本文我将对近期了解到的室内定位方法做一个较详细的总结
微信号：guoguoma2727扫码免费领取用友软件使用权
复制微信号
一、室内定位的背景和意义
基于位置的服务作为一种生活方式已逐渐渗透到人类生活的方方面面。目前在室外环境中，基于全球定位系统（GPS）或 蜂窝移动网络，定位导航技术已经比较成熟。但由于室内环境存在较多的遮挡和障碍，会使卫星或蜂窝网络的信号脆弱，从而使室内定位无法通过GPS或蜂窝移动网络技术实现。由于人类平均约有70%～90%的时间在室内度过，我们更期望能实现在室内环境下(如商场门店、病房、监狱、办公室、车库等)的定位跟踪技术。
二、国内外在该方向的研究现状及典型定位技术的分析
工业界和学术届均在探求高精度、高可靠性的室内定位技术。2011年谷歌依靠WiFi和移动通信基站等信息发布室内地图，覆盖包括商场超市、机场、车站等建筑物；苹果依靠大量iBeacon设备和用户的iPhone绘制室内地图；加拿大Calgary大学结合传感器、公共场合无线信号（Wi-Fi、蓝牙）以及室内环境特征（如磁场环境），实时可靠地提供用户在室内的位置。同时微软举办的室内定位大赛（全球最重要的两项室内定位大赛之一)，每年吸引大量的公司和高校的定位团队参加，其中使用的室内定位方法，也在很大程度上反映出现阶段主流的室内定位技术。国内由遥感中心举办的“室内导航定位比测”，也反映出了现阶段国内的主流室内定位技术。现分析如下：
1、室内定位从原理（算法）层面可大致分为三类，第一类为基于几何的三边(几何)测量技术，其中包括对距离信息的测量方式（TOA、TDOA、RSS）和对角度信息的测量方式（AOA）；第二类为对场景进行分析的测量方式（fingerprinting);第三类为自身测量技术。
1.1 几何测量技术
1.1.1 TOA
测量出待定位节点到固定节点所需要的时间，用所测得的时间差乘上信号传播的速度可得到待定节点与固定节点间的距离，如果已知至少与三个固定节点间距离，就可以通过联立求解方程求得待定节点的位置，即为以固定节点为圆心，各固定节点与待定节点的距离为半径的若干个（至少为3个）球面的交点处。在TOA算法中影响定位精度的主要因素为测量误差，因为信号传播的速率非常快，微小的时间检测误差也会导致很大的距离估计误差。另外时钟同步也是引起误差的原因，如果接收端与发送端无法做到精确的时钟同步，也会导致很大的定位误差，这就要求TOA算法需要精确的时间测量检测误差，硬件设备要求较高，价格较为昂贵。
TOA一次定位过程：
（1）待定位节点首先发出一个包，同时记录下当前的时间信息，记为T1。
（2）固定节点收到待定位节点的信息，记录当前时间T2。
（3）固定节点计算时间差T=T2-T1,并且根据此计算出距离d=c*T（d为待定节点到固定节点间距离，c为信号传播速率）。
（4）通过数学方法解算出待定节点的空间坐标。
1.1.2 TDOA
TDOA是一种利用时间差进行定位的方法。TDOA至少需要三个已知坐标位置的基站，通过获取不同基站之间的信号传送时间差来定位。假设三个基站坐标分别已知，已第一个基站为标准，分别得到第二个基站与第一个基站的时间差T1，第三个基站与第一个基站的时间差T2，用时间差乘以信号传播的速率，得到距离差，可得到若干条（至少两条）双曲线。TDOA实际上归结为求解两根（或更多根）双曲线的交点。TDOA是TOA的升级版本，它对同步的要求更低一些，仅需保证各固定节点间的时间同步，精度更高一些。
TDOA一次定位过程
（1）待定位节点首先发出一个信号。
（2）多个固定节点接受到同一个包，并记录当前时间。
（3）计算各固定节点间的时间差，根据d=c*T（d为待定位节点到各固定节点间距离）。
（4）通过数学方法解算出待定节点的空间坐标。
1.1.3 RSS
根据收到信号的强度来估计距离（两个节点离的越远，收到的信号越弱），利用路径丢失正规阴影模型（公式如下）估计待定节点与固定节点间的距离，然后使用三边测量法用至少三个固定节点估计待定节点的位置。RSS方式的主要优势是节点之间不要求高度的时间同步，显着的缺点是易受混乱环境的影响，尤其是在有干扰信号的环境中，会使对距离的估计不精准。
Pr（d）=Po - 10rlog10 (d). （有时会加S作为高斯随机变量，标准偏差下值为0）
其中Pr（d）是在距离d处收到的信号强度；Po是在1米的参考距离处收到的信号强度；r是已知的路径损失指数，室内环境下一般为2～6；d是所要求得的节点间距离。
1.1.4 AOA
在AOA定位算法中，待定位节点通过天线阵列或者其它接收设备获取固定节点无线信号的到达方向，计算节点间的相对方向角获取待定位节点的位置信息。估计待定位节点位置至少需要两个固定节点，如果AOA估计中出现一个小的误差，位置估计误差可能会被放大。
1.2 场景分析测量方式
1.2.1 fingerprinting
指纹匹配法是将难以直接测量的位置信息和容易获取的信号特征（一个或多个，常见的是信号强度、多径效应）建立映射关系，即对每个室内场景的位置坐标建立专属的信号特征指纹，从而匹配估算出待测的空间位置。如果待定位节点是在发送信号，由一些固定节点感知待定位节点的信号然后给它定位，这种方式叫做远程定位或网格定位。如果是待定位节点接受一些固定节点的信号，然后根据这些检测到的特征来估计自身的位置，这种方式叫做自身定位。在这两种方式中都需要将感知到的信号特征拿去匹配一个数据库中的信号特征。随着Wi-Fi、蜂窝移动通信的普及，指纹匹配法成为了一个很有吸引力的定位技术，它无需重新部署专用的设备，大大的减少了定位成本。它的缺点是指纹库的构建需要耗费大量的人力资源和时间成本。
1.3 自身测量技术
1.3.1 惯性导航技术
惯性导航技术是基于惯性传感器对状态进行预测，具体是利用加速计、陀螺仪和磁力计等传感器对前一时刻的位置信息进行处理，得到当前时刻的相对位置。由于传感器的小型集成化与低成本，现许多定位技术都融合了IMU来提高定位精度。惯性导航技术的主要缺点是不可避免的随着时间的推移产生累积误差，需要借助外部定位信息不断对位置推算进行校准。
2、室内定位技术可按否需部署分为两类，第一类（3D组）需要进行现场部署，测量的是三维坐标的信息，主要包括的技术有激光雷达、UWB、超声波等，基本都是使用TOA、TDOA、AOA这三种定位原理之一来实现；第二类（2D组）不需要部署额外硬件设备，要求使用智能手机、平板电脑等个人终端作为定位装置，测量的是二维坐标，主要包括的技术有利用现场Wi-Fi的RRSI定位、地磁定位、惯性导航定位等，多数使用的是指纹匹配和自身测量的定位原理。
2.1 部署类定位技术
2.1.1 激光雷达定位技术
激光雷达是一种集激光、GPS和IMU测量技术于一身的系统，用于获得数据并生成精确的位置信息。雷达通过测得激光信号的时间差、相位差确定距离，通过水平旋转扫描测角度，并根据这两个数据建立二维的极坐标系，再通过获取不同的俯仰角度的信号获得三维的高度信息。高频激光可在1秒内获取大量的位置点信息（称为点云），并根据这些信息进行三维建模。近几年，无人驾驶汽车市场发展火热，谷歌之后，百度、Uber等主流无人驾驶汽车研发团队都在使用激光雷达作为传感器之一，与图像识别等技术搭配使用，使汽车实现对路况的判断。传统的汽车厂商也纷纷开始研发无人驾驶汽车，包括大众、日产、丰田等公司都在研发和测试无人驾驶汽车技术，他们也都采用了激光雷达。激光雷达可以达到比较高的定位精度，误差基本在厘米级，有的甚至可以达到5厘米的精度。其存在的主要缺点是易受外界环境干扰及价格比较昂贵。
2.1.2 UWB定位技术
UWB技术需要部署额外的UWB基站和对应的UWB标签一起来标定被定位者的位置，主要包括TOA、TDOA、AOA、RSS的定位方法，是一种典型的基于测距方法的定位技术。其用来传输数据的脉冲信号功率谱密度极低、脉冲宽度极窄，因此具备了时间分辨率高、空间穿透能力强等特点，在视距环境下能获得优于厘米级的测距和定位精度。但由于UWB设备价格昂贵，部署成本比较高，很难进入消费级市场。
2.1.3 超声波定位技术
超声波定位的定位原理基本同激光雷达一样，只不过信号的载体变成了超声波，一般而言，精度在1米左右。
2.1.4 蓝牙iBeacon定位技术
蓝牙定位分为测距交汇法（详见1.1.3）和指纹匹配法（详见1.2.1），由于绝大多数手机终端都自带蓝牙模块，方便大范围地普及和场地范围的部署，最常用的蓝牙定位技术是基于蓝牙4.0的低功耗蓝牙技术（即iBeacon技术），但是基于蓝牙的定位技术容易受到外部噪声信号的干扰，信号稳定性较差，通信范围较小，精度大概在2～5米。国内有几家企业开发了iBeacon的产品，包括SENSORO（物联网）、四月兄弟（iBeacon开发）、智石科技（室内定位）等。
2.1.5 视觉定位技术
单目相机是从多组拍摄图片中获取场景的深度信息，根据定位点在多组拍摄如片中的不同坐标值，就可以根据几何的方法得到特征点在一个固定世界坐标系中的坐标。
深度相机是通过主动的方式向目标物体发射光并利用接收器接收返回的光，进而计算目标物体和相机的距离。
双目视觉是用两部相机来定位。对物体上一个特征点，用两部固定于不同位置的相机摄得物体的像，分别获得该点在两部相机像平面上的坐标。只要知道两部相机精确的相对位置，就可用几何的方法得到该特征点在固定一部相机的坐标系中的坐标，即确定了特征点的位置。其定位精度较高，优于单目相机定位。
近年来，基于视觉的定位技术受到了全世界各个领域专家们的广泛关注，该技术来源于基于机器人的定位导航领域，同时也是视觉SLAM中的一个重要环节。
2.2 非部署类定位技术
2.2.1 基于现场Wi-Fi的定位技术
与蓝牙定位技术原理相同，Wi-Fi定位也分为测距交汇法和指纹匹配法，依靠Wi-Fi进行定位相比于其它技术有一个更好的优势，因为它依赖现存的设施，不需要通过任何额外部署的软件和硬件处理。但由于信号衰减模型与室内环境非常相关，很难获得准确的强度衰减模型（或是由于指纹的建立耗费大量的人力、时间），Wi-Fi定位技术的精度一般在3～5米。所有基于无线信号强度的定位技术中，有两个因素非常关键，一个是信号源部署密度，另外一个就是无线信号的稳定程度。
2.2.2 地磁定位
地磁定位是模拟鸽子等生物仿生学的定位方式，利用建筑内独特的地磁场来作为信号源进行定位，相比于Wi-Fi、iBeacon等，地磁场天然存在且较为稳定，如果建筑建构不发生大的改变，地磁分布也不会发生改变。建筑内的钢筋结构不同，为每个区域形成了独特的磁场分布，地磁定位正是利用了这种分布来测算位置。地磁定位技术通常可以达到2米左右的精度。但地磁定位获取初始位置，需要持续行走5～8米左右，这给部分场景带来了一些限制，另外地磁易受到带磁性设备的干扰
2.3 多源融合定位技术（HDF）
独立的定位技术很难达到一个很高的定位精度，例如在不可控的环境下，信号的衰减和多径效应有可能会受到干扰，如果结合其他传感器（如IMU，摄像机）等测得的定位信息去补偿这些问题，会改善这个精度，使定位信息更可靠。
下表是对6种典型的定位技术总结：