郇戰(zhàn)，陳學(xué)杰，梁久禎

（常州大學(xué) 信息科學(xué)與工程學(xué)院，江蘇 常州 213164）

根據(jù)世界衛(wèi)生組織數(shù)據(jù)，目前盲人數(shù)量已超過1 100萬。由于視力的缺失讓他們出行十分困難。隨著科學(xué)技術(shù)的不斷發(fā)展，用于常人的導(dǎo)航設(shè)備越來越多，其中絕大多數(shù)的設(shè)備都是基于GPS的衛(wèi)星導(dǎo)航[1]，由于GPS的民用室外精度在10 m以上，不能滿足盲人對導(dǎo)航精度的要求，而且在室內(nèi)無法使用。目前，盲人自主出行可以使用的導(dǎo)航設(shè)備極為有限，小范圍應(yīng)用的有IBM與卡內(nèi)基梅隆大學(xué)合作開發(fā)的可做盲人眼睛的新型APP(NavCog)。APP可以將盲人周邊環(huán)境處理成3D空間模型，通過人臉掃描功能告訴盲人身邊人的身份以及情緒，依靠藍(lán)牙設(shè)備(藍(lán)牙燈塔)以及超聲波提供準(zhǔn)確的定位信息，通過語音和震動兩種方式為盲人提供信息并進(jìn)行導(dǎo)航。但是，由于需要布設(shè)大量藍(lán)牙設(shè)備，造價較高而不能大范圍使用。

崔金琦等[2]設(shè)計出基于RFID的校園導(dǎo)航系統(tǒng)，并且在南京大學(xué)校園得以應(yīng)用。但該系統(tǒng)是為一般人設(shè)計的，如果直接移植到盲人導(dǎo)航系統(tǒng)，就需要在路徑網(wǎng)絡(luò)中任意相連的兩個結(jié)點之間的RFID標(biāo)簽采用連續(xù)的標(biāo)簽碼，所需RFID數(shù)量大，而且實施困難。

針對上述問題，提出一種基于智能手機(jī)慣性導(dǎo)航與RFID標(biāo)簽[3-5]的盲人導(dǎo)航系統(tǒng)[6-9]。該系統(tǒng)以慣性導(dǎo)航為主要導(dǎo)航方式，為了避免慣性導(dǎo)航的累積誤差問題，采用RFID標(biāo)簽作為定標(biāo)點，用于位置信息校準(zhǔn)，從而解決了慣性導(dǎo)航累計誤差和單純RFID導(dǎo)航標(biāo)簽量巨大的問題，可以達(dá)到盲人導(dǎo)航的要求。

1 系統(tǒng)設(shè)計

1.1 RFID選型

如果RFID識別作用距離過長，盲人手中的RFID讀寫器在較遠(yuǎn)的距離很遠(yuǎn)就能掃描到RFID標(biāo)簽，會導(dǎo)致導(dǎo)航糾偏距離過長，致使系統(tǒng)誤差增大；如果識別作用距離過短，就會使RFID讀寫器發(fā)現(xiàn)標(biāo)簽的距離變小，必須加大RFID標(biāo)簽的鋪設(shè)密度，增加其部署數(shù)量，因此必須要選擇識別距離適中的RFID標(biāo)簽。系統(tǒng)采用PJM 13.56 MHz的高頻RFID技術(shù)，它能夠在距離1 m以內(nèi)(可以通過天線適當(dāng)調(diào)整)，運動速度在4 m/s以內(nèi)進(jìn)行識別，讀寫一個標(biāo)簽的平均耗時在2 ms以內(nèi)，可以滿足盲人導(dǎo)航的一般要求。

1.2 系統(tǒng)結(jié)構(gòu)設(shè)計

系統(tǒng)分為4層結(jié)構(gòu)：數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、數(shù)據(jù)處理層和導(dǎo)航服務(wù)層。

數(shù)據(jù)采集層通過讀卡器讀取RFID標(biāo)簽的ID信息；數(shù)據(jù)傳輸層通過藍(lán)牙模塊將其交付給數(shù)據(jù)處理層；數(shù)據(jù)處理層連接數(shù)據(jù)庫根據(jù)ID進(jìn)行查詢，并且將查詢到的數(shù)據(jù)交付給導(dǎo)航服務(wù)層；導(dǎo)航服務(wù)層先進(jìn)行路徑規(guī)劃再將獲得的數(shù)據(jù)進(jìn)行匹配并且通過語音給出導(dǎo)航提示。

根據(jù)上述分析得出：系統(tǒng)分為路徑錄入以及導(dǎo)航服務(wù)兩大模塊，具體流程如圖1所示。

1.3 路徑繪制流程設(shè)計

系統(tǒng)路徑繪制的基本流程為：首先在事先規(guī)劃的路徑節(jié)點采用雙鋪RFID標(biāo)簽方式布局定標(biāo)點，再采用GPS定位機(jī)獲取定標(biāo)點準(zhǔn)確的經(jīng)緯度信息，由數(shù)據(jù)采集層通過讀卡器讀取RFID標(biāo)簽的ID信息，數(shù)據(jù)傳輸層通過藍(lán)牙串口模塊將ID信息傳給數(shù)據(jù)處理層，最后由數(shù)據(jù)處理層連接數(shù)據(jù)庫完成定標(biāo)信息的錄入；當(dāng)所有定標(biāo)信息都錄入完成后系統(tǒng)進(jìn)入路徑信息錄入。路徑繪制具體流程如圖2所示。

圖 1 系統(tǒng)總體流程圖Fig. 1 System overall flow chart

圖 2 路徑繪制流程圖Fig. 2 Path drawing flow chart

1.4 導(dǎo)航流程設(shè)計

系統(tǒng)導(dǎo)航的基本流程為：盲人首先需要使用帶有內(nèi)置天線的導(dǎo)盲杖[10]掃描到RFID標(biāo)簽以確定當(dāng)前位置，之后通過語音選擇目的地。隨后系統(tǒng)進(jìn)行路徑規(guī)劃，進(jìn)而進(jìn)行慣性導(dǎo)航[11-16]，并且實時進(jìn)行位置校準(zhǔn)和語音提示，直至到達(dá)目的地。具體導(dǎo)航流程如圖3所示。

圖 3 導(dǎo)航流程圖Fig. 3 Navigational flow chart

1.5 數(shù)據(jù)庫設(shè)計

系統(tǒng)采用SQLite輕型數(shù)據(jù)庫來存儲路徑信息和定標(biāo)點信息，為此設(shè)計兩個數(shù)據(jù)表，分別是路徑信息表(Route_Info)以及定標(biāo)點信息表(Lable_Info)，分別存儲每條路徑的信息和定標(biāo)點信息，具體包含的數(shù)據(jù)項分別如表1、表2所示。

表 1 路徑信息表(Route_Info)Table 1 Path information table(Route_Info)

表 2 定標(biāo)點信息表(Label_Info)Table 2 Fixed punctuation information table

2 系統(tǒng)實現(xiàn)

2.1 數(shù)據(jù)采集層實現(xiàn)

RFID標(biāo)簽鋪設(shè)：最常見的RFID鋪設(shè)方法有單排鋪設(shè)和雙排鋪設(shè)方法，如圖4、圖5所示。

圖 5 雙排鋪設(shè)Fig. 5 Double row laying

單排鋪設(shè)方法感應(yīng)半徑較小，盲人使用導(dǎo)盲杖較難找到，并且相對于RFID具體方位具有不確定性，所以系統(tǒng)采用雙排鋪設(shè)方法。雙排鋪設(shè)方法感應(yīng)面積較大，盲人使用導(dǎo)盲杖較容易找到。

測量發(fā)現(xiàn)，手機(jī)慣性導(dǎo)航系統(tǒng)的誤差范圍在±2%以內(nèi)，即經(jīng)過20 m距離后產(chǎn)生的偏差在±0.4 m以內(nèi)。實際應(yīng)用中，RFID的可靠感應(yīng)距離在0.5 m左右(可以通過天線調(diào)整好)，設(shè)雙排鋪設(shè)的標(biāo)簽間距為0.75 m時，正面可感應(yīng)的寬度為1.75 m左右，兩標(biāo)簽重合感應(yīng)區(qū)域?qū)挾葹?.25 m。當(dāng)盲人同時讀取到兩張RFID卡時，可以將慣性導(dǎo)航的累計誤差減小到±0.125 m以內(nèi)，若再經(jīng)過20 m的距離，累積誤差不會超過±0.525 m(雙排鋪設(shè)時正面可感應(yīng)的寬度為1.75 m)，可以正確找到下一組標(biāo)簽。

數(shù)據(jù)采集方法：采集RFID數(shù)據(jù)時，使用內(nèi)置天線的導(dǎo)盲杖作為數(shù)據(jù)采集工具。RFID讀寫器通過天線與RFID電子標(biāo)簽進(jìn)行無線通信，實現(xiàn)對標(biāo)簽識別碼和內(nèi)存數(shù)據(jù)的讀出或?qū)懭氩僮鳌?/p>

2.2 通信傳輸層實現(xiàn)

系統(tǒng)主要有兩個方向的數(shù)據(jù)傳輸，涉及兩種數(shù)據(jù)通信格式：首先是從智能手機(jī)到讀寫模塊，在這一過程主要是由藍(lán)牙串口模塊發(fā)送讀卡指令給讀寫模塊，系統(tǒng)中使用的讀卡命令是0507FFF001006A50；其次是從讀寫器到藍(lán)牙串口模塊，在這一過程主要就是根據(jù)讀卡器所讀取到的相關(guān)信息返回響應(yīng)的信息。

2.3 數(shù)據(jù)處理層實現(xiàn)

在數(shù)據(jù)處理層主要涉及兩個方面的工作：一是信息錄入，二是信息查詢。

信息錄入：首先是錄入各定標(biāo)點信息，其次是對路徑信息的錄入。

信息查詢：在系統(tǒng)中涉及的數(shù)據(jù)查詢主要是定標(biāo)點以及路徑信息，系統(tǒng)采取基于SQLite的數(shù)據(jù)查詢方式予以實現(xiàn)。盲人進(jìn)入導(dǎo)航系統(tǒng)，系統(tǒng)打開讀卡器，根據(jù)讀卡器串口模塊返回的值進(jìn)行相關(guān)信息的查詢。具體流程如圖6所示。

圖 6 信息查詢流程圖Fig. 6 Information query flow chart

2.4 導(dǎo)航服務(wù)層實現(xiàn)

2.4.1 慣性導(dǎo)航

徐向軍[17]提出一種慣性測量與航跡推算的室內(nèi)定位方法，但其方法過于復(fù)雜，不容易和智能手機(jī)相結(jié)合。周婧等[18]提出一種基于慣性導(dǎo)航的平面航跡推算方案，該方案需要攜帶兩個陀螺儀和一部智能手機(jī)，如果用于盲人導(dǎo)航肯定會增加硬件成本；而且該方案雖然可以解決平面軌跡的推算問題，但是卻無法推算上下運動的軌跡，因此該方案無法用于盲人導(dǎo)航。徐鼎等[19]提出一種基于Android端的慣性導(dǎo)航算法，雖然其只需要一部Android手機(jī)，但是該方法只能推算平面軌跡，也不適用于盲人導(dǎo)航。

在綜合多方面考慮后，系統(tǒng)將文獻(xiàn)[20]提出的M5_DTW計步方法和文獻(xiàn)[19]的慣導(dǎo)算法相結(jié)合，完成該系統(tǒng)慣性導(dǎo)航算法的設(shè)計。該算法分為模型建立和實時導(dǎo)航兩部分。

在模型建立時，會采用M5模型樹，其構(gòu)造方法是：假設(shè)有樣本集 T ， 先計算 T 的 標(biāo)準(zhǔn)差 s d (T)，之后依據(jù)不同的 s d (T) 將 T 進(jìn)行劃分，如果 T 的值波動很小或者 T 本身包含的實例就少也不需要對 T 進(jìn)行進(jìn)一步的劃分。第 i 個測試將樣本集 T劃分成子集 Tj， 并對該子集求標(biāo)準(zhǔn)差 s d (Ti)，并且按照式(1)計算期望誤差的減少量(SDR)。

在計算完樣本所有的可能標(biāo)準(zhǔn)差之后，在其中選擇期望誤差的減少量(所有計算的誤差減少量中最大的)作為最終期望誤差的減少量。最后對每一個所劃分出的子集建立回歸模型，按照式(2)生成回歸等式 L M (Ti)。

式中： C 為樣本中的屬性值； N 為屬性的個數(shù)；k為屬性相關(guān)系數(shù)。

模型建立具體步驟如下：

1)標(biāo)記狀態(tài)：盲人在監(jiān)護(hù)人的陪同下采集不同行走狀態(tài)下的加速度數(shù)據(jù)，系統(tǒng)會給不同狀態(tài)標(biāo)記相對應(yīng)的值。在平時出行過程中盲人一般產(chǎn)生4種運動狀態(tài)數(shù)據(jù)，即噪聲、靜止、步行、上下樓梯，系統(tǒng)分別給它們標(biāo)記-10、0、10、20。

2)數(shù)據(jù)預(yù)處理：為了達(dá)到對加速度數(shù)據(jù)去噪的目的，系統(tǒng)采用10點的平滑濾波對數(shù)據(jù)進(jìn)行預(yù)處理。

3)特征提?。禾崛〔ǚ寰?、波峰方差、單步間隔均值、單步間隔方差以及波峰之間的時間間隔方差。

4)模型建立：利用M5模型樹根據(jù)所選取的特征進(jìn)行有監(jiān)督的機(jī)器學(xué)習(xí)，最后輸出分類模型。

在實時導(dǎo)航時，系統(tǒng)先要采集盲人正常行走的步長，然后根據(jù)步數(shù)、步長以及方向來確定盲人的位置，在計步時會用到動態(tài)時間規(guī)整算法(dynamic time warping，DTW)。

DTW是一種衡量兩個時間序列之間相似度的算法，其算法思想是：令要計算相似度的兩個時間列為 X 和 Y，長度分別為 |X | 和 |Y| ；把路徑規(guī)整 成 W =w1,w2,···,wk。 M a x(|X|,|Y|)≤ K ≤ | X|+|Y|，wk的 形式為 ( i , j)， 式 中 i、 j 分 別為 X 和 Y 中 的坐標(biāo)，規(guī)整路徑 W 必須從 w1=(1,1) 開始到wk=(|X|,|Y|) 結(jié) 束。另 外， W 中 的 ( i , j) 的 i、 j 必須是單調(diào)的，即j≤ j′≤ j+1；最后需要得到最短的一個規(guī)整路徑，系 統(tǒng) 中 D i st(wki,wkj) 為 歐式距離；在實現(xiàn)DTW算法時采用動態(tài)規(guī)劃的思想，其核心見式(3)：

式中 D ( i,j) 表 示 長度為 i 和 j 的 兩個時間序 列 之間的規(guī)整路徑距離。

實時導(dǎo)航具體步驟如下：

1)步長提取：盲人在監(jiān)護(hù)人陪同下采用多次采樣取平均的方法采集盲人在正常行走下的步長。

2)數(shù)據(jù)采集：智能手機(jī)采集實時數(shù)據(jù)，由于統(tǒng)計步數(shù)一般需要在實時的狀態(tài)，采用時間窗口的方式對數(shù)據(jù)進(jìn)行采集，每次統(tǒng)計一個時間窗口的步數(shù)以及該時間窗口內(nèi)的方向。

3)數(shù)據(jù)預(yù)處理：與訓(xùn)練模型過程一樣，采用10點平滑濾波對數(shù)據(jù)進(jìn)行預(yù)處理。

4)特征提取與分類輸出：提取波峰均值、波峰方差、單步間隔均值、單步間隔方差以及波峰之間的時間間隔方差，將這些特征輸入已經(jīng)建立好的M5分類器中，得到所屬分類。

5)計步：使用DTW算法，選擇與之相似度最高的狀態(tài)，如果不是噪聲則記為一步，并且記錄該步的狀態(tài)。

6)位置推算：結(jié)合步幅的屬性、步長以及方向推算出實時位置。

2.4.2 矩形限制區(qū)域Dijkstra算法的描述

路徑規(guī)劃作為導(dǎo)航服務(wù)層的核心環(huán)節(jié)。系統(tǒng)將路徑規(guī)劃問題抽象成從起點到終點的單源最短路徑問題，為此系統(tǒng)采用常用的矩形限制區(qū)域的Dijkstra算法解決這一問題。首先，由錄入的定標(biāo)點以及路徑信息構(gòu)成帶權(quán)值的有向圖G(V, E)，其中定標(biāo)點視為圖中的頂點V，路徑視為邊，并且路徑的權(quán)重(Weight)設(shè)置為對應(yīng)邊的權(quán)值W；其次，在相應(yīng)的矩形區(qū)域內(nèi)使用Dijkstra算法產(chǎn)生該帶權(quán)值有向圖從指定起點到終點權(quán)值最小的路徑；最后，實時導(dǎo)航并給出語音提示。

針對經(jīng)典Dijkstra算法在搜索過程中存在缺乏導(dǎo)航方向性以及大量冗余計算等諸多問題，文獻(xiàn)[21]-[22]提出矩形限制搜索區(qū)域算法，其基本思想是：首先，以導(dǎo)航的起點(S)和終點(D)為焦點，選取合適的橢圓區(qū)域；其次，根據(jù)所確定的橢圓區(qū)域求出最小包含矩形，并以此為限制區(qū)域。在求限制區(qū)域時，最為關(guān)鍵的就是要確定橢圓長軸的長度，由文獻(xiàn)[17]可知，定義比例系數(shù)θ=Psd/Esd， 其中 Psd為起點和終點的最短路徑，Esd為起點和終點的歐氏距離，通過統(tǒng)計分析方法得到置信水平達(dá)到95%的比例系數(shù) θ ；設(shè)起點坐標(biāo) 為 S ( xs,ys)， 終 點 坐 標(biāo) 為 D ( xd,yd) 由 此 得 橢 圓 中心 點 坐 標(biāo) 為 ( a ,b) ，其 中， a =(xs+xd)/2，b=(ys+yd)/2 。 φ 為長軸與x、y 軸正方向的夾角，橢圓長軸為 2 A =θ×Esd；橢圓短軸為可得橢圓的方程為

再對橢圓方程式(4)分別對x和y求偏導(dǎo)數(shù)，得到x和y的極值分別為

由式(2)、式(3)可以分別得到x和y的最小值 xmin、 ymin和 最大值 xmax、 ymax，由此 構(gòu) 成 橢圓的最小外接矩形，如圖7所示。

圖 7 橢圓及矩形限制搜索區(qū)域Fig. 7 Ellipse and rectangle-restricted search area

系統(tǒng)利用矩形限制搜索區(qū)域算法求起點和終點間最短路徑的算法步驟如下：

1)初始時，C只包含起點，即C＝{S}，v的距離為0。U包含除S外的其他頂點，即U={其余頂點}。若S與U中頂點u有邊，則正常有權(quán)值W；若u不是S的鄰接點，則權(quán)值為∞。

2)根 據(jù) 起 點 S ( xs,ys) 和 終點 D ( xd,yd)， 計 算 A 、B 、 a 、 b 、 φ ，構(gòu)造橢圓方程，確定橢圓區(qū)域。

3)根據(jù)已經(jīng)確定的橢圓方程計算xmin、xmax、ymin、ymax，確定最后搜索的矩形區(qū)域 。

4)從U中選取一個在矩形區(qū)域內(nèi)且權(quán)值最小的頂點k，把k加入C中(在初始狀態(tài)下權(quán)值按照式(7)計算)。

5)以k為新考慮的中間點，修改U中各頂點的權(quán)值；若從起點S到頂點u的權(quán)值(經(jīng)過頂點k)比原來權(quán)值(不經(jīng)過頂點k)小，則修改頂點u的權(quán)值。

6)重復(fù)步驟4)、5)，直到找到從S到D的一條路徑(即所規(guī)劃路徑)。

2.4.3 路徑權(quán)重初始與更新

路徑權(quán)重的初始化和更新，決定著最終導(dǎo)航路徑成敗，各自算法如下。

系統(tǒng)初始的權(quán)重：

式 中： DAi為 起 點 A 到 終 點 i 路 徑 的 距 離；min1≤i≤k(DAk) 為 起點 A 到終點k的最小距離。

系統(tǒng)提供兩種更新權(quán)重的方法，即手動更新和自動更新。手動更新是由盲人監(jiān)護(hù)人根據(jù)實際的路徑情況進(jìn)行賦值：如果是增加路徑權(quán)重，監(jiān)護(hù)人只能賦值三類值(原始權(quán)重的1.5倍、2陪以及無窮)；如果是減少路徑權(quán)重，系統(tǒng)則會先判斷當(dāng)前路徑權(quán)重是否為0，如果為0則不再進(jìn)行權(quán)重更新，若不為0則每次減少初始權(quán)重的五分之一。自動更新時，系統(tǒng)會先判斷上次該路徑權(quán)重更新時間是否超過一天，即判斷當(dāng)前時間(NowT)減去上次更新時間(LastT)是否大于1，如果大于1則增加權(quán)重，小于1則減少權(quán)重。自動更新減少權(quán)重的算法和手動更新一致，但在增加權(quán)重時，會先判斷當(dāng)前權(quán)重是否大于初始權(quán)重，若大于則不進(jìn)行權(quán)重更新，若不大于則每次增加初始權(quán)重的五分之一。具體的算法流程如圖8所示。

圖 8 權(quán)重更新算法Fig. 8 Weight updating algorithm

2.4.4 導(dǎo)航糾偏

數(shù)據(jù)處理層提取讀卡器返回的ID信息，并進(jìn)行數(shù)據(jù)庫匹配檢索，再根據(jù)數(shù)據(jù)庫返回的定標(biāo)點經(jīng)緯度、路徑地磁方向提示用戶進(jìn)行位置糾偏與方向矯正。當(dāng)用戶成功讀取到兩張RFID標(biāo)簽時，視為位置正確，即糾偏成功；否則，定義方位糾偏事件。糾偏成功后，利用慣性導(dǎo)航系統(tǒng)進(jìn)行對下一定標(biāo)點的導(dǎo)航，直至導(dǎo)航結(jié)束。

2.4.5 語音提示及反饋

鑒于盲人這一特殊群體，語音提示是系統(tǒng)必不可少的部分。系統(tǒng)主要在兩個方面需要用到語音技術(shù)：首先是系統(tǒng)通過盲人發(fā)出的語音信息來確定需要導(dǎo)航的起點和終點；其次是導(dǎo)航時的語音提示信息。為了避免給系統(tǒng)帶來過多的復(fù)雜性，在系統(tǒng)中選用已經(jīng)得到廣泛使用的訊飛語音API[23]開發(fā)出適合于系統(tǒng)的語音提示及反饋。

3 實驗與結(jié)果分析

為了驗證系統(tǒng)的可行性，在盲校選取20名盲人學(xué)生進(jìn)行導(dǎo)航實驗。圖9為盲人在測試中所穿戴設(shè)備的效果圖；圖10、圖11分別是簡單和復(fù)雜路徑導(dǎo)航圖，測試結(jié)果分別見表3、表4。

圖 9 穿戴效果圖Fig. 9 Wearable effect diagram

圖 10 簡單路徑效果圖Fig. 10 Simple path effect diagram

圖 11 復(fù)雜路徑效果圖Fig. 11 Complex path effect diagram

通過表3的數(shù)據(jù)分析得出：20名測試人員一共進(jìn)行了204次導(dǎo)航測試，一共走過3 580個定標(biāo)點，一共發(fā)生6次錯失標(biāo)簽的情況，走失率為0.17%，盲人導(dǎo)航的成功率為97.06%。通過表4的數(shù)據(jù)分析得出：20名測試人員一共進(jìn)行了164次導(dǎo)航測試，一共走過5 840個定標(biāo)點，一共發(fā)生11次錯失標(biāo)簽的情況，走失率為0.188%，盲人導(dǎo)航的成功率為96.34%，整體導(dǎo)航精度為0.469 7 m。鑒于盲人群體的特殊性，在系統(tǒng)設(shè)計之初就提出定標(biāo)點的導(dǎo)航精度要小于0.5 m，因為在這一范圍內(nèi)盲人可以較好地辨別出方向和距離，如果超出這一范圍盲人極易發(fā)生走失情況，測試結(jié)果顯示沒有任何一組測試的平均導(dǎo)航精度超過0.5 m；同時，簡單路徑以及復(fù)雜路徑導(dǎo)航規(guī)劃成功率分別為97.06%、96.34%，都大于95%，達(dá)到基于矩形區(qū)域限制Dijkstra導(dǎo)航算法的設(shè)計要求。

表 3 簡單路徑測試結(jié)果Table 3 Simple path test results

表 4 復(fù)雜路徑測試結(jié)果Table 4 Complex path test results

NavCog3[24]利用低功耗藍(lán)牙作為信標(biāo)點(藍(lán)牙燈塔)，結(jié)合慣性導(dǎo)航為盲人自主出行提供導(dǎo)航服務(wù)；為了達(dá)到更高的精度，藍(lán)牙燈塔之間的間隔為7～10 m，而且為了讓無線電波有更好的可到達(dá)性，燈塔的高度為2～3.5 m。最終的實驗結(jié)果表明：NavCog3的平均導(dǎo)航誤差為1.65 m。相對于NavCog3，系統(tǒng)采用純RFID標(biāo)簽路徑布局方式(每隔20 m布局一組)RFID標(biāo)簽，1 km需要100個RFID標(biāo)簽，每個標(biāo)簽的成本為0.3元，1 km的成本為30元)，成本低廉利于大范圍推廣，并且平均導(dǎo)航誤差為0.467 9 m優(yōu)越于NavCog3。

4 結(jié)束語

系統(tǒng)采用手機(jī)慣性導(dǎo)航結(jié)合RFID射頻識別技術(shù)，不僅解決了慣性導(dǎo)航無法消除的累計誤差問題，而且解決了純RFID導(dǎo)航標(biāo)簽過多鋪設(shè)困難的問題。為了擴(kuò)大感應(yīng)范圍提高導(dǎo)航精度，采用了RFID雙鋪布局方式；為了體現(xiàn)導(dǎo)航的方向性、降低系統(tǒng)計算冗余，采用修正了的Dijkstra導(dǎo)航算法，可以根據(jù)盲人路徑行走頻率以及路況等實際情形動態(tài)地變更路徑的權(quán)值，使系統(tǒng)導(dǎo)航出來的路徑更加安全可靠。實驗結(jié)果表明：系統(tǒng)簡單和復(fù)雜路徑導(dǎo)航成功率分別為97.06%和96.34，定標(biāo)點平均導(dǎo)航誤差為0.467 9 m，可以勝任盲人日常自主出行的導(dǎo)航服務(wù)。在未來可以將RFID標(biāo)簽嵌入盲道磚中，在進(jìn)一步提高導(dǎo)航精度的同時，還可以大幅度減少標(biāo)簽使用量。