HMS Core 3D精準室內定位技術,打造“店鋪級”出行體驗

HMSCore發表於2022-05-24

2022年4月28日,在華為摺疊旗艦及全場景新品釋出上,華為Mate Xs 2摺疊屏手機搭載由HMS Core定位服務(Location Kit)提供的3D精準室內定位技術,為使用者提供了“店鋪級”定位能力。目前,該能力已經覆蓋國內160+城市、1300+核心商圈、20+大型交通樞紐等大中型公共建築,為使用者打造室內精準定位的出行體驗。

“3D精準室內定位技術”技術底座

室內定位技術在商場室內導購、高鐵機場出行等生活場景,以及遊客導覽、外賣騎手到店履約等行業場景都有廣泛的需求。

當前業界已經有多種室內定位方案,如基於藍芽標籤、UWB基站的硬體部署方案,以及人工採集WiFi/地磁方案等。但是這些方案存在場所覆蓋量少、成本高昂、無法自動學習更新等不足。

為了解決這些痛點,HMS Core定位服務通過突破多項關鍵技術,最終實現了廣覆蓋、低成本、自學習的精準室內定位功能,通過統一的API介面支援HarmonyOS等主流移動OS系統,確保即使從室外延伸到室內,都能獲取無縫的精準定位服務。

HMS Core定位服務通過如下4個關鍵技術實現廣覆蓋、低成本、自學習的3D精準室內定位能力。

AI慣導軌跡估計技術

多源訊號因子圖優化技術

AI樓層識別技術

概率建模高精度定位技術


3D精準室內定位技術概要圖

AI慣導軌跡估計技術


AI慣導原理

業界通用的PDR估計模型,基於步態檢測和步長估計的航跡推算,該模型對人的高矮、行走快慢、手機姿態切換等非常敏感,導致不同場景下,軌跡長度和方向的估計不穩定,誤差抖動大。 HMS Core定位服務提供AI慣導軌跡估計技術解決該問題。該技術通過AI自監督學習的方法,只需原10%的標定資料即可實現同樣的軌跡位姿估計精度,不僅減少了對訓練資料量的依賴,同時提高了對使用者行為姿態的泛化適應能力;另外採用華為自研的RIO網路設計,將軌跡估計精度進一步提升了30%以上(華為實驗室測試資料),能夠應對現實生活中各種使用者在複雜室內環境中的定位需求。
多源訊號因子圖優化技術

多源訊號因子圖優化技術原理


多源訊號因子圖優化技術原理

HMS Core定位服務提供的多源訊號因子圖優化技術,基於訊號傳播模型基礎理論,引入了圖論的方法對5G、UWB、FTM、WiFi、BLE、RF等多源訊號進行表徵,將傳統的特徵匹配問題轉換成了圖優化問題,這樣不僅提高了大資料處理的效率,而且也使得資料模型更準確地刻畫了訊號地圖的特徵。該技術將無序的軌跡分佈構建成有序的2D平面拓撲的訊號地圖,並且能夠隨著訊號覆蓋密度的增加,最終達到“店鋪級”位置分辨精度。

從無序的軌跡到有序2D拓撲構建例項展示

AI樓層識別技術

AI樓層識別技術原理

室內定位,還需要解決使用者在不同樓層移動產生的跨樓層定位問題,包括樓梯、電梯和自動扶梯等場景。HMS Core定位服務通過AI學習跨層地標屬性,並對不同樓梯型別進行自動排序,通過AI樓層識別技術,實現3D樓層定位,準確率平均優於95%(華為實驗室測試資料)

從2D有序拓撲到3D有序拓撲構建例項展示

概率建模高精度定位技術

概率建模高精度定位技術原理

HMS Core定位服務提供的概率建模高精度定位技術,基於訊號傳播模型的分佈特徵,提出高斯過程對訊號殘差建模和自適應的學習超引數,將訊號軌跡覆蓋區域擴充套件到軌跡未經過區域。並且隨著不斷的AI自學習,越來越逼近模型估計最優解,從而使得定位更精準。

在存在室內地圖的場景下,還可以進一步通過地圖匹配演算法提升定位精度。

華為Mate Xs 2摺疊屏手機釋出會現場圖

以上技術來自華為2012黎曼實驗室(Riemann Lab),通過HMS Core定位服務(Location Kit)面向開發者開放,目前HUAWEI Mate Xs 2摺疊屏手機使用者使用高德地圖APP即可實現“店鋪級”精準室內定位體驗,後續還將有更多華為機型支援3D精準室內定位技術。

同時,伴隨HMS生態佈局全面加速,HMS Core 定位服務地圖服務位置服務等核心應用開發能力也迎來快速提升,2021年6月整合推出了Petal Maps Platform,並全面對開發者與合作伙伴開放。Petal Maps Platform地圖服務平臺目前已擁有22個豐富的地圖服務能力,截止2021年底已覆蓋全球200多個國家與地區的開發者,積累了2.6億+POI資料,支援70多種地圖展示與搜尋語言,接入開發者數量超20000。

其他更多關於HMS Core定位服務的資訊,請訪問華為開發者聯盟官網-HMS Core定位服務,相關技術請參考論文清單。

參考文獻:

1.AI慣導軌跡估計技術:
《RIO: Rotation-equivariance supervised learning of robust inertial odometry》, 2022 CVPR, 華為2012黎曼實驗室(Riemann Lab)。

2.訊號空間到距離約束建模技術:
《Mining geometric constraints from crowd-sourced radio signals and its application to information fusion and indoor positioning》, 2021 IEEE Access, 華為2012黎曼實驗室(Riemann Lab)。

3.概率建模的高精度定位技術:
《Measuring Uncertainty in Signal Fingerprinting with Gaussian Processes Going Deep》, 2021 IPIN, 華為2012黎曼實驗室(Riemann Lab)。

瞭解更多詳情>>

訪問華為開發者聯盟官網
獲取開發指導文件
華為移動服務開源倉庫地址:GitHubGitee

關注我們,第一時間瞭解 HMS Core 最新技術資訊~

相關文章