HMS Core 3D精准室内定位技术,打造“店铺级”出行体验

原创
05/27 14:22
阅读数 2K

2022428日,在华为折叠旗舰及全场景新品发布上,华为Mate Xs 2折叠屏手机搭载HMS Core定位服务(Location Kit)提供的3D精准室内定位技术,为用户提供了“店铺级”定位能力。目前,该能力已经覆盖国内160+城市、1300+核心商圈、20+大型交通枢纽等大中型公共建筑,为用户打造室内精准定位的出行体验。

3D精准室内定位技术”技术底座

室内定位技术在商场室内导购、高铁机场出行等生活场景,以及游客导览、外卖骑手到店履约等行业场景都有广泛的需求。

当前业界已经有多种室内定位方案,如基于蓝牙标签、UWB基站的硬件部署方案,以及人工采集WiFi/地磁方案等。但是这些方案存在场所覆盖量少、成本高昂、无法自动学习更新等不足。

为了解决这些痛点,HMS Core定位服务通过突破多项关键技术,最终实现了广覆盖、低成本、自学习的精准室内定位功能,通过统一的API接口支持HarmonyOS等主流移动OS系统,确保即使从室外延伸到室内,都能获取无缝的精准定位服务。

HMS Core定位服务通过如下4个关键技术实现广覆盖、低成本、自学习的3D精准室内定位能力。

  1. AI惯导轨迹估计技术
  2. 多源信号因子图优化技术
  3. AI楼层识别技术
  4. 概率建模高精度定位技术

1.PNG

3D精准室内定位技术概要图

AI惯导轨迹估计技术

2.PNG

AI惯导原理

 

业界通用的PDR估计模型,基于步态检测和步长估计的航迹推算,该模型对人的高矮、行走快慢、手机姿态切换等非常敏感,导致不同场景下,轨迹长度和方向的估计不稳定,误差抖动大。 HMS Core定位服务提供AI惯导轨迹估计技术解决该问题。该技术通过AI自监督学习的方法,只需原10%的标定数据即可实现同样的轨迹位姿估计精度,不仅减少了对训练数据量的依赖,同时提高了对用户行为姿态的泛化适应能力;另外采用华为自研的RIO网络设计,将轨迹估计精度进一步提升了30%以上(华为实验室测试数据),能够应对现实生活中各种用户在复杂室内环境中的定位需求

多源信号因子图优化技术

3.PNG

多源信号因子图优化技术原理

 

HMS Core定位服务提供的多源信号因子图优化技术,基于信号传播模型基础理论,引入了图论的方法对5GUWBFTMWiFiBLERF等多源信号进行表征,将传统的特征匹配问题转换成了图优化问题,这样不仅提高了大数据处理的效率,而且也使得数据模型更准确地刻画了信号地图的特征。该技术将无序的轨迹分布构建成有序的2D平面拓扑的信号地图,并且能够随着信号覆盖密度的增加,最终达到“店铺级”位置分辨精度。

4.gif

从无序的轨迹到有序2D拓扑构建实例展示

 

AI楼层识别技术

5.PNG

AI楼层识别技术原理

 

室内定位,还需要解决用户在不同楼层移动产生的跨楼层定位问题,包括楼梯、电梯和自动扶梯等场景。HMS Core定位服务通过AI学习跨层地标属性,并对不同楼梯类型进行自动排序,通过AI楼层识别技术,实现3D楼层定位,准确率平均优于95%(华为实验室测试数据)

6.gif

2D有序拓扑到3D有序拓扑构建实例展示

概率建模高精度定位技术

7.PNG

概率建模高精度定位技术原理

 

HMS Core定位服务提供的概率建模高精度定位技术,基于信号传播模型的分布特征,提出高斯过程对信号残差建模和自适应的学习超参数,将信号轨迹覆盖区域扩展到轨迹未经过区域。并且随着不断的AI自学习,越来越逼近模型估计最优解,从而使得定位更精准。

在存在室内地图的场景下,还可以进一步通过地图匹配算法提升定位精度。

8.jpg

华为Mate Xs 2折叠屏手机发布会现场图

 

以上技术来自华为2012黎曼实验室(Riemann Lab),通过HMS Core定位服务(Location Kit)面向开发者开放,目前HUAWEI Mate Xs 2折叠屏手机用户使用高德地图APP即可实现店铺级精准室内定位体验,后续还将有更多华为机型支持3D精准室内定位技术。

同时,伴随HMS生态布局全面加速,HMS Core 定位服务、地图服务、位置服务等核心应用开发能力也迎来快速提升,20216月整合推出了Petal Maps Platform,并全面对开发者与合作伙伴开放。Petal Maps Platform地图服务平台目前已拥有22个丰富的地图服务能力,截止2021年底已覆盖全球200多个国家与地区的开发者,积累了2.6亿+POI数据,支持70多种地图展示与搜索语言,接入开发者数量超20000

 

其他更多关于HMS Core定位服务的信息,请访问华为开发者联盟官网-HMS Core定位服务,相关技术请参考论文清单。

 

参考文献:

1. AI惯导轨迹估计技术:

RIO: Rotation-equivariance supervised learning of robust inertial odometry, 2022 CVPR, 华为2012黎曼实验室(Riemann Lab)。

2.信号空间到距离约束建模技术:

Mining geometric constraints from crowd-sourced radio signals and its application to information fusion and indoor positioning, 2021 IEEE Access, 华为2012黎曼实验室(Riemann Lab)。

3.概率建模的高精度定位技术:

Measuring Uncertainty in Signal Fingerprinting with Gaussian Processes Going Deep, 2021 IPIN, 华为2012黎曼实验室(Riemann Lab)。

展开阅读全文
加载中

作者的其它热门文章

打赏
0
1 收藏
分享
打赏
1 评论
1 收藏
0
分享
返回顶部
顶部
返回顶部
顶部