張鳳 趙昆 蔣振偉 鄭正奇 姚勇俊

摘要：針對(duì)目前對(duì)室內(nèi)人員定位的需求，可以通過(guò)視覺(jué)和UWB融合進(jìn)行室內(nèi)定位跟蹤，可以實(shí)現(xiàn)視覺(jué)跟蹤和UWB定位之間的互補(bǔ)，保證定位的精確性、連續(xù)性和穩(wěn)定性。本文研究一種視覺(jué)和UWB融合的室內(nèi)跟蹤定位系統(tǒng)，利用EPSO算法進(jìn)行TDOA定位方程組的求解提升定位精度，利用EMOPSO算法優(yōu)化基站布局，利用yolov5檢測(cè)算法提升視覺(jué)定位的檢測(cè)精度，并建立了多元融合定位系統(tǒng)，通過(guò)驗(yàn)證確定能夠?qū)σ苿?dòng)目標(biāo)進(jìn)行定位，融合定位系統(tǒng)具有比較高的性能。

關(guān)鍵詞：視覺(jué)定位；UWB；室內(nèi)跟蹤定位

引言

室內(nèi)目標(biāo)跟蹤定位在近年來(lái)得到了廣泛研究，特別在當(dāng)前背景下，對(duì)機(jī)器人控制需求確定位置信息、針對(duì)室內(nèi)人員需要加強(qiáng)管理，必須使用精確的室內(nèi)跟蹤定位技術(shù)支持。傳統(tǒng)方式下，一般使用GPS進(jìn)行人員定位，但是由于室內(nèi)環(huán)境比較復(fù)雜，會(huì)有墻壁、窗戶等阻擋，GPS信號(hào)往往在傳播過(guò)程中出現(xiàn)反射、散射等問(wèn)題，導(dǎo)致信號(hào)衰減影響正常的定位。為此，針對(duì)室內(nèi)人員定位發(fā)展出了UWB技術(shù)和視覺(jué)定位技術(shù)，都能夠進(jìn)行目標(biāo)識(shí)別，但是由于技術(shù)自身限制，使用單一手段進(jìn)行室內(nèi)定位很難獲得良好效果。為此，可以將視覺(jué)目標(biāo)跟蹤和UWB結(jié)合，解決視覺(jué)定位的漏檢、易受視野盲區(qū)影響等問(wèn)題，也能利用視覺(jué)跟蹤彌補(bǔ)UWB的波動(dòng)問(wèn)題，通過(guò)利用多傳感器融合技術(shù)，能建立精準(zhǔn)的室內(nèi)跟蹤定位系統(tǒng)，滿足當(dāng)前對(duì)室內(nèi)人員跟蹤定位的需求。

1. UWB技術(shù)和定位法

1.1 UWB技術(shù)

使用GPS技術(shù)雖然能夠?qū)崿F(xiàn)全球?qū)Ш蕉ㄎ?，并且近年?lái)已經(jīng)具備了較高的精度，但是針對(duì)布置環(huán)境相對(duì)復(fù)雜、障礙物多的室內(nèi)環(huán)境，由于信號(hào)強(qiáng)度的衰減、反射等原因，很難滿足定位需求。針對(duì)目前工作、管理的需要，存在精確室內(nèi)定位的需求，與RFID、ZigBee、藍(lán)牙等技術(shù)相比，超寬帶（UWB）技術(shù)具備更強(qiáng)的穿透性和抗干擾能力，更適合在室內(nèi)這種復(fù)雜環(huán)境中進(jìn)行定位[1]。

傳統(tǒng)通信會(huì)將一個(gè)窄帶信號(hào)調(diào)制到一個(gè)高頻載波上，通信信號(hào)實(shí)際占用的寬帶比較低，UWB技術(shù)不以正弦波作為載波，并且發(fā)送和接收具有納秒、微秒級(jí)以下的極窄脈沖實(shí)現(xiàn)無(wú)線傳輸，所以占據(jù)較寬的頻譜區(qū)域。脈沖信號(hào)的時(shí)間寬帶很短，能夠?qū)崿F(xiàn)在頻譜上的超寬帶，獲得數(shù)百兆的傳輸速率。為了限制UWB對(duì)其他無(wú)線通信系統(tǒng)的干擾，需要將其頻率范圍控制在3.1～10.6GHz，由于UWB信號(hào)利用脈沖信號(hào)傳遞信息，所以具有高頻譜范圍和低功率密度的特點(diǎn)。使用UWB技術(shù)的功耗更小，由于間歇脈沖的持續(xù)時(shí)間比較短，而且占空比較低，耗電量相對(duì)較小，能夠讓超寬帶定位系統(tǒng)設(shè)備設(shè)計(jì)更加簡(jiǎn)單，并且能延長(zhǎng)電源供電時(shí)間。在脈沖時(shí)間比較短的情況下，UWB技術(shù)的抗多徑能力更強(qiáng)，信號(hào)衰落較少[2]。

1.2 TOA定位方法

TOA定位方法會(huì)測(cè)量電磁波信號(hào)在基站和移動(dòng)端之間的傳輸時(shí)間，然后根據(jù)光速計(jì)算它們的距離，再以基站為圓心，以距離為半徑畫(huà)圓，通過(guò)多個(gè)圓的焦點(diǎn)確定目標(biāo)的位置，原理如圖1所示。

圖1 ?TOA定位原理

理想狀態(tài)下，信號(hào)和接收機(jī)發(fā)射機(jī)的時(shí)鐘是完全同步的，可以根據(jù)三個(gè)已知位置的基站為圓心畫(huà)圓，得到目標(biāo)點(diǎn)坐標(biāo)。設(shè)三個(gè)基站的位置分別是BS1（X1，Y1）、BS2（X2，Y2）、BS3（X3，Y3），目標(biāo)點(diǎn)到三個(gè)基站的信號(hào)傳輸時(shí)間為t1、t2、t3，c是電磁波傳播速度，各個(gè)基站和移動(dòng)端的距離為

獲得距離信息后，根據(jù)圓的性質(zhì)能夠獲得以下方程組：

方程組整理為矩陣形式：

（x，y）是移動(dòng)端的位置坐標(biāo)，使用該方法能夠利用UWB高時(shí)間分辨率的特點(diǎn)，并且能在理論上實(shí)現(xiàn)厘米級(jí)定位。但是在實(shí)際應(yīng)用中，使用該方法需要實(shí)現(xiàn)信號(hào)接收端和發(fā)射端的嚴(yán)格時(shí)間同步，會(huì)導(dǎo)致系統(tǒng)復(fù)雜度提升，并且增加功耗，同時(shí)在時(shí)間同步上實(shí)現(xiàn)難度比較大，導(dǎo)致應(yīng)用過(guò)程中會(huì)存在一定的誤差，所以只能對(duì)具體位置進(jìn)行估計(jì)[3]。

1.3 TDOA定位方法

TDOA定位方法使用到達(dá)時(shí)間差進(jìn)行位置的計(jì)算，需要3個(gè)以上基站才能定位，利用基站和目標(biāo)點(diǎn)的距離差建立雙曲線方程，如圖2所示，圖中四個(gè)基站坐標(biāo)分別為BS1（X1，Y1）、BS2（X2，Y2）、BS3（X3，Y3）、BS4（X4，Y4），其中主基站為BS1，在手持UWB標(biāo)簽的目標(biāo)點(diǎn)在基站附近移動(dòng)時(shí)，標(biāo)簽會(huì)向四周發(fā)射UWB信號(hào)[4]。

圖2 ?TDOA定位原理

令四個(gè)基站接收到UWB信號(hào)的時(shí)刻分別是t1、t2、t3、t4，可以根據(jù)光速和到達(dá)時(shí)間差獲得TDOA的方程：

上式中，Ri，1為標(biāo)簽到第i個(gè)基站和主站之間的距離差，c代表電磁波在空氣中的傳播速度，因此可以得到如下方程組：

上式中，（a，b）是行人標(biāo)簽的坐標(biāo)，通過(guò)求解次方程組能夠獲得目標(biāo)點(diǎn)的位置。使用TDOA定位方法和TOA定位方法相比，不需要發(fā)射機(jī)和接收機(jī)時(shí)鐘同步，僅需要接收機(jī)和基站之間保持時(shí)鐘同步，因此設(shè)計(jì)的復(fù)雜度比較低，可以節(jié)約成本。同時(shí)，使用TDOA能夠利用UWB時(shí)間戳所具有的高分辨率、大寬帶特點(diǎn)，能比較好地滿足室內(nèi)定位精度的要求，因此使用TDOA定位法。

2. 關(guān)鍵問(wèn)題的處理和優(yōu)化

2.1 多徑效應(yīng)

使用UWB技術(shù)進(jìn)行定位雖然具有較高強(qiáng)的抗多徑能力，但是由于信號(hào)在室內(nèi)空間傳播過(guò)程中不可避免地會(huì)受到金屬或者其他介質(zhì)反射作用，仍然會(huì)出現(xiàn)多徑效應(yīng)問(wèn)題，將會(huì)導(dǎo)致信號(hào)失真，并影響定位精度。為了確保對(duì)定位精度的控制，使用采樣處理和算法對(duì)結(jié)果進(jìn)行優(yōu)化。超寬帶TDOA定位方程組解算精度比較低，為了提升解算精度，需要將非線性方程組求解問(wèn)題轉(zhuǎn)化為進(jìn)化優(yōu)化問(wèn)題[5]。首先使用chan算法解算過(guò)程，建立非線性方程組的適應(yīng)度函數(shù)，之后使用探索性粒子群優(yōu)化算法EPSO求解方程組，完成對(duì)目標(biāo)的定位。

EPSO的思想在于使用BBPSO直接演化出可以在相應(yīng)特征值范圍內(nèi)任何切點(diǎn)，每個(gè)粒子為一個(gè)候選解，是一個(gè)和問(wèn)題維數(shù)對(duì)應(yīng)的n維是向量，粒子的第一個(gè)維度，表示第一個(gè)特性（F1）的切割點(diǎn)，需要在范圍內(nèi)有一個(gè)值，如果特性更新超出了該范圍，則特性被設(shè)置到最近邊界。使用EPSO時(shí)，首先需要進(jìn)行粒子的初始化，由于高維數(shù)據(jù)上的多變量離散變化搜索空間巨大，所以某些初始候選方案中未被選中的特性，切點(diǎn)應(yīng)該設(shè)置為相應(yīng)特性的最大值，并且保證切點(diǎn)滿足MDLP基于熵的切割點(diǎn)初始化，以便能夠加快收斂速度，并且具有較大信息增益的特性在初始化過(guò)程中被選擇的概率更大。之后需要進(jìn)行粒子評(píng)價(jià)，針對(duì)粒子所產(chǎn)生的切點(diǎn)，需要將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換為離散值的新訓(xùn)練集和少數(shù)特征數(shù)，將切割點(diǎn)的最大值和最小值丟棄。之后根據(jù)轉(zhuǎn)換訓(xùn)練集的分類精度，對(duì)每個(gè)粒子離散化進(jìn)行評(píng)估，通過(guò)對(duì)離散數(shù)據(jù)的整體評(píng)估，實(shí)現(xiàn)對(duì)所有特征切割點(diǎn)的評(píng)估[6]。結(jié)合EPSO，對(duì)粒子群優(yōu)化算法的流程如圖3所示。

圖3 ?粒子群優(yōu)化算法流程圖

通過(guò)上述算法進(jìn)行TDOA定位方程組的求解，之后基于MATLAB的仿真平臺(tái)，驗(yàn)證了不同算法下仿真定位點(diǎn)的空間分布規(guī)律以及三軸誤差規(guī)律。

2.2 多目標(biāo)優(yōu)化的超寬帶基站布局

傳感器布設(shè)將會(huì)影響定位的精度，為提升定位精度，可以增加傳感器的數(shù)量，以增加冗余信息，并利用豐富的冗余信息減小定位誤差。但是，增加傳感器意味著設(shè)備代價(jià)增大，為了能夠控制成本，必須通過(guò)合理的布局，以便在最少UWB傳感器數(shù)量的情況下達(dá)到較好的定位效果。目前傳感器布局并沒(méi)有給出最佳方案，為此，提出一種探索型多目標(biāo)粒子群優(yōu)化算法（exploratory multi-objective PSO，EMOPSO），進(jìn)行基站布局模型求解，最后得到最佳方案。

2.3 視覺(jué)定位盲區(qū)

視覺(jué)定位系統(tǒng)會(huì)受到盲區(qū)和光線的影響，造成目標(biāo)檢測(cè)丟失、視覺(jué)漏檢等問(wèn)題，影響定位的效果和精度。為了解決上述問(wèn)題并提升檢測(cè)精度，使用了Yolov5目標(biāo)檢測(cè)算法和Deepsort目標(biāo)跟蹤算法，以及利用相機(jī)標(biāo)定和坐標(biāo)系轉(zhuǎn)換拓展二維圖像，實(shí)現(xiàn)對(duì)三維目標(biāo)的定位和跟蹤。

2.3.1 Yolov5目標(biāo)檢測(cè)算法

Yolov5使用網(wǎng)格概念，將圖像劃分成多個(gè)網(wǎng)格，每個(gè)網(wǎng)格預(yù)測(cè)一個(gè)或者多個(gè)物體，所以每個(gè)網(wǎng)格都能產(chǎn)生預(yù)測(cè)框，網(wǎng)格內(nèi)存有預(yù)測(cè)框的模板，每個(gè)模板都預(yù)設(shè)了寬、高、坐標(biāo)和置信度。訓(xùn)練過(guò)程中，真實(shí)人工標(biāo)注框重點(diǎn)落在網(wǎng)格內(nèi)，那個(gè)網(wǎng)格內(nèi)的預(yù)測(cè)框就會(huì)生長(zhǎng)或者萎縮，如果存在物體，置信度為1，如果沒(méi)有物體存在，則置信度為0。

2.3.2 Deepsort目標(biāo)跟蹤算法

該算法是一種針對(duì)檢測(cè)多個(gè)目標(biāo)的跟蹤算法，在多目標(biāo)跟蹤時(shí)有較好的表現(xiàn)。在對(duì)跟蹤器和檢測(cè)目標(biāo)進(jìn)行結(jié)果匹配時(shí)，會(huì)結(jié)合運(yùn)動(dòng)信息和目標(biāo)的表觀特征，將它們作為同一個(gè)目標(biāo)匹配，同時(shí)將檢測(cè)框和跟蹤器預(yù)測(cè)框交并匹配和級(jí)聯(lián)匹配，能防止目標(biāo)障礙物被長(zhǎng)時(shí)間遮擋導(dǎo)致出現(xiàn)跟蹤誤差，因此跟蹤過(guò)程中具有更強(qiáng)的魯棒性。圖4為Deepsort的原理圖。

通過(guò)使用上述算法，配合相機(jī)標(biāo)定和坐標(biāo)系轉(zhuǎn)換拓展，并使用卡爾曼濾波算法融合視覺(jué)系統(tǒng)模型以及UWB系統(tǒng)，室內(nèi)特定目標(biāo)的定位和跟蹤性能明顯提升，可以較好地滿足精度需求。

2.4 多源融合定位

單獨(dú)使用視覺(jué)定位或者單獨(dú)使用UWB進(jìn)行室內(nèi)定位還存在一定的不足，視覺(jué)定位會(huì)受到相機(jī)捕獲范圍限制、盲區(qū)的影響，而且很難確定行人的身份；單獨(dú)使用UWB在定位過(guò)程中容易出現(xiàn)誤差，也容易由于信號(hào)不穩(wěn)定、基站掉電導(dǎo)致基站個(gè)數(shù)缺失等不穩(wěn)定問(wèn)題[7]。為此需要將UWB和視覺(jué)定位融合，通過(guò)視覺(jué)定位彌補(bǔ)UWB的波動(dòng)問(wèn)題，以及利用UWB在視覺(jué)出現(xiàn)盲區(qū)時(shí)持續(xù)定位，融合方式如圖5所示。

圖5 ?多源融合方法

定位時(shí)，需要行人攜帶UWB標(biāo)簽發(fā)出信號(hào)，行人會(huì)通過(guò)標(biāo)簽獲得唯一身份ID，并且區(qū)域定位上方需要安裝單目攝像頭，利用攝像頭實(shí)時(shí)進(jìn)行行人的跟蹤拍攝。UWB標(biāo)簽發(fā)射的信號(hào)會(huì)通過(guò)UWB基站發(fā)送給后臺(tái)服務(wù)器進(jìn)行解算，彈幕攝像頭的畫(huà)面會(huì)被發(fā)送到y(tǒng)olov5網(wǎng)絡(luò)模型進(jìn)行目標(biāo)檢測(cè)，并使用矩形框框定，Deepsort目標(biāo)跟蹤算法會(huì)控制攝像頭跟蹤目標(biāo)行人，并給行人賦予ID。在UWB和視覺(jué)定位都計(jì)算出結(jié)果，使用歐氏距離進(jìn)行匹配，在匹配成功后，會(huì)將行人視覺(jué)定位的行人ID和UWB標(biāo)簽ID匹配，并對(duì)這兩種方法獲得的行人坐標(biāo)使用卡爾曼濾波融合，獲得最后的輸出坐標(biāo)。

3. 算法精度實(shí)驗(yàn)

針對(duì)10～100米距離下TDOA模型使用chan算法、間接法、EPSO算法的平均定位誤差進(jìn)行分析。

3.1 實(shí)驗(yàn)環(huán)境

為驗(yàn)證融合性能，在學(xué)校走廊環(huán)境開(kāi)展實(shí)驗(yàn)。UWB接收信號(hào)基站在走廊里排列，基站之間的間隔為7.5米，無(wú)線攝像頭將拍攝到的畫(huà)面?zhèn)鬏數(shù)椒?wù)器進(jìn)行處理，UWB基站也會(huì)將接收到的信號(hào)發(fā)送到服務(wù)器進(jìn)行解算，服務(wù)器內(nèi)可以進(jìn)行UWB數(shù)據(jù)和視頻數(shù)據(jù)的處理，進(jìn)行行人位置定位。行人的真實(shí)坐標(biāo)使用紅外線測(cè)距儀進(jìn)行測(cè)量。每隔10米進(jìn)行一次位置測(cè)量，從10米到100米進(jìn)行10～100米的距離測(cè)量實(shí)驗(yàn)，并使用三種算法進(jìn)行計(jì)算。

3.2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果如圖6所示。

根據(jù)圖6的結(jié)果，隨著定位點(diǎn)和基站之間距離增大，所有定位算法的平均誤差都在增加，但是使用間接法和EPSO算法的平均定位誤差呈線性增加，而chan算法平均定位誤差呈指數(shù)增加。因此EPSO算法和間接法具有較好的定位精度。間接法和EPSO算法對(duì)比如圖7所示。

圖7為間接法和EPSO算法的精度對(duì)比，通過(guò)放大后發(fā)現(xiàn)，二者的定位誤差雖然相差較小，但是EPSO算法的定位精度更高，因此使用EPSO算法相對(duì)具有更高的定位精度。

結(jié)語(yǔ)

使用EPSO算法求解TDOA定位方程組得到的定位誤差相對(duì)較小，在定位精度上具有不錯(cuò)的效果，和視覺(jué)定位技術(shù)融合，可以獲得更具連續(xù)性、穩(wěn)定性的定位系統(tǒng)。UWB定位和視覺(jué)定位之間具有比較良好的互補(bǔ)性，利用視覺(jué)定位能夠降低UWB定位的波動(dòng)性，UWB定位也能給視覺(jué)定位的行人提供身份信息，滿足視覺(jué)盲區(qū)進(jìn)行定位的需求。所以，建立多元融合定位系統(tǒng)可以在室內(nèi)定位中獲得比較好的效果，可以提供較為準(zhǔn)確的三維位置信息，并實(shí)現(xiàn)對(duì)人員的跟蹤定位。在具體應(yīng)用中，還需要使用EPSO算法合理布置基站的布局，以有效控制誤差，提升定位系統(tǒng)的工作效率。

參考文獻(xiàn)：

[1]楊招兵.基于視覺(jué)和超寬帶融合的室內(nèi)跟蹤定位系統(tǒng)[D].上海：上海交通大學(xué)，2020.

[2]Hightower J，Borriello G.Location systems for ubiquitous computing[J]. Computer，2001，34（8）：57-66.

[3]梁昌業(yè).室內(nèi)導(dǎo)航融合算法研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2019.

[4]李玉卿，鮑泓，徐成.單目視覺(jué)慣性SLAM與UWB數(shù)據(jù)融合的精確定位[J].傳感器與微系統(tǒng)，2022，41（9）：125-128.

[5]周韋，孫憲坤，吳飛.基于SLAM/UWB的室內(nèi)融合定位算法研究[J].全球定位系 統(tǒng)，2022，47（1）：36-42，85.

[6]曹立波，向國(guó)梁，張樂(lè)祺，等.一種融合UWB和視覺(jué)信息的行人預(yù)警方法[J].汽車工程學(xué)報(bào)，2020，10（4）：235-242.

[7]杜美玉，于湉，胡霆豐，等.基于UWB技術(shù)的自動(dòng)跟隨避障系統(tǒng)設(shè)計(jì)研究[J].電子元器件與信息技術(shù)，2020，4（8）：62-63，77.

作者簡(jiǎn)介：張鳳，碩士研究生，研究方向：UWB定位、智能座艙特性測(cè)試。

基金項(xiàng)目：上海市科委資助項(xiàng)目——Science and Technology Commission of Shanghai Municipality （編號(hào)：22DZ2229004）。