摘要

　　近年來，隨著基于位置服務日益增大的需求，同時基于衛星定位的全球導航衛星系統無法在室內定位，針對復雜室內場景的室內定位技術發展迅速，逐步在各行各業中發揮作用，從各個方面影響著人們的日常生活。本文首先對目前主流的室內定位技術分類體系、定位原理和方法進行了詳細介紹，然后對國內外室內定位技術的研究現狀進行了分析和對比，最后對室內定位技術的應用和難點進行了總結。

　　室內定位技術

　　室內定位是指在室內環境中實現位置定位，主要采用無線通信、基站定位、慣導定位等多種技術集成形成一套室內位置定位體系，從而實現人員、物體等在室內空間中的位置監控。

　　隨著通信技術和電子制造工藝的不斷發展和普及，室內定位技術層出不窮，定位精度從幾米到幾十米都有，并在一些行業中得到了應用。

　　PART04 主流的室內定位技術

　　根據前面介紹的定位方法，衍生出了多種室內定位技術，下面將對主流的室內定位技術進行簡要介紹。

　　視覺定位

　　視覺定位系統可以分為兩類，一類是通過移動的傳感器（如攝像頭）采集圖像確定該傳感器的位置，另一類是固定位置的傳感器確定圖像中待測目標的位置。根據參考點選擇不同又可以分為參考三維建筑模型、圖像、預部署目標、投影目標、他傳感器和無參考[18]。參考3D建筑模型和圖像分別是以已有建筑結構數據庫和預先標定圖像進行比對。而為提高魯棒性，參考預部署目標使用布置好的特定圖像標志（如二維碼）作為參考點；投影目標則是在參考預部署目標的基礎上在室內環境投影參考點。參考其他傳感器則可以融合其他傳感器數據以提高精度、覆蓋范圍或魯棒性。

　　Hile和Borriello使用照相手機比對圖像和樓層平面圖，達到了30cm的定位精度[19]。Sj使用一個低分辨率相機基于參考圖像實現SLAM(Simultaneous LocalizationAnd Mapping)算法，達到了亞米級的定位精度[20]。Mulloni使用條形碼作為參考點標記，實現了厘米到分米級的定位精度[21]。Tilch和Mautz使用一個移動相機和激光儀作投影，定位精度可達到亞毫米級[22]。LiuT.使用一個6自由度慣性測量單元(Inertial Measurement Unit, IMU)和兩個激光掃描器獲取位置，平均定位精度達到行走距離的1%[23]。

　　紅外線定位

　　紅外線是一種波長在無線電波和可見光波之間的電磁波?；诩t外線的定位系統可以主要分為兩類：有源信標、紅外成像[4]。

　　有源信標是在室內放置若干紅外接收機，同時待測物攜帶一個裝有紅外發射機的電子標簽。該標簽周期發送該待測物的ID，接收機接收到信號后將數據發送到數據庫進行定位。該方法具有代表性的是AT&T實驗室和劍橋在1992年聯合發布的Active Badge系統。該系統可以達到6米的平均定位精度[24]。

　　紅外成像則是通過傳感器采集環境中自然紅外輻射生成圖像實現檢測行人或其他待測目標。2011年德國Ambiplex提供基于自然環境熱輻射的“IR.Loc”定位系統，基于AOA確定熱源的位置，可實現10m范圍內20cm至30cm的定位精度[25]。

　　Polar Systems

　　極點定位

　　該系統通過儀器測量到達角或者到達時間進行定位，儀器通常有激光跟蹤儀、全站儀和經緯儀。全站儀的可覆蓋范圍通常為2km到10km，但其設備高成本、大體積以及對可視距的要求使其不適用于在室內定位中推廣。

　　NikonMetrology 2011年發布的iGPS(indoor Global Positioning System)實現了基于激光的室內工業級高精度三維定位。其原理與GPS不同，包括不少于兩個固定位置的發射器發射扇形激光束和參考紅外脈沖，基于TDOA原理實現對接收機的定位。NikonMetrology宣稱該系統可實現在布設4至8個發射器的1200平方米的典型測試環境中實現0.2mm的三維定位精度[26]。但其造價十分昂貴，可用于工業級定位需求，不適合于大眾市場研究和推廣。

　　超聲波定位

　　超聲波定位主要采用反射式測距法，通過多邊定位等方法確定物體位置，系統由一個主測距器和若干接收器組成，主測距儀可放置在待測目標上，接收器固定于室內環境中。定位時，向接收器發射同頻率的信號，接收器接收后又反射傳輸給主測距器，根據回波和發射波的時間差計算出距離，從而確定位置[27]。

　　Ward于1997年建立的ActiveBat是超聲定位的先驅，通過大量部署接收設備(720個標簽)，達到3cm的定位精度[28]。超聲波定位整體定位精度較高，結構簡單，但超聲波受多徑效應和非視距傳播影響很大，且超聲波頻率受多普勒效應和溫度影響，同時也需要大量基礎硬件設施，成本較高。

　　WLAN定位

　　基于IEEE802.11b標準的無線局域網已在人們的生活場所大量部署，使用WLAN信號定位的優勢在于不需要部署額外設備，定位成本低，信號覆蓋范圍大，適用性強，利于普及推廣[9]。

　　基于RSSI的指紋定位法是目前主流的WLAN定位方法[29]，定位精度取決于校準點的密度，從2m到10m不等。同時基于TOA測距的定位方法由于多徑效應和時鐘分辨率低定位效果較差[30]，而基于RSSI測距的定位方法由于信號衰減與距離的關系在不同環境和設備條件下都有改變，定位結果也不理想。

　　RFID定位

　　射頻識別(RFID)是一種操控簡易，適用于自動控制領域的技術，它利用電感和電磁耦合的傳輸特性，實現對被識別物體的自動識別。RFID定位系統通常由電子標簽、射頻讀寫器以及計算機數據庫構組成。最常應用的定位方法是鄰近檢測法。利用RSSI實現多邊定位算法也可一定程度上實現范圍估計。根據電子標簽是否有源可以分為有源RFID和無源RFID。

　　有源RFID

　　有源RFID的電子標簽包含電池，因此信號傳輸范圍相比于無源RFID更大，達到30米以上。同時可以實現基于RSSI測量的指紋定位[31]。Seco使用高斯過程描述RSSI在室內的傳播結合指紋定位的方法，在1600平方米的實驗環境中采用71個RFID標簽實現50%定位誤差1.5m[32]。

　　無源RFID

　　無源RFID系統只依賴電感耦合，因此沒有電池。相比有源RFID，體積更小，耐用性更高，成本更低。無源RFID定位系統多使用鄰近探測法實現定位。

　　超寬帶定位

　　超寬帶定位系統通常包括UWB接收器、參考標簽和其他標簽。超寬帶技術通過發送納秒級及其以下的超窄脈沖來傳輸數據，可以獲得GHz級的數據帶寬，發射功率較低，無載波[33]。因為其高帶寬，理論上基于TOA或TDOA方法實現厘米級的定位。Ubisense是發布于2011年采用TDOA和AOA的室內定位系統，定位精度可達15cm，測距范圍達到50m[34]。但UWB系統較高的系統建設成本阻礙了其普及推廣。

　　慣性導航

　　慣性導航系統(Inertial Navigation System, INS)廣泛應用于制導武器、艦艇、火箭、飛機和車輛等的導航與跟蹤，其核心組件IMU，由三個正交的單軸加速度計和三個正交的陀螺儀組成。隨著微機電技術的發展，傳感器尺寸變小，成本降低，同時加入磁力計，被廣泛應用于行人導航[35]。

　　慣性導航基于航位推算方法實現，因此隨著時間會產生累積誤差，其定位精度取決于傳感器質量和傳感器安放位置[36]。綁在腳上的慣性導航可采用零速校正限制漂移實現定位誤差小于行走距離的1%，而安放在其他位置則定位誤差常常大于1%。隨著智能手機的普及和微機電器件的發展，基于智能手機的慣性導航成為研究熱點[37][38][39][40]。

　　地磁定位

　　現代建筑物基本都具有鋼筋混凝土結構，這些建筑物墻體內部的金屬結構會對室內的地磁場產生很大影響，而室內的電氣設備也會對磁場產生影響。同時室內磁場具有較強的穩定性[41]。故室內地磁場是一種可運用于室內定位導航的有效信息源。地磁定位，是指利用地磁場特征的特異性獲取位置信息的技術方案[42]。定位方法主要采用指紋定位的方法。由于原有磁場信息，故成本相比其他定位技術更低，但仍需要人工建立數據庫。IndoorAtlas的地磁定位方案是其中代表，定位精度已能達到1~2米[43]。

　　偽衛星

　　衛星是一種基于地面的能傳播類似GNSS信號的發生器，最簡單的組成是GNSS信號發生器和發射裝置[44]。采用與GNSS信號體制不同的偽衛星，可避免對正常衛星信號的干擾，可達到厘米級定位精度，但設備復雜，成本很高。Locata在2010年發布的系統可實現50平方千米內2厘米的定位精度[45]。

　　藍牙和ZigBee定位

　　藍牙和ZigBee技術類似，有部分重合頻段，且兩者定位技術均基于短距離低功耗通信協議：ZigBee是基于IEEE802.15.4標準的低功耗局域網協議；目前藍牙定位主要使用藍牙4.0規范，是基于低功耗藍牙技術(Bluetooth Low Energy, BLE)。兩者都具有近距離、低功耗、低成本的特點[46][47]。ZigBee（藍牙）的定位均通過在室內環境中布置靜態參考點(藍牙beacon)，可以實現基于鄰近探測法、質心法[48]、多邊定位和指紋定位的定位系統[49][50]。定位精度主要取決于基礎設施的部署密度。2016年發布的藍牙5.0協議支持BLE Direction Finding的 Angle of Arrival（AoA）和Angle of Departure（AoD）參數估計，這些參數將為1m以內的室內定位提供技術支撐。

　　蜂窩網絡定位

　　蜂窩網絡技術是一種成熟的通信技術，主要用于對移動手機的定位。蜂窩網絡通過檢測移動臺和多個基站之間傳播信號的特征參數（RSSI，傳播時間或時間差，入射角等）[51]，可采用鄰近探測法、AOA、TOA和OTDOA (Observed Time Difference Of Arrival, 觀測到達時間差)[52]實現定位，可作為普適化的定位方案。目前Cell-ID加上RTT解決方案精度為20-60m。采用智能天線MIMO+TDOA/AOA技術，精度可以達到5-10m。未來的5G網絡具有大帶寬、多天線、密集組網等優勢，可以實現1m以內的定位精度。

　　融合定位

　　融合定位是指融合多種定位技術、多傳感器的信息進行綜合定位，以達到優勢互補，提高定位精度、魯棒性，降低定位成本。定位技術的選擇則主要視場景需求而定，多為絕對定位技術與相對定位技術的結合，如浙江大學郭偉龍實現了地磁與慣導結合的室內定位系統[41]，平穩步行時90%定位誤差小于4.5m；上海交通大學錢久超將慣導定位與地圖結合實現手機端的室內定位，正常持握手機姿態下95%誤差為0.8m[36]；同時也有很多研究將WiFi與慣導結合[53][54]取得了較好的效果。針對行人復雜的運動行為，[55][56]提出了運動識別輔助的行人定位方法，提高了室內定位的魯棒性。

　　協同定位

　　協同定位是指在一個定位場景中存在已知節點和未知節點，未知節點之間可以進行信息交互，也可以相互之間進行測距、測向或鄰近探測，并且可以利用過去時刻的定位信息，從而實現對未知節點當前時刻的定位。協同定位的具體方式可根據具體定位技術調整，目標在于通過節點之間的協同合作提升單個節點及整個系統的定位性能[57]。協同定位在多機器人定位、無線網絡定位、水下自主航行器及衛星定位等研究中正受到越來越多的關注。文獻[58]對無線傳感網絡關于協同定位的研究進行了綜述。意大利都靈理工大學的R. Garello團隊進行了協同定位對衛星定位終端輔助捕獲的研究，并比較了幾種常見的定位算法的性能[59]。文獻[60]對水下自主航行器的協同定位進行了綜述。

　　Crowdsensing

　　群智感知

　　群智感知是將普通用戶的移動設備作為基本感知單元，通過網絡通訊形成群智感知網絡，從而實現感知任務分發與感知數據收集，完成大規模、復雜的社會感知任務。在計算機科學領域，與群智感知相關的概念有：群體計算(Crowd computing)、社群感知(Social sensing)、眾包(Crowdsourcing)等等。在室內定位領域，群智感知也得到廣泛的研究和應用。文獻[61]分析了利用Crowd Sensing進行機會信號獲取，并應用于室內定位方法。清華大學的吳陳沭利用移動群智感知機制，提出了無人工現場勘測的無線信號指紋地圖構建技術[62]。上海交通大學的張敏將用戶的運動信息與無線信號結合，通過無線虛擬地標和GraphSLAM圖優化方法，利用群智感知建立無線定位指紋庫[63]。上海交通大學的高文政同樣基于群智感知，提出了指紋信號的衰減生命周期描述方法，實現了對無線定位網絡指紋庫的自適應更新[64]。

　　未 完 待 續