室内是人类活动的重要空间，人们80%以上的时间处于室内环境。在时空信息与定位导航服务已成为重要新型基础设施的当下，北斗、GPS等卫星导航定位系统可以满足大部分定位导航，但却无法应用于室内、地下等封闭/半封闭空间。室内定位作为智慧城市、智能建造及安全运维的关键技术，相关行业对其有迫切的需求。
室内定位方法包括5G、Wi-Fi、蓝牙、UWB、LED光源、视觉、音频、磁场匹配、地图匹配、PDR等，但现有方法的可用性受到一定的限制——基站定位（5G、Wi-Fi、蓝牙、音频等）需要布设基站；视觉定位需要构建图像库、要求保持手机持握姿势；特征匹配（Wi-Fi、地磁）需要指纹库构建与更新；惯性定位则累积误差大、受手机使用模式影响。那么传感器和泛在信号之外，是否还有其他信号可用于定位？
做位置服务除了定位，另一个因素是建图。室内地图、位置指纹地图的采集与更新是制约室内定位应用的瓶颈之一，专用设备测图成本高，这时众源建图是有效的解决方法。如何实现相对众源轨迹数据的事后恢复？
传感器技术的发展使得人们可以通过智能手机检测行人的行为，如微信运动。行人在室内的行为包含了丰富的语义信息：位置相关的行为可以反映室内特殊位置，比如上下电梯、楼梯、转弯等；轨迹则反映了室内的几何拓扑结构。移动对象（人/车）在室内的行为包含了丰富的情景语义信息，我们通过行为感知将位置和地图关联，提出了“行为感知辅助的高可用室内定位方法”。
二 基于智能手机的行为感知
1 基于智能手机的行为检测
基于智能手机采集了一个人室内从1楼走到14楼的数据，通过信号提取出不同行为的传感器特征，发展了基于深度学习的行为检测方法，实现了室内行为的自动识别。
2 基于数据驱动的航位推算
室内除了语义行为还有轨迹行为。将大量时间窗口内的传感器数据作为输入，窗口数据对应的真实行进位移作为回归对象，利用机器学习/深度学习的方法，实现数据驱动下的距离及航向回归预测，目前已被实验验证可大大减弱传统PDR的漂移误差的问题。改变网络输入，引入重力测量，在IONet网络基础上加入坐标系对齐模块——通过将手机的y轴与负重力的方向对齐，将加速度计和陀螺仪数据表示在一个相对稳定的坐标系上；消除智能手机的横滚和俯仰歧义，假设对象在平坦的地面上行走，则垂直位移为零，即对应稳定的航向和位移。实验结果比牛津大学IONet（Chen et al., 2018）提高24.5%。
多使用模式下的航位推算
三 行为感知增强的室内定位
1 基于行为序列的室内定位针对行人的航位推算会累积误差，必须已知起点且只能实现相对定位，行为地图匹配存在误匹配（行为识别错误、地标歧义性）等问题，提出了基于行为序列（由行人行走过程中连续多个位置行为组成）的室内定位方法，使用隐马尔科夫模型（HMM），将行为序列与室内地图中的特殊位置进行匹配，实现起点未知情况下的惯性定位；将室内地图建模成“点-线”模型，位置相关的行为发生在“点”，轨迹构成了“线”。
2 融合PDR与WiFi RTT的室内定位方法
提出了一种由一组EKF组成的自适应滤波系统，用于获得WiFi RTT定位结果并选择最优滤波参数；提出了一种基于融合跟踪联邦滤波器的室内定位方法，用于融合WiFi RTT和行人航位推算（PDR）。提出的定位框架的每一步算法改进获得的定位结果都优于经典的EKF算法，提出的完整定位算法得到的定位误差精度提升37.4%-67.6%。
3 基于数据驱动惯性导航与蓝牙融合的室内定位方法
提出了可行的融合数据驱动惯性导航进行定位的方法，且在四种惯用姿态下，精度表现良好，提出的数据驱动惯性导航方法有对现有技术的改进。
四 行为地标辅助的众源建图
1 基于多维标度分析的室内建图
多维标度技术（Multi-Dimensional Scaling, MDS）是一种把实体之间的相似性信息转换成几何空间信息的数据分析技术。MDS利用对象之间的相似性度量（例如相关系数或相似性系数）或非相似性度量（例如某种距离），构造多维空间上各个实体之间的相对坐标图。将室内的众包数据用行为检测的方法得到语义节点，用语义节点去聚类得到室内地图的节点，通过PDR获取相对距离并构建相对距离矩阵，用MDS的方法就可以得到相对地图。
2 基于图优化的室内建图
使用行为地标作为SLAM中的回环检测，以此优化众包轨迹，构建室内地图。
3 融合行为及结构感知的众源纹理更新
针对室内空间三维模型纹理更新难题，提出一种融合行为及结构感知的三维模型纹理众源更新方法，降低了室内三维模型纹理更新的成本。结果比3D视觉提升了53.4%，比行为地图匹配提升了46.7%。
4 基于众源数据的室内外一体化行人语义路网构建
当前导航缺乏路网语义信息，无法满足特殊人群的出行需求，十四五规划中明确指出加强无障碍环境建设的目标。采用智能手机定位传感器与惯性传感器记录的众源轨迹，首先对缺失或者漂移的室内步行数据进行筛选，然后使用改进的行人航位推算（PDR）方法推算出准确的室内轨迹，进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。实验分析中对搜集到的260条步行轨迹数据进行行人路网构建，并使用高精度测量设备采集真实路网数据进行对比分析，结合OSM数据对实验结果进行综合评价。实验结果表明，本方法能够准确、完整地生成室内外一体化行人路网。
基于卷积神经网络的语义行为检测
总结来说，提出了行为感知辅助的高可用室内定位方法，在行为感知的基础上，通过行为语义信息提高室内定位的可用性：1）基于智能终端的行为感知——置行为识别、轨迹行为推算；2）通过位置行为感知提高定位精度；3）通过行为地标实现众源建图。
下一步工作是开发能够基于轻量化网络，满足在线识别、定位等需求的应用APP。
作者是深圳大学副教授