群智感知式WiFi信号指纹辅助的图像匹配室内定位方法

摘要

本发明提供一种群智感知式WiFi信号指纹辅助的图像匹配室内定位方法，该方法用WiFi实现初步定位，再利用所得初步定位的结果进行辅助图像定位，减少图像定位的复杂性，提高室内定位结果的实时性。

主权项

一种群智感知式WiFi信号指纹辅助的图像匹配室内定位方法，其特征在于，包括以下步骤：步骤S100：根据室内布局特点并结合KWNN算法中所需邻近邻居数量，随机采集至少K个参考点并记录各所述参考点的坐标、各所述参考点上接收到的WiFi接入点数量、各所述接入点的MAC地址以及所述接入点对应的RSSI值，同时获取所述参考点正前方的环境图像并对所述数据库图像进行编号，并将每一所述参考点对应的坐标、WiFi接入点数量、所述接入点的MAC地址、所述接入点对应的RSSI值以及所述参考点正前方的环境图像作为一条数据存入数据库中；步骤S200：扫描待定位移动节点MN在t₁时刻扫描到的接入点AP指纹数据序列，并得出处于所述待定位移动节点MN附近的所述参考点在数据库中的所述接入点AP指纹数据序列，通过KWNN算法判断扫描到的所述接入点L_(d,i)AP与所述数据库中每一个参考点上对应存储的所述AP的MAC地址是否相同，然后计算具有相同MAC地址的AP的RSSI值之间的二维欧式距离，对有相同MAC地址的所述AP的RSSI值求和，作为所述参考点i的距离：$L_{(d,i)}={\left(\underset{n}{\Sigma }\right|\left({\mathrm{RSSI}}_{MN}^{(i,n)}-{\mathrm{RSSI}}_{RP}^{(i,n)}\right){|}^p)}^{\frac{1}{p}}---\left(1\right)$上式中RSSI_MN表示移动节点MN扫描到AP的WiFi信号强度值，i表示参考点序号，该值最大为数据库的总数，RSSI_RP表示所述数据库中所述参考点存储的WiFi信号强度值，n表示具有共同MAC地址的接入点AP数量；选取任一所述参考点附近的K个邻近邻居，计算K个所述参考点与各所述邻近邻居的欧式距离值L_(d,i)，对所得K个距离值归一化得到各自权重ωi，计算公式为：${\omega }_i=\frac{1/L_{(d,i)}^q}{\underset{i=1}{\overset{K}{\Sigma }}(1/L_{(d,i)}^q)}---\left(2\right)$其中q为调节参数，上式(2)中取为2；根据K个所述参考点在所述数据库中存储的坐标及其归一化距离权重ω_i，计算得到所述移动节点MN的初始位置坐标$P_i{(x,y)}_{KWNN}=\left\{\underset{i=1}{\overset{K}{\Sigma }}{x}_i.{\omega }_i,\underset{i=1}{\overset{K}{\Sigma }}{y}_i.{\omega }_i\right\}---\left(3\right)$其中，(x_i,y_i)对应表示K个邻居的坐标值，i＝1,2,...,K；步骤S300：用户在所述待定位移动节点MN处拍摄前方的图像得到用户图像，按SIFT特征提取算法处理所述数据库图像和所述用户图像，分别得到每个所述数据库图像的N₁个特征点和所述用户图像中的N₂个特征点及所述每个特征点的128维特征向量，并存储在所述数据库中，其中N₁≠N₂，计算所述用户图像和所述数据库图像中任意两特征点之间的特征向量欧式距离d_(s,j)，计算公式为：$d_{(s,j)}={\left(\underset{t=0}{\overset{127}{\Sigma }}{\left(|f_{(s,t)}-f_{(j,t)}|\right)}^p\right)}^{\frac{1}{p}}---\left(4\right)$其中，s表示所述用户图像经过处理后得到的特征点序号，值为s＝1,2,...,N₂，j表示所述数据库中存储的任一张所述数据库图像的特征点序号，值为j＝1,2,…,N₁，t表示每一个特征点的128维特征向量，t＝0,1,...,127，f_(s,t)表示所述用户图像第s个特征点的第t维特征向量值，f_(j,t)表示所述数据库图像的第j个特征点的第t维特征向量值，d_(s,j)表示所述用户图像的第s个特征点和所述数据库图像的第j个特征点的欧式距离值；步骤S400：取d_(s,j)中的最小值与次最小值相比的比值作为所述用户图像中该特征点与每一张所述数据库图像中的所有特征点之间的相似性判定度量，如果该比值小于设定的阈值，则认为所述用户图像与所述数据库图像中存在一个共同特征点，求算所述用户图像和所述数据库图像之间的共同特征点数量Fc，根据所述共同特征点数量Fc求解所述用户图像和所述数据库图像的图像匹配因子η_i，根据所述图像匹配因子η_i校正权重ω_i得到校正因子，计算公式如下：${\xi }_i=\frac{{\omega }_i+{\eta }_i}{\underset{i=1}{\overset{K}{\Sigma }}({\omega }_i+{\eta }_i)}---\left(5\right)$其中，i＝1,2,...,K表示邻近邻居的编号，K表示邻近邻居的数量；用所述校正因子ξ_i对所述移动节点MN的初步位置坐标按下式进行校正：$P_i(x,y)=\{\underset{i=1}{\overset{K}{\Sigma }}{x}_i.{\xi }_i,\underset{i=1}{\overset{K}{\Sigma }}{y}_i.{\xi }_i\}---\left(6\right)$其中，i＝1,2,...,K表示邻近邻居的编号，K表示邻近邻居的数量，P_i(x,y)即为经过本发明方法得到所述移动节点MN的室内定位位置坐标。