedestrian mixed perception navigation model based on general landmarks. This project will achieve smart mobile terminal based generalized landmark identification, general landmark spatial location labeling based on visual and inertial information, general landmark and trajectory correlation analysis based mixed perception navigation. Finally, this project will develop a more universal pedestrian mixed perception navigation theoretical framework in indoor environment. As result, the output of this project will improve the adaption abilities of pedestrian navigation applications for different complex pedestrian navigation environments, and promote the cross-integration of GIS and AI theory, reduce the infrastructure’s dependency on ubiquitous location services, which could increase the stability and comfort performance of pedestrian navigation applications.

室内环境下的多维度信号特征及变化规律具有明显的空间特性，对于智能移动终端的行人导航具有重要的空间标识意义。然而目前GIS导航理论缺乏对多维度信号特征的分类体系与建模方法，难以支撑多样化室内场景对于导航地标的科学建模与分析利用。本项目主要以多维度信号特征规律拓展行人导航地标理论，针对多维度信号特征广义地标分类体系与时空建模、基于广义地标的行人混合感知导航模型等关键科学问题开展研究，提出基于智能移动终端的广义地标识别方法、融合视觉与惯性信息的广义地标空间位置标注方法、基于广义地标与轨迹匹配的混合感知导航方法等内容，从而发展出一个普适性更强的行人混合感知导航方法体系。本课题的研究成果将提高行人导航的复杂环境适应能力、促进GIS与人工智能理论方法体系的交叉融合，降低“无所不在”位置服务对基础设施的依赖性，提高行人导航应用的稳定性和舒适性。

针对目前地理信息系统导航理论缺乏对多维度信号特征的分类体系与建模方法，难以支撑多样化室内场景对于导航地标的科学建模与分析利用等问题，本项目重点围绕多维度信息融合广义地标模型构建、视觉与惯性融合的广义地标空间位置标注、基于广义地标与轨迹匹配的行人定位导航等三个方面内容展开研究。针对室内典型结构环境下采集到的多源信号进行特征提取和模型训练，构建了室内结构地标分类模型；研究了基于智能手机的室内空间结构自动识别方法，提出了基于结构地标序列匹配的行人定位方法，结果表明：利用智能手机识别室内空间结构的准确率超过90%，在识别地标基础上进行空间位置匹配的准确率为92%，基于结构地标序列匹配的定位误差不超过1.2米。提出了视觉与惯性集成的行人相对运动轨迹恢复方法，提高了传统惯性航位推算（PDR）定位方法的准确性；研究了基于室内参考点和众包行人轨迹的空间位置标注方法，可以将众包轨迹采样点相对位置转换到室内坐标系下，实现了地标位置自动标注和动态更新，实验结果表明，基于众包轨迹采样点的空间位置标注平均误差为0.6米。根据不同场景下的定位需求和多源信号的可获取性，将行人室内定位分为主动定位、被动定位和协同定位。提出了室内空间约束条件下的行人主动视觉定位方法，主要利用行人拍摄的室内图像进行匹配定位；提出了基于单目相机的行人被动定位方法，利用固定相机拍摄视频影像进行行人目标检测，构建像素坐标转换模型，实现对多个目标行人的连续跟踪定位；提出了被动视觉与主动惯性协同的室内定位方法，利用视觉特征和惯性特征进行互匹配识别多目标行人身份，将惯性定位结果补充视觉盲区情况下的行人定位结果。本项目的研究成果为行人定位导航、位置服务领域的发展提供了理论依据，提高了行人导航应用的稳定性和舒适性。