[发明专利]一种基于SVL的视障人群乘车导航辅助方法及系统

说明书

本发明公开了一种基于SVL的视障人群乘车导航辅助方法及系统，首先使用通信设备beacon信号模块获取视障用户与车辆车门位置定位点间的实时信号强度，提出KGM数据处理算法对原始信号强度进行降噪、平滑等数据预处理操作；基于预处理后信号数据，创造性提出SVL定位算法计算人－车实时距离；提出球面定位算法，根据实时距离准确计算生成视障用户与车门的空间位置坐标，最后采用MPLG路径辅助指引算法实现视障人群乘车路径规划辅助指引，实现了对用户与车门定位点距离的精准识别，降低了环境对信息定位精确度的影响，解决了现有技术中识别定位误差大，同时需要大量硬件设施才能实现的技术问题。

技术领域

本发明属于乘车导航技术领域，涉及一种基于SVL的视障人群乘车导航辅助方法及系统。

背景技术

视障人群乘车辅助指引方法的核心是实现人－车的精准距离识别及定位。获取高精度的空间位置坐标信息是实现准确路径规划、视障人群乘车动态辅助指引的重要基础与实现前提。目前，短距离距离识别及定位技术主要有WiFi定位、超声波定位两类。WiFi定位技术具有普及性较高、可自动更新、成本低的优势，但WiFi定位受外界无线信号环境影响大，定位精度低且技术难以拓展开发；超声波定位技术精度普遍较高，技术路线简单，但超声波受多径效应和非视距传播影响大，同时也需要大量基础硬件设施，技术推广成本高，难以实现大规模应用。

发明内容

本发明的目的在于解决现有技术中距离定位识别受环境影响大，定位设备需要大量硬件设置支持才可以实施，定位精度低的问题，提供一种基于SVL的视障人群乘车导航辅助方法及系统。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于SVL的视障人群乘车导航辅助方法，包括以下步骤：

S1：采集车辆车门上定位点与用户所处位置的信号强度数据并建立信号强度数据库，信号强度数据包括训练数据和特征数据；

S2：构建SVL实时定位模型，将训练数据输入到SVL实时定位模型中进行训练，根据设定的指标定量评价条件，确定最优模型；将预处理后的特征数据输入到最优模型中，识别车门定位点与用户的实时距离；

S3：基于车门上的定位点建立车辆的空间位置坐标系并获取定位点坐标，以车门上定位点为球心，以车门定位点与用户的实时距离为半径构造球面，取相邻两球面的交线，根据任意两交线的交点确定用户所处位置的坐标；

S4：构建MPLG路径规划辅助指引模型，依次输入车门位置定位点坐标和用户位置坐标；设定实际路径代价与用户能够接受代价，将实际路径代价与用户能够接受代价之和作为约束条件进行计算，获取最优路线。

本发明的进一步改进在于：

所述步骤S1包括以下步骤：

所述训练数据的采集包括以下步骤：

在车门上安装beacon信号模块，beacon信号模块作为发射端，用户手机端作为接收端，在beacon信号区域内任选采样点，采集信号强度训练数据，同时测量并记录信号强度值对应的实时距离；

所述特征数据的采集包括以下步骤：

在车门位置设置若干组beacon信号模块作为定位点，分别采集多个定位点与用户手机端之间的信号强度数据，作为识别车门定位点与用户实时距离的待测数据。

所述步骤S1包括通过Matlab软件构建KGM数据处理模型对训练数据和特征数据进行预处理：

S1.1：将数据库中采集的信号强度数据的前10％和后10％的数据去除，剩下的信号值进行滤波预处理；

S1.2：采用线性卡尔曼滤波对剩余数据进行优化更新，再用高斯滤波算法消除异常的数据，作平滑处理，剩下数据数量记为m；