室内停车场定位方法技术

本发明专利技术涉及一种汽车定位方法，尤其是室内停车场定位方法，包括如下步骤：步骤一，对定位场景设置参考节点，采集参考节点的RSSI，建立由参考节点的坐标和参考节点的RSSI组成的Radio Map；步骤二，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。本发明专利技术提供的室内停车场定位方法定位场景的环境参数精确，数据采集工作量小，计算量小，定位精度高、成本低。

【技术实现步骤摘要】

本专利技术涉及一种汽车定位方法，尤其是室内停车场定位方法。
技术介绍
室内停车场定位技术是为了快速定位，以达到寻车的目的。由于室内停车场的环境并没有室内环境那么复杂，所要求的定位精度也没有室内定位那么精准，所以，借鉴室内定位的方法应用于室内停车场定位。但是，目前的室内定位技术也存在着很多问题。目前，AGPS(Assisted Global Positioning System，简称:AGPS)技术和GPS技术已经做的比较成熟，但由于室内环境的复杂性，利用GPS来进行室内定位,其定位精度并不高。当前流行的室内定位技术主要有超宽带、超声波、Zigbee、RFID、LED、微型基站、蓝牙、WiFi等技术。基于WiFi的定位主要依据测距或特征匹配的定位方法来进行室内定位，在测距定位方法中主要有依据传播时间、信号抵达时间差、信号抵达角度和接受的信号强度(RSSI)。测距方法虽然定位方式比较简单，但定位精度不如用特征匹配的方法所定位的精度高。但其缺点是需要前期进行大量的数据采集，在特征匹配时计算量较高。因此，如何在提高定位精度的基础上，减小数据采集的工作量和降低硬件部署的成本，是当前室内定位的技术研究难题。
技术实现思路
为解决上述问题，本专利技术提供一种定位进度高、计算量小的室内停车场定位方法，具体技术方案为：室内停车场定位方法，包括如下步骤：步骤一，离线阶段，对定位场景设置参考节点，采集参考节点的信号强度值RSSI，建立由参考节点的坐标和参考节点的RSSI组成的指纹库Radio Map；步骤二，在线阶段，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。所述步骤一包括如下步骤：(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型： R S S I ( d ) = A - 10 N l o g ( d d 0 ) + ξ ]]>RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，来拟合出环境参数A和N；(2)通过已拟合出的A和N，计算出各个参考节点的估算RSSI’，把RSSI’作为阈值参考量，结合已测得的RSSI，来滤除高斯噪声影响较大的RSSI值，利用迭代算法，最终确定环境参数A和N；(3)根据定位场景划分网格，来确定最终参考节点的坐标(X，Y)，通过对数路径损耗模型得到各个参考节点的RSSI”；(4)将得到的RSSI”通过K聚类算法对整个定位场景的参考节点进行聚类，得出聚类中心的信号强度平均值RSSI”’；(5)把最终参考节点的坐标(X，Y)、RSSI”和步骤(4)中所得到的各簇的RSSI”’建立Radio Map。所述步骤二包括：首先把终端所采集到的RSSI与各簇的RSSI”’进行欧式距离运算，定位到欧式距离最小的簇所在区域。在线阶段，利用终端所采集时，在WiFi信号突然消失的情况下，利用PDR(行人航迹推测)算法对目标位置进行预测；在WiFi信号稳定的情况下，利用PDR算法对定位结果进行矫正，以免出现目标漂移；在WiFi信号不稳定的情况下，利用PDR算法对目标位置进行跟踪和预测。本专利技术提供的室内停车场定位方法，具有的技术效果有：(1)由于停车场场景的特殊性，墙面不多，空间比较空旷，人流量也不如商场大，所以，可以通过对数路径损耗模型来拟合信号在传输过程中的函数，并确定环境参数。(2)在指纹库的建立过程中，采取滤波的方式，先对采集到的RSSI进行自适应高斯滤波，得出比较能准确反映定位场景的环境参数。(3)对定位场景内的RP进行聚类分析，以减少在线阶段的工作量。(4)针对WiFi信号不稳定的情况，利用PDR算法对目标位置进行跟踪和预测。本专利技术提供的室内停车场定位方法，定位场景的环境参数精确，数据采集工作量小，计算量小，定位精度高、成本低。附图说明图1是本专利技术的方法流程示意图。具体实施方式结合附图说明本专利技术的具体实施方式。如图1所示，室内停车场定位方法，包括如下步骤：步骤一，离线阶段下，主要是建立离线Radio Map(指纹库)。对定位场景设置参考节点，采集参考节点的RSSI(信号强度值)，建立由参考节点的坐标和参考节点的RSSI组成的Radio
Map(指纹库)；具体过程为：(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型：RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，来拟合出环境参数A和N；(2)通过已拟合出的A和N，计算出各个参考节点的估算RSSI’，把RSSI’作为阈值参考量，结合已测得的RSSI，来滤除高斯噪声影响较大的RSSI值，利用迭代算法，最终确定环境参数A和N；(3)根据定位场景划分网格，来确定最终参考节点的坐标(X，Y)，通过对数路径损耗模型得到各个参考节点的RSSI”；(4)将得到的RSSI”通过K聚类算法对整个定位场景的参考节点进行聚类，得出聚类中心的信号强度平均值RSSI”’；(5)把最终参考节点的坐标(X，Y)、RSSI”和(4)中所得到的各簇的RSSI”’建立Radio Map。步骤二，在线阶段，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；具体过程为，首先把终端所采集到的RSSI与各簇的RSSI”’进行欧式距离运算，定位到欧式距离最小的簇所在区域。避免了与整个定位场景的RP’进行运算，大大减小了在线阶段时的计算量。在该线定位阶段，针对WiFi信号突然消失的情况，利用PDR即行人航迹推测算法对目标位置进行预测。算法利用自适应波峰检测来判断行人步数，根据行人步长模型来预测目标的位置。在WiFi信号稳定的情况下，利用PDR算法对定位结果进行矫正，以免出现目标漂移。针对WiFi信号不稳定的情况，利用PDR算法对目标位置进行跟踪和预测。步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。本文档来自技高网...

【技术保护点】
室内停车场定位方法，其特征在于，包括如下步骤：步骤一，对定位场景设置参考节点，采集参考节点的RSSI，即信号强度值，建立由参考节点的坐标和参考节点的RSSI组成的Radio Map，即指纹库；步骤二，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。

【技术特征摘要】
1.室内停车场定位方法，其特征在于，包括如下步骤：步骤一，对定位场景设置参考节点，采集参考节点的RSSI，即信号强度值，建立由参考节点的坐标和参考节点的RSSI组成的Radio Map，即指纹库；步骤二，利用终端所采集到的RSSI与指纹库里的RSSI进行欧式距离运算；步骤三，欧式距离运算得到的最小的参考节点坐标即为目标所在位置。2.根据权利要求1所述的室内停车场定位方法，其特征在于，所述步骤一包括如下步骤：(1)所述参考节点必须要遍布整个定位场景，采集各参考节点的RSSI，根据对数路径损耗模型： R S S I ( d ) = A - 10 N l o g ( d d 0 ) + ξ , ]]>RSSI(d)为在参考节点下的来自i信号强度值，A和N为定位场景的环境参数，d0为常数，ξ为高斯噪声分量，把在每个参考节点下所采集到的RSSI与相对应的距离，作为已知量，...

【专利技术属性】
技术研发人员：王维博，林竞力，叶凯，胡夏融，郑永康，孙敬欢，余本富，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51