李芊均

摘 要：隨著信息化技術(shù)的發(fā)展，智能家居逐漸成為一個(gè)火熱的討論話題。針對(duì)智能家居系統(tǒng)的一系列技術(shù)革新，也是相關(guān)領(lǐng)域眾多學(xué)者所研究的重點(diǎn)。其中，室內(nèi)定位技術(shù)的研究最近備受矚目。室內(nèi)定位技術(shù)作為一項(xiàng)集通信、計(jì)算機(jī)、傳感器及物聯(lián)網(wǎng)等技術(shù)于一體的綜合性信息技術(shù)，在智能家居系統(tǒng)中占據(jù)著核心地位。本文將對(duì)智能家居的發(fā)展現(xiàn)狀，室內(nèi)定位算法概況進(jìn)行深入分析，并介紹了當(dāng)前較先進(jìn)的Hector SLAM室內(nèi)定位算法，最后給出了一個(gè)室內(nèi)定位系統(tǒng)的實(shí)例。本文的研究可以為智能家居室內(nèi)定位技術(shù)的發(fā)展提供有益的參考。

關(guān)鍵詞：智能家居；室內(nèi)定位；物聯(lián)網(wǎng)

中圖分類號(hào)：TP391.44 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2018）22-0044-04

1 引言

近年來(lái)，隨著物聯(lián)網(wǎng)技術(shù)走進(jìn)千家萬(wàn)戶，人們的生產(chǎn)生活方式受到了革命性的影響，計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通信技術(shù)以及自動(dòng)控制技術(shù)開始滲入傳統(tǒng)家居環(huán)境，各種家電和家居設(shè)備開始朝著智能化方向挺進(jìn)。通過遠(yuǎn)程控制或者多維傳感器，智能家居為人們的住所提供了更加綠色、更加安全，及更加便利的體驗(yàn)?？傮w而言，信息化技術(shù)在智能家居中有很多的應(yīng)用實(shí)例，其囊括了智能門鎖[1]、智能照明[2]、智能安全系統(tǒng)[3]、智能環(huán)境監(jiān)測(cè)[4]，和仿人機(jī)器人[3，5]等。

從技術(shù)方面講，不同的智能應(yīng)用所需要的核心技術(shù)不同。其中室內(nèi)定位算法是智能家居系統(tǒng)的關(guān)鍵技術(shù)之一，對(duì)智能家居的發(fā)展有著重要影響。隨著人們對(duì)各種室內(nèi)定位技術(shù)研究的不斷深入，其應(yīng)用領(lǐng)域也進(jìn)一步擴(kuò)展，但仍然無(wú)法滿足日益發(fā)展的智能家居系統(tǒng)需求，高精度定位仍然需要付出較高的成本，因此室內(nèi)定位算法成為了研究重點(diǎn)。為了對(duì)室內(nèi)定位技術(shù)有一個(gè)全面深入的了解，推動(dòng)智能家居的普及，本文對(duì)智能家居中室內(nèi)定位算法展開了綜述討論。

2 智能家居的國(guó)內(nèi)外發(fā)展近況

2.1 國(guó)外智能家居發(fā)展現(xiàn)狀

智能家居的概念屬于物聯(lián)網(wǎng)技術(shù)的范疇，最初起源于歐美發(fā)達(dá)國(guó)家，早在上世紀(jì)80年代，美國(guó)就推出了全球首幢智能建筑，實(shí)現(xiàn)了空調(diào)、電梯、消防等子系統(tǒng)的聯(lián)網(wǎng)控制，從此拉開了智能家居技術(shù)的序幕。到上世紀(jì)90年代末，比爾·蓋茨投資建設(shè)了第一家真正意義上的智能家居，使智能家居開始走進(jìn)家庭[6]。由于國(guó)外智能家居技術(shù)起步較早，到目前其技術(shù)已比較成熟，大量的普通家庭已經(jīng)可以享受到智能家居系統(tǒng)帶來(lái)的便利，智能化時(shí)代特征明顯。

2.2 國(guó)內(nèi)智能家居發(fā)展情況

我國(guó)物聯(lián)網(wǎng)技術(shù)研究起步較晚，智能家居系統(tǒng)出現(xiàn)也較晚，但經(jīng)過多年的趕超，我國(guó)的智能家居技術(shù)也有了較大的發(fā)展。上世紀(jì)90年代末，中科院首先啟動(dòng)智能技術(shù)研究并應(yīng)用于電力行業(yè)。目前我國(guó)的智能家居正由自動(dòng)化和聯(lián)網(wǎng)化的現(xiàn)狀朝著智能化方向發(fā)展，基于各種真實(shí)生活應(yīng)用情景的智能化服務(wù)不斷提升，促使整個(gè)智能家居產(chǎn)業(yè)由智能單品的研發(fā)向智能化家居系統(tǒng)的方向演進(jìn)。然而，我國(guó)在智能家居的建設(shè)上并未實(shí)現(xiàn)統(tǒng)一標(biāo)準(zhǔn)，各廠商的產(chǎn)品兼容性差，智能化成本偏高，限制了智能家居系統(tǒng)在社會(huì)的普及[7]。

3 常見的室內(nèi)定位技術(shù)

3.1 常見的傳統(tǒng)室內(nèi)定位技術(shù)

3.1.1 RFID定位法

射頻識(shí)別（Radio Frequency Identification，RFID）定位是通過無(wú)線射頻信號(hào)實(shí)現(xiàn)定位的一種技術(shù)，具有非接觸、雙向通信、自動(dòng)識(shí)別等特征，對(duì)人體和物體均有較好的效果。RFID不但可以感知物體位置，還能感知人體的移動(dòng)狀態(tài)并進(jìn)行跟蹤，但其定位精度受多路徑傳播的影響較為明顯。為了進(jìn)一步提高定位精度，有學(xué)者[8]提出可以采用超寬帶（Ultra-Wideband，UWB）通信技術(shù)對(duì)RFID進(jìn)行改進(jìn)，因?yàn)閁WB是在一起傳播時(shí)間進(jìn)行位置檢測(cè)的，可以實(shí)現(xiàn)較高的精度，當(dāng)前市場(chǎng)上的產(chǎn)品基本上已經(jīng)實(shí)現(xiàn)±15cm的檢測(cè)精度。盡管UWB在精度上有了較大的改進(jìn)，然而它要求目標(biāo)人體隨身配備相應(yīng)的硬件裝置，這在便捷性和成本方面均具有較大局限[9]。

RFID定位法目前已廣泛應(yīng)用于智能家居室內(nèi)定位領(lǐng)域，總體來(lái)看其技術(shù)是在不斷改進(jìn)的，但仍然存在一些缺點(diǎn)：首先，對(duì)目標(biāo)的檢測(cè)依賴于電子標(biāo)簽，并且不同的待定位目標(biāo)必須采用完全不同的ID信息；其次，讀寫器的信號(hào)強(qiáng)度與檢測(cè)精度成反比關(guān)系，因此其覆蓋面積與信號(hào)強(qiáng)度形成了一對(duì)不可調(diào)和的矛盾，只有通過增加讀寫器的方式才能實(shí)現(xiàn)大范圍高精度定位；最后，讀寫器采用主動(dòng)式定位方式，需要不停地向目標(biāo)發(fā)送定位信號(hào)，這使能耗和供電成為系統(tǒng)性能的重要制約因素。

3.1.2 超聲波定位法

超聲波定位是以超聲波的傳播特性為基本原理的一種定位技術(shù)，近年在智能家居中也得到廣泛應(yīng)用。超聲波定位技術(shù)需要借助超聲波發(fā)生器、超聲波接收機(jī)等設(shè)備才能完成目標(biāo)定位，利用發(fā)射與接收的時(shí)間差來(lái)計(jì)算目標(biāo)位置。首先，控制電路向超聲波發(fā)射器發(fā)出一條檢測(cè)指令，使脈沖發(fā)生器開始對(duì)外發(fā)射超聲波信號(hào)，同時(shí)定時(shí)器啟動(dòng)計(jì)時(shí)。超聲波遇到目標(biāo)后，部分聲波會(huì)被反射回來(lái)，形成回波，檢測(cè)裝置識(shí)別到回波信號(hào)后立即停止計(jì)時(shí)。若發(fā)射器時(shí)間為T1，接收器時(shí)間為T2，那么目標(biāo)的距離就可以表示為D=（T2-T1）V/2，其中V表示聲速。

超聲波定位法同樣需要被檢測(cè)目標(biāo)攜帶接收裝置，但其成本相對(duì)于RFID而言要低得多，因?yàn)槌暡ㄐ盘?hào)的傳播速度遠(yuǎn)比無(wú)線電信號(hào)的傳播要慢，所以其采樣頻率也可以做得較低，通常可以達(dá)到100kHz以下。但基于時(shí)間差對(duì)目標(biāo)進(jìn)行定位，其精度對(duì)計(jì)時(shí)器和信號(hào)處理技術(shù)有很高的要求，這通過需要付出很大的成本，從而使其相對(duì)于RFID的優(yōu)勢(shì)喪失。因而當(dāng)前的超聲波定位一般都與射頻定位技術(shù)結(jié)合使用，即采用超聲波作為信號(hào)傳輸?shù)妮d體，采用射頻信號(hào)進(jìn)行傳播時(shí)間的檢測(cè)，這種方案可以綜合利用兩種技術(shù)的優(yōu)勢(shì)。

基于超聲波的定位方法也有其自身的缺點(diǎn)。首先，超聲波在空氣中的衰減較為明顯，其傳播距離通過不會(huì)超過5m，在需要大范圍定位時(shí)必須大量布設(shè)脈沖發(fā)生器和回波檢測(cè)器，并且對(duì)信號(hào)發(fā)射的方向有較嚴(yán)格的要求。其次，設(shè)備布置密度又不宜過大，因?yàn)樯⑸潆s波會(huì)相互干擾，從而影響定位精度。最后，被檢測(cè)目標(biāo)不能被其它物體遮擋，否則無(wú)法檢測(cè)，超聲波對(duì)人體的運(yùn)動(dòng)識(shí)別還需要依賴于更復(fù)雜的檢測(cè)手段和信號(hào)處理算法才能達(dá)到較高精度，這些都會(huì)大大增加系統(tǒng)成本，因而限制了其應(yīng)用。

3.1.3 GPS定位法

起初全球定位系統(tǒng)（Global Positioning System，GPS）主要用于室外定位和遙感測(cè)繪，然而近些年隨著GPS技術(shù)的日益成熟，歐美發(fā)達(dá)國(guó)家廣泛采用GPS定位法進(jìn)行室內(nèi)定位。當(dāng)前，GPS通常與無(wú)線移動(dòng)通信技術(shù)一同采用，形成A-GPS（Assisted-GPS）定位技術(shù)。其基本原理為：移動(dòng)終端先把自身地址信息由網(wǎng)絡(luò)發(fā)送到定位服務(wù)器，服務(wù)器收到定位請(qǐng)求后找到該地址GPS輔助信息并回傳給移動(dòng)終端，移動(dòng)終端將接收到的信號(hào)按一定的協(xié)議進(jìn)行解析后，計(jì)算出自身與衛(wèi)星之間的距離，再將該距離發(fā)送至定位服務(wù)器進(jìn)行計(jì)算，最終得到移動(dòng)終端的定時(shí)位置。

目前GPS室內(nèi)定位法已經(jīng)可以實(shí)現(xiàn)1m以內(nèi)的商業(yè)定位精度，但考慮到GPS信號(hào)在室內(nèi)的信號(hào)一般不強(qiáng)，因此需要額外增加信號(hào)增加設(shè)備。有學(xué)者提出通過藍(lán)牙技術(shù)來(lái)彌補(bǔ)GPS信號(hào)弱的缺點(diǎn)，但藍(lán)牙的信號(hào)覆蓋面通常在10m以內(nèi)，會(huì)引入較大誤差。GPS定位法的缺點(diǎn)是要求用戶的移動(dòng)終端具有GPS定位功能，并且受到較復(fù)雜的授權(quán)流程，最關(guān)鍵的，一些封閉的建筑物或地下室內(nèi)幾乎無(wú)法采用GPS進(jìn)行定位。

3.1.4 紅外線定位法

紅外線定位法可以分為主動(dòng)式和被動(dòng)式兩種，主動(dòng)式是指通過主動(dòng)發(fā)出檢測(cè)信號(hào)對(duì)目標(biāo)進(jìn)行檢測(cè)，被動(dòng)式則無(wú)需主動(dòng)發(fā)出檢測(cè)指令，只需要接收目標(biāo)自身輻射的紅外信號(hào)即可。主動(dòng)式紅外人體定位技術(shù)一般包含紅外發(fā)射器、紅外接收器和控制器三大部分組成。紅外發(fā)射器向接收器持續(xù)發(fā)射紅外光束，當(dāng)有人經(jīng)過時(shí)會(huì)阻斷紅外光束，使接收器接收的光輻射發(fā)生變化，這種變化被轉(zhuǎn)化為電壓變化后，由控制器可計(jì)算出人體所在位置和移動(dòng)速度。可見，動(dòng)式紅外人體定位與超聲波定位原理相似，需要較高的硬件成本支持，在大范圍定位時(shí)有一定的局限性。

相比之下，被動(dòng)式紅外定位法則對(duì)硬件支持的要求要低得多。根據(jù)物理學(xué)原理，人體本身就是一人紅外線輻射源，由于人體的體溫是恒定的，因此輻射紅外線的峰值也是固定的。通過量子探測(cè)器和熱探測(cè)器等檢測(cè)裝置對(duì)環(huán)境中的紅外輻射進(jìn)行監(jiān)測(cè)，即可檢測(cè)出人體的位置和運(yùn)動(dòng)狀態(tài)。但被動(dòng)式紅外定位法容易受到環(huán)境中與人體體溫相近的物體的干擾，從而可能使系統(tǒng)出現(xiàn)誤判。

3.2 SLAM分類

同步定位與地圖構(gòu)建（Simultaneous Localization and Mapping，SLAM）是由Smith等學(xué)者[10，11]于上世紀(jì)80年代末提出的一種全自主移動(dòng)機(jī)器人技術(shù)，它在實(shí)現(xiàn)上可以分為定位與地圖構(gòu)建兩個(gè)環(huán)節(jié)，這兩個(gè)環(huán)節(jié)相互依賴，不斷迭代，從而完成高精度的定位與地圖構(gòu)建任務(wù)。SLAM有不同的種類，習(xí)慣上按照硬件的不同進(jìn)行分類，可以分為激光雷達(dá)SLAM（LSLAM）和視覺SLAM（VSLAM）兩種。激光雷達(dá)SLAM依賴于激光雷達(dá)設(shè)備，例如進(jìn)口的SICK、Velodyne和國(guó)產(chǎn)的rplidar等等，基于激光雷達(dá)的SLAM可以動(dòng)態(tài)檢測(cè)機(jī)器人與環(huán)境目標(biāo)間的距離和角度，從而精確地完成定位與避障；視覺SLAM則以視頻圖像為基礎(chǔ)數(shù)據(jù)完成同步定位與地圖構(gòu)建，攝像頭的成本遠(yuǎn)比激光雷達(dá)低，并且可以采集到更豐富的環(huán)境信息。

和視覺SLAM相比，激光SLAM在理論、技術(shù)和產(chǎn)品方面都更加成熟，因此成為了目前最穩(wěn)定且最主流的室內(nèi)定位及導(dǎo)航的方法。激光SLAM是基于機(jī)器人操作系統(tǒng)（Robot Operating System，ROS）的定位算法，并且根據(jù)算法激光SLAM主要分成三類，GMapping，Hector以及Cartsographer。GMapping主要基于粒子濾波，通過大量的粒子采樣及計(jì)算分布的概率密度函數(shù)，對(duì)環(huán)境進(jìn)行檢測(cè)和建模。GMapping的主要問題在于其嚴(yán)重依賴?yán)锍逃?jì)，且無(wú)法適應(yīng)地面不平坦區(qū)域，無(wú)回環(huán)檢測(cè)。由于粒子濾波算法的特性，在面對(duì)復(fù)雜環(huán)境或者在大場(chǎng)景下，GMapping會(huì)因大量計(jì)算而消耗過量資源。Hector算法則是通過高斯牛頓法求解非線性最小二乘問題對(duì)定位進(jìn)行計(jì)算。其最大的優(yōu)勢(shì)在于不需要里程計(jì)且精度高，可以適應(yīng)空中或者地面不平坦區(qū)域。但其需要高幀數(shù)雷達(dá)（頻率大于40Hz），且對(duì)初始值的選擇要求很高。相比前兩種算法，Cartsographer的累計(jì)誤差較低，并且通過輸出協(xié)方差矩陣優(yōu)化二次輸入項(xiàng)。同時(shí)較低的雷達(dá)成本使得Cartsographer在室內(nèi)定位算法中占有一席之地。

4 基于Hector SLAM的室內(nèi)定位算法

由于精度高及應(yīng)用場(chǎng)景廣泛，Hector SLAM算法成為了相關(guān)學(xué)者的研究重點(diǎn)。其中自主構(gòu)建環(huán)境模型并實(shí)現(xiàn)自身定位是機(jī)器人在現(xiàn)實(shí)世界中運(yùn)行的關(guān)鍵技術(shù)環(huán)節(jié)，但傳統(tǒng)的SLAM在精度和靈活性上均很難滿足日益發(fā)展的智能機(jī)器人發(fā)展需求。因此，德國(guó)學(xué)者Stefan等人[12]提出了一種靈活的、可升級(jí)的SLAM系統(tǒng)，即Hector SLAM算法。Hector SLAM具有低成本、低功耗、計(jì)算量小等特點(diǎn)，并成功應(yīng)用于無(wú)人地面車（Unmanned Ground Vehicles，UGV）、無(wú)人水面車（Unmanned Surface Vehicles，USV）及小型室內(nèi)導(dǎo)航系統(tǒng)中?；贖ector SLAM的系統(tǒng)需要使用高頻率激光雷達(dá)，結(jié)合了2D SLAM和3D IMU（Inertial Measurement Unit）導(dǎo)航技術(shù)，由激光雷達(dá)的數(shù)據(jù)更新來(lái)觸發(fā)，由實(shí)時(shí)計(jì)算完成3D導(dǎo)航，實(shí)現(xiàn)機(jī)器人的自主環(huán)境構(gòu)建和定位[13]，如圖1所示。

2D SLAM可以用于表示任意環(huán)境的柵格地圖，通過雷達(dá)平臺(tái)的6自由度掃描形成地圖點(diǎn)云。經(jīng)過點(diǎn)云進(jìn)行降采樣、移除無(wú)效點(diǎn)、濾波等預(yù)處理后作為后續(xù)基礎(chǔ)數(shù)據(jù)。由于離散地圖無(wú)法實(shí)現(xiàn)插值和求導(dǎo)運(yùn)算，因而可以通過雙線性濾波的方法把網(wǎng)格看作是底層連續(xù)概率分布的樣本。在掃描匹配中采用高斯-牛頓法實(shí)現(xiàn)掃描與現(xiàn)有地圖對(duì)齊，在6DOF（Six Degrees of Freedom）位姿估計(jì)中采用非線性擴(kuò)展卡爾曼濾波器。最后通過將2D SLAM和3D EKF估計(jì)之間的信息融合獲得最佳系統(tǒng)性能。

5 應(yīng)用舉例

為了闡明室內(nèi)定位算法的應(yīng)用，本文以RFID室內(nèi)定位系統(tǒng)為例進(jìn)行說(shuō)明。RFID系統(tǒng)通常由閱讀器、電子標(biāo)簽和數(shù)據(jù)庫(kù)管理系統(tǒng)三部分構(gòu)成。如圖2所示。

首先，閱讀器通過自身的發(fā)射天線持續(xù)不斷地向室內(nèi)空間發(fā)送無(wú)線信號(hào)，一旦攜帶了電子標(biāo)簽的人員進(jìn)入信號(hào)覆蓋范圍，閱讀器與標(biāo)簽之間就會(huì)建立起通信鏈路，后臺(tái)計(jì)算機(jī)根據(jù)接收信號(hào)的處理結(jié)果即可計(jì)算出人員所在位置。從算法的角度上看，可以實(shí)現(xiàn)RFID定位的算法有很多，例如基于非測(cè)距的質(zhì)心算法、KNN算法、APIT算法等，或者基本測(cè)距原理的AOA定位、TDOA定位和RSSI定位等。

6 結(jié)語(yǔ)

隨著智能家居的發(fā)展，室內(nèi)定位技術(shù)也在不斷地進(jìn)步，其性能正在穩(wěn)步提升，各種基于不同原理的定位技術(shù)也廣泛應(yīng)用于智能家居領(lǐng)域。然而，不同的定位技術(shù)具有不同的定位精度和適用場(chǎng)合，按照實(shí)際的應(yīng)用場(chǎng)景選擇最恰當(dāng)?shù)氖覂?nèi)定位技術(shù)，是構(gòu)建高效智能家居系統(tǒng)的關(guān)鍵所在。不難預(yù)見，未來(lái)的智能家居室內(nèi)定位技術(shù)將不斷發(fā)生融合，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，進(jìn)一步提高定位精度，成為智能家居體系的重要技術(shù)支撐。

參考文獻(xiàn)

[1]Segev E， Gan S. Intelligent Interactive Lock and Locking System： U.S. Patent Application 11/631，840[P].2007-12-20.

[2]Borgert G D， Bartlett R J， Ellison J F. Illumination system and method for generating an image of an object： U.S. Patent 5，519，496[P].1996-5-21.

[3]Luo R C， Hsu T Y， Lin T Y， et al. The development of intelligent home security robot[C]//Mechatronics， 2005. ICM'05. IEEE International Conference on. IEEE， 2005： 422-427.

[4]Jiang D G， Xu B G， Wang M S. Design of greenhouse evironment remote monitoring system based on GPRS[J]. Guangdong Agricultural Sciences，2011，38（13）：160-162.

[5]Tian G， Li X， Zhao S， et al. Research and development of intelligent space technology for home service robot[J]. Journal of Shandong University （Engineering Science）， 2007， 37（5）： 53-59.

[6]馬洪莊，趙輝.論國(guó)內(nèi)外智能家居現(xiàn)狀[J].城市建設(shè)理論研究：電子版，2015，（18）.

[7]王楊，趙紅東.室內(nèi)定位技術(shù)綜述及發(fā)展前景展望[J].測(cè)控技術(shù)，2016，35（7）：1-3.

[8]Fontana R J， Gunderson S J. Ultra-wideband precision asset location system[C]//Ultra Wideband Systems and Technologies， 2002.Digest of Papers. 2002 IEEE Conference on. IEEE， 2002： 147-150.

[9]劉鵬，盧潭城，高翔.基于射頻識(shí)別的室內(nèi)定位技術(shù)綜述[J].太赫茲科學(xué)與電子信息學(xué)報(bào)，2012，（2）：195-201.

[10]Smith R C，Cheeseman P. On the representation and estimation of spatial uncertainty[J]. The international journal of Robotics Research， 1986， 5（4）： 56-68.

[11]Smith R， Self M， Cheeseman P. Estimating uncertain spatial relationships in robotics[M]//Machine intelligence and pattern recognition.North-Holland， 1988， 5： 435-461.

[12]Kohlbrecher S， Von Stryk O， Meyer J， et al. A flexible and scalable slam system with full 3d motion estimation[C]//Safety， Security， and Rescue Robotics （SSRR）， 2011 IEEE International Symposium on. IEEE， 2011：155-160.

[13]Kohlbrecher S， Stryk O V， Meyer J， et al. A flexible and scalable SLAM system with full 3D motion estimation[C]//IEEE International Symposium on Safety， Security， and Rescue Robotics. IEEE， 2011：155-160.