陳銳志，陳 亮

1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079

基于智能手機(jī)的室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀和挑戰(zhàn)

陳銳志1,2，陳 亮1,2

1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北 武漢 430079

室內(nèi)定位是未來(lái)人工智能的核心技術(shù)之一，對(duì)即將到來(lái)的人工智能時(shí)代起著舉足輕重的作用。開(kāi)發(fā)有效的室內(nèi)定位新技術(shù)是工業(yè)界和學(xué)術(shù)界的研究熱點(diǎn)，如谷歌研發(fā)的室內(nèi)視覺(jué)定位服務(wù)技術(shù)、蘋(píng)果致力推動(dòng)的基于低功耗藍(lán)牙的iBeacon室內(nèi)定位技術(shù)以及百度攜手芬蘭IndoorAtlas公司推出的基于磁場(chǎng)匹配的室內(nèi)定位方案等。然而，受室內(nèi)復(fù)雜環(huán)境以及空間布局、拓?fù)湟鬃兊扔绊懀瑢?shí)現(xiàn)準(zhǔn)確、可靠、實(shí)時(shí)的室內(nèi)定位，滿足各類(lèi)定位需求仍有很大的挑戰(zhàn)性。目前，隨著智能手機(jī)的普及和微機(jī)電系統(tǒng)技術(shù)的發(fā)展，智能手機(jī)內(nèi)置多種傳感器和支持豐富的射頻信號(hào)，可提供不同的定位源。本文從智能手機(jī)的內(nèi)置傳感器和射頻信號(hào)兩個(gè)方面，綜述了現(xiàn)有基于智能手機(jī)的室內(nèi)定位技術(shù)，指出各種定位技術(shù)的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景，分析室內(nèi)定位的發(fā)展現(xiàn)狀和存在難點(diǎn)，對(duì)室內(nèi)定位技術(shù)未來(lái)的發(fā)展方向進(jìn)行了展望。

智能手機(jī)；室內(nèi)定位；位置服務(wù)；射頻信號(hào)；微機(jī)電系統(tǒng)

定位是位置服務(wù)、萬(wàn)物互聯(lián)、人工智能和未來(lái)超智能(機(jī)器人+人類(lèi))應(yīng)用的核心技術(shù)之一。隨著智能手機(jī)的普及和技術(shù)發(fā)展，定位信息已經(jīng)成為智能手機(jī)必不可少的基本信息之一。如圖1所示，智能手機(jī)內(nèi)置多種傳感器和支持豐富的射頻信號(hào)，可提供不同的定位源。智能手機(jī)的定位源主要包括3大類(lèi)：①導(dǎo)航衛(wèi)星接收機(jī)：包括我國(guó)的北斗，美國(guó)的GPS，歐洲的Galileo和俄羅斯的GLONASS等；②內(nèi)置傳感器：包括加速度計(jì)、陀螺儀、磁力計(jì)、氣壓計(jì)、光線傳感器、麥克風(fēng)、揚(yáng)聲器和相機(jī)；③射頻信號(hào)：包括Wi-Fi、藍(lán)牙、蜂窩無(wú)線通信信號(hào)等。除了衛(wèi)星導(dǎo)航接收機(jī)外，所有傳感器和射頻信號(hào)都不是為定位而設(shè)置的。盡管如此，這些傳感器和射頻信號(hào)還是為我們提供了很多的室內(nèi)定位源。

圖1 智能手機(jī)的定位源Fig.1 Sensors imbedded in smart phones for the purpose of positioning

除了豐富的室內(nèi)定位源外，室內(nèi)定位方法也有很多種。按照定位場(chǎng)景可以分為室外定位和室內(nèi)定位。室外定位以成熟的開(kāi)機(jī)即得的衛(wèi)星定位技術(shù)為主，利用各類(lèi)增強(qiáng)技術(shù)，在室外開(kāi)闊地帶定位精度可以達(dá)到亞米級(jí)[2]。室內(nèi)定位技術(shù)目前還不夠成熟，但是變得越來(lái)越重要。根據(jù)美國(guó)環(huán)境保護(hù)局的報(bào)告統(tǒng)計(jì)，人們有近70%～90%的時(shí)間是在室內(nèi)度過(guò)[1]。室內(nèi)定位技術(shù)是應(yīng)急安全、智能倉(cāng)儲(chǔ)、人群監(jiān)控、精準(zhǔn)營(yíng)銷(xiāo)、移動(dòng)健康、虛擬現(xiàn)實(shí)游戲及人類(lèi)社交等需求的基礎(chǔ)。因此，實(shí)現(xiàn)準(zhǔn)確、可靠、實(shí)時(shí)的室內(nèi)定位，滿足大眾需求，具有非常重要的科學(xué)意義和社會(huì)應(yīng)用價(jià)值。但受限于空間布局、拓?fù)浜蛷?fù)雜信號(hào)環(huán)境等方面的約束，實(shí)現(xiàn)準(zhǔn)確、可靠、實(shí)時(shí)的室內(nèi)定位，滿足現(xiàn)有各類(lèi)定位需求仍有很大的挑戰(zhàn)性。其主要受制原因在于：

(1) 主流的全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite systems，GNSS)目前雖然已經(jīng)被廣域大規(guī)模商業(yè)應(yīng)用，在室外開(kāi)闊環(huán)境下定位精度已可以解決大部分定位需求，但該類(lèi)信號(hào)無(wú)法覆蓋室內(nèi)，難以形成定位。

(2) 室內(nèi)環(huán)境復(fù)雜，無(wú)線電波通常會(huì)受到障礙物的阻擋，發(fā)生反射、折射或散射，改變傳播路徑到達(dá)接收機(jī)，形成非視距(non line-of-sight，NLOS)傳播。NLOS傳播會(huì)使定位結(jié)果產(chǎn)生較大的偏差，嚴(yán)重影響定位精度。

(3) 室內(nèi)空間布局、拓?fù)湟资苋藶榈挠绊?，?dǎo)致聲、光、電等環(huán)境容易發(fā)生變化，對(duì)于以特征匹配為基本原理的定位方法，定位結(jié)果將受到較大影響。

室內(nèi)定位目前已成為工業(yè)界競(jìng)相角力的焦點(diǎn)。這不僅是初創(chuàng)公司間的競(jìng)爭(zhēng),同時(shí)還包括像蘋(píng)果、谷歌、高通、Intel、Cisco、百度、騰訊、阿里巴巴這樣的商業(yè)巨頭?！笆濉逼陂g，我國(guó)已啟動(dòng)了“羲和”計(jì)劃，旨在構(gòu)建能提供室內(nèi)3 m、室外1 m的精密定位服務(wù)系統(tǒng)；“十三五”期間，我國(guó)在對(duì)地觀測(cè)領(lǐng)域啟動(dòng)了多項(xiàng)室內(nèi)定位方向的國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目。此外，國(guó)內(nèi)外針對(duì)室內(nèi)定位技術(shù)的研究也取得了快速的發(fā)展和突破。本文將概述現(xiàn)有基于智能手機(jī)的室內(nèi)定位技術(shù)，并對(duì)未來(lái)室內(nèi)定位發(fā)展趨勢(shì)作分析和展望。

1 室內(nèi)定位技術(shù)發(fā)展現(xiàn)狀

各類(lèi)定位信號(hào)源主要包括：射頻信號(hào)、內(nèi)置傳感器和GNSS信號(hào)。國(guó)內(nèi)外學(xué)者已有綜述文獻(xiàn)予以總結(jié)[3-5]。本節(jié)將依據(jù)現(xiàn)有智能手機(jī)所集成的各類(lèi)傳感器，著重綜述適合現(xiàn)有智能手機(jī)定位的室內(nèi)定位技術(shù)及現(xiàn)狀。

1.1 射頻信號(hào)定位技術(shù)

現(xiàn)有主流智能手機(jī)支持Wi-Fi、藍(lán)牙和蜂窩無(wú)線通信信號(hào)，以數(shù)據(jù)傳輸為主要目的。隨著非接觸支付的興起，越來(lái)越多的智能手機(jī)也逐步支持近場(chǎng)通信技術(shù)(near field communication，NFC)。由于所述射頻信號(hào)的載波頻率、信號(hào)場(chǎng)強(qiáng)以及信號(hào)有效傳輸距離不同，其室內(nèi)定位的方法也有所區(qū)別。

Wi-Fi定位技術(shù):Wi-Fi是基于IEEE 802.11系列通信協(xié)議[6]的無(wú)線局域網(wǎng)技術(shù)。利用Wi-Fi信號(hào)進(jìn)行室內(nèi)定位，主要采用測(cè)距交會(huì)與指紋匹配兩種方式。其中，測(cè)距交會(huì)方式可以通過(guò)測(cè)量接收機(jī)到多個(gè)Wi-Fi接入點(diǎn)(access point，AP)的信號(hào)強(qiáng)度(received signal strength index，RSSI)，根據(jù)距離與RSSI的信道衰減模型得到接收機(jī)到各AP的距離，再通過(guò)三角定位方法得到位置估值[7]。由于室內(nèi)環(huán)境復(fù)雜、易變和非視距現(xiàn)象嚴(yán)重，很難準(zhǔn)確估計(jì)信道衰減模型，精度較差的信道衰減模型會(huì)影響最終定位精度。此外，信號(hào)發(fā)射器與接收機(jī)的距離還可以通過(guò)測(cè)量飛時(shí)(time of flight，TOF)方法得到[8]。試驗(yàn)表明，室內(nèi)多徑和無(wú)線局域網(wǎng)內(nèi)的時(shí)變中斷服務(wù)對(duì)TOF測(cè)量精度有較大影響。通過(guò)合適的濾波器設(shè)計(jì)以及對(duì)測(cè)量結(jié)果進(jìn)行平滑，可以提高測(cè)距精度。指紋匹配定位方式[9]包括兩步：訓(xùn)練過(guò)程(training phase)和定位過(guò)程(positioning phase)。訓(xùn)練過(guò)程是預(yù)先將定位環(huán)境劃分若干網(wǎng)格，并在網(wǎng)格點(diǎn)上采集信號(hào)指紋(如Wi-Fi信號(hào)強(qiáng)度)，存入指紋庫(kù)。定位過(guò)程是將接收到測(cè)量值與預(yù)先構(gòu)建的網(wǎng)格指紋進(jìn)行對(duì)比，通過(guò)匹配及相似性分析得到室內(nèi)位置估計(jì)。該方式優(yōu)點(diǎn)在于不需要預(yù)先知道Wi-Fi接入點(diǎn)的坐標(biāo)和信號(hào)的信道衰減模型，其缺點(diǎn)在于其信號(hào)容易受環(huán)境干擾，在空曠空間誤配率高，并且構(gòu)建及更新指紋數(shù)據(jù)庫(kù)需要耗費(fèi)大量的時(shí)間和人力。傳統(tǒng)的指紋匹配方式以RSSI為測(cè)量值建立指紋數(shù)據(jù)庫(kù)，目前利用RSSI指紋匹配的Wi-Fi定位系統(tǒng)包括RADAR[9]、Ekahau[10]、Horus[11]等，定位精度在2～5 m。RSSI指紋庫(kù)僅提供了環(huán)境和信號(hào)接收的粗信息，無(wú)法提供信號(hào)物理層更多的多徑信息。受益于Wi-Fi接收設(shè)備性能提高，目前有些商用Wi-Fi接收模塊已可以提供信道狀態(tài)信息(channel state information，CSI)。研究表明，利用CSI信息建立指紋數(shù)據(jù)庫(kù)進(jìn)行定位，可以有效地提高定位精度[12-14]。

限制Wi-Fi指紋匹配定位方法的商用和大范圍覆蓋的主要因素是高效的指紋庫(kù)建立和自動(dòng)更新方法?，F(xiàn)有關(guān)于降低指紋庫(kù)維護(hù)成本的方法包括通過(guò)采用插值[15]、眾包(crowd sourcing)[16]和基于激光雷達(dá)的室內(nèi)定位制圖(simultaneous localization and mapping，SLAM)[17]等方式。影響Wi-Fi定位精度進(jìn)一步提高的主要因素包括：AP間信道干擾[53]，手機(jī)Wi-Fi的硬件差異性，以及人體對(duì)Wi-Fi信號(hào)的遮擋[54]。此外，Wi-Fi的定位中的信息安全和個(gè)人隱私問(wèn)題目前也日趨受到關(guān)注[18]。

文獻(xiàn)[19—20]利用AP的多天線傳輸模式，同時(shí)估計(jì)AOA和距離，分別獲得分米和厘米級(jí)定位結(jié)果。但該定位方法是基于AP基站的網(wǎng)絡(luò)定位，對(duì)單發(fā)射天線的智能手機(jī)并不適用。

藍(lán)牙定位技術(shù):藍(lán)牙是基于無(wú)線個(gè)域網(wǎng)WPAN(wireless personal area network)[21]IEEE 802.15.1協(xié)議的短稱(chēng)射頻信號(hào)，低功耗和支持短距離通信。其工作頻率在2.4 GHz。藍(lán)牙信號(hào)傳輸距離通常為10 m左右，新的BLE 4.0協(xié)議支持最大傳輸距離可達(dá)100 m。Apple公司推出的iBeacon系統(tǒng)[22]，基于RSSI的測(cè)距方式，定位精度可達(dá)2～3 m。藍(lán)牙定位也可以采用指紋匹配方式，在典型辦公室環(huán)境下定位精度為約為4 m[23-25]。而芬蘭Quuppa公司[26]推出的藍(lán)牙天線陣列系統(tǒng)，定位精度可達(dá)幾個(gè)厘米。但每個(gè)天線的覆蓋范圍小，安裝成本高。藍(lán)牙設(shè)備功耗低、體積小，且藍(lán)牙技術(shù)已廣泛集成在包括智能手機(jī)在內(nèi)的移動(dòng)設(shè)備中，易于推廣使用。

基于NFC定位技術(shù)：NFC又稱(chēng)近距離無(wú)線通信，是讓兩個(gè)電子設(shè)備(其中一個(gè)通常是智能手機(jī)等移動(dòng)設(shè)備)在相距幾厘米之內(nèi)進(jìn)行通信。NFC主要是用于智能手機(jī)的非接觸支付系統(tǒng)。NFC是通過(guò)靠近原則(proximity)進(jìn)行定位的。當(dāng)NFC感應(yīng)標(biāo)簽感知到智能手機(jī)時(shí)，感知標(biāo)簽的位置就是智能手機(jī)的位置。NFC定位技術(shù)簡(jiǎn)單快速[27]，但無(wú)法準(zhǔn)確估計(jì)行人在兩個(gè)感應(yīng)標(biāo)簽之間的位置及運(yùn)動(dòng)狀態(tài)?？梢栽谑覂?nèi)關(guān)鍵位置布置少量NFC感應(yīng)標(biāo)簽，通過(guò)與運(yùn)動(dòng)傳感器融合實(shí)現(xiàn)廣域覆蓋。

蜂窩定位技術(shù):利用2G/3G/4G移動(dòng)通信信號(hào)，在基站通過(guò)設(shè)計(jì)定位協(xié)議或者增加新的定位模塊進(jìn)行定位，又稱(chēng)基于RAN(radio access network)[10]的定位方法。蜂窩定位技術(shù)的最大優(yōu)點(diǎn)是很容易實(shí)現(xiàn)室內(nèi)外無(wú)縫定位。其缺點(diǎn)是受制于系統(tǒng)設(shè)計(jì)、信號(hào)調(diào)制方式、國(guó)際標(biāo)準(zhǔn)等因素影響，定位精度較低，一般在幾十米到幾百米[28-29]。愛(ài)立信公司利用LTE信號(hào)采用OTDOA(observed time difference of arrival)方式，定位精度可以達(dá)到50 m(97%誤差)[30]，定位結(jié)果還是滿足不了大多數(shù)室內(nèi)定位應(yīng)用的需求。引入寬帶通信信號(hào)以及多天線MIMO技術(shù)的5G通信系統(tǒng)，有望進(jìn)一步提高蜂窩網(wǎng)絡(luò)定位精度。5G白皮書(shū)已明確要求室內(nèi)外定位精度優(yōu)于1 m[31-32]?，F(xiàn)有的5G定位研究主要包括基于高密度5G網(wǎng)絡(luò)下的高精度定位和時(shí)間同步方法[33]，基于定位的波束成行法[34]等。

1.2 基于傳感器的定位技術(shù)

智能手機(jī)的內(nèi)置傳感器包括：加速度計(jì)、陀螺儀、磁力計(jì)、氣壓計(jì)、光線強(qiáng)度傳感器、相機(jī)、麥克風(fēng)、揚(yáng)聲器等。這些傳感器不是為定位而設(shè)置的，但是，它們量測(cè)的物理量可以以不同的形式用于定位。這些定位方法包括：行人航跡推算、地磁匹配、視覺(jué)定位、音頻定位和光源編碼定位。

行人航跡推算：隨著微機(jī)電系統(tǒng)(micro-electro mechanical system，MEMS)技術(shù)的成熟，集成到智能手機(jī)平臺(tái)上的低成本慣性測(cè)量單元IMU(inertial measurement unit)越來(lái)越多，主要常見(jiàn)的是加速度計(jì)、陀螺儀和磁力計(jì)。由于這些內(nèi)置運(yùn)動(dòng)傳感器的成本很低，其穩(wěn)定性和測(cè)量精度也相對(duì)較低，不足以用于慣性導(dǎo)航。目前，這些傳感器都用于行人航跡推算(pedestrian dead reckon，PDR)，主要是利用加速度計(jì)來(lái)探測(cè)步數(shù)、測(cè)量步行速度，再通過(guò)磁力計(jì)和陀螺儀確定航向，融合步速和航向推算行人的相對(duì)位移量[42,61]。整個(gè)算法不包含任何積分過(guò)程，有效減弱漂移誤差的影響。難點(diǎn)在于航向估計(jì)。由于室內(nèi)環(huán)境磁干擾相當(dāng)嚴(yán)重，很難準(zhǔn)確估計(jì)航向。PDR是相對(duì)定位，航向誤差會(huì)導(dǎo)致整條航跡的旋轉(zhuǎn)。所以PDR需要跟Wi-Fi或地磁匹配等絕對(duì)定位算法融合才能有效抑制系統(tǒng)誤差的傳播[60]。

磁場(chǎng)定位技術(shù)：磁場(chǎng)定位技術(shù)是以磁場(chǎng)為指紋信號(hào)，通過(guò)匹配室內(nèi)環(huán)境顯著的磁場(chǎng)特征，最終實(shí)現(xiàn)定位。跟前面所述的Wi-Fi指紋匹配一樣，任何匹配定位技術(shù)都有訓(xùn)練和定位兩個(gè)過(guò)程。地磁匹配也不例外，同樣需要先建立地磁指紋庫(kù)，最后通過(guò)匹配地磁特征實(shí)現(xiàn)定位。由于磁場(chǎng)特征的空間相關(guān)分布，磁場(chǎng)匹配除單點(diǎn)匹配外，還可以通過(guò)輪廓匹配(如dynamic time warping方法)，以及多點(diǎn)的輪廓線匹配，實(shí)現(xiàn)更穩(wěn)健的匹配結(jié)果。室內(nèi)磁場(chǎng)信號(hào)易受人為改變，在實(shí)際應(yīng)用中較難構(gòu)建精確的磁場(chǎng)特征指紋庫(kù)。芬蘭奧盧大學(xué)提出一種基于地磁的導(dǎo)航定位系統(tǒng)IndoorAtlas[43]，定位精度可達(dá)到0.1～2 m。該方法融合磁場(chǎng)和內(nèi)置傳感器。目前，智能手機(jī)大多集成磁力計(jì)，磁場(chǎng)也是開(kāi)機(jī)即得的定位信號(hào)，所以磁常場(chǎng)定位技術(shù)適用于智能手機(jī)定位。

視覺(jué)定位技術(shù)：視覺(jué)定位有很多種，由于目前智能手機(jī)上通常使用單目攝像頭，所以基于智能手機(jī)的視覺(jué)定位是以單目視覺(jué)定位為主。最簡(jiǎn)單的定位方法是圖像匹配。圖像匹配首先需要建立圖像庫(kù)，圖像庫(kù)里每張照片對(duì)應(yīng)的相機(jī)位置是已知的。定位時(shí)通過(guò)匹配拍攝照片和圖像庫(kù)里的照片，實(shí)現(xiàn)定位。相對(duì)復(fù)雜的定位方法是基于相機(jī)交會(huì)的定位方法。首先要對(duì)定位場(chǎng)采集大量的重疊照片，提取定位場(chǎng)的顯著圖像特征點(diǎn)，利用密度匹配和Structure from Motion的原理，確定定位場(chǎng)里顯著圖像特征點(diǎn)的物方坐標(biāo)。定位時(shí)通過(guò)計(jì)算定位圖像的特征點(diǎn)，與圖像特征庫(kù)里的圖像特征進(jìn)行匹配，利用匹配特征點(diǎn)的已知物方坐標(biāo)進(jìn)行交會(huì)，確定手機(jī)相機(jī)的坐標(biāo)和拍攝時(shí)手機(jī)的姿態(tài)。此外，單目視覺(jué)定位還有視覺(jué)陀螺儀和視覺(jué)里程計(jì)技術(shù)[44-45]。視覺(jué)陀螺儀是利用單目攝像機(jī)通過(guò)獲取每幀圖像的滅點(diǎn)(vanishing point)，利用相鄰兩幀圖像的滅點(diǎn)變化，求取航向角變化率。視覺(jué)里程計(jì)則是通過(guò)匹配相鄰時(shí)間序列特征點(diǎn)，來(lái)獲取單位時(shí)間內(nèi)行人的相對(duì)位移。文獻(xiàn)[46]列舉了將視覺(jué)陀螺儀和視覺(jué)里程計(jì)與其他慣性測(cè)量單元IMU進(jìn)行融合定位的方法。視覺(jué)定位技術(shù)算法較為復(fù)雜，運(yùn)算量大，功耗高，隨著智能手機(jī)的性能進(jìn)一步提高，該類(lèi)方法有望在行人導(dǎo)航中進(jìn)一步普及。谷歌的核心技術(shù)VPS(visual positioning service)是視覺(jué)定位技術(shù)。

紅外線定位技術(shù)：紅外線是波長(zhǎng)介于微波與可見(jiàn)光之間的電磁波，波長(zhǎng)在760 nm～1 mm之間，是比紅光長(zhǎng)的非可見(jiàn)光。經(jīng)典的紅外室內(nèi)定位系統(tǒng)是AT&T Cambridge研究所設(shè)計(jì)開(kāi)發(fā)的Active Badge系統(tǒng)[35]，采用的是散射紅外技術(shù)，即行人攜帶的紅外發(fā)射裝置每10 s傳輸一種經(jīng)過(guò)調(diào)制、信號(hào)唯一的紅外信號(hào)。接收端通過(guò)接收該紅外信號(hào)對(duì)行人進(jìn)行定位。紅外線發(fā)射器小，重量輕、易于攜帶，系統(tǒng)便于安裝和維護(hù)。但紅外線定位需要收發(fā)機(jī)存在直射路徑，因而抗干擾能力較差。近年來(lái)，隨著智能手機(jī)對(duì)用戶安全性的保護(hù)，智能手機(jī)生物識(shí)別的功能更趨嚴(yán)謹(jǐn)，這促進(jìn)了智能手機(jī)中近紅外線攝影機(jī)(700～900 nm近紅外線LED+影像感測(cè)鏡頭)的集成與應(yīng)用[36]。利用智能手機(jī)紅外線LED進(jìn)行室內(nèi)定位也將引起越來(lái)越多的研究關(guān)注。

LED可見(jiàn)光定位技術(shù)：利用可見(jiàn)光進(jìn)行定位可以包括兩大類(lèi)：一是通過(guò)對(duì)光源調(diào)制特定的光信號(hào)進(jìn)行定位。比如，通過(guò)LED燈具發(fā)出人們?nèi)庋鄹兄坏降母哳l閃爍信號(hào)，通過(guò)光敏傳感器接收該LED光信號(hào)，進(jìn)而計(jì)算行人位置信息。Bytelight定位系統(tǒng)[37]即是基于該類(lèi)原理的定位系統(tǒng)，定位精度可以達(dá)到米級(jí)。第二類(lèi)是基于模式匹配方法，即利用環(huán)境光的時(shí)頻特性，預(yù)先建立環(huán)境光指紋數(shù)據(jù)庫(kù)。在實(shí)時(shí)定位階段將所測(cè)光強(qiáng)度與環(huán)境光指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，實(shí)現(xiàn)定位[38]。智能手機(jī)的內(nèi)置攝像頭可以感應(yīng)光強(qiáng)度和高頻光信息，因而上述光定位技術(shù)均可應(yīng)用于智能手機(jī)的室內(nèi)定位。

超聲波定位技術(shù)：超聲波定位技術(shù)采用信號(hào)往返時(shí)間測(cè)距。系統(tǒng)通過(guò)向待測(cè)物體方向發(fā)射超聲波，計(jì)算接收到的回波與發(fā)射波之間的時(shí)間差來(lái)計(jì)算信號(hào)發(fā)射器與待測(cè)物體之間的距離。具有較高知名度的超聲波定位系統(tǒng)是Active Bat系統(tǒng)[39]和Cricket系統(tǒng)[40]，其中Active Bat系統(tǒng)定位誤差在9 cm之內(nèi)的概率高達(dá)95%。超聲波定位系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，定位精度較高，但構(gòu)建系統(tǒng)需要大量的硬件設(shè)施。此外該定位技術(shù)需要視距條件下測(cè)距，故受室內(nèi)多路徑影響明顯。目前，智能手機(jī)的多個(gè)移動(dòng)應(yīng)用可以監(jiān)聽(tīng)音頻中內(nèi)嵌的超聲波信號(hào)，利用這些信號(hào)確定用戶位置[41]。但目前智能手機(jī)尚沒(méi)有超聲波發(fā)射裝置，可以采取主動(dòng)的收發(fā)測(cè)距手段。

1.3 多源融合定位方法

上述定位方法雖各有優(yōu)勢(shì)，但也存在各自的局限，比如，基于射頻信號(hào)的室內(nèi)定位方式主要缺陷是信號(hào)容易受多徑、定位環(huán)境以及人體等干擾而導(dǎo)致指紋匹配出錯(cuò)或者產(chǎn)生較大測(cè)距誤差。而基于內(nèi)置傳感器的行人航跡推算雖不依賴(lài)基礎(chǔ)設(shè)施，但隨著時(shí)間推移存在誤差積累。目前還沒(méi)有開(kāi)機(jī)即得的室內(nèi)通用定位技術(shù)。表1列舉了目前智能手機(jī)上各類(lèi)定位技術(shù)在定位精度、復(fù)雜性、健壯性、可擴(kuò)展性、成本等方面的性能比對(duì)。

表1 目前智能手機(jī)定位技術(shù)比較

隨著智能手機(jī)上計(jì)算和存儲(chǔ)性能的提高，在手機(jī)平臺(tái)上對(duì)多種定位技術(shù)進(jìn)行融合，是當(dāng)前室內(nèi)定位的一個(gè)研究熱點(diǎn)?，F(xiàn)有的融合方法主要分成松耦合和緊耦合。其中松耦合常用的方法是先由各自不同的傳感器得到定位結(jié)果，然后對(duì)各定位結(jié)果進(jìn)行信息融合。該類(lèi)融合方式易于實(shí)現(xiàn)，但存在的挑戰(zhàn)是，由于室內(nèi)定位各類(lèi)傳感器異質(zhì)(非同源)，各傳感器輸出定位結(jié)果進(jìn)入信息融合中心的系數(shù)不易通過(guò)解析方法得出。緊耦合是根據(jù)各類(lèi)傳感器得到的不同類(lèi)型的觀測(cè)參量進(jìn)行融合。目前比較常見(jiàn)的是基于貝葉斯濾波方法，如Kalman濾波[55]、UKF(unscented Kalman filter)濾波[60]、粒子濾波[56]。該類(lèi)方法將傳感器的原始觀測(cè)值，如位置、速度、航向角、步長(zhǎng)等，通過(guò)序貫估計(jì)獲得行人的位置和航向估計(jì)。緊耦融合準(zhǔn)確設(shè)定運(yùn)動(dòng)狀態(tài)方程和測(cè)量方程，尤其是運(yùn)動(dòng)狀態(tài)噪聲方差和測(cè)量噪聲方差將直接影響定位的估計(jì)性能。

已有的基于不同傳感器融合定位方案包括：結(jié)合磁場(chǎng)強(qiáng)度、蜂窩信號(hào)和Wi-Fi構(gòu)建的混合定位系統(tǒng)[47]，Wi-Fi信息結(jié)合PDR[48,50]，藍(lán)牙模塊、加速度計(jì)和氣壓計(jì)進(jìn)行融合室內(nèi)三維定位[49]，Wi-Fi指紋、PDR以及磁場(chǎng)匹配定位[39]。上述試驗(yàn)結(jié)果表明融合后的系統(tǒng)精度穩(wěn)定性均優(yōu)于獨(dú)立的定位系統(tǒng)。另外，地圖約束也是常用的室內(nèi)定位輔助技術(shù)?；诘貓D輔助的Wi-Fi指紋匹配與PDR集成的室內(nèi)定位系統(tǒng)，可以可靠地實(shí)現(xiàn)米級(jí)的定位精度[52]。文獻(xiàn)[46]不借助任何室內(nèi)固定設(shè)施和射頻信號(hào)，根據(jù)自身攜帶的IMU、攝像頭、超聲波、氣壓計(jì)，采用粒子濾波融合各導(dǎo)航源，在室內(nèi)環(huán)境下定位精度約為3 m。

2 室內(nèi)定位面臨難題

由于室內(nèi)空間復(fù)雜的信道環(huán)境和空間拓?fù)潢P(guān)系，給室內(nèi)定位帶來(lái)很大的挑戰(zhàn)。雖然室內(nèi)定位源很多，包括聲、光、電、場(chǎng)等多種異源異構(gòu)定位源，但各種定位源都有自身的缺陷和對(duì)定位環(huán)境的依賴(lài)性，使得他們只適用于額定環(huán)境和應(yīng)用時(shí)具有一定的局限性。例如Wi-Fi指紋匹配需要足夠的信號(hào)覆蓋；磁場(chǎng)匹配需要顯著磁場(chǎng)特征(磁干擾)；視覺(jué)定位需要明亮的環(huán)境下才能保證高質(zhì)量成像等。目前還很難找到一種跟室外GNSS技術(shù)相似的開(kāi)機(jī)即得的室內(nèi)定位技術(shù)。

目前國(guó)際上最流行的室內(nèi)定位技術(shù)是融合GNSS，Wi-Fi，藍(lán)牙、內(nèi)置傳感器和磁場(chǎng)等定位源的任意組合，定位精度在2～5 m之間。在特定環(huán)境下，也能達(dá)到1 m左右的精度。低成本、高精度和廣域覆蓋的室內(nèi)定位技術(shù)依然是實(shí)現(xiàn)高精度室內(nèi)外無(wú)縫定位的最大障礙。其主要難題在于：

2.1 室內(nèi)空間復(fù)雜的信道環(huán)境與空間拓?fù)潢P(guān)系

對(duì)視頻信號(hào)來(lái)講，信號(hào)發(fā)射器和接收機(jī)間通視是定位的基礎(chǔ)。任何遮擋會(huì)導(dǎo)致信號(hào)強(qiáng)度的迅速衰減或直接阻擋信號(hào)的傳播。GNSS信號(hào)無(wú)法穿越厚厚的建筑墻面是一個(gè)典型的例子。衛(wèi)星導(dǎo)航信號(hào)從2萬(wàn)多千米的高空，穿越大氣層后傳到地面，已經(jīng)很微弱，再加上墻壁或玻璃的遮擋，能進(jìn)入室內(nèi)的GNSS信號(hào)只能通過(guò)高靈敏度接收機(jī)接收，其定位精度在幾十米或者更差。

由于室內(nèi)空間復(fù)雜的拓?fù)潢P(guān)系，室內(nèi)空間內(nèi)部信號(hào)遮擋是室內(nèi)定位常遇到的問(wèn)題，大大限制了很多室外定位技術(shù)在室內(nèi)普及的可能性，也把有效定位范圍限制在很小的范圍內(nèi)，給實(shí)現(xiàn)室內(nèi)定位廣域覆蓋帶來(lái)極大的困難。此外，復(fù)雜的拓?fù)淇臻g也導(dǎo)致復(fù)雜信號(hào)傳播環(huán)境。大量的反射信號(hào)也直接影響到測(cè)量精度，從而導(dǎo)致較大的定位誤差。復(fù)雜的空間拓?fù)潢P(guān)系從定位精度和可用性兩個(gè)方面給室內(nèi)定位帶來(lái)諸多約束。

定位場(chǎng)景信號(hào)場(chǎng)的時(shí)空變化問(wèn)題。除了復(fù)雜的空間拓?fù)潢P(guān)系外，室內(nèi)幾何環(huán)境和信號(hào)環(huán)境的時(shí)空變化也是維持定位系統(tǒng)的高可持續(xù)性的最大障礙(如Wi-Fi基站的增減，室內(nèi)電器和家具的布設(shè)變化，貨架貨物變化，展覽場(chǎng)館的布設(shè)變化等)。如何感知和認(rèn)知室內(nèi)幾何環(huán)境和信號(hào)環(huán)境的時(shí)空變化，提高對(duì)定位環(huán)境的自學(xué)習(xí)、自適應(yīng)能力，實(shí)現(xiàn)定位指紋庫(kù)(包括Wi-Fi指紋庫(kù)，地磁指紋庫(kù)等)、圖像特征庫(kù)、地標(biāo)信息庫(kù)自動(dòng)更新，是室內(nèi)定位領(lǐng)域還沒(méi)解決的科學(xué)問(wèn)題。

2.2 異源異構(gòu)的定位源

如圖1所示，基于智能手機(jī)的室內(nèi)定位源主要包括3大類(lèi)：衛(wèi)星定位，短距離射頻信號(hào)和傳感器。衛(wèi)星定位包括GPS、北斗、Galileo和GLONASS；短距離射頻信號(hào)包括Wi-Fi和藍(lán)牙；傳感器包括加速度計(jì)、磁力計(jì)、陀螺儀、氣壓計(jì)、光強(qiáng)度傳感器、麥克風(fēng)、揚(yáng)聲器和相機(jī)。個(gè)別智能手機(jī)還包括深度相機(jī)，除了衛(wèi)星定位接收機(jī)以外，所有傳感器和射頻信號(hào)都不是為定位用途而設(shè)置的，手機(jī)商在選擇這些傳感器和射頻信號(hào)時(shí)首要考慮的性能不是定位。衛(wèi)星定位、短距離射頻信號(hào)和傳感器的信號(hào)機(jī)制和工作原理是完全不同的。他們測(cè)量的物理量和測(cè)量方法也不一樣，測(cè)量精度也因源而異。為了得到最優(yōu)的定位結(jié)果，通常需要融合這些異源異構(gòu)的定位驗(yàn)。在融合這些異源異構(gòu)的定位源時(shí)，面臨以下問(wèn)題：

(1) 信號(hào)測(cè)量值同步問(wèn)題。由于不同定位源的測(cè)量過(guò)程是獨(dú)立工作的，不同測(cè)量值的采樣時(shí)間是不一樣的。如果位置計(jì)算在同一個(gè)手機(jī)上，可以把所有定位源的觀測(cè)值都統(tǒng)一到同一時(shí)間系統(tǒng)(如手機(jī)時(shí)間)，通過(guò)內(nèi)差等方法把異源觀測(cè)量歸算到同一觀測(cè)歷元上。如果位置計(jì)算在云端服務(wù)器上，所有參與定位的手機(jī)都必須統(tǒng)一到同一時(shí)間基準(zhǔn)，比如說(shuō)網(wǎng)絡(luò)時(shí)。不同手機(jī)的異源觀測(cè)值也必須歸算到同一觀測(cè)歷元。前面所述方法只適用于用戶在低速運(yùn)動(dòng)狀態(tài)下(運(yùn)動(dòng)速度小于2 m/s)。在高速運(yùn)動(dòng)情況下，要考慮更高精度的時(shí)間同步方法。

(2) 信號(hào)采樣頻率不一致。比如Wi-Fi信號(hào)的采樣頻率為1/3 Hz，而加速度計(jì)的采樣頻率可以達(dá)到180 Hz。各種定位源的不同采樣頻率，要求定位算法具備不同歷元處理不同數(shù)據(jù)組合的能力，包括數(shù)據(jù)掉包情形。室內(nèi)定位的位置更新率應(yīng)該大于等于1 Hz才能滿足大多數(shù)位置服務(wù)的需求，尤其是跟人流動(dòng)線相關(guān)的應(yīng)用。

(3) 信號(hào)測(cè)量精度差異問(wèn)題。低成本傳感器容易受環(huán)境因素干擾，影響信號(hào)測(cè)量精度，如運(yùn)動(dòng)傳感器的測(cè)量精度就很差，不能直接用于慣性導(dǎo)航，但可以用于步頻探測(cè)。有些定位源如藍(lán)牙天線陣列、視覺(jué)定位、音頻定位等方法可以在局部范圍內(nèi)提供高精度距離、角度或坐標(biāo)測(cè)量值。由于受布設(shè)成本的限制，這些高精度測(cè)量值不能廣域覆蓋。這就要求定位算法有足夠的靈活性，融合不同觀測(cè)精度的定位源，讓有限的高精度測(cè)量值發(fā)揮最大的作用。

(4) 不同定位終端測(cè)量偏差問(wèn)題。由于不同定位終端(如手機(jī))硬件上的差異，它們對(duì)同一定位源的測(cè)量值是存在偏差的。比如不同手機(jī)對(duì)同一Wi-Fi基站的信號(hào)強(qiáng)度(RSSI)測(cè)量值是有偏差的，這種偏差雖然不很大，但足以影響定位精度。不同手機(jī)的相機(jī)參數(shù)也不一樣，在定位時(shí)必須考慮定位終端硬件上的差異，通過(guò)定標(biāo)的方法，消除它們定位的影響。這點(diǎn)對(duì)高精度定位(優(yōu)于1 m)尤為重要。

2.3 移動(dòng)終端上有限的計(jì)算資源

移動(dòng)終端的計(jì)算資源主要體現(xiàn)在3個(gè)方面：有限的計(jì)算能力、有限的供電能力和有限的存儲(chǔ)能力。隨著智能手機(jī)的計(jì)算性能越來(lái)越高，一些復(fù)雜的定位算法如視覺(jué)定位，粒子濾波等都慢慢出現(xiàn)在室內(nèi)定位的視野里。由于智能手機(jī)是一個(gè)多功能的終端，定位功能只能占據(jù)小部分的CPU處理時(shí)間以保證其他主流功能如打電話、微信、拍照等正常工作。從節(jié)能的角度看，不管手機(jī)的計(jì)算性能有多高，都不可以讓智能手機(jī)處于連續(xù)高速運(yùn)算狀態(tài)，否則手機(jī)電池很快就耗盡。除此之外，智能手機(jī)上的存儲(chǔ)能力也有限，不足以運(yùn)行復(fù)雜的定位算法如圖像處理和復(fù)雜的深度學(xué)習(xí)算法。

3 室內(nèi)定位技術(shù)發(fā)展趨勢(shì)

在谷歌、蘋(píng)果、百度、華為、阿里巴巴等國(guó)際IT巨頭的引領(lǐng)下，室內(nèi)定位已經(jīng)邁入新的時(shí)代。谷歌把室內(nèi)定位技術(shù)VPS(visual positioning service)列為其核心技術(shù)，充分彰顯室內(nèi)定位在未來(lái)人工智能應(yīng)用中的重要性。室內(nèi)定位技術(shù)的發(fā)展趨勢(shì)包括如下3個(gè)方面：①探索新的定位源，形成高精度、高可用定位技術(shù)；②異源異構(gòu)定位源的高效融合；③基于GIS的語(yǔ)義約束定位和語(yǔ)義認(rèn)知協(xié)同定位。

3.1 探索新的定位源，形成高精度、高可用定位技術(shù)

當(dāng)前，國(guó)際上最新的室內(nèi)定位研究開(kāi)始探索新的基于視覺(jué)、光源信號(hào)、音頻信號(hào)和射頻信號(hào)的定位技術(shù)。蘋(píng)果致力于推出基于低功耗藍(lán)牙的iBeacon定位技術(shù)，谷歌把焦點(diǎn)放在視覺(jué)定位上，而百度攜手芬蘭IndoorAtlas公司聚焦磁場(chǎng)、傳感器和iBeacon的融合。

當(dāng)打開(kāi)智能手機(jī)時(shí)，能保證無(wú)處不在、無(wú)時(shí)不有的定位源是磁場(chǎng)和手機(jī)內(nèi)置傳感器。但是，磁場(chǎng)匹配和傳統(tǒng)的運(yùn)動(dòng)傳感器只能支持2～5 m的定位精度，在物理上不支持更高精度(如分米級(jí))定位方法。因此，必須尋找新的傳感器和新的定位源以實(shí)現(xiàn)高精度定位，這些傳感器包括手機(jī)相機(jī)、音頻傳感器、光線傳感器和新的射頻信號(hào)(如5G，BLE5.0)等。

相機(jī)是視覺(jué)定位的所依賴(lài)的傳感器，在場(chǎng)景光和圖像特征充足的場(chǎng)景下，能夠?qū)崿F(xiàn)分米級(jí)甚至厘米級(jí)的定位精度。當(dāng)光學(xué)相機(jī)影像和深度相機(jī)點(diǎn)云組合時(shí)(如谷歌的Tango技術(shù))，其定位功能就更加強(qiáng)大。定位時(shí)分為兩步：圖像特征庫(kù)的建立和相機(jī)交會(huì)定位。圖像特征庫(kù)的建立需要在定位場(chǎng)景采集大量重疊圖像，通過(guò)密度匹配和光束平差解算圖像特征的物方坐標(biāo)。圖像特征庫(kù)的建立可一通過(guò)事后處理的方法在高性能的云服務(wù)器上完成。相機(jī)交會(huì)定位是通過(guò)手機(jī)拍攝圖像，提取單張圖像的特征值，再與圖像特征庫(kù)里的圖像特征進(jìn)行匹配，利用匹配的圖像特征點(diǎn)的物方坐標(biāo)通過(guò)交會(huì)的形式，確定手機(jī)相機(jī)的位置和姿態(tài)。視覺(jué)定位能提供絕對(duì)位置，可以與傳感器和射頻定位技術(shù)相融合，提高其可用度。視覺(jué)定位的精度雖然很高，但對(duì)定位場(chǎng)景的光線要求高，計(jì)算量很大，對(duì)移動(dòng)終端的計(jì)算性能和存儲(chǔ)性能要求高。

音頻定位是通過(guò)測(cè)量聲音從音頻基站到智能手機(jī)的傳播距離來(lái)確定智能手機(jī)的位置的。由于智能手機(jī)的音頻傳感器是為接收和播放音樂(lè)而設(shè)置的，它的工作頻段在0～21 kHz左右。一般音樂(lè)或人們聲音的頻率都小于16 kHz，所以可以利用16～21 kHz這一頻段進(jìn)行定位。定位時(shí)音頻基站的時(shí)鐘需要一個(gè)同步控制點(diǎn)對(duì)定位場(chǎng)景內(nèi)所有基站實(shí)現(xiàn)同步。由于聲音的傳播速度只有340.29 m/s，時(shí)間同步的要求不高。對(duì)于分米級(jí)的定位精度，同步精度達(dá)到0.1 ms就可以(等價(jià)于3.4 cm的距離測(cè)量誤差)。

光源編碼定位技術(shù)[58-59]是以一個(gè)安裝在天花板上帶開(kāi)/關(guān)扇格的LED光罩為定位源，通過(guò)旋轉(zhuǎn)光罩以及接收開(kāi)/關(guān)扇格在地面的光投影時(shí)序模式來(lái)確定智能手機(jī)的位置(如圖2所示)。光罩被劃分為8圈，每圈48格(投影到地面成384扇區(qū))，每圈的編碼(開(kāi)/關(guān))都不一樣。通過(guò)旋轉(zhuǎn)光罩，使得在每一扇區(qū)內(nèi)的手機(jī)記錄的光線強(qiáng)度的時(shí)間序列測(cè)量值的模式不同，判斷手機(jī)所在扇區(qū)。同過(guò)特殊編碼和信號(hào)分析來(lái)計(jì)算手機(jī)在扇區(qū)內(nèi)的相對(duì)位置。再通過(guò)精確測(cè)定手機(jī)在扇區(qū)內(nèi)的相對(duì)位置，可以在不改變手機(jī)硬件的前提下實(shí)現(xiàn)5～10 cm定位精度。

圖2 光源編碼定位示意圖Fig.2 The diagram of positioning with light coding

在射頻信號(hào)方面，藍(lán)牙5.0和5G信號(hào)將在室內(nèi)定位方面發(fā)揮重要的作用。藍(lán)牙技術(shù)具有功耗低、傳輸速度較快的特點(diǎn)，在消費(fèi)物聯(lián)網(wǎng)領(lǐng)域大獲成功。藍(lán)牙5.0在通信速度、功耗、通信距離和容量等方面都有顯著提高。跟藍(lán)牙4.0比，通信速度提高8倍，而通信距離將提高4倍。所以，單一基站的信號(hào)覆蓋范圍將是目前BLE 4.0信號(hào)的16倍，這意味著將大大降低定位基站布設(shè)成本。在定位精度上也期待著進(jìn)一步的提高。新一代的蜂窩無(wú)線網(wǎng)絡(luò)如5G已經(jīng)開(kāi)始考慮室內(nèi)定位的功能。如前所述，5G白皮書(shū)已明確要求室內(nèi)外定位精度優(yōu)于1 m[37-38]。所以，基于5G的無(wú)線定位技術(shù)有可能成為未來(lái)室內(nèi)定位的核心技術(shù)之一。

表2列舉并簡(jiǎn)單分析了上述幾種室內(nèi)定位前沿技術(shù)。受限于室內(nèi)定位復(fù)雜環(huán)境影響，上述不同定位技術(shù)在定位精度、可靠性、可用性、對(duì)基礎(chǔ)設(shè)施的依賴(lài)性等方面各有優(yōu)缺點(diǎn)，這些高精度定位技術(shù)將相互補(bǔ)充。

3.2 異源異構(gòu)定位源融合

目前室內(nèi)定位領(lǐng)域的技術(shù)發(fā)展趨勢(shì)是使用一種可靠的估計(jì)方法,將兩種以上有互補(bǔ)特性的定位源有效組合,以獲得優(yōu)于單獨(dú)定位源定位性能，有效提高系統(tǒng)的定位的精度、可用性和抗差能力，形成高可用低成本的室內(nèi)定位解決方案。

在異源異構(gòu)定位源融合方面，需要一個(gè)集成硬件標(biāo)定、單源定位和多源融合定位的完整解決方案，多源定位信息的智能融合方法采用“高精基準(zhǔn)控制，緊耦多源融合”的技術(shù)路線，以高精度定位技術(shù)為控制基準(zhǔn)，包含傳感器PDR和磁場(chǎng)匹配為紐帶，融合聲、光、電、場(chǎng)的多源定位技術(shù)，采取緊耦合的算法，獲得當(dāng)前位置的最優(yōu)估計(jì)，同時(shí)經(jīng)過(guò)適當(dāng)?shù)臑V波處理分析識(shí)別定位源中的粗差數(shù)據(jù)，采用合適的方法(粗差剔除或調(diào)整方差矩陣)最小化粗差的影響，獲得精確和可靠的定位結(jié)果。在定位源充足的情況下，優(yōu)化定位源的組合，用統(tǒng)計(jì)手段，實(shí)現(xiàn)多源互檢，粗差剔除，確保混合定位解的穩(wěn)定性和可靠性。

3.3 基于GIS的語(yǔ)義約束定位和語(yǔ)義認(rèn)知協(xié)同定位

GIS領(lǐng)域在“十二五”期間，研究重點(diǎn)已從室外逐步轉(zhuǎn)向室內(nèi)，但在對(duì)室內(nèi)定位支持較弱，基于GIS的語(yǔ)義約束定位和語(yǔ)義認(rèn)知協(xié)同定位是新的研究方向。室內(nèi)GIS系統(tǒng)一方面為室內(nèi)定位技術(shù)提供室內(nèi)地圖和特征庫(kù)提供采集、建模、管理和可視化等基礎(chǔ)支撐；另一方面，充分挖掘室內(nèi)地標(biāo)潛在價(jià)值，提供針對(duì)室內(nèi)位置文字特征的語(yǔ)義定位能力，為其他室內(nèi)定位技術(shù)提供空間約束。然而，由于室內(nèi)缺少精確的GNSS數(shù)據(jù)，不能獲取精確地采集設(shè)備的位置軌跡數(shù)據(jù)，在測(cè)圖及建模過(guò)程中，存在位置偏移及建模精度偏差的問(wèn)題。因此，建立對(duì)未來(lái)高精度智能室內(nèi)定位系統(tǒng)提供基礎(chǔ)支撐室內(nèi)GIS系統(tǒng)，需要考慮并解決如下關(guān)鍵技術(shù)：①建立統(tǒng)一時(shí)空基準(zhǔn)下的室內(nèi)GIS數(shù)據(jù)模型；②建模與定位實(shí)時(shí)協(xié)同的即時(shí)室內(nèi)建模方法；③利用眾源數(shù)據(jù)支持的地圖變化發(fā)現(xiàn)與更新；④以視覺(jué)定位過(guò)程中實(shí)時(shí)獲取的三維場(chǎng)景模型為輸入，對(duì)定位場(chǎng)景語(yǔ)義計(jì)算與認(rèn)知。

表2 未來(lái)室內(nèi)定位前沿技術(shù)的特點(diǎn)和作用

4 結(jié) 論

與開(kāi)放的室外空間相比，室內(nèi)環(huán)境在空間布局、拓?fù)?、信?hào)傳播環(huán)境等方面更加復(fù)雜，導(dǎo)致室內(nèi)定位理論、定位源、定位技術(shù)及空間信息處理方式室外有很多不同。雖然可用的室內(nèi)定位源很多，到目前為止，除GNSS接收機(jī)以外，所有用于定位的智能手機(jī)內(nèi)置傳感器和射頻信號(hào)都不是為定位而設(shè)置的。這些傳感器和射頻信號(hào)測(cè)量值的觀測(cè)誤差很大。目前室內(nèi)定位源包括3大類(lèi)：GNSS接收機(jī)、傳感器和地基射頻信號(hào)。高靈敏度GNSS接收機(jī)的室內(nèi)定位精度在10～50 m。融合傳感器、Wi-Fi及磁場(chǎng)等定位源的定位方案可實(shí)現(xiàn)2～5 m的定位精度。室內(nèi)定位所面臨的難題包括3方面：復(fù)雜的空間拓?fù)潢P(guān)系，信道環(huán)境、異源異構(gòu)的定位源和移動(dòng)終端上有限的計(jì)算資源。發(fā)展趨勢(shì)包括探索基于音頻、光源編碼、射頻基站和視覺(jué)等高精度定位技術(shù)。這些新定位技術(shù)可在局部范圍內(nèi)實(shí)現(xiàn)厘米到分米的定位精度。要實(shí)現(xiàn)廣域覆蓋，高精度定位技術(shù)還需與傳感器和地磁等無(wú)處不在、無(wú)時(shí)不有的定位源緊密融合。

[1] WEISER M. The Computer for the 21st Century[J]. Scientific American, 1991, 265(3): 94-104.

[2] KAPLAN E D, HEGARTY C J. Understanding GPS, Principles and Applications[M]. 2nd ed. Boston: Artech House, 2006.

[3] LIU Hui, DARABI H, BANERJEE P, et al. Survey of Wireless Indoor Positioning Techniques and Systems[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(6): 1067-1080.

[4] MAUTZ R. Indoor Positioning Technologies[D]. Swissland: ETH Zurich, 2012.

[5] 劉克強(qiáng). 基于室內(nèi)位置與多維情境的人類(lèi)活動(dòng)識(shí)別方法研究[D]. 徐州: 中國(guó)礦業(yè)大學(xué), 2017.

LIU Keqiang. Study on Human Activity Recognition Method Based on Indoor Location and Multiple Context[D]. Xuzhou: China University of Mining & Technology, 2017.

[6] IEEE Standard Association. IEEE 802.11 Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications[S]. [S.l.]: IEEE, 2012.

[7] LIU Hui, DARABI H, BANERJEE P, et al. Survey of Wireless Indoor Positioning Techniques and Systems[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(6): 1067-1080.

[8] SCHAUER L, DORFMEISTER F, MAIER M. Potentials and Limitations of WIFI-Positioning Using Time-of-Flight[C]∥Proceedings of the 2013 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Montbeliard-Belfort, France: IEEE, 2013: 1-9.

[9] BAHL P, PADMANABHAN V N. Radar: An in-building RF-based User Location and Tracking System[C]∥Proceedings of the 19th Annual Joint Conference of the IEEE Computer and Communications Societies, INFOCOM 2000. Tel Aviv, Israel: IEEE, 2000: 775-784.

[10] https:∥www.ekahau.com.

[11] YOUSSEF M, AGRAWALA A. The Horus WLAN Location Determination System[C]∥Proceedings of the 3rd International Conference on Mobile Systems, Applications, and Services. Seattle, Washington: ACM, 2005: 205-218.

[12] WANG Xuyu, GAO Lingjun, MAO Shiwen, et al. CSI-based Fingerprinting for Indoor Localization: A Deep Learning Approach[J]. IEEE Transactions on Vehicular Technology, 2017, 66(1): 763-776.

[13] WANG Xuyu, GAO Lingjun, MAO Shiwen, et al. DeepFi: Deep Learning for Indoor Fingerprinting Using Channel State Information[C]∥Proceedings of the 2015 IEEE Wireless Communications and Networking Conference. New Orleans, LA: IEEE, 2015: 1666-1671.

[14] WU Kaishun, XIAO Jiang, YI Youwen, et al. CSI-based Indoor Localization[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(7): 1300-1309.

[15] ZHAO Hailong, HUANG Baoqi, JIA Bing. Applying Kriging Interpolation for WiFi Fingerprinting Based Indoor Positioning Systems[C]∥Proceedings of the 2016 IEEE Wireless Communications and Networking Conference. Doha, Qatar: IEEE, 2016: 1-6.

[16] ZHUANG Yuan, SYED Z, LI You, et al. Evaluation of Two WiFi Positioning Systems Based on Autonomous Crowdsourcing of Handheld Devices for Indoor Navigation[J]. IEEE Transactions on Mobile Computing, 2016, 15(8): 1982-1995.

[17] TANG Jian, CHEN Yuwei, CHEN Liang, et al. Fast Fingerprint Database Maintenance for Indoor Positioning Based on UGV SLAM[J]. Sensors, 2015, 15(3): 5311-5330.

[18] CHEN Liang, THOMBRE S, JRVINEN K, et al. Robustness, Security and Privacy in Location-based Services for Future IoT: A Survey[J]. IEEE Access, 2017, 5: 8956-8977.

[19] VASISHT D, KUMAR S, KATABI D. Decimeter-level Localization with a Single WiFi Access Point[C]∥Proceedings of the 13th Usenix Conference on Networked Systems Design and Implementation. Santa Clara, CA: ACM, 2016: 165-178.

[20] KOTARU M, JOSHI K, BHARADIA D, et al. Spotfi: Decimeter Level Localization Using WiFi[C]∥Proceedings of the 2015 ACM Conference on Special Interest Group on Data Communication. London, United Kingdom: ACM, 2015: 269-282.

[21] IEEE Standard Association. IEEE 802.15 Wireless Personal Area Networks (PANs)[S]. [S.l.]: IEEE, 2005.

[22] Apple Company. Getting Started with iBeacon Version 1.0[M]. 2014.

[23] CHEN Liang, PEI Ling, KUUSNIEMI H, et al. Bayesian Fusion for Indoor Positioning Using Bluetooth Fingerprints[J]. Wireless Personal Communications, 2013, 70(4): 1735-1745.

[24] CHEN Liang, KUUSNIEMI H, CHEN Yuwei, et al. Constraint Kalman Filter for Indoor Bluetooth Localization[C]∥Proceedings of the 23rd European Signal Processing Conference (EUSIPCO). Nice, France: IEEE, 2015: 1915-1919.

[25] CHEN Liang, KUUSNIEMI H, CHEN Yuwei, et al. Information Filter with Speed Detection for Indoor Bluetooth Positioning[C]∥Proceedings of the 2011 International Conference on Localization and GNSS (ICL-GNSS). Tampere, Finland: IEEE, 2011: 47-52.

[26] http:∥quuppa.com/company/.

[27] OZDENIZCI B, COSKUN V, OK K. NFC Internal: An Indoor Navigation System[J]. Sensors, 2015, 15(4): 7571-7595.

[28] ZHAO Yilin. Standardization of Mobile Phone Positioning for 3G Systems[J]. IEEE Communications Magazine, 2002, 40(7): 108-116.

[29] LAKMALI B D S, DIAS D. Database Correlation for GSM Location in Outdoor & Indoor Environments[C]∥Proceedings of the 4th International Conference on Information and Automation for Sustainability (ICIAFS). Colombo, Sri Lanka: IEEE, 2008: 42-47.

[30] Ericsson Research Blog. Indoor Positioning in LTE[EB/OL]. (2015-07-09). https:∥www.ericsson.com/research-blog/lte/indoor-positioning-in-lte/.

[31] NGMN Alliance. 5G White Paper[R]. [S.l.]: NGMN, 2015. https:∥www.ngmn.org/uploads/media/NGMN_5G_White_Paper_V1_0.pdf.

[32] 3GPP TR 38.913. Study on Scenarios and Requirements for Next Generation Access Technologies[R]. https:∥portal.3gpp.org/desktopmodules/Specifications/SpecificationDetails.aspx?specificationId=2996.

[33] KOIVISTO M, COSTA M, WERNER J, et al. Joint Device Positioning and Clock Synchronization in 5G Ultra-Dense Networks[J]. IEEE Transactions on Wireless Communications, 2017, 16(5): 2866-2881.

[34] KELA P, COSTA M, TURKKA J, et al. Location Based Beamforming in 5G Ultra-dense Networks[C]∥Proceedings of the 84th Vehicular Technology Conference (VTC-Fall. Montreal, QC, Canada: IEEE, 2016: 1-7.

[36] http:∥www.eet-china.com/news/article/201703070600.

[37] GANICK A, RYAN D. Light Positioning System Using Digital Pulse Recognition: US, 8248467[P]. 2012-08-21.

[38] LIU Jingbin, CHEN Yuwei, JAAKKOLA A, et al. The Uses of Ambient Light for Ubiquitous Positioning[C]∥Proceedings of the 2014 IEEE/ION Position, Location and Navigation Symposium-PLANS 2014. Monterey, CA: IEEE, 2014: 102-108.

[39] WARD A, JONES A, HOPPER A. A New Location Technique for the Active Office[J]. IEEE Personal Communications, 1997, 4(5): 42-47.

[40] PRIYANTHA N B, CHAKRABORTY A, BALAKRISHNAN H. The Cricket Location-Support System[C]∥Proceedings of the 6th Annual International Conference on Mobile Computing and Networking. Boston, MA: ACM, 2000: 32-43.

[41] http:∥toutiao.secjia.com/tracking-user-behavior-with-ultrasound.

[42] CHEN R, PEI L, CHEN Y. A Smart Phone Based PDR Solution for Indoor Navigation[C]∥Proceedings of the 24th International Technical Meeting of the Satellite Division of the Institute of Navigation. Portland, OR: ION, 2011.

[43] THOMPSON S. IndoorAtlas[Z]. http:∥www.indooratlas.

com.

[44] RUOTSALAINEN L, KUUSNIEMI H, BHUIYAN M Z H, et al. A Two-dimensional Pedestrian Navigation Solution Aided with a Visual Gyroscope and a Visual Odometer[J]. GPS Solutions, 2013, 17(4): 575-586.

[45] RUOTSALAINEN L. Visual Gyroscope and Odometer for Pedestrian Indoor Navigation with A Smartphone[C]∥Proceedings of the 25th International Technical Meeting of the Satellite Division of the Institute of Navigation. Nashville, TN: Nashville Convention Center, 2012.

[46] RUOTSALAINEN L, KIRKKO-JAAKKOLA M, CHEN Liang, et al. Multi-Sensor SLAM for Tactical Situational Awareness[C]∥Proceedings of the 2016 International Technical Meeting of The Institute of Navigation. Monterey, CA: Hyatt Regency Monterey, 2016: 273-282.

[47] KIM B, KWAK M, LEE J, et al. A Multi-pronged Approach for Indoor Positioning with WiFi, Magnetic and Cellular Signals[C]∥Proceedings of the 2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Busan, South Korea: IEEE, 2014: 723-726.

[48] KARLSSON F, KARLSSON M, BERNHARDSSON B, et al. Sensor Fused Indoor Positioning Using Dual Band WiFi Signal Measurements[C]∥Proceedings of the 2015 European Control Conference. Linz, Austria: IEEE, 2015: 1669-1672.

[49] JEON J S, KONG Y, NAM Y, et al. An Indoor Positioning System Using Bluetooth RSSI with an Accelerometer and a Barometer on a Smartphone[C]∥Proceedings of the 10th International Conference on Broadband and Wireless Computing, Communication and Applications (BWCCA). Krakow, Poland: IEEE, 2015: 528-531.

[50] LI Xin, WANG Jian, LIU Chunyan, et al. Integrated WiFi/PDR/Smartphone Using an Adaptive System Noise Extended Kalman Filter Algorithm for Indoor Localization[J]. ISPRS International Journal of Geo-Information, 2016, 5(2): 8.

[51] LI You, ZHUANG Yuan, LAN Haiyou, et al. A Hybrid WiFi/Magnetic Matching/PDR Approach for Indoor Navigation with Smartphone Sensors[J]. IEEE Communications Letters, 2016, 20(1): 169-172.

[52] WANG Jian, HU Andong, LIU Chunyan, et al. A Floor-map-aided WiFi/Pseudo-odometry Integration Algorithm for an Indoor Positioning System[J]. Sensors, 2015, 15(4): 7096-7124.

[53] PEI Ling, LIU Jingbin, GUINNESS R, et al. The Evaluation of WIFI Positioning in a Bluetooth and WiFi Coexistence Environment[C]∥Proceedings of the 2012 Ubiquitous Positioning, Indoor Navigation, and Location Based Service (UPINLBS). Helsinki, Finland: IEEE, 2012: 1-6.

[54] SCHMITT S, ADLER S, KYAS M. The Effects of Human Body Shadowing in RF-based Indoor Localization[C]∥Proceedings of the 2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Busan, South Korea: IEEE, 2014: 307-313.

[55] ZHANG Rui, BANNOURA A, H?FLINGER F, et al. Indoor Localization Using a Smart Phone[C]∥Proceedings of the 2013 IEEE Sensors Applications Symposium (SAS). Galveston, TX: IEEE, 2013: 38-42.

[56] QUIGLEY M, STAVENS D, COATES A, et al. Sub-Meter Indoor Localization in Unmodified Environments with Inexpensive Sensors[C]∥Proceedings of the 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. Taipei: IEEE, 2010: 2039-2046.

[57] XIE Bo, CHEN Kongyang, TAN Guang, et al. LIPS: A Light Intensity-based Positioning System for Indoor Environments[J]. ACM Transactions on Sensor Networks (TOSN), 2016, 12(4): 28.

[58] XIE Bo, GONG Shimin, TAN Guang. LiPro: Light-Based Indoor Positioning with Rotating Handheld Devices[J]. Wireless Networks, 2016. DOI: 10.1007/s11276-016-1312-1. (in Press)

[59] CHEN Ruizhi, CHU Tianxing, LIU Keqiang, et al. Inferring Human Activity in Mobile Devices by Computing Multiple Contexts[J]. Sensors, 2015, 15(9): 21219-21238.

[60] CHEN Ruizhi, CHEN Wei, CHEN Xiang, et al. Sensing Strides Using EMG Signal for Pedestrian Navigation[J]. GPS Solutions, 2011, 15(2): 161-170.

(責(zé)任編輯：宋啟凡)

Indoor Positioning with Smartphones: The State-of-the-art and the Challenges

CHEN Ruizhi1，2,CHEN Liang1，2

1. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University,Wuhan 430079, China; 2. Collaborative Innovation Center for Geospatial Technology, Wuhan 430079, China

Indoor positioning is one of the core technologies of artificial intelligence (AI) in the future and will play a pivotal role in the upcoming era of AI. Currently, indoor positioning is one of the hot research topics in academic and industrial society. Google, as one of the leading information technology (IT) companies, has listed visual positioning service (VPS) as one of the core technologies. Apple has endeavored to prompt iBeacon, the low energy Bluetooth technology for indoor positioning. In cooperation with a Finnish company, IndoorAltas, Baidu launched an indoor positioning program with a magnetic matching approach. All these initiatives and new technologies have shown the significance and necessaries of indoor positioning. However, affected by the complexity of the indoor spaces, it is still challenging to achieve accurate, effective, full coverage and real-time positioning solution indoors. With the popularity of smart phones and the rapid development of MEMS sensors in recent years, many methods have been proposed to use the smartphone built-in sensors and RF radios for indoor positioning. In this paper, we focus on indoor positioning technologies for smartphones and classify the different technologies into two categories, namely the radio frequency (RF) technologies and the sensors technologies. The state-of-the-art of the technologies has been reviewed. The pros and cons of the technologies have been commented in the context of different application scenarios. Moreover, the challenges of indoor positioning have also been pointed out and the directions of the future development of this area have been discussed.

smartphone; indoor positioning; location-based services; radio frequency (RF) signals; microelectromechanical systems (MEMS)

The National Key Research and Development Program of China (Nos. 2016YFB0502200;2016YFB0502201); The National Natural Science Foundation of China (No. 91638203)

CHEN Ruizhi(1963—), male, PhD, professor, PhD supervisor, majors in ubiquitous positio-ning，mobile geospatial computing and satellite navigation.

CHEN Liang

陳銳志，陳亮.基于智能手機(jī)的室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀和挑戰(zhàn)[J].測(cè)繪學(xué)報(bào)，2017,46(10)：1316-1326.

10.11947/j.AGCS.2017.20170383.

CHEN Ruizhi,CHEN Liang.Indoor Positioning with Smartphones: The State-of-the-art and the Challenges[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1316-1326. DOI:10.11947/j.AGCS.2017.20170383.

P228

A

1001-1595(2017)10-1316-11

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFB0502200;2016YFB0502201);國(guó)家自然科學(xué)基金(91638203)

2017-07-04

修回日期： 2017-09-07

陳銳志(1963—)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)槭覂?nèi)外無(wú)縫定位、移動(dòng)信息空間計(jì)算、衛(wèi)星導(dǎo)航。

E-mail： chen@whu.edu.cn

陳亮

E-mail： l.chen@whu.edu.cn