趙鵬飆,劉 歌,羅 磊,周 瑞

(1.電子科技大學(xué) 信息與軟件工程學(xué)院,成都 610054; 2.河南漯河職業(yè)技術(shù)學(xué)院,河南 漯河 462000)

0 概述

隨著定位導(dǎo)航技術(shù)的發(fā)展,各種基于位置的服務(wù)對(duì)地圖的需求日益增大。室外地圖構(gòu)建經(jīng)過(guò)多年發(fā)展已擁有成熟的方法,通常由專(zhuān)業(yè)人員通過(guò)專(zhuān)業(yè)設(shè)備采集數(shù)據(jù),再通過(guò)專(zhuān)業(yè)地理軟件處理并繪制地圖。此外,借助全球定位系統(tǒng)(Global Positioning System,GPS),也可以自動(dòng)構(gòu)建室外數(shù)字地圖,如OpenStreetMap項(xiàng)目。但是室內(nèi)地圖的構(gòu)建一直是迄待解決的問(wèn)題,也是阻礙基于位置的服務(wù)在室內(nèi)獲得廣泛應(yīng)用的主要因素之一。目前室內(nèi)地圖的構(gòu)建主要是由測(cè)繪人員測(cè)量室內(nèi)數(shù)據(jù)并繪制地圖或者基于建筑設(shè)計(jì)結(jié)構(gòu)圖繪制平面圖。這些方法盡管能夠進(jìn)行部分樓宇的數(shù)字地圖構(gòu)建,但是由于高成本及私密性等原因,多數(shù)室內(nèi)環(huán)境無(wú)法采用專(zhuān)業(yè)方法進(jìn)行地圖繪制,而建筑設(shè)計(jì)結(jié)構(gòu)圖也往往由于各種原因無(wú)法獲得,導(dǎo)致大量室內(nèi)環(huán)境無(wú)可用地圖,室內(nèi)定位無(wú)法實(shí)施。

近年來(lái),隨著手機(jī)傳感技術(shù)的發(fā)展,加速度計(jì)、陀螺儀等傳感器已成為智能手機(jī)的標(biāo)配,極大促進(jìn)了基于智能手機(jī)的行人活動(dòng)識(shí)別和行人航位推算(PDR)技術(shù)[1]。通過(guò)對(duì)智能手機(jī)傳感器數(shù)據(jù)的采集和處理,可以獲得行人當(dāng)前活動(dòng)狀態(tài)和行走軌跡。根據(jù)大量普通用戶(hù)在室內(nèi)的行走軌跡和活動(dòng),采用復(fù)雜數(shù)據(jù)分析算法,就可以獲得室內(nèi)區(qū)域的房間和走廊結(jié)構(gòu),從而自動(dòng)構(gòu)建出室內(nèi)數(shù)字平面圖。文獻(xiàn)[2]率先提出利用智能手機(jī)構(gòu)建室內(nèi)地圖,并實(shí)現(xiàn)了環(huán)形矩形走廊的構(gòu)建。即時(shí)定位與地圖構(gòu)建(SLAM)[3]的概念由Smith等在1988年提出,主要用于機(jī)器人在未知環(huán)境下自動(dòng)構(gòu)建室內(nèi)地圖。文獻(xiàn)[4]實(shí)現(xiàn)了SmartSLAM系統(tǒng),包括實(shí)時(shí)定位,室內(nèi)地圖創(chuàng)建和指紋地圖構(gòu)建。文獻(xiàn)[5]提出CrowdInside系統(tǒng),通過(guò)眾包方式采集行人行走軌跡,實(shí)現(xiàn)室內(nèi)平面圖的自動(dòng)構(gòu)建。文獻(xiàn)[6]利用事先已知的WiFi指紋庫(kù)結(jié)合運(yùn)動(dòng)信息動(dòng)態(tài)構(gòu)建室內(nèi)平面圖,并提出判斷走廊上房間順序和走廊鄰接關(guān)系的算法。文獻(xiàn)[7]利用慣性傳感器及拍攝圖像的數(shù)據(jù)信息構(gòu)建平面圖。文獻(xiàn)[8]提出語(yǔ)法增強(qiáng)算法來(lái)幫助室內(nèi)地圖的構(gòu)建。

為能夠在已知信息較少的情況下精確構(gòu)建包括房間和走廊的室內(nèi)平面圖,本文提出一種簡(jiǎn)單易行的室內(nèi)數(shù)字平面圖自動(dòng)構(gòu)建方法。根據(jù)手機(jī)采集的行人軌跡特征和WiFi信號(hào),結(jié)合聚類(lèi)算法識(shí)別出門(mén)位置和樓梯位置等標(biāo)志點(diǎn),并使用PCA算法來(lái)計(jì)算走廊的長(zhǎng)和寬,從而構(gòu)建走廊的大小形狀,最后采用α-shape算法繪制各房間的形狀。

1 室內(nèi)平面圖自動(dòng)構(gòu)建方法

本文提出的地圖構(gòu)建方法如圖1所示,首先通過(guò)PDR對(duì)手機(jī)采集的傳感器數(shù)據(jù)進(jìn)行計(jì)算得到每一步的位置坐標(biāo),并將坐標(biāo)點(diǎn)連接為行人軌跡,然后通過(guò)標(biāo)志點(diǎn)識(shí)別算法確定轉(zhuǎn)彎、門(mén)位置和樓梯位置,根據(jù)門(mén)位置將軌跡劃分為房間軌跡和走廊軌跡,最后通過(guò)聚類(lèi)和主成分分析(PCA)算法確定走廊的長(zhǎng)和寬,通過(guò)聚類(lèi)和α-shape算法對(duì)各房間進(jìn)行繪制,完成整個(gè)室內(nèi)數(shù)字平面圖的自動(dòng)構(gòu)建。

圖1 室內(nèi)平面圖自動(dòng)構(gòu)建過(guò)程

1.1 行人軌跡獲取

室內(nèi)行人軌跡獲取采用基于手機(jī)傳感器的PDR,主要用到三軸加速度計(jì)、三軸磁力計(jì)、三軸陀螺儀和氣壓計(jì)。本文采用文獻(xiàn)[9]中提出的PDR算法,首先采集原始加速度數(shù)據(jù)并進(jìn)行平滑,然后根據(jù)平滑后的加速度數(shù)據(jù)識(shí)別行走狀態(tài),通過(guò)有限狀態(tài)機(jī)識(shí)別行走周期并計(jì)步,步長(zhǎng)根據(jù)其和加速度的關(guān)系進(jìn)行估算,采用卡爾曼濾波根據(jù)相鄰步長(zhǎng)之間的關(guān)系對(duì)步長(zhǎng)進(jìn)行調(diào)整,方向計(jì)算采用加速度計(jì)和磁力計(jì)。

PDR算法對(duì)行人步數(shù)、步長(zhǎng)和行走方向進(jìn)行估算,結(jié)合初始位置,就能實(shí)現(xiàn)對(duì)室內(nèi)行人的實(shí)時(shí)位置追蹤。本文將行人的位置點(diǎn)表示為:{t,(x,y),o,r,a},其中,t表示行人在該位置點(diǎn)的時(shí)間,(x,y)為當(dāng)前位置坐標(biāo),o表示當(dāng)前方向,r表示在該位置點(diǎn)采集的WiFi指紋,即AP列表及信號(hào)強(qiáng)度,a表示該位置點(diǎn)屬性,如轉(zhuǎn)彎、門(mén)位置或樓梯。

1.1.1 行走周期識(shí)別及步數(shù)統(tǒng)計(jì)

一個(gè)行走周期從靜止?fàn)顟B(tài)開(kāi)始,經(jīng)過(guò)波峰狀態(tài)和波谷狀態(tài)后,便完成了一個(gè)完整的行走周期,計(jì)步一次。通過(guò)設(shè)定狀態(tài)閾值,可以判斷并識(shí)別行走狀態(tài),包括靜止?fàn)顟B(tài)閾值、波峰狀態(tài)閾值和波谷狀態(tài)閾值。由于存在傳感器噪聲,同時(shí)人的行走動(dòng)作存在不規(guī)律性,有限狀態(tài)機(jī)中的狀態(tài)轉(zhuǎn)換可能會(huì)出現(xiàn)錯(cuò)誤轉(zhuǎn)換情況。因此,算法根據(jù)加速度數(shù)據(jù)的變化動(dòng)態(tài)設(shè)定狀態(tài)閾值。假設(shè)Td表示動(dòng)態(tài)設(shè)定的狀態(tài)閥值,T表示固定的狀態(tài)閾值:

Td=R0+T

(1)

其中,R0為動(dòng)態(tài)設(shè)定的零參考值,其值根據(jù)加速度數(shù)據(jù)的實(shí)時(shí)變化動(dòng)態(tài)設(shè)置。這樣狀態(tài)閾值就隨零參考值和實(shí)時(shí)加速度數(shù)據(jù)動(dòng)態(tài)變化,從而準(zhǔn)確識(shí)別狀態(tài),減少錯(cuò)誤的狀態(tài)轉(zhuǎn)換。狀態(tài)的準(zhǔn)確識(shí)別也保證了每個(gè)行走周期的起止時(shí)間的精確確定,從而提高步長(zhǎng)計(jì)算的精度。零參考值R0的取值為本周期內(nèi)所有狀態(tài)的狀態(tài)分界值的平均:

(2)

其中,n為本周期的狀態(tài)數(shù),bi為狀態(tài)i的狀態(tài)分界值。波峰狀態(tài)的狀態(tài)分界值為本狀態(tài)加速度峰值和前一狀態(tài)加速度谷值的平均;波谷狀態(tài)的狀態(tài)分界值為本狀態(tài)加速度谷值和前一狀態(tài)加速度峰值的平均;靜止?fàn)顟B(tài)的狀態(tài)分界值為本狀態(tài)中所有加速度的均值。

1.1.2 基于卡爾曼濾波的步長(zhǎng)計(jì)算

研究人體行走模型可以建立步長(zhǎng)和行走中軀干的垂直位移之間的關(guān)系,進(jìn)而獲得行走周期中步長(zhǎng)和z軸加速度之間的關(guān)系,從而根據(jù)z軸加速度計(jì)算步長(zhǎng)。假設(shè)l代表步長(zhǎng),h為常數(shù),N為一個(gè)周期內(nèi)加速度樣本數(shù),ai、amax和amin分別為該周期中第i個(gè)加速度樣本、加速度峰值和谷值,文獻(xiàn)[10]提出的步長(zhǎng)計(jì)算公式為:

(3)

人行走中速度的變化是一個(gè)漸變的過(guò)程,導(dǎo)致人行走中相鄰2步的步長(zhǎng)可能不同但差異不大。因此,可以在式(3)計(jì)算當(dāng)前步長(zhǎng)的基礎(chǔ)上,結(jié)合上一步步長(zhǎng)對(duì)該計(jì)算結(jié)果進(jìn)行微調(diào)。本文采用卡爾曼濾波[11]結(jié)合基礎(chǔ)算法進(jìn)行步長(zhǎng)計(jì)算。將步長(zhǎng)作為系統(tǒng)狀態(tài)Xk,將基礎(chǔ)算法得到的步長(zhǎng)作為量測(cè)值Zk。假設(shè)第k步步長(zhǎng)Xk和第k-1步的步長(zhǎng)Xk-1相等,步長(zhǎng)的逐漸變化使用系統(tǒng)噪聲Wk來(lái)表示。由于量測(cè)值代表的也是步長(zhǎng),因此量測(cè)矩陣為1,量測(cè)噪聲用來(lái)表示基礎(chǔ)步長(zhǎng)算法的計(jì)算誤差。系統(tǒng)狀態(tài)方程式和量測(cè)方程式為:

Xk=Xk-1+Wk

(4)

Zk=Xk+Vk

(5)

1.1.3 方向確定

(6)

1.2 軌跡中標(biāo)志點(diǎn)檢測(cè)

1.2.1 轉(zhuǎn)向點(diǎn)檢測(cè)

行人在室內(nèi)行走過(guò)程中,如果在某個(gè)位置發(fā)生左轉(zhuǎn)或右轉(zhuǎn),則稱(chēng)該位置為轉(zhuǎn)向點(diǎn)。在室內(nèi)環(huán)境中,行人一般會(huì)在門(mén)口、走廊拐角、室內(nèi)拐角等位置發(fā)生轉(zhuǎn)向動(dòng)作,因此可以將軌跡中的轉(zhuǎn)向點(diǎn)作為一種室內(nèi)標(biāo)志點(diǎn),并在后續(xù)處理中作為軌跡分割點(diǎn)。每當(dāng)檢測(cè)到行人步數(shù)發(fā)生變化時(shí),也就是新軌跡點(diǎn)產(chǎn)生時(shí),轉(zhuǎn)向點(diǎn)檢測(cè)算法進(jìn)行轉(zhuǎn)向點(diǎn)檢測(cè)。首先判斷當(dāng)前一步和前一步方向的變化值是否大于閾值Δ,如果大于Δ,則判定當(dāng)前位置為轉(zhuǎn)向點(diǎn),否則將當(dāng)前方向變化值臨時(shí)存儲(chǔ)起來(lái);如果出現(xiàn)連續(xù)n步轉(zhuǎn)向,且n步轉(zhuǎn)向累積值大于Δ,也將最后一個(gè)位置點(diǎn)判定為轉(zhuǎn)向點(diǎn),否則判定為沒(méi)有發(fā)生轉(zhuǎn)向。

1.2.2 門(mén)位置檢測(cè)

門(mén)位置檢測(cè)不僅關(guān)系到房間類(lèi)型和走廊類(lèi)型軌跡的區(qū)分,同時(shí)也是室內(nèi)地圖的重要標(biāo)志點(diǎn)。由于人在進(jìn)門(mén)和出門(mén)時(shí)通常會(huì)有轉(zhuǎn)向動(dòng)作,同時(shí)由于墻體影響室內(nèi)外的WiFi信號(hào)不同,因此首先根據(jù)轉(zhuǎn)向點(diǎn)檢測(cè)算法檢測(cè)出行人軌跡中的轉(zhuǎn)向點(diǎn)位置,然后再根據(jù)WiFi信號(hào)進(jìn)一步判斷是否是門(mén)位置,包括2步:

1)一次識(shí)別。由于WiFi信號(hào)在穿墻后會(huì)有較大衰減,導(dǎo)致手機(jī)接收到的WiFi信號(hào)強(qiáng)度在房間內(nèi)部和走廊上通常會(huì)不同。假設(shè)ri表示一個(gè)WiFi信號(hào)指紋:

ri=(si1,si2,…,sin)

(7)

其中,n表示接收到信號(hào)的AP個(gè)數(shù),sik表示接收到的第k個(gè)AP的信號(hào)強(qiáng)度。2個(gè)WiFi指紋ri和rj之間的平均曼哈頓距離可以由下式計(jì)算得到:

(8)

如果相鄰2步的d(ri,rj)大于閾值Wd,則初步判斷當(dāng)前位置為門(mén)口,否則不是。通過(guò)該方法能夠得到如圖2(a)所示結(jié)果,小圓圈為軌跡中識(shí)別出的門(mén)位置,三角形為真實(shí)門(mén)位置。從中可以看出,有一些轉(zhuǎn)向點(diǎn)被誤檢測(cè)為門(mén)位置,同時(shí)還存在一些門(mén)位置沒(méi)有被檢測(cè)出來(lái),因此需要二次識(shí)別。

2)二次識(shí)別。對(duì)一次識(shí)別得到的所有門(mén)位置采用基于密度的聚類(lèi)(DBSCAN)算法進(jìn)行聚類(lèi)。DBSCAN算法[13]可以自動(dòng)識(shí)別出遠(yuǎn)離聚類(lèi)中心的噪聲數(shù)據(jù),即上面提到的誤識(shí)別的門(mén)位置。n個(gè)聚類(lèi)簇對(duì)應(yīng)n個(gè)聚類(lèi)中心,將每個(gè)聚類(lèi)中心的半徑為R的圓范圍內(nèi)的門(mén)位置點(diǎn)標(biāo)記為該軌跡上的門(mén)位置點(diǎn),從而完成門(mén)位置點(diǎn)的二次識(shí)別,如圖2(b)所示。

圖2 門(mén)位置識(shí)別

1.2.3 樓梯位置檢測(cè)

室內(nèi)環(huán)境往往是多樓層,樓梯位置是重要室內(nèi)標(biāo)志點(diǎn)。上下樓方式包括樓梯、扶梯和直梯。通過(guò)手機(jī)內(nèi)置的氣壓計(jì)可以獲得海拔高度,通過(guò)海拔高度的變化可以判斷出行人是否進(jìn)行上下樓,但要區(qū)分上下樓方式,則需要加入三軸加速度數(shù)據(jù)。識(shí)別過(guò)程包括2步:

1)識(shí)別直梯上下樓。首先采用移動(dòng)平均算法對(duì)海拔高度數(shù)據(jù)進(jìn)行平滑,平滑后的海拔高度序列H={h1,h2,…,hn}通過(guò)下式做線(xiàn)性擬合[14]:

(9)

其中,p(x)=a0+a1x為擬合得到的表達(dá)式,a1為斜率。

假設(shè)Hu為直梯上樓的經(jīng)驗(yàn)閾值,Hd為直梯下樓的經(jīng)驗(yàn)閾值,H0為上下樓的經(jīng)驗(yàn)閾值。若a1>Hu,則為直梯上樓;若H0≤a1

2)識(shí)別樓梯和扶梯。首先求出加速度量級(jí):

(10)

其中,(ax,ay,az)為三軸加速度數(shù)據(jù)。假設(shè)Au和Ad分別為樓梯上樓和樓梯下樓的加速度量級(jí)閾值。根據(jù)上一級(jí)識(shí)別的結(jié)果,如果是扶梯或樓梯上樓,若am

1.3 平面圖自動(dòng)構(gòu)建

1.3.1 軌跡分段和聚類(lèi)

根據(jù)門(mén)位置,系統(tǒng)將行人軌跡劃分成房間類(lèi)型和走廊類(lèi)型,如圖3所示,然后使用DBSCAN算法分別對(duì)房間類(lèi)型軌跡點(diǎn)和走廊類(lèi)型軌跡點(diǎn)進(jìn)行聚類(lèi),同時(shí)去除噪聲數(shù)據(jù)。聚類(lèi)后的房間或走廊軌跡點(diǎn)如圖4所示,其中圓點(diǎn)和方點(diǎn)是聚類(lèi)簇中的點(diǎn),而星形表示噪聲點(diǎn)。

圖3 軌跡類(lèi)型

圖4 軌跡點(diǎn)聚類(lèi)結(jié)果

1.3.2 房間構(gòu)建

房間構(gòu)建就是解決從聚類(lèi)后的二維點(diǎn)集構(gòu)建平面形狀的問(wèn)題。通過(guò)二維點(diǎn)集構(gòu)建平面形狀最簡(jiǎn)單快捷的方法是找出點(diǎn)集的凸包作為平面形狀,即包含點(diǎn)集中所有點(diǎn)的最小凸多邊形。但實(shí)際的房間形狀往往不會(huì)剛好就是點(diǎn)集的凸包,為了更加準(zhǔn)確地構(gòu)建出房間形狀,本文采用α-shape算法來(lái)構(gòu)建房間形狀[5]。α-shape算法[15]是一種在歐幾里得平面中通過(guò)簡(jiǎn)單線(xiàn)性曲線(xiàn)表示有限點(diǎn)集平面的算法。通過(guò)該算法,可以得到由聚類(lèi)后的房間點(diǎn)集確定的一個(gè)集合平面,即房間形狀,如圖5所示。由于房間內(nèi)部通常有家具等物品,因此通過(guò)該方法實(shí)際上獲得的是房間可達(dá)區(qū)域的形狀和大小。

圖5 基于α-shape算法的房間形狀構(gòu)建

1.3.3 走廊構(gòu)建

走廊通常為矩形,具有長(zhǎng)度和寬度,構(gòu)建走廊就是通過(guò)走廊軌跡點(diǎn)坐標(biāo)計(jì)算走廊的長(zhǎng)和寬。通過(guò)PCA[15]可以獲得走廊軌跡點(diǎn)數(shù)據(jù)集的主方向和次方向,將數(shù)據(jù)集向主方向壓縮可以得到走廊的長(zhǎng)度,而將數(shù)據(jù)集向次方向壓縮可以得到走廊的寬度。假設(shè)走廊軌跡點(diǎn)數(shù)據(jù)集為X={(xi,yi)|i=1,2,…,m},m為軌跡點(diǎn)個(gè)數(shù)。首先計(jì)算點(diǎn)集X的協(xié)方差矩陣:

P=XXT/m

(11)

圖6 基于PCA算法的走廊的長(zhǎng)和寬計(jì)算

1.3.4 室內(nèi)地圖繪制

通過(guò)走廊構(gòu)建和房間構(gòu)建,可以得到各條走廊的長(zhǎng)寬以及各個(gè)房間的位置和形狀,然后根據(jù)軌跡點(diǎn)的坐標(biāo)將各個(gè)房間和走廊連接起來(lái)構(gòu)成完整的室內(nèi)平面圖。通過(guò)這種方法構(gòu)建的室內(nèi)平面圖可以正確反映房間和走廊的相對(duì)位置,房間的排列順序以及走廊和房間的形狀大小。房間的形狀和大小由房間中的行人軌跡決定,反映的是可訪(fǎng)問(wèn)的房間區(qū)域,和房間的真實(shí)大小及形狀可能不完全相同。對(duì)于走廊來(lái)說(shuō),因?yàn)樽呃韧ǔ２粫?huì)被障礙物占用,所以構(gòu)建出的走廊通常能夠代表真實(shí)走廊。

2 實(shí)驗(yàn)與結(jié)果分析

本文選擇學(xué)校主樓4樓區(qū)域作為地圖構(gòu)建的實(shí)驗(yàn)環(huán)境。多名不同實(shí)驗(yàn)者分別手持三星Galaxy S3、三星Galaxy Note2以及紅米Note3手機(jī)在不同時(shí)間進(jìn)行傳感器數(shù)據(jù)采集,包括加速度、角速度、磁場(chǎng)強(qiáng)度、海拔高度以及每檢測(cè)到新的一步時(shí)的WiFi指紋。實(shí)驗(yàn)者的行走路線(xiàn)如圖7中的直線(xiàn)所示,起始位置是412房間斜對(duì)面的樓梯位置,行走過(guò)程中沒(méi)有對(duì)實(shí)驗(yàn)員的速度和行走方式進(jìn)行約束,每條行走軌跡也不需要將所有路徑走一遍,最終收集89條軌跡路徑,包括在走廊兩端的上下樓動(dòng)作。采用PDR獲得的行走軌跡如圖8所示。

圖7 行走路線(xiàn)

圖8 行走軌跡

對(duì)收集到的軌跡數(shù)據(jù)首先通過(guò)標(biāo)志點(diǎn)檢測(cè)算法識(shí)別出軌跡中的轉(zhuǎn)彎、門(mén)位置和樓梯位置,然后劃分出房間類(lèi)型的軌跡數(shù)據(jù)和走廊類(lèi)型的軌跡數(shù)據(jù)。對(duì)房間類(lèi)型軌跡使用DBSCAN算法聚類(lèi)后得到7個(gè)聚類(lèi)簇,對(duì)應(yīng)該區(qū)域中的8個(gè)房間,其中416和418-1由于門(mén)位置較近和誤差原因被聚類(lèi)為一個(gè)簇。對(duì)每個(gè)聚類(lèi)簇使用α-shape算法得到每個(gè)房間的邊界軌跡點(diǎn),即房間形狀,如圖9所示。對(duì)走廊類(lèi)型的軌跡數(shù)據(jù)采用PCA算法進(jìn)行數(shù)據(jù)降維處理獲取主方向和次方向。圖10展示了對(duì)圖7中長(zhǎng)走廊的處理過(guò)程,對(duì)短走廊的處理過(guò)程與此類(lèi)似。圖10(a)首先獲得走廊上行人軌跡數(shù)據(jù)變化的主方向和次方向,圖10(b)是將軌跡點(diǎn)數(shù)據(jù)集向變化主方向投影的結(jié)果,而圖10(c)是將軌跡點(diǎn)數(shù)據(jù)集向變化次方向投影的結(jié)果。由于數(shù)據(jù)變化的主方向和次方向分別對(duì)應(yīng)的是走廊的長(zhǎng)和寬,所以對(duì)投影降維后的數(shù)據(jù)進(jìn)行排序就可以分別找出長(zhǎng)和寬的2個(gè)端點(diǎn)坐標(biāo),從而確定走廊的長(zhǎng)和寬。

圖9 房間形狀

圖10 走廊長(zhǎng)和寬

根據(jù)房間和走廊的構(gòu)建結(jié)果,可以得到構(gòu)建完成的室內(nèi)平面圖,如圖11所示,同時(shí)樓梯的位置也根據(jù)上下樓動(dòng)作的識(shí)別標(biāo)在圖中。如果事先知道該實(shí)驗(yàn)環(huán)境中的房間是長(zhǎng)方形的,那么可以對(duì)構(gòu)建出來(lái)的室內(nèi)平面圖作進(jìn)一步調(diào)整。首先通過(guò)圍成每一個(gè)房間的軌跡點(diǎn)求得房間的中心位置坐標(biāo),本文定義與走廊平行的邊為房間的長(zhǎng)邊,與走廊垂直的邊為房間的寬邊,通過(guò)圍成每個(gè)房間的點(diǎn)計(jì)算得到房間長(zhǎng)寬,結(jié)合房間中心即可將房間形狀調(diào)整為長(zhǎng)方形。經(jīng)過(guò)調(diào)整,使平面圖更加規(guī)整,符合實(shí)際,如圖12所示。

圖11 構(gòu)建完成的室內(nèi)平面圖

圖12 調(diào)整后的室內(nèi)平面圖

3 結(jié)束語(yǔ)

為方便快捷地繪制室內(nèi)地圖,本文提出一種室內(nèi)平面圖自動(dòng)構(gòu)建方法。該方法首先通過(guò)智能手機(jī)采集傳感器數(shù)據(jù),通過(guò)PDR確定行人行走軌跡,然后通過(guò)標(biāo)志點(diǎn)檢測(cè)算法識(shí)別出軌跡中的轉(zhuǎn)彎、門(mén)位置和樓梯位置,并對(duì)軌跡進(jìn)行走廊類(lèi)型和房間類(lèi)型的劃分。房間構(gòu)建采用聚類(lèi)和α-shape算法,而走廊構(gòu)建采用聚類(lèi)和PCA算法,最后根據(jù)各房間和各走廊的坐標(biāo)完成整個(gè)室內(nèi)平面圖的構(gòu)建。當(dāng)室內(nèi)由于重新裝修或布置導(dǎo)致室內(nèi)環(huán)境發(fā)生變化時(shí),該方法能夠迅速反映出這種變化并自動(dòng)創(chuàng)建新的平面圖。

該方法依賴(lài)于較精確的PDR系統(tǒng)來(lái)獲得行人軌跡。如果航位推算精度過(guò)低,系統(tǒng)則無(wú)法構(gòu)建地圖。另外,由于采用的是行人的行走軌跡,該方法構(gòu)建出的實(shí)際上是室內(nèi)可通達(dá)區(qū)域的平面圖,對(duì)于無(wú)法通達(dá)的區(qū)域則無(wú)法構(gòu)建相關(guān)平面圖,因此,下一步將針對(duì)上述問(wèn)題進(jìn)行研究。