基于WiFi定位技術的增強現實室內向導研究與應用

閆興亞　陸　可　劉　偉

1(西安郵電大學數字藝術學院　陜西 西安 710121)2(西安郵電大學計算機學院　陜西 西安 710121)

?

基于WiFi定位技術的增強現實室內向導研究與應用

閆興亞1陸可2劉偉2

1(西安郵電大學數字藝術學院陜西 西安 710121)2(西安郵電大學計算機學院陜西 西安 710121)

摘要針對傳統的數字地圖室內導航精度不高、直觀性差、交互性較弱，提出將WiFi定位和視覺識別相結合的室內向導策略。利用WiFi指紋識別定位算法確定手機在室內的位置，電子羅盤獲取手機的方向，結合FAST-SURF視覺識別方法檢測場景特征點，并在Android平臺上設計并實現一個AR室內向導系統。實驗表明，室內定位精度提高至1.1 m，跟蹤匹配精度高，系統實時性好、定位導航精準。因此，該AR室內向導系統對于室內定位的精度和實時虛實融合都有較好的效果，不僅具有較強的可用性和實用性，還具有廣泛的應用前景。

關鍵詞WiFi定位增強現實室內向導Android平臺

0引言

增強現實AR(augmented reality)，是指將計算機生成的虛擬信息融入到真實世界當中，使兩者達到有機融合，從而給用戶帶來更好的沉浸感、體驗感。目前，增強現實技術主要應用于數字出版、數字營銷、設計仿真、科教研究等方面。移動導覽中增強現實技術的應用也成為了一個新的研究熱點。

近年來，隨著基于位置的服務LBS(location based service)技術越來越成熟，室內定位與導航的運用也給人們的生活、工作帶來了很大的便利，但卻存在著精度有限、可視性差、人機交互能力低等問題。然而，在新一代移動終端上，基于LBS的增強現實應用卻能夠為用戶提供認知周圍環境的功能，幫助用戶以全新的視覺感知周圍環境，體驗傳統數字地圖導航不能提供的互動感受。本文將WiFi室內定位技術和移動增強現實技術相結合，并最終在Android平臺上設計了一個基于WiFi定位的增強現實室內實時定位導航系統。

1關鍵技術概述

1.1WiFi定位技術

WiFi技術是目前生活中運用范圍最為廣泛的一種無線網絡通信技術。從部署成本、定位精度、傳輸速度等方面綜合考慮，WiFi定位技術在室內定位中具有一定的優勢。三角定位法和指紋定位法是目前WiFi定位中最常用的兩種算法。其中，三角定位法是根據移動終端到至少三個已知參考點之間的距離，利用幾何知識計算出目標位置。指紋定位法，須預先訓練采集室內不同位置的網格信號特征，并形成指紋庫。當用戶需要定位時，再將接收到的信號與指紋庫中各數據項進行對比，最終計算得出用戶位置。

1.2跟蹤注冊技術

跟蹤注冊技術是增強現實系統中的核心技術，其指的是實時地確定攝像機坐標系與真實場景中的標識物坐標系兩者之間的關系，并將虛擬物體融入到真實場景對應的位置上。目前，基于傳感器的跟蹤注冊方法和基于視覺的跟蹤注冊方法是AR技術中最主要的兩種跟蹤注冊方法。而目前應用較多的是基于視覺的跟蹤注冊方法。其中，基于視覺的跟蹤注冊方法又可以分為基于標識物的跟蹤注冊方法和基于自然特征的跟蹤注冊方法兩大類。

1.3Android AR技術

目前，Android操作系統在智能手機、平板電腦等移動設備上得到了廣泛的運用。該系統是一種基于Linux的開放源代碼操作系統，其系統架構采用了分層架構的形式，從底層到高層分別是Linux內核層、系統運行庫層、應用程序框架層和應用程序層。Android開發四大組件分別是活動、服務、廣播接收器和內容提供商。

在Android平臺上開發AR應用，需要使用 OpenGL對虛擬場景進行渲染。OpenGL是一個跨平臺、跨編程語言的計算機3D 圖形編程標準規范。應用程序配置好3D圖形后，可以轉換成OpenGL頂點數組，然后經過變換、光照處理、生成原生指令，以及光柵化后，最終產生2D圖像。

2系統總體架構分析

2.1系統總體設計

本文在Android平臺上設計并實現了一個基于WiFi定位的增強現實室內導航系統。該系統通過攝像頭進行實時拍攝，并對視頻流圖像進行實事分析。同時通過無線AP和電子羅盤檢測手機位置和方向信息，再根據實景圖像分析結果和計算出的手機位置、方向信息，將虛擬物體疊加顯示在視頻畫面中，最終實現真實環境中的虛擬定位和導航效果。該系統邏輯構架如圖1所示。

圖1　系統邏輯架構

2.2系統功能模塊分析

根據系統架構圖，可將系統分為以下幾個模塊，如圖2所示。

(1) 視頻采集模塊：實時采集室內環境，形成真實場景幀圖像。

(2) 定位模塊：在室內部署無線AP后，采用指紋定位算法進行定位。首先對室內環境進行訓練，建立位置指紋識別數據庫，定位時將終端接收到的各AP的信號強度與指紋庫中的各數據項進行匹配，從而估計用戶位置。利用電子羅盤確定用戶方位。

(3) 特征檢測模塊：判斷當前所捕獲的視頻圖像與參考室內圖像是否為同一室內環境，提取圖像中的特征點，試圖從中尋找出這兩幅圖像中映射關系。最后將這兩幅圖像中對應的特征點關聯起來。

(4) 跟蹤注冊模塊：獲取特征點的三維坐標，建立參考坐標系，計算移動智能終端相對于室內環境物體的位置姿態，根據特定環境實時生成虛擬定位信息和導航信息。

(5) 虛實疊加模塊：將智能終端所拍攝的室內環境視頻流圖像與生成的虛擬導航信息進行實時融合，形成增強現實圖像。最終在終端屏幕中顯示出來，使用戶體驗到真實室內場景與虛擬信息相融合的感官效果。

圖2　系統功能模塊圖

3系統搭建與實現

3.1開發環境

本系統以ARToolKit軟件開發包為基礎，結合Android平臺進行開發。開發前需要搭建Android開發環境，安裝Android SDK、ADT、JDK和Eclipse。其中，Android SDK為我們提供了創建和運行Android應用程序的集合，ADT是安卓開發工具插件，能夠在Eclipse開發工具里開發Android程序。

3.2主要模塊設計

(1) WiFi定位模塊

采用指紋定位算法確定手機位置信息。定位過程主要分為如下兩個階段：

第一，訓練階段，目的在于建立一個特定室內環境的位置指紋識別數據庫。首先，根據定位精度的要求，合理劃分環境網格，并確定各AP的合適部署位置，盡量確保每個AP信號能夠輻射到所有網格點。然后，分別測量所有網格位置各AP的RSSI值，并將每一位網格位置所對應的AP MAC地址和位置信息存儲到數據庫中，存儲形式為[RSSI1,RSSI2,…,RSSI6,Position]。考慮到室內環境的復雜性，無線信號強度可能不穩定，因此在每個網格點上多次測量后取平均。

第二，定位階段，用于估計用戶位置。建立室內環境指紋數據庫后，采用最近鄰法(K-NN)將待測點上檢測到的各AP的RSSI值與數據庫中已存儲的記錄進行比較和匹配，再計算出位置估計值。具體的位置估計方法如下：

假設某待測點所接收的各AP的RSSI值為rssi=[rssi1,rssi2,…,rssin]，指紋數據庫中的已存儲的記錄為RSSIi=[RSSI1,RSSI2,…,RSSINi]，其中n表示待測點上檢測到的不同的AP數量；Nr為數據庫中的記錄數，i∈[1,Nr]，Ni表示第i條記錄中存儲的不同AP數，則K-NN算法可以表示成如下形式：

L=argmini∈[1,Nr]‖rssi-RSSIi‖

(1)其中，‖rssi-RSSIi‖表示rssi和RSSIi之間的歐式距離。 通過此匹配算法找出數據庫中對應的記錄，從而確定移動終端的位置。

(2) 特征檢測模塊

在移動AR系統中，必須考慮到光照不變性、放射不變性、投影不變性，以及系統交互的實時性，而FAST算法和SURF算法能夠分別滿足這些要求。基于這一點，提出將FAST與SURF相結合，并優化檢測算法，從而滿足AR系統的需求。

首先，根據FAST中的角點響應函數，計算出檢測點圓周上滿足響應函數的像素點個數N，若N>12，則將該檢測點加入候選特征點集中。

(2)

式中，在以像素點p為中心的圓周上，I(x)表示該圓周上任意一像素點的灰度值，I(p)表示中心像素點p的圖像灰度值，εd表示給定的一個極小閾值。

然后，再進一步過濾掉斜邊緣上的點，如果在該圓周上存在任意6個像素點以上滿足過濾公式，則將該中心點作為角點，過濾公式為：

(3)

(4)

其中，εd代表對圖像檢測角點的最小對比度，實驗表明，εd一般取10，比例系數a一般取0.15～0.30。

最后將上面得到的角點利用SURF算法計算得到角點的尺度信息。

(3) 跟蹤注冊模塊

當定位模塊計算出移動終端的位置和方位后，可從預先存儲的數據集中確定其周圍環境，從而在一定程度上減小了離線室內環境特征庫的匹配范圍。

(5)

然后，根據空間物體模型上的三維點齊次坐標(xw,yw,zw,1) 與其在圖像上的投影齊次坐標(xt,yt,1)的透視投影關系：

(6)

求解計算出投影矩陣，即可獲得當前幀相對于真實室內環境的絕對姿態：

(7)

通過分析視頻流中的幀圖像，判斷當前所捕獲的視頻圖像與所確定的離線圖像是否為同一室內環境。提取圖像中的特征點，將匹配上的特征點關聯起來，其特征檢測與跟蹤注冊流程如圖3所示。

圖3　特征檢測與跟蹤注冊流程

4測試結果及分析

為了驗證算法及系統的性能，本文選取學校教學樓場地進行現場實驗，分別測試指紋識別算法的室內定位精度、特征點檢測效率和移動增強現實導航系統的綜合性能。實驗中，考慮到WiFi信號覆蓋范圍、信號穩定度以及移動終端設備的攝像頭分辨率等因素，AP選用TP-LINK TL-WA850N，其WiFi信號在0～20 m覆蓋范圍內穩定性強，且支持AP、Client、Repeater、Bridge多種無線工作模式。移動終端選擇榮耀3C手機進行測試，系統為Android OS 4.2，CPU為聯發科MT6582，主屏分辨率為720×1280像素，攝像頭像素為800萬像素，該移動終端處理性能較好，攝像頭分辨率較高。軟件部分則采用MySQL建立數據庫，利用Eclipse、Java編寫信號采集客戶端。

4.1WiFi定位精度測試

依據上述的位置指紋識別方法，本研究中部署了6個AP，并設置指紋網格大小為2 m×2 m。訓練階段，依次在各指紋點上多次測量取平均來建立指紋數據庫，每個參考點采樣次數大于200次。定位階段，選取了10個網格點進行定位實驗，結果如圖4所示。

圖4　室內環境部署示意圖

根據實驗結果可知，該位置指紋識別算法精度較高，最小定位偏差為0.3 m，最大定位偏差為2.2 m，平均偏差1.1 m。其中有三個測試點的定位偏差均小于0.5 m。該定位算法的精度能夠滿足本研究中的定位要求。

4.2特征點檢測和跟蹤注冊測試

為了驗證特征檢測模塊的性能，分別對FAST、SURF和FAST-SURF三種算法進行了室內環境圖特征點檢測。從圖5和表1中可知，FAST-SURF特征檢測方法較好地綜合了FAST和SURF的優點，擁有較快的特征檢測速度和旋轉不變性、放射不變性等特征，能夠較好地滿足移動增強現實系統的需求。

圖5　FAST-SURF室內幀特征點

檢測算法特征檢測數量(個)特征檢測時間(ms)旋轉、放射不變性FAST26428無SURF627736有FAST-SURF11892有

針對跟蹤注冊的精度測試，采用圖像特征點反投影的方式，根據離線室內環境幀的特征提取結果。計算出投影矩陣，并實時提取當前室內幀的特征點，將其反投影到真實環境中，結果如圖6所示。

圖6　反投影計算結果

4.3系統綜合測試

當安裝并打開本應用程序后，手機攝像頭自動進入實景拍攝。選擇定位功能，將手機攝像頭對準室內進行拍攝，當前場景中的房間號碼就疊加到真實場景中(如圖7所示)。選擇導航功能時，選擇目的地為403室，則在手機屏幕上出現導航路線箭頭，指示403室所在位置(如圖8所示)。

圖7　AR定位功能　　　　圖8　AR導航功能

在系統實時性方面，由表2可知，主要時間消耗在SURF描述器對特征向量的計算及攝像機姿勢更新。總體來說，該AR室內導航系統實時性較好，能較快地完成移動終端的定位、室內環境的跟蹤注冊以及虛實物體的疊加等功能。

表2　系統模塊消耗時間表

5結語

針對目前室內導航交互性較差的特點，利用WiFi定位技術和移動增強現實技術，設計實現一個移動AR室內向導系統。通過虛實融合，形成實時導航信息，在一定程度上解決了目前室內導航存在精度有限、可視性差、人機交互能力低等問題。然而，在實際生活中，必須考慮到室內環境的復雜性、硬件成本的限制等因素，因此，進一步研究適應范圍廣、定位精度高、穩定性好的智能終端增強現實導航系統是我們下一階段的重點。

參考文獻

[1] 吳帆,張亮.增強現實技術發展及應用綜述[J].電腦知識與技術,2012,34(8):8319-8325.

[2] 魏菲,李允俊,金華.使用位置指紋算法的WiFi定位系統設計[J].單片機與嵌入式系統應用,2014(5):29-32.

[3] 常勇,薛立明,姜淑芳.智能手機增強現實關鍵技術研究[J].計算機工程與應用,2011,47(15):69-71.

[4] 史曉琳,邊耐政.手機增強現實室內向導的研究與實現[J].計算機應用與軟件,2013,30(2):320-323.

[5] 楊豐盛.Android應用開發揭秘[M].北京:機械工業出版社,2010.

[6] 陳智翔.基于自然特征點的移動增強現實系統研究[D].廣州:廣東工業大學,2013.

[7] 陳靖,王涌天.基于特征識別的增強現實跟蹤定位算法[J].中國科學:信息科學,2010,40(11):1437-1449.

[8] 肖慧,陸奎.基于SIFT自然特征的AR系統研究和實現[J].計算機應用與軟件,2014,31(5):244-246,263.

[9] 潘晉,周暖云.一種基于特征點提取與隨機樹的增強現實系統[J].計算機應用與軟件,2010,27(10):86-88,91.

[10] Luo Juan,Oubong Gwun.A Comparision of SIFT,PCA-SIFT and SURF[J].International Journal of Image Processing,2009,3(4):143-152.

RESEARCH ON AUGMENTED REALITY INDOOR GUIDE BASED ON WIFI POSITIONING TECHNOLOGY AND ITS APPLICATION

Yan Xingya1Lu Ke2Liu Wei2

1(SchoolofDigitalArt,Xi’anUniversityofPostandTelecommunications,Xi’an710121,Shaanxi,China)2(SchoolofComputerScienceandTechnology,Xi’anUniversityofPostandTelecommunications,Xi’an710121,Shaanxi,China)

AbstractTraditional indoor navigation using digital maps has low precision, poor intuitive performance and bad interaction. In view of these, in this paper we put forward an indoor guide strategy which combines the WiFi positioning technology with visual recognition. It uses WiFi fingerprinting positioning algorithm to determine the position of the mobile phone in the room, and obtains its azimuth information through electronic compass. In combination with the FAST-SURF visual identification method it detects the feature points of scene. Meanwhile, we design and implement an AR indoor guide system on Android platform. Experiments show that, the indoor positioning accuracy of the system is improved to 1.1 m, its tracing and matching reaches a higher precision, the system is good in real-time performance, precise in localisation and navigation. Therefore, this AR indoor guide system has good effects in both the indoor positioning accuracy and real-time virtuality and reality fusion. It not only has strong usability and practicality, but also has broad application prospects.

KeywordsWiFi positioningAugmented realityIndoor guideAndroid platform

收稿日期：2014-11-10。西安市科技局項目(CXY1339)。閆興亞，教授，主研領域：數字媒體理論與應用，虛擬現實技術應用和增強現實技術應用。陸可，碩士生。劉偉，碩士生。

中圖分類號TP311.5

文獻標識碼A

DOI:10.3969/j.issn.1000-386x.2016.05.027