基于WiFi指纹序列匹配的机器人同步定位与地图构建

doi:10.11772/j.issn.1001-9081.2021081522

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (10): 3268-3274.DOI: 10.11772/j.issn.1001-9081.2021081522

• 前沿与综合应用 • 上一篇

基于WiFi指纹序列匹配的机器人同步定位与地图构建

秦正泓, 刘冉, 肖宇峰, 陈凯翔, 邓忠元, 邓天睿

西南科技大学信息工程学院，四川绵阳 621010

收稿日期:2021-08-26 修回日期:2021-11-29 接受日期:2021-12-03 发布日期:2022-01-07 出版日期:2022-10-10
通讯作者: 刘冉
作者简介:第一联系人：秦正泓（1996—），女，四川广安人，硕士研究生，主要研究方向：WiFi定位、同步定位与地图构建（SLAM）
刘冉（1986—），男，安徽淮北人，副研究员，博士，主要研究方向：室内定位、SLAM; ran.liu.86@hotmail.com
肖宇峰（1978—），男，湖南常德人，教授，博士，主要研究方向：网络通信系统、智能机器人系统
陈凯翔（1997—），男，河南驻马店人，硕士研究生，主要研究方向：室内定位
邓忠元（1996—），男，四川德阳人，硕士研究生，主要研究方向：室内定位
邓天睿（1999—），男，四川凉山人，硕士研究生，主要研究方向：室内定位。
基金资助:
国家自然科学基金资助项目(61601381);国家重点研发计划项目(2019YFB1310805)

Simultaneous localization and mapping for mobile robots based on WiFi fingerprint sequence matching

Zhenghong QIN, Ran LIU, Yufeng XIAO, Kaixiang CHEN, Zhongyuan DENG, Tianrui DENG

School of Information Engineering，Southwest University of Science and Technology，Mianyang Sichuan 621010，China

Received:2021-08-26 Revised:2021-11-29 Accepted:2021-12-03 Online:2022-01-07 Published:2022-10-10
Contact: Ran LIU
About author:QIN Zhenghong, ，born in 1996， M. S. candidate. Her research interests include WiFi localization， Simultaneous Localization And Mapping （SLAM）.
LIU Ran, born in 1986， Ph. D. ， research associate. His research interests include indoor localization， SLAM.
XIAO Yufeng, born in 1978， Ph. D. ， professor. His research interests include network communication system， intelligent robot system.
CHEN Kaixiang, born in 1997， M. S. candidate. His research interests include indoor localization.
DENG Zhongyuan, born in 1996， M. S. candidate. His research interests include indoor localization.
DENG Tianrui, born in 1999， M. S. candidate. His research interests include indoor localization.
Supported by:
National Natural Science Foundation of China(61601381);National Key Research and Development Program of China(2019YFB1310805)

摘要/Abstract

摘要：

同步定位与地图构建（SLAM）是当前机器人定位导航的研究热点，可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下，通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题，提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测，由于指纹序列中包含多个指纹数据，信息量比单个指纹点对的数据丰富，因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率，从而确保了闭环检测的准确性，满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据（机器人从不同的起点开始）对所提算法进行验证的结果表明：与高斯相似度的方法相比，所提算法的精度在第一组数据上提高了22.94%；在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。

关键词: WiFi, 闭环检测, 指纹序列, 图优化, 同步定位与地图构建

Abstract:

Simultaneous Localization And Mapping （SLAM） is a research hotspot in robot localization and navigation. Reliable loop closure detection is critical for graph-based SLAM. However， loop closure detection by vision or Lidar is computationally expensive and has low reliability in large and complex environments. To solve this problem， a graph-based SLAM algorithm based on WiFi fingerprint sequence matching was proposed. In this algorithm， fingerprint sequences were used for loop closure detection. Since the fingerprint sequence contains data of multiple fingerprints， which is considered to be richer than a single fingerprint pair in the amount of information. Therefore， the traditional method based on single fingerprint pair matching was extended to fingerprint sequence matching， which greatly reduced the probability of false loop closure， thus ensuring the high accuracy of loop closure detection and satisfying high precision requirement of SLAM algorithm in large and complex environments. Two sets of experimental data （robots start from different starting points） were used to verify the proposed algorithm. The results show that the proposed algorithm is more accurate than Gaussian similarity method， and has the accuracy on the first and second set of data increased by 22.94% and 39.18% respectively. Experimental results fully verify the superiority of the proposed algorithm in improving the positioning accuracy and ensuring the reliability of loop closure detection

Key words: WiFi, loop closure detection, fingerprint sequence, graph optimization, Simultaneous Localization And Mapping (SLAM)

中图分类号:

TP242.6

秦正泓, 刘冉, 肖宇峰, 陈凯翔, 邓忠元, 邓天睿. 基于WiFi指纹序列匹配的机器人同步定位与地图构建[J]. 计算机应用, 2022, 42(10): 3268-3274.

Zhenghong QIN, Ran LIU, Yufeng XIAO, Kaixiang CHEN, Zhongyuan DENG, Tianrui DENG. Simultaneous localization and mapping for mobile robots based on WiFi fingerprint sequence matching[J]. Journal of Computer Applications, 2022, 42(10): 3268-3274.

图/表 9

图1 本文算法流程

Fig.1 Flow of the proposed algorithm

图2 相似度矩阵中的路径示意图

Fig. 2 Schematic diagram of path in similarity matrix

图3 相似度矩阵中有效路径的约束条件示意图

Fig. 3 Schematic diagram of constraints on effective paths in similarity matrix

图4 指纹相似度距离模型

Fig. 4 Fingerprint similarity distance model

图5 数据采集平台

Fig. 5 Data acquisition platform

表1 不同的闭环检测方法与vs对SLAM算法精度的影响

Tab. 1 Influence of different loop closure detection methods and vs on SLAM algorithm accuracy

组别	$v s$	高斯/m	指纹序列/m	高斯+指纹序列（加干扰）/m
组别	$v s$	高斯/m	指纹序列/m	无干扰	删除部分AP	高斯噪声3	高斯噪声5
第一组	0.05	4.17	3.85	3.83	4.01	4.05	3.78
	0.10	4.01	3.23	3.19	3.35	3.39	3.41
	0.20	4.43	3.43	3.09	3.48	3.02	3.11
	0.30	4.21	3.47	3.41	3.50	3.33	3.36
	0.40	4.40	3.56	3.45	3.97	3.58	3.88
	0.50	4.45	4.12	3.98	4.33	4.17	4.20
	0.60	5.75	5.82	5.68	5.69	4.99	5.55
	0.70	18.99	18.99	18.99	18.99	18.99	18.99
第二组	0.05	14.78	13.85	12.13	13.66	12.56	13.18
	0.10	9.15	5.63	5.27	5.88	5.14	6.23
	0.20	3.91	2.67	2.36	2.82	2.41	2.61
	0.30	3.88	2.83	2.65	2.74	2.57	2.78
	0.40	4.19	3.88	3.02	3.51	3.32	3.65
	0.50	4.44	4.95	4.13	4.37	3.99	4.27
	0.60	8.89	8.10	7.79	7.98	7.86	7.83
	0.70	10.12	10.12	10.12	10.12	10.12	10.12

表1 不同的闭环检测方法与vs对SLAM算法精度的影响

Tab. 1 Influence of different loop closure detection methods and vs on SLAM algorithm accuracy

组别	$v s$	高斯/m	指纹序列/m	高斯+指纹序列（加干扰）/m
组别	$v s$	高斯/m	指纹序列/m	无干扰	删除部分AP	高斯噪声3	高斯噪声5
第一组	0.05	4.17	3.85	3.83	4.01	4.05	3.78
	0.10	4.01	3.23	3.19	3.35	3.39	3.41
	0.20	4.43	3.43	3.09	3.48	3.02	3.11
	0.30	4.21	3.47	3.41	3.50	3.33	3.36
	0.40	4.40	3.56	3.45	3.97	3.58	3.88
	0.50	4.45	4.12	3.98	4.33	4.17	4.20
	0.60	5.75	5.82	5.68	5.69	4.99	5.55
	0.70	18.99	18.99	18.99	18.99	18.99	18.99
第二组	0.05	14.78	13.85	12.13	13.66	12.56	13.18
	0.10	9.15	5.63	5.27	5.88	5.14	6.23
	0.20	3.91	2.67	2.36	2.82	2.41	2.61
	0.30	3.88	2.83	2.65	2.74	2.57	2.78
	0.40	4.19	3.88	3.02	3.51	3.32	3.65
	0.50	4.44	4.95	4.13	4.37	3.99	4.27
	0.60	8.89	8.10	7.79	7.98	7.86	7.83
	0.70	10.12	10.12	10.12	10.12	10.12	10.12

表2 不同的闭环检测方法与vs对闭环数目的影响

Tab. 2 Influence of loop closure detection methods and vs on loop closure number

$v s$	第一组		第二组
$v s$	高斯	指纹序列	高斯	指纹序列
0.05	233 518	196 523	279 074	218 567
0.10	124 120	95 621	123 973	85 472
0.20	46 252	31 258	24 355	18 865
0.30	24 453	19 843	9 366	7 546
0.40	9 300	4 562	3 045	1 488
0.50	1 770	612	619	257
0.60	35	0	32	0
0.70	0	0	0	0
0.80	0	0	0	0
0.90	0	0	0	0

表2 不同的闭环检测方法与vs对闭环数目的影响

Tab. 2 Influence of loop closure detection methods and vs on loop closure number

$v s$	第一组		第二组
$v s$	高斯	指纹序列	高斯	指纹序列
0.05	233 518	196 523	279 074	218 567
0.10	124 120	95 621	123 973	85 472
0.20	46 252	31 258	24 355	18 865
0.30	24 453	19 843	9 366	7 546
0.40	9 300	4 562	3 045	1 488
0.50	1 770	612	619	257
0.60	35	0	32	0
0.70	0	0	0	0
0.80	0	0	0	0
0.90	0	0	0	0

图6 轨迹对比

Fig. 6 Trajectory comparison

表3 高斯+指纹序列方法下指纹序列的长度对SLAM算法精度的影响 (m)

Tab. 3 Influence of length of fingerprint sequence on SLAM algorithm accuracy under Gauss+fingerprint sequence method

（n，m）	第一组（ $v s$ =0.10）				第二组（ $v s$ =0.20）
（n，m）	无干扰	删除部分AP	高斯噪声3	高斯噪声5	无干扰	删除部分AP	高斯噪声3	高斯噪声5
（10，15）	3.49	3.64	3.55	3.59	2.77	2.96	3.12	3.25
（20，25）	3.09	3.35	3.02	3.11	2.36	2.74	2.41	2.61
（30，35）	3.42	3.29	3.49	3.58	2.86	2.81	2.39	2.58
（40，45）	3.66	3.93	3.85	3.90	3.00	3.37	2.81	3.24
（50，55）	3.54	4.01	3.97	4.12	3.15	3.50	3.37	3.59

表3 高斯+指纹序列方法下指纹序列的长度对SLAM算法精度的影响 (m)

Tab. 3 Influence of length of fingerprint sequence on SLAM algorithm accuracy under Gauss+fingerprint sequence method

（n，m）	第一组（ $v s$ =0.10）				第二组（ $v s$ =0.20）
（n，m）	无干扰	删除部分AP	高斯噪声3	高斯噪声5	无干扰	删除部分AP	高斯噪声3	高斯噪声5
（10，15）	3.49	3.64	3.55	3.59	2.77	2.96	3.12	3.25
（20，25）	3.09	3.35	3.02	3.11	2.36	2.74	2.41	2.61
（30，35）	3.42	3.29	3.49	3.58	2.86	2.81	2.39	2.58
（40，45）	3.66	3.93	3.85	3.90	3.00	3.37	2.81	3.24
（50，55）	3.54	4.01	3.97	4.12	3.15	3.50	3.37	3.59

参考文献 25

1	CADENA C， CARLONE L， CARRILLO H， et al. Past， present， and future of simultaneous localization and mapping： toward the robust-perception age［J］. IEEE Transactions on Robotics， 2016， 32（6）：1309-1332. 10.1109/tro.2016.2624754
2	HASHIM H A， ELTOUKHY A E E. Landmark and IMU data fusion： systematic convergence geometric nonlinear observer for SLAM and velocity bias［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（4）：3292-3301. 10.1109/tits.2020.3035550
3	SMITH R C， CHEESMAN P. On the representation of spatial uncertainty［J］. The International Journal of Robotics Research， 1986， 5（4）：56-68. 10.1177/027836498600500404
4	VALLVÉ J， SOLÀ J， ANDRADE-CETTO J. Pose-graph SLAM sparsification using factor descent［J］. Robotics and Autonomous Systems， 2019， 119：108-118. 10.1016/j.robot.2019.06.004
5	MENDES E， KOCH P， LACROIX S. ICP-based pose-graph SLAM［C］// Proceedings of the 2016 IEEE International Symposium on Safety， Security， and Rescue Robotics. Piscataway： IEEE， 2016：195-200. 10.1109/ssrr.2016.7784298
6	HARSÁNYI K， KISS A， SZIRÁNYI T， et al. MASAT： a fast and robust algorithm for pose-graph initialization［J］. Pattern Recognition Letters， 2020， 129：131-136. 10.1016/j.patrec.2019.11.010
7	KÜMMERLE R， GRISETTI G， STRASDAT H， et al. g2o： a general framework for graph optimization［C］// Proceedings of the 2011 IEEE International Conference on Robotics and Automation. Piscataway： IEEE， 2011：3607-3613. 10.1109/icra.2011.5979949
8	FANG B F， MEI G F， YUAN X H， et al. Visual SLAM for robot navigation in healthcare facility［J］. Pattern Recognition， 2021， 113： No.107822. 10.1016/j.patcog.2021.107822
9	林国聪，薛斌强，王冬青. 基于图优化的SLAM后端优化算法研究［J］. 电子设计工程， 2020， 28（24）：6-10， 16. 10.14022/j.issn1674-6236.2020.24.002
	LIN G C， XUE B Q， WANG D Q. Research on SLAM back-end optimization algorithm based on graph optimization［J］. Electronic Design Engineering， 2020， 28（24）：6-10， 16. 10.14022/j.issn1674-6236.2020.24.002
10	RYU K， DANTANARAYANA L， FURUKAWA T， et al. Grid-based scan-to-map matching for accurate 2D map building： advanced robotics［J］. Advanced Robotics， 2016， 30（7）：431-448. 10.1080/01691864.2015.1124025
11	CHO H， KIM E K， KIM S. Indoor SLAM application using geometric and ICP matching methods based on line features［J］. Robotics and Autonomous Systems， 2018， 100：206-224. 10.1016/j.robot.2017.11.011
12	CAMPOS C， ELVIRA R， RODRÍGUEZ J J G， et al. ORB-SLAM3： an accurate open-source library for visual， visual-inertial and multi-map SLAM［J］. IEEE Transactions on Robotics， 2021， 37（6）：1874-1890. 10.1109/tro.2021.3075644
13	HUANG S D， DISSANAYAKE G. Convergence and consistency analysis for extended Kalman filter based SLAM［J］. IEEE Transactions on Robotics， 2007， 23（5）：1036-1049. 10.1109/tro.2007.903811
14	DUNÍK J， STRAKA O. Rao-Blackwellised point-mass smoothers for a class of conditionally linear dynamic models［C］// Proceedings of the 22th International Conference on Information Fusion. Piscataway： IEEE， 2019：1-8. 10.23919/fusion43075.2019.9011246
15	CHOI J W， SONG H K， LEE S H， et al. Real-time EKF SLAM system using confidence map of depth information［J］. International Journal of Applied Engineering Research， 2016， 11（2）：1077-1081.
16	THRUN S， BURGARD W， FOX D. Probabilistic Robotics［M］. Cambridge： MIT Press， 2005：108-135.
17	KSCHISCHANG F R， FREY B J， LOELIGER H A. Factor graphs and the sum-product algorithm［J］. IEEE Transactions on Information Theory， 2001， 47（2）：498-519. 10.1109/18.910572
18	CARLEVARIS-BIANCO N， KAESS M， EUSTICE R M. Generic node removal for factor-graph SLAM［J］. IEEE Transactions on Robotics， 2014， 30（6）：1371-1385. 10.1109/tro.2014.2347571
19	VALLVÉ J， SOLÀ J， ANDRADE-CETTO J. Factor descent optimization for sparsification in graph SLAM［C］// Proceedings of the 2017 European Conference on Mobile Robots. Piscataway： IEEE， 2017：1-6. 10.1109/ecmr.2017.8098675
20	GOLFARELLI M， MAIO D， RIZZI S. Elastic correction of dead-reckoning errors in map building［C］// Proceedings of the 1998 IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway： IEEE， 1998： 905-911.
21	FERRIS B， FOX D， LAWRENCE N. WiFi-SLAM using Gaussian process latent variable models［C］// Proceedings of the 20th International Joint Conference on Artificial Intelligence. San Francisco： Morgan Kaufmann Publishers Inc.， 2007： 2480-2485. 10.1145/1273496.1273557
22	HUANG J， MILLMAN D， QUIGLEY M， et al. Efficient， generalized indoor WiFi GraphSLAM［C］// Proceedings of the 2011 IEEE International Conference on Robotics and Automation. Piscataway： IEEE， 2011： 1038-1043. 10.1109/icra.2011.5979643
23	GU Y， ZHOU C F， WIESER A， et al. WiFi based trajectory alignment， calibration and crowdsourced site survey using smart phones and foot-mounted IMUs［C］// Proceedings of the 2017 International Conference on Indoor Positioning and Indoor Navigation. Piscataway： IEEE， 2017： 1-6. 10.1109/ipin.2017.8115929
24	LIU R， MARAKKALAGE S H， PADMAL M， et al. Collaborative slam based on WiFi fingerprint similarity and motion information［J］. IEEE Internet of Things Journal， 2020， 7（3）： 1826-1840. 10.1109/jiot.2019.2957293
25	秦国威，孙新柱，陈孟元. 基于WIFI指纹定位的仿生SLAM研究［J］.智能系统学报， 2018， 13（3）：407-413. 10.11992/tis.201705020
	QIN G W， SUN X Z， CHEN M Y. Bio-inspired SLAM fingerprint location based on WIFI［J］. CAAI Transactions on Intelligent Systems， 2018， 13（3）：407-413. 10.11992/tis.201705020

[1]	席志红, 温家旭. 基于目标检测的室内动态场景定位与建图[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2853-2857.
[2]	任晓奎, 刘鹏飞, 陶志勇, 刘影, 白立春. 基于单快拍信号到达角估计算法的室内入侵检测[J]. 计算机应用, 2021, 41(4): 1153-1159.
[3]	付豪, 徐和根, 张志明, 齐少华. 动态场景下基于语义和光流约束的视觉同步定位与地图构建[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3337-3344.
[4]	郑思诚, 孔令华, 游通飞, 易定容. 动态环境下基于深度学习的语义SLAM算法[J]. 计算机应用, 2021, 41(10): 2945-2951.
[5]	席志红, 王洪旭, 韩双全. 基于ORB-SLAM2系统的快速误匹配剔除算法与地图构建[J]. 计算机应用, 2020, 40(11): 3289-3294.
[6]	刘立双, 魏忠诚, 张春华, 王巍, 赵继军. 基于WiFi信道状态信息的人员活动持续时间估计[J]. 计算机应用, 2019, 39(7): 2056-2060.
[7]	席志红, 韩双全, 王洪旭. 基于语义分割的室内动态场景同步定位与语义建图[J]. 计算机应用, 2019, 39(10): 2847-2851.
[8]	陈田, 汪加伟, 安鑫, 任福继. 三维芯片多层与多核并行测试调度优化方法[J]. 计算机应用, 2018, 38(6): 1795-1800.
[9]	胡章芳, 鲍合章, 陈旭, 范霆铠, 赵立明. 基于改进闭环检测算法的视觉同时定位与地图构建[J]. 计算机应用, 2018, 38(3): 873-878.
[10]	侯荣波, 魏武, 黄婷, 邓超锋. 基于ORB-SLAM的室内机器人定位和三维稠密地图构建[J]. 计算机应用, 2017, 37(5): 1439-1444.
[11]	周瑞, 李志强, 罗磊. 基于粒子滤波的WiFi行人航位推算融合室内定位[J]. 计算机应用, 2016, 36(5): 1188-1191.
[12]	田增山, 代海鹏. 基于曲面拟合的WiFi指纹数据库更新[J]. 计算机应用, 2016, 36(5): 1192-1195.
[13]	龙超, 韩波, 张宇. 基于Kinect和视觉词典的三维SLAM[J]. 计算机应用, 2016, 36(3): 774-778.
[14]	杜毓聪金连文. 通过WiFi移动IP网络操控家用机器人方案在PDA上的实现[J]. 计算机应用, 2009, 29(07): 1865-1867.

基于WiFi指纹序列匹配的机器人同步定位与地图构建

Simultaneous localization and mapping for mobile robots based on WiFi fingerprint sequence matching

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 25

相关文章 14

编辑推荐

Metrics