【技术实现步骤摘要】
本专利技术涉及室内定位与导航，具体涉及一种基于云雾边端协同计算的室内定位导航系统。
技术介绍
1、室内定位技术在过去数年间诸多行业得到越来越广泛的应用，在我们日常生活中扮演着越来越重要的角色。随着我国城市化进程的推进，城市的面貌正在发生深刻的改变。越来越多的摩天大楼、购物商场、交通枢纽、体育场馆、医疗中心成为城市新地标。这些现代化的大型建筑无一例外，拥有巨量的室内空间。而信号发射器和接收机之间的相通是定位的基础，任何遮挡都会导致信号强度的迅速衰减或直接阻挡信号的传播，室内空间内部信号遮挡是室内定位常遇到的问题，大大限制了很多室外定位技术在室内普及的可能性，也把有效定位范围限制在很小的范围内，给实现室内定位广域覆盖带来极大的困难。
2、现有的定位与导航系统仍处于初级阶段，其计算能力和处理效率均存在较大障碍。一方面，传统的边缘网关设备计算能力不足，无法有效处理大量采集数据；另一方面，现有云计算在面对海量数据和高并发访问，易产生较大计算压力与数据安全隐患。因此亟须应用具备高容量、强计算和低延迟能力的云雾边端协同计算机制，提升事件处理效能。
技术实现思路
1、为了解决上述
技术介绍
所指出的不足，本专利技术提供一种基于云雾边端协同计算的室内定位导航系统，旨在提高“端”“边”“雾”“云”各层级硬件设备在定位与导航系统中的快速部署、高效运行、端云协同。
2、本专利技术采用的技术方案如下：
3、一种基于云雾边端协同计算的室内定位导航系统，包含“端”模块、“边”模块
4、具体的，所述“端”模块采用决策层方面融合，即利用不同传感器对同一目标进行测量，每个传感器所接收的数据进行数据预处理、特征识别提取等单独处理，对目标进行初步分析，再利用相应的算法对不同分析结果进行融合处理。
5、具体的，所述“边”模块一方面能够实现本地数据处理，缓解服务器压力，另一方面部署与定位相关的智能算法，提升wifi+ble集成一体化设备的能力。
6、具体的，所述“雾”模块用于分担“云”端压力，实现数据算法、虚拟模型和实时定位导航服务的高效运行，同时协同“云”端服务。
7、具体的，所述“云”模块具备强大的计算存储资源和可扩展性，用于部署高算力的导航渲染服务。
8、具体的，所述wifi+ble集成一体化设备与边缘设备通过蓝牙网关和wifi网关连接，所述边缘设备与雾服务器通过4g/5g网络通信，所述雾服务器与云服务器通过光纤宽带网络通信。
9、具体的，所述系统在“端”侧，规划了wifi和ble两种物联网设备终端，以保证对室内定位的各类物理量的全面感知；在“边”侧，利用了智能数据采集器，将数据采集与边缘计算集于一体，对多物理量进行采集，实现数据的本地化处理，大大减轻了网络负载以及云、雾端服务器的计算压力；在“雾”端，利用了服务器对边缘计算网关进行监测；在“云”端，通过部署在服务器集群的各类深度学习智能算法，进行导航渲染工作，使得室内实时定位与导航成为可能。
10、具体的，所述决策层方面融合是信息融合技术的一种，即为在某一特定的空间或时间维度中，将多种不同类型的信息源进行组合，在提升信息分辨率的同时，对信息质量进一步优化，从而实现整个信息系统对目标更准确的全面描述。
11、具体的，所述wifi+ble集成一体化设备采用k-means算法实现室内定位；所述k-means算法采用无监督学习方式，即对训练样本不做任何标记，通过学习来获得样本间的内在练习与规律，方便进一步对样本进行相似度分析，将具有一定相似度的样本划分在一起，聚为一类。与此同时，对初次分类后的多个类别设定最优原则，通过算法将每个类别的最优中心点不断迭代修改，将变化后的中心点作为新的类别中心，直到所有类别满足最优原则，最终获得分类结果。
12、相较于现有技术，本专利技术具有以下有益效果：
13、1、“云雾边端”，即云计算、雾计算、边缘计算，以及物联网设备终端。在普通的云计算模型下，数据处理会有延时性，数据传输也会受到网络带宽的局限，而在此基础上利用边缘计算、雾计算，处理过程则可以在本地边缘计算层完成，进而极大的提升处理效率，减轻云端负荷，使网络延时变得不再成为问题。其大大提高了“端”“边”“雾”“云”各层级硬件设备在定位与导航系统中的快速部署、高效运行、端云协同。
14、2、单一ble定位技术的优点在于精度可观，信号稳定性较强，设备功耗较低；缺点在于硬件设置造价相对昂贵，具有一定的推广局限性。单一wifi定位技术的优点在于信号覆盖面区域较大，同时定位成本较为低廉；缺点在于wifi信号易受室内环境干扰，定位精度与稳定性较差。因此本专利技术采用了基于决策层面k-means聚类算法的wifi+ble集成一体化设备融合定位方案，在维持原有硬件设备的定位成本下提高了定位精度及稳定性。
本文档来自技高网...【技术保护点】
1.一种基于云雾边端协同计算的室内定位导航系统，其特征在于：该系统包括：“端”模块、“边”模块、“雾”模块和“云”模块；
2.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述WIFI+BLE集成一体化设备与边缘设备通过蓝牙网关和WIFI网关连接，所述边缘设备与雾服务器通过4G/5G网络通信，所述雾服务器与云服务器通过光纤宽带网络通信。
3.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述系统在“端”侧，规划了WIFI和BLE两种物联网设备终端，以保证对室内定位的各类物理量的全面感知；在“边”侧，利用了智能数据采集器，将数据采集与边缘计算集于一体，对多物理量进行采集，实现数据的本地化处理，大大减轻了网络负载以及云、雾端服务器的计算压力；在“雾”端，利用了服务器对边缘计算网关进行监测；在“云”端，通过部署在服务器集群的各类深度学习智能算法，进行导航渲染工作，使得室内实时定位与导航成为可能。
4.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述决策层方面融
5.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述WIFI+BLE集成一体化设备采用K-means算法实现室内定位；所述K-means算法采用无监督学习方式，即对训练样本不做任何标记，通过学习来获得样本间的内在练习与规律，方便进一步对样本进行相似度分析，将具有一定相似度的样本划分在一起，聚为一类；与此同时，对初次分类后的多个类别设定最优原则，通过算法将每个类别的最优中心点不断迭代修改，将变化后的中心点作为新的类别中心，直到所有类别满足最优原则，最终获得分类结果。
6.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述边缘设备将端模块采集到的信息进行数据处理，将二次处理后的数据进行决策执行融合，同时会反馈指令到端模块。
7.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述雾模块搭建物联网平台作为雾服务器的数据中心与连接中心，物联网平台搭载通信服务器程序和MySQL&Redis数据库，实现雾服务器与边缘设备、云服务器之间的通信，以及数据存储。
8.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述云端渲染算法首先采用激光雷达和摄像头对室内地图进行采集，并通过数据传输至云端存储；接着将采集好的室内地图采用基于改进的神经辐射场nerf-slam融合TSDF技术进行室内多层三维重建，并采用FPGA进行图像硬件加速处理，然后提取关键帧输入Yolov8n和DeepSORT算法模型实现目标检测与图内定位，通过视频理解建造语义地图，融合深度神经网络和强化学习方法的基于改进DQN算法进行最优路径规划，最后采用AR和语音合成技术呈现至用户APP端。
...【技术特征摘要】
1.一种基于云雾边端协同计算的室内定位导航系统，其特征在于：该系统包括：“端”模块、“边”模块、“雾”模块和“云”模块；
2.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述wifi+ble集成一体化设备与边缘设备通过蓝牙网关和wifi网关连接，所述边缘设备与雾服务器通过4g/5g网络通信，所述雾服务器与云服务器通过光纤宽带网络通信。
3.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述系统在“端”侧，规划了wifi和ble两种物联网设备终端，以保证对室内定位的各类物理量的全面感知；在“边”侧，利用了智能数据采集器，将数据采集与边缘计算集于一体，对多物理量进行采集，实现数据的本地化处理，大大减轻了网络负载以及云、雾端服务器的计算压力；在“雾”端，利用了服务器对边缘计算网关进行监测；在“云”端，通过部署在服务器集群的各类深度学习智能算法，进行导航渲染工作，使得室内实时定位与导航成为可能。
4.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述决策层方面融合是信息融合技术的一种，即为在某一特定的空间或时间维度中，将多种不同类型的信息源进行组合，在提升信息分辨率的同时，对信息质量进一步优化，从而实现整个信息系统对目标更准确的全面描述。
5.根据权利要求1所述的一种基于云雾边端协同计算的室内定位导航系统，其特征在于：所述wifi+ble集成一体化设备采用k-means算法实现室内定位；所述k-mean...
【专利技术属性】
技术研发人员：贺建伟，杨建文，万秭濛，张鲁川，范旭昊，宋乐怡，高刘轩祺，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
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。