GIS輔助的室內(nèi)定位技術(shù)研究進(jìn)展

李清泉，周寶定，馬 威，薛衛(wèi)星

1. 深圳大學(xué)廣東省城市空間信息工程重點(diǎn)實(shí)驗(yàn)室，廣東 深圳 518060； 2. 人工智能與數(shù)字經(jīng)濟(jì)廣東省實(shí)驗(yàn)室(深圳)，廣東 深圳 518060； 3. 深圳大學(xué)土木與交通工程學(xué)院，廣東 深圳 518060

移動(dòng)互聯(lián)網(wǎng)及智能終端等技術(shù)的發(fā)展，推動(dòng)了基于位置服務(wù)(location based service,LBS)相關(guān)應(yīng)用的普及。在LBS應(yīng)用中，位置信息是基礎(chǔ)，在室外區(qū)域，位置信息可以通過GPS獲取，然而，由于遮擋和反射等因素的影響，使得GPS信號(hào)出現(xiàn)衰減和多徑效應(yīng)，無法應(yīng)用于室內(nèi)定位，因此，室內(nèi)定位的研究成為位置服務(wù)的熱點(diǎn)，國內(nèi)外高校在室內(nèi)定位領(lǐng)域均開展了相關(guān)研究[1-4]。同時(shí)，室內(nèi)定位技術(shù)也引起我國政府部門的重視，為解決室內(nèi)外高精度定位問題，科技部推動(dòng)了廣域室內(nèi)外高精度定位導(dǎo)航系統(tǒng)——“羲和系統(tǒng)”、863計(jì)劃——“特大城市室內(nèi)外無縫定位信號(hào)體制與系統(tǒng)構(gòu)建”。2016年，科技部在“地球觀測(cè)與導(dǎo)航”重點(diǎn)專項(xiàng)中，資助了3項(xiàng)“室內(nèi)混合智能定位與室內(nèi)GIS技術(shù)”相關(guān)項(xiàng)目。

作為位置服務(wù)的關(guān)鍵技術(shù)之一，近年來，室內(nèi)定位技術(shù)也引起眾多公司企業(yè)的關(guān)注。2012年，谷歌推出針對(duì)谷歌地圖的室內(nèi)定位應(yīng)用；微軟更新Bing Maps功能，加入大量室內(nèi)地圖；蘋果公司2013年3月耗資2000萬美元收購室內(nèi)定位公司W(wǎng)iFiSLAM，2013年9月推出iBeacon地理圍欄方案，2014年蘋果全球開發(fā)者大會(huì)(WWDC)上推出IOS8最新的CoreLocation API，用于處理室內(nèi)定位數(shù)據(jù)；2019年9月，蘋果在發(fā)布的新款iPhone11手機(jī)中搭載UWB芯片，支持UWB高精度室內(nèi)定位。在國內(nèi)，百度公司于2012年9月發(fā)布的百度地圖4.0中正式推出室內(nèi)定位功能，2014年9月，百度公司對(duì)室內(nèi)地圖提供商IndoorAtlas公司投資1000萬美元；2014年9月，阿里巴巴旗下淘點(diǎn)點(diǎn)事業(yè)部聯(lián)手銀泰集團(tuán)，布局基于iBeacon技術(shù)的Shopping Mall餐飲導(dǎo)購項(xiàng)目；2015年8月，騰訊公司對(duì)室內(nèi)定位企業(yè)sensewhere進(jìn)行了戰(zhàn)略投資；2019年5月騰訊位置服務(wù)推出“室內(nèi)通”，以提升室內(nèi)導(dǎo)航體驗(yàn)；高德地圖于2014年3月，推出室內(nèi)地圖SDK和靜態(tài)圖API，提供室內(nèi)地圖數(shù)據(jù)，類似的室內(nèi)地圖數(shù)據(jù)供應(yīng)商有點(diǎn)道、圖淵等。

目前，智能手機(jī)已經(jīng)成為室內(nèi)定位的主流方式，這得益于傳感器和移動(dòng)互聯(lián)網(wǎng)等相關(guān)技術(shù)的快速發(fā)展，使得智能手機(jī)已經(jīng)從單純的通信設(shè)備，進(jìn)化成為一種集通信、計(jì)算與感知為一體的便攜式智能終端[5]。基于智能手機(jī)的定位可以分為射頻定位、慣性定位、視覺定位、磁場(chǎng)定位和聲音定位等幾種。其中射頻定位包括WiFi、藍(lán)牙等，由于射頻信號(hào)容易受到室內(nèi)復(fù)雜環(huán)境的干擾，其定位精度和穩(wěn)定性較差。慣性定位依賴于智能手機(jī)內(nèi)置慣性傳感器實(shí)現(xiàn)。受限于傳感器尺寸、成本、功耗等因素，智能手機(jī)內(nèi)置慣性傳感器精度通常較低，無法直接滿足室內(nèi)定位的精度需求。視覺定位嚴(yán)重依賴場(chǎng)景中的特征點(diǎn)，當(dāng)室內(nèi)環(huán)境中存在大量墻壁、窗戶等重復(fù)性紋理時(shí)，誤匹配情況廣泛存在。磁場(chǎng)定位和聲音定位均容易受到周圍環(huán)境的影響。針對(duì)基于智能手機(jī)室內(nèi)定位的問題，研究者們提出了一系列室內(nèi)定位解決方案，其中GIS輔助的室內(nèi)定位近年來受到人們的廣泛關(guān)注。

室內(nèi)GIS是當(dāng)前地理信息系統(tǒng)重要的發(fā)展方向[6-8]，主要包括有：室內(nèi)地圖、室內(nèi)拓?fù)浣Y(jié)構(gòu)、室內(nèi)空間幾何結(jié)構(gòu)、室內(nèi)圖像和室內(nèi)三維點(diǎn)云等信息。室內(nèi)GIS包含了豐富的先驗(yàn)信息，可用于提升室內(nèi)定位的精度和穩(wěn)定性。例如，室內(nèi)地圖約束可以提升WiFi定位的精度，基于室內(nèi)情景感知可以修正慣性定位的累積誤差[9]。本文將較系統(tǒng)地分析GIS輔助的室內(nèi)定位技術(shù)的研究進(jìn)展，并對(duì)其面臨的挑戰(zhàn)和未來發(fā)展趨勢(shì)進(jìn)行分析和展望。

1 GIS輔助的室內(nèi)定位技術(shù)發(fā)展現(xiàn)狀

室內(nèi)GIS包括室內(nèi)地圖、拓?fù)浼罢Z義等信息，這些信息都可用于輔助室內(nèi)定位，以提高室內(nèi)定位的精度和可靠性。行人在室內(nèi)環(huán)境中的運(yùn)動(dòng)受到室內(nèi)地圖的約束，例如，行人無法穿越墻壁等障礙物，因此，可以通過墻壁約束行人的軌跡，以此提高室內(nèi)定位的精度；行人在室內(nèi)的運(yùn)動(dòng)軌跡與室內(nèi)拓?fù)浣Y(jié)構(gòu)往往保持一致，因此，基于拓?fù)涞貓D匹配，可以估計(jì)行人的位置信息；室內(nèi)地圖還包含豐富的語義信息，可以與行人的行為進(jìn)行關(guān)聯(lián)，以此推斷行人位置。例如，當(dāng)檢測(cè)出行人的行為為乘電梯時(shí)，可以將其位置匹配到電梯處；室內(nèi)的視覺特征也可以用于定位。本節(jié)將從以上4個(gè)方面對(duì)GIS輔助的室內(nèi)定位技術(shù)發(fā)展現(xiàn)狀進(jìn)行介紹。

1.1 基于地圖約束的室內(nèi)定位

基于地圖約束的室內(nèi)定位方法的核心思想是利用一定的準(zhǔn)則，將不符合行人類運(yùn)動(dòng)規(guī)律的定位結(jié)果刪除，以此提高室內(nèi)定位的精度。文獻(xiàn)[10]利用室內(nèi)結(jié)構(gòu)對(duì)用戶的軌跡進(jìn)行約束，將用戶的軌跡約束在平行于建筑墻壁的路徑上，以此消除角度估算的誤差。文獻(xiàn)[11]提出一種協(xié)同定位的方法，通過建筑物的約束刪除穿過墻壁的候選路徑。

在基于地圖輔助的室內(nèi)定位方法中，粒子濾波是一種最常用的濾波方法，已經(jīng)被廣泛應(yīng)用于室內(nèi)定位中。粒子濾波是一種特殊的貝葉斯濾波器[12]，它由多個(gè)“粒子”組成，在室內(nèi)定位的應(yīng)用中，每個(gè)粒子表示一組位置和方向信息。一些粒子可能更接近于真實(shí)值，因此，不同的粒子具有不同的權(quán)值，用來表示該粒子為真實(shí)值的概率。粒子濾波是一個(gè)迭代的過程，通常由3部分組成：

(1) 更新：每個(gè)粒子根據(jù)運(yùn)動(dòng)模型進(jìn)行狀態(tài)轉(zhuǎn)移。

(2) 改正：根據(jù)運(yùn)動(dòng)模型估計(jì)結(jié)果和測(cè)量的角度向量之間的相似性，為每個(gè)粒子賦權(quán)值。

(3) 重采樣：根據(jù)改正后的每個(gè)粒子的權(quán)值，成正比例地復(fù)制生成一組新的粒子。

基于粒子濾波框架，研究者們提出了一系列基于地圖約束的室內(nèi)定位方法[13-15]，并應(yīng)用于多層建筑中的三維定位[16]。這類方法均根據(jù)行人航位推算的運(yùn)動(dòng)模型更新粒子，在粒子更新時(shí)，對(duì)于穿過墻壁的粒子，權(quán)值設(shè)為零，以此消除定位誤差。圖1為粒子濾波示意圖，將穿過墻壁的粒子權(quán)值設(shè)為零(死亡粒子)，通過存活粒子計(jì)算估計(jì)位置，以此提高位置估計(jì)的準(zhǔn)確性。

圖1 粒子濾波Fig.1 Particle filter

如何利用室內(nèi)地圖約束下的高精度定位結(jié)果，學(xué)習(xí)出定位系統(tǒng)中的模型參數(shù)，用以提高室內(nèi)定位精度，將是地圖輔助室內(nèi)定位的發(fā)展方向之一。文獻(xiàn)[17]提出“Lifelong Learning”的概念，將模型參數(shù)學(xué)習(xí)問題轉(zhuǎn)換成優(yōu)化問題，以求解最優(yōu)參數(shù)，提高行人航位推算的定位精度。

1.2 基于拓?fù)涞貓D匹配的室內(nèi)定位

室內(nèi)拓?fù)涞貓D指的是室內(nèi)地圖的“點(diǎn)-線”模型[18]，其中“點(diǎn)”為室內(nèi)地圖中的興趣點(diǎn)及連接點(diǎn)，例如轉(zhuǎn)角、門等；“線”為連接兩個(gè)連續(xù)點(diǎn)之間的直線。圖2為室內(nèi)拓?fù)涞貓D的示意圖。室內(nèi)拓?fù)涞貓D可以根據(jù)室內(nèi)平面圖采用Voronoi圖方法生成[19]，也可以通過眾包方法得到[20]。

圖2 室內(nèi)拓?fù)涞貓DFig.2 “Link-node” mode

基于拓?fù)涞貓D匹配的室內(nèi)定位方法的基本思想是通過將行人在室內(nèi)的軌跡與室內(nèi)拓?fù)涞貓D進(jìn)行匹配，根據(jù)軌跡和室內(nèi)拓?fù)涞貓D的幾何相似性確定用戶的位置。室內(nèi)定位問題轉(zhuǎn)換為基于行人的軌跡尋找最相似的拓?fù)浣Y(jié)構(gòu)。文獻(xiàn)[18]根據(jù)行人行走的距離和航向，采用貝葉斯推理的方法實(shí)現(xiàn)室內(nèi)定位。文獻(xiàn)[21]提出基于條件隨機(jī)場(chǎng)的室內(nèi)地圖匹配方法，并將其應(yīng)用于室內(nèi)定位中。文獻(xiàn)[19]提出使用基于拓?fù)涞貓D融合行人航位推算和WiFi定位的方法，通過將室內(nèi)地圖離散化表達(dá)，以減少位置估計(jì)問題的自由度，以此提高室內(nèi)定位的精度。文獻(xiàn)[9]提出基于行為序列的室內(nèi)定位方法，將行人在室內(nèi)行走過程建模成行為序列，并通過行為序列與室內(nèi)拓?fù)涞貓D進(jìn)行匹配，以實(shí)現(xiàn)室內(nèi)定位。

1.3 基于語義感知的室內(nèi)定位

基于語義感知的室內(nèi)定位是指通過智能手機(jī)內(nèi)置傳感器對(duì)周圍環(huán)境[22]和行人運(yùn)動(dòng)行為[23]進(jìn)行感知，以此輔助室內(nèi)定位的方法。

文獻(xiàn)[22]提出基于環(huán)境指紋實(shí)現(xiàn)室內(nèi)定位的方法。該方法假設(shè)不同的室內(nèi)環(huán)境具有不同的環(huán)境特征，包括聲音、光線強(qiáng)度和裝飾顏色，以此可以確定用戶所在的位置。例如，書店、超市和酒吧的光線強(qiáng)度、聲音及裝飾顏色具有很大的差異，基于環(huán)境特征，即可確定用戶所在的位置。

基于行人運(yùn)動(dòng)行為的室內(nèi)定位近年來成為室內(nèi)定位領(lǐng)域的研究熱點(diǎn)。行人在室內(nèi)的運(yùn)動(dòng)過程中，會(huì)在一些特殊的位置產(chǎn)生相應(yīng)的行為，這些特殊的行為可以被用作地標(biāo)，削弱定位系統(tǒng)的誤差。由于這些地標(biāo)體現(xiàn)在傳感器信號(hào)空間，因此被稱作“虛擬地標(biāo)”。這些特殊的行為會(huì)在智能手機(jī)內(nèi)置傳感器中產(chǎn)生相應(yīng)的信號(hào)，可以通過相應(yīng)的識(shí)別算法進(jìn)行識(shí)別。例如，行人乘電梯的行為體現(xiàn)在信號(hào)空間，會(huì)出現(xiàn)超重和失重的加速度信號(hào)，如圖3所示。根據(jù)該加速度信號(hào)，可以識(shí)別出行人當(dāng)前的行為，以此作為虛擬地標(biāo)，可將行人的位置匹配到電梯處，實(shí)現(xiàn)行人的定位。

圖3 乘電梯時(shí)的加速度信號(hào)Fig.3 Acceleration pattern of taking elevator

文獻(xiàn)[24]首先將行為感知應(yīng)用于室內(nèi)定位，提出行為地圖匹配的方法，將行為作為虛擬地標(biāo)，匹配到地圖中可能發(fā)生行為的位置，以消除行人航位推算的累計(jì)誤差，提高室內(nèi)定位的精度。文獻(xiàn)[25]在基于隱馬爾可夫模型位置估計(jì)的基礎(chǔ)上，以轉(zhuǎn)角為虛擬地標(biāo)，糾正位置估計(jì)的誤差。以上這些方法都是假設(shè)地標(biāo)的位置已知，在定位過程中，若檢測(cè)出地標(biāo)，則將移動(dòng)目標(biāo)與虛擬地標(biāo)的位置進(jìn)行匹配，從而削弱或控制定位過程中的累積誤差。文獻(xiàn)[23]提出UnLoc系統(tǒng)，首先通過用戶采集的智能手機(jī)多個(gè)傳感器信息，得到室內(nèi)環(huán)境中的虛擬地標(biāo)；然后，根據(jù)用戶的軌跡信息，以室外GPS坐標(biāo)為起點(diǎn)，推算每個(gè)虛擬地標(biāo)的位置。在得到室內(nèi)環(huán)境中的虛擬地標(biāo)位置之后，將其用于之后的定位過程之中，同時(shí)，用戶在使用這些虛擬地標(biāo)的同時(shí)，也不斷更新虛擬地標(biāo)的位置信息。根據(jù)這一思想，UnLoc實(shí)現(xiàn)了一種自主的、無需預(yù)先標(biāo)定的室內(nèi)定位。

圖4 基于虛擬地標(biāo)的軌跡修正Fig.4 Virtual landmark-based trajectory recalibration

在虛擬地標(biāo)的匹配過程中，以上文獻(xiàn)均采用“最近對(duì)象匹配”的方法，即在檢測(cè)到信號(hào)特征時(shí)，將當(dāng)前位置與最近的具有相同信號(hào)特征的虛擬地標(biāo)進(jìn)行匹配。當(dāng)系統(tǒng)定位誤差的范圍內(nèi)包含兩種信號(hào)特征相同的虛擬地標(biāo)時(shí)，這種方法會(huì)造成誤匹配問題。為了分析虛擬地標(biāo)的誤匹配問題，文獻(xiàn)[26]提出誤匹配概率與行人航位推算誤差及虛擬地標(biāo)之間距離的函數(shù)關(guān)系表達(dá)式。文獻(xiàn)[27]分析了行人航位推算誤差與虛擬地標(biāo)分布的關(guān)系，筆者認(rèn)為，定位系統(tǒng)重新標(biāo)定之前，行人的前進(jìn)距離與虛擬地標(biāo)的密度成反比。為了解決虛擬地標(biāo)的歧義性問題，文獻(xiàn)[9]提出基于行為序列的室內(nèi)定位方法，將行人行走過程中連續(xù)的多個(gè)行為構(gòu)成行為序列，通過行人航位推算得到行為序列之間的相對(duì)距離和角度，根據(jù)相對(duì)距離和角度，將行為序列與室內(nèi)地圖進(jìn)行匹配，以此消除行人航位推算的累積誤差。該方法可以實(shí)現(xiàn)起點(diǎn)未知情況下的室內(nèi)定位。

ActionSLAM[28]將虛擬地標(biāo)用于即時(shí)定位與建圖(simultaneous localization and mapping,SLAM)框架，以行為發(fā)生的位置作為地標(biāo)，實(shí)現(xiàn)即時(shí)定位與建圖。ActionSLAM通過安裝在身體上的慣性測(cè)量單元實(shí)現(xiàn)行人的定位和地圖構(gòu)建。文獻(xiàn)[29]采用與ActionSLAM相似的想法，使用行為相關(guān)的虛擬地標(biāo)，實(shí)現(xiàn)三維室內(nèi)環(huán)境的行人跟蹤和軌跡重構(gòu)。文獻(xiàn)[30]將ActionSLAM進(jìn)行擴(kuò)展，可以通過智能手機(jī)準(zhǔn)確的在行人日常生活中對(duì)其進(jìn)行跟蹤與定位。

除了慣性信號(hào)之外，室內(nèi)環(huán)境中還存在一些其他的特殊信號(hào)區(qū)域，例如，WiFi信號(hào)的消失點(diǎn)、地磁信號(hào)異常點(diǎn)等，這些區(qū)域均可以作為室內(nèi)定位的虛擬地標(biāo)，提高室內(nèi)定位系統(tǒng)的精度[23]。

1.4 基于視覺感知的室內(nèi)定位

隨著手機(jī)硬件、圖像處理以及深度學(xué)習(xí)技術(shù)的迅猛發(fā)展，基于視覺感知的室內(nèi)定位技術(shù)已成為工業(yè)界和學(xué)術(shù)界的研究熱點(diǎn)。相較于其他方法，視覺定位無須提前部署硬件設(shè)施，適用范圍廣，同時(shí)能夠生成豐富的點(diǎn)云信息，為后續(xù)地圖構(gòu)建和導(dǎo)航提供了有力支持。

基于視覺輔助的室內(nèi)定位的技術(shù)核心是利用圖像間的匹配關(guān)系獲取相機(jī)的位置姿態(tài)，主要可以分為以下幾種類型：

(1) 圖像庫匹配。通過預(yù)先建立匹配圖像庫，庫里每張照片對(duì)應(yīng)的相機(jī)位置是已知的。定位時(shí)通過匹配拍攝照片和圖像庫里的照片從而獲取位置信息[31]。此方法通常采用2D-to-2D的匹配方式，操作簡單，運(yùn)行速度快，但需要人工預(yù)先對(duì)圖像庫標(biāo)記位置，在實(shí)際應(yīng)用中難以推廣。

(2) 基于相機(jī)交會(huì)的定位。首先對(duì)定位場(chǎng)景采集大量的重疊照片，提取圖像特征點(diǎn)，利用三維重建方法(structure from motion,SFM)確定圖像特征點(diǎn)的物方坐標(biāo)。定位時(shí)通過拍攝圖像的特征點(diǎn)與模型特征進(jìn)行匹配，計(jì)算手機(jī)拍攝時(shí)的位置姿態(tài)[32-33]。一般也采用2D-to-3D的圖像匹配模式，無須預(yù)先標(biāo)記，能夠直接獲取手機(jī)在室內(nèi)的相對(duì)位置。

(3) 視覺里程計(jì)(visual odometry，VO)。通過匹配相鄰時(shí)間序列特征點(diǎn)，來確定相機(jī)的位置和姿態(tài)[34-35]，通常被認(rèn)為是即時(shí)定位與地圖構(gòu)建(simultaneous localization and mapping,SLAM)的前端。它的主要方式分為特征點(diǎn)法和直接法。其中，特征點(diǎn)方法目前占據(jù)主流，不過其穩(wěn)健性主要建立于特征點(diǎn)的描述上，增強(qiáng)穩(wěn)健性也會(huì)導(dǎo)致算法復(fù)雜度的大幅提高。另一方面，在特征點(diǎn)較弱的場(chǎng)景定位精度會(huì)大幅度降低。直接法不需要提取特征點(diǎn)，能夠應(yīng)用于特征不夠明顯的場(chǎng)景下，且運(yùn)行速度非?？臁５壳爸贿m合于運(yùn)動(dòng)較小，圖像整體亮度變化不大的情形[36-37]。

(4) 視覺慣性里程計(jì)(visual inertial odometry，VIO)。在VO的基礎(chǔ)上引入慣性傳感器，將IMU和視覺這兩種不同的定位方法進(jìn)行組合，發(fā)揮各自的優(yōu)勢(shì)[38-40]。視覺慣性里程計(jì)的分類，也可以分為基于濾波的和基于優(yōu)化的兩類。按照IMU和視覺信息融合的方式，又可以分為緊耦合和松耦合兩類。松耦合方法將VO部分當(dāng)作黑盒子，與IMU方法得到的定位信息進(jìn)行融合。而緊耦合方法將視覺部分圖像的特征信息加入到狀態(tài)向量中。文獻(xiàn)[41]提出的視覺慣性狀態(tài)估計(jì)系統(tǒng)(visual-inertial system，VINS)，是一個(gè)基于緊耦合和非線性優(yōu)化的完整VI-SLAM系統(tǒng)[41]。然而，單目VIO存在初始化困難的問題，缺少環(huán)路閉合功能的系統(tǒng)在重復(fù)訪問相同區(qū)域的時(shí)候會(huì)產(chǎn)生誤差累積的現(xiàn)象。

(5) 多視覺特征融合定位。通過多種視覺特征之間的相互彌補(bǔ)與融合來構(gòu)建目標(biāo)觀測(cè)模型，從而改善定位算法。室內(nèi)場(chǎng)景中通常存在著環(huán)境變化、背景雜波、遮擋(局部遮擋、完全遮擋)等問題，有研究者利用顏色、梯度(histogram of oriented gradient,HOG)、灰度、局部紋理(local binary pattern)等特征進(jìn)行融合[42-43]，來達(dá)到提高定位準(zhǔn)確性和抗干擾的目的。

目前，基于視覺感知的室內(nèi)定位已經(jīng)取得了顯著的進(jìn)展。但是在室內(nèi)復(fù)雜多變的環(huán)境下，仍然存在一些問題。例如，現(xiàn)有方法大多嚴(yán)重依賴場(chǎng)景中的特征點(diǎn)，當(dāng)室內(nèi)環(huán)境中存在大量墻壁、窗戶等重復(fù)性紋理的時(shí)誤匹配情況廣泛存在。此外，室內(nèi)環(huán)境布局變化快，易導(dǎo)致視覺特征不穩(wěn)定，特征信息難以及時(shí)更新的問題。VO、SLAM等技術(shù)往往需要用戶持續(xù)穩(wěn)定的跟蹤拍攝，在實(shí)際應(yīng)用中體驗(yàn)較差，且實(shí)時(shí)建模對(duì)手機(jī)計(jì)算能力要求較高。

2 面臨的挑戰(zhàn)

2.1 統(tǒng)一時(shí)空基準(zhǔn)下的室內(nèi)GIS數(shù)據(jù)模型

GIS輔助的室內(nèi)定位技術(shù)需要依賴室內(nèi)GIS信息，例如地圖約束的室內(nèi)定位需要墻壁等信息，基于語義及視覺感知的室內(nèi)定位依賴虛擬地標(biāo)及視覺特征點(diǎn)的空間坐標(biāo)信息。除室內(nèi)GIS信息之外，不論是基于位置指紋(WiFi、地磁)還是基于定位基站(聲源定位)的室內(nèi)定位技術(shù)，均需要位置指紋和定位基站的空間坐標(biāo)信息。這些空間坐標(biāo)的參考坐標(biāo)系統(tǒng)與室內(nèi)地圖的坐標(biāo)系統(tǒng)要保持一致，才能有效地實(shí)現(xiàn)地圖輔助的室內(nèi)定位。目前，尚缺乏統(tǒng)一時(shí)空基準(zhǔn)下的室內(nèi)GIS數(shù)據(jù)模型，對(duì)室內(nèi)地圖、室內(nèi)信號(hào)、室內(nèi)傳感器等相對(duì)及絕對(duì)坐標(biāo)系進(jìn)行統(tǒng)一數(shù)據(jù)表達(dá)與組織。

2.2 室內(nèi)GIS數(shù)據(jù)更新

室內(nèi)環(huán)境具有結(jié)構(gòu)緊湊、主題多元、布局更新快等特點(diǎn)。因此存在許多高動(dòng)態(tài)變化的特征，例如房間布局、擺放物體、紋理圖像等，成為GIS輔助定位的一大障礙。如何動(dòng)態(tài)感知室內(nèi)GIS數(shù)據(jù)的變化，并及時(shí)更新和處理相應(yīng)的室內(nèi)GIS數(shù)據(jù)，是GIS輔助的室內(nèi)定位的前提和關(guān)鍵。

目前關(guān)于室內(nèi)GIS數(shù)據(jù)的自動(dòng)構(gòu)建及更新主要分為：位置指紋、室內(nèi)地圖、室內(nèi)三維模型及紋理，大多是基于眾源數(shù)據(jù)實(shí)現(xiàn)。雖然這類利用手機(jī)進(jìn)行拍攝或記錄地理位置的數(shù)據(jù)體量大、成本低廉且現(xiàn)勢(shì)性強(qiáng)，但卻是一種無序的、缺乏地理空間參考的數(shù)據(jù)集，需要與專業(yè)的空間數(shù)據(jù)進(jìn)行融合，從而構(gòu)建出實(shí)時(shí)動(dòng)態(tài)、關(guān)系正確的空間信息[44]。眾源數(shù)據(jù)更新方法的可靠性和有效性，以及其中涉及的隱私保護(hù)等問題，是目前仍然存在的問題。

此外，室內(nèi)環(huán)境的幾何和拓?fù)潢P(guān)系相對(duì)穩(wěn)定，然而現(xiàn)有三維建模方法在實(shí)現(xiàn)紋理，布局等元素更新時(shí)，往往需要重建其幾何結(jié)構(gòu)，從而增加了數(shù)據(jù)成本，造成資源浪費(fèi)。如何在保持GIS數(shù)據(jù)動(dòng)態(tài)更新的前提下，提高現(xiàn)有數(shù)據(jù)的利用周期，實(shí)現(xiàn)數(shù)據(jù)的全局動(dòng)態(tài)監(jiān)測(cè)，局部針對(duì)性更新，又是另一大難題。

2.3 智能手機(jī)有限的計(jì)算資源

GIS輔助的室內(nèi)定位技術(shù)往往需要較大的計(jì)算量，例如基于地圖約束的室內(nèi)定位通常采用粒子濾波算法進(jìn)行定位，粒子更新計(jì)算量較大；基于語義及視覺感知的室內(nèi)定位需要龐大的語義及視覺數(shù)據(jù)庫作為支撐。受限于設(shè)備體積、功耗、存儲(chǔ)空間等因素，智能手機(jī)的計(jì)算資源有限。如何將復(fù)雜的室內(nèi)定位算法應(yīng)用于智能手機(jī)，在不影響用戶正常使用的條件下實(shí)現(xiàn)室內(nèi)定位，是目前仍需解決的問題。

3 發(fā)展趨勢(shì)

隨著室內(nèi)GIS技術(shù)的發(fā)展，GIS將會(huì)成為室內(nèi)定位的重要支撐。GIS輔助室內(nèi)定位的發(fā)展趨勢(shì)有以下兩個(gè)方面：在室內(nèi)定位方法上，將會(huì)從目前基于GIS感知的室內(nèi)定位發(fā)展到基于GIS空間認(rèn)知的室內(nèi)定位；在GIS數(shù)據(jù)獲取上，將會(huì)從機(jī)器采集發(fā)展到基于人機(jī)交互的數(shù)據(jù)獲取方法。

3.1 從感知到認(rèn)知

行人定位不同于機(jī)器人定位，行人具有自主的空間認(rèn)知能力，并可以通過人機(jī)交互將空間認(rèn)知獲取的信息傳遞給定位設(shè)備。對(duì)行人導(dǎo)航來說，相對(duì)空間比絕對(duì)空間更容易理解[45]。通過行人對(duì)自身與室內(nèi)空間地標(biāo)的相對(duì)關(guān)系的描述可以實(shí)現(xiàn)室內(nèi)定位，例如通過“我前方是麥當(dāng)勞，左邊是肯德基，距離麥當(dāng)勞10 m，肯德基5 m”這樣一段描述，人們可以確定描述者的大致位置。文獻(xiàn)[46—47]提出了基于空間認(rèn)知距離和方向的室內(nèi)定位方法，可以實(shí)現(xiàn)基于空間認(rèn)知描述的室內(nèi)定位。目前，相關(guān)的研究較少，智能手機(jī)強(qiáng)大的感知與計(jì)算能力，為基于空間認(rèn)知的室內(nèi)定位方法提供了廣泛的應(yīng)用前景。

3.2 從機(jī)器到人機(jī)交互

眾源數(shù)據(jù)采集是當(dāng)前室內(nèi)GIS數(shù)據(jù)獲取和更新的重要方法之一[48-49]。近年來，越來越多的學(xué)者認(rèn)為通過對(duì)眾源數(shù)據(jù)的采集人員提供必要的規(guī)范化指導(dǎo)，能夠有效提高室內(nèi)制圖的精度和數(shù)據(jù)采集的效率。文獻(xiàn)[50]提出的SnapTask就是對(duì)眾源圖片的采集方式進(jìn)行指導(dǎo)，并通過在弱特征場(chǎng)景環(huán)境下加入人機(jī)交互，解決了特征點(diǎn)不足的情況下，實(shí)現(xiàn)室內(nèi)三維模型構(gòu)建時(shí)點(diǎn)云的分類和投影，最終生成室內(nèi)平面地圖。文獻(xiàn)[51—52]利用智能手機(jī)采取單人模式，結(jié)合圖像、WiFi、軌跡實(shí)現(xiàn)了地圖構(gòu)建。文獻(xiàn)[53]也是利用手機(jī)采集多源數(shù)據(jù)，除了圖像、WiFi、軌跡以外，還加入了深度圖像，并在拍攝過程中制定了一套規(guī)范的圖像數(shù)據(jù)采集流程，最后通過機(jī)器學(xué)習(xí)的方法提取圖像中的語義信息，進(jìn)一步豐富了室內(nèi)地圖。這種對(duì)非專業(yè)數(shù)據(jù)采集輔以規(guī)范化指導(dǎo)的思路正逐漸成為室內(nèi)測(cè)圖的重要發(fā)展趨勢(shì)。然而，如何促進(jìn)非專業(yè)用戶在數(shù)據(jù)采集過程中進(jìn)行有效的人工參與是一個(gè)難題。

近年來，隨著增強(qiáng)現(xiàn)實(shí)(augmented reality,AR)技術(shù)的不斷發(fā)展，AR+人工智能(artificial intelligence，AI)的模式興起，AI是智能大腦，通過視覺場(chǎng)景理解自動(dòng)獲取必要的圖像、點(diǎn)云、房間結(jié)構(gòu)等信息；AR是視覺交互界面，將空間信息直觀的疊加在真實(shí)場(chǎng)景中，不僅幫助用戶迅速理解空間數(shù)據(jù)，并提供人工交互對(duì)復(fù)雜環(huán)境進(jìn)行精確采集和標(biāo)注。這種集合虛擬信息與現(xiàn)實(shí)場(chǎng)景的智能人工交互體系，是未來室內(nèi)GIS發(fā)展的重要方向。

4 結(jié) 論

室內(nèi)GIS包含了豐富的地圖、拓?fù)?、語義、紋理等信息，可以用于輔助室內(nèi)定位。本文主要介紹了目前GIS輔助的室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀，包括基于地圖約束的室內(nèi)定位、基于拓?fù)涞貓D匹配的室內(nèi)定位、基于語義感知的室內(nèi)定位及基于視覺感知的室內(nèi)定位。分析了目前GIS輔助室內(nèi)定位面臨的挑戰(zhàn)，主要包括3個(gè)方面：統(tǒng)一時(shí)空基準(zhǔn)下的室內(nèi)GIS數(shù)據(jù)模型、室內(nèi)GIS數(shù)據(jù)更新和智能手機(jī)有限的計(jì)算資源。從室內(nèi)定位和GIS數(shù)據(jù)獲取兩個(gè)方面對(duì)GIS輔助室內(nèi)定位的發(fā)展趨勢(shì)進(jìn)行了展望。