[发明专利]Wi-Fi指纹地图重建方法、装置、终端设备及介质

说明书

本发明公开了一种Wi‑Fi指纹地图重建方法、装置、终端设备及介质，包括：构建场景地图，并采集场景地图上采集点的Wi‑Fi指纹数据，生成Wi‑Fi指纹地图；根据Wi‑Fi指纹地图，获取任一AP接入点对应的信号强度值，并生成对应的信号强度分布图像；对信号强度分布图像进行最近邻下采样操作，获得低分辨率图像；根据低分辨率图像对预设的神经网络模型进行训练，得到超分辨率重建模型；将所有AP接入点对应的低分辨率图像作为超分辨率重建模型的输入，根据超分辨率重建模型输出的超分辨率图像，整合成重建后的Wi‑Fi指纹地图。本发明能有效解决现有技术中重建的Wi‑Fi指纹地图较为平滑而丢失细节的问题，提升了重建效果，并大大减少了训练时间。

技术领域

本发明涉及室内定位技术领域，尤其涉及Wi-Fi指纹地图重建方法、装置、终端设备及介质。

背景技术

基于卫星的导航系统在室外广泛普及，取得了较高的精度，但是由于建筑物墙壁的遮挡，室内场景中其定位精度显著下降，不能满足室内定位的精度需求。

室内定位是指在室内环境中实现位置定位，随着信息技术的不断发展，室内定位的实用性和必要性日趋显著。现今主要的室内定位技术包括Wi-Fi、地磁、蓝牙、射频识别(RFID)、声波、可见光和计算机视觉技术等等。随着无线以太网的广泛应用以及支持Wi-Fi移动设备的普及，基于Wi-Fi的室内定位方案实施的成本降低，其定位精度一般能达到3-5m左右，在室内取得了较好的定位效果。

Wi-Fi指纹定位的核心操作是通过获取到的信息值与先前建立的Wi-Fi指纹地图(Wi-Fi信号数据库)进行匹配确定待测点的定位结果。算法主要分为离线采集和在线定位两个阶段。Wi-Fi指纹地图重建，是由稀疏的Wi-Fi指纹地图结合场景等信息生成稠密的Wi-Fi指纹地图，从而减少采集和维护数据库的成本。

为了提升定位精度和降低采集成本，目前Wi-Fi指纹地图重建的研究主要集中在三个方向：一是建立信号传播模型：定义传播模型(如对数距离路径损耗模型、衰减因子模型等)预测位置信息，但模型在受到外界干扰及场景变化时容易导致模型失效；二是采用众包方式更新：通过人为采集数据来更新指纹地图，该方法采集工作量大，指纹地图各区域数据密度不同导致无效数据增加；三是基于深度学习：通过神经网络学习稀疏地图到稠密地图的映射关系减少指纹数据采集的工作量，本技术也属于基于深度学习的Wi-Fi指纹地图重建。

目前，Wi-Fi指纹地图重建研究主要存在以下问题：现有Wi-Fi指纹地图重建方法得到的细粒度地图较原始地图偏平滑，丢失了部分细节，且离线训练时间较长。

发明内容

本发明实施例提供一种Wi-Fi指纹地图重建方法、装置、终端设备及介质，能有效解决现有技术中重建的Wi-Fi指纹地图较为平滑而丢失细节的问题，能有效提高重建后的Wi-Fi指纹地图的信息量，提升了重建效果，并大大减少了训练时间。

本发明一实施例提供一种Wi-Fi指纹地图重建方法，包括：

构建场景地图，并采集所述场景地图上采集点的Wi-Fi指纹数据，生成Wi-Fi指纹地图；

根据所述Wi-Fi指纹地图，获取任一AP接入点对应的信号强度值，并生成对应的信号强度分布图像；

对所述信号强度分布图像进行最近邻下采样操作，获得低分辨率图像；

根据所述低分辨率图像对预设的神经网络模型进行训练，得到超分辨率重建模型；

将所有AP接入点对应的低分辨率图像作为所述超分辨率重建模型的输入，根据所述超分辨率重建模型输出的超分辨率图像，整合成重建后的Wi-Fi指纹地图。

在一些实施例中，所述构建场景地图，并采集所述场景地图上采集点的Wi-Fi指纹数据，生成Wi-Fi指纹地图，包括：