从军事走向民用，惯导定位能否破解室内导航难题？

 文 | 魏启扬

来源 | 智能相对论（ID：aixdlun）

“整整20分钟了，车还是没有找到。”老王的车并没丢，只是停在商场地下停车场里忘记了位置，兜兜转转没有头绪。

想必大家都有在地下停车场找车的经历，有些人在停车前甚至会特意留心自己停车的区域，不放心的还会在车前拍张照片，害怕万一迷路还能“按图索骥”，但最后回家前的“找车游戏”还是难以避免。此时，那些号称能够精准定位的导航软件们也集体失灵，软件界面右上角“信号弱”的红色警示只能增加你的烦闷和无力感。

在户外，卫星定位导航软件可以非常轻松的定位和寻找方向，然而到了室内，随着导航信号的衰减，我们常用的那些导航软件就开始“抓瞎”。为了解决室内定位的难题，人类进行了大量的研究，在此背景下，Wi-Fi定位、蓝牙定位、RFID定位、UWB（超宽带）定位、红外技术、超声波等技术纷纷进入市场，也提供了不少各有特色的解决方案。现在的问题是，在室内定位的众多方案中，人类并没有达成共识——究竟哪种才是室内定位的最佳方案。

室内定位方案琳琅满目，没有一个最佳方案

早在15世纪，当人类开始探索海洋的时候，定位技术也随之诞生。当时的定位方法十分粗糙，就是是运用航海图和星象图来确定自己的位置。

随着社会的进步和科技的发展，定位技术在技术手段、定位精度、可用性等方面均取得质的飞越，并且逐步从航海、航天、航空、测绘、军事、自然灾害预防等“高大上”的领域逐步渗透到我们的生活中来，特别是GPS定位软件的普及，给人类的城市生活带来了极大的便利。可是在室内定位上，虽然人类研发出的定位技术的种类有几十甚至上百种，但这些技术方案都有着特别明显的优点和缺点，每一种技术方案都只是拥有适合自己的特定场景，并没有出现像“GPS定位”这样“一统天下”的解决方案。究其原因，室内定位尚有3个难题一直没有解决。

1、复杂多变的室内空间

在室内定位中，信号发射器和接收机之间的相通是定位的基础。任何遮挡都会导致信号衰减或直接阻挡信号的传播。像GPS信号就无法穿透建筑物的墙面，我们在家中的WIFI信号也会因为墙面的阻挡而出现信号死角。

室内空间内部信号遮挡是室内定位无法避免的问题，大大限制了很多室外定位技术在室内普及的可能性，也把有效定位范围限制在很小的范围内。此外，如何感知和认知室内几何环境和信号环境的时空变化，提高对定位环境的自学习、自适应能力，实现图像特征库、地标信息库的自动更新，也是室内定位至今还没解决的问题。

2、异源异构的定位源头

我们在使用手机作为室内定位的数据采集终端和定位源时，根据室内定位方案的不同，会用到WIFI和蓝牙这两类短距离射频信号，以及加速度计、磁力计、陀螺仪、气压计、光强度传感器、麦克风、扬声器和相机等传感器。

手机中内置的这些传感器和射频信号通常都不是为定位用途而设置的，再加上不同品牌手机硬件上的差异，这就会产生不同的信号源就可能引发信号测量值不同步，信号采样频率不一致，信号测量精度有差异，不同定位终端测量有偏差等问题……这些都影响着室内定位技术的发展和成熟。

3、移动终端上有限的计算资源

目前，人类理想中的室内定位方案都是以手机作为解决终端来进行，但手机为了保证其主流功能如打电话、微信、拍照等正常工作，注定只能给定位功能让出小部分的CPU处理时间。此外由于室内定位复杂性的存在，一些定位算法、图像处理和深度学习算法等也需要在手机端完成，此时手机的存储能力将受到极大的考验，长时间的运算工作，也将大大增加手机电池的消耗。手机计算资源上的先天不足，难以满足部分室内定位方案的技术需求。

通过下图的对比可以看出，目前每一种室内定位技术都有其可以独当一面的优点，但同时也有难以解决的缺点，总之，没有一项是最佳解决方案。

并不新鲜的惯导定位，如何在室内导航赛道脱颖而出？

惯导定位方案表示“不服”。

在不久前举行的“2018中国网络安全·智能制造大会”上，长沙一家初创企业格纳微表示，通过优化算法，其采用惯导定位技术产品的定位精度达到了0.3%，相当于走1公里误差不到3米，大大低于行业2%—5%的精度标准。国内惯性运动追踪与人体动作捕捉系统解决方案供应商VMSENS也曾公开表示，其研发的微型惯性追踪系统，配合ZVU步行导航算法，可将定位精度控制到小于0.4%的水平。在AI的帮助下，惯导定位会产生累积误差的问题似乎得到了很好的解决。

其实，惯导定位并不是什么新技术，其工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息，从而实现定位。早在二战期间，德国人冯·布劳恩就使用惯导技术应用于V-2火箭的制导。

2013年时，为了替代易受干扰的GPS卫星定位系统，美国军方将惯导系统集成在以立方毫米为单位的超小芯片上，通过芯片上的原子陀螺仪、加速器和原子钟精确测量载体平台相对惯性空间的角速率和加速度信息，利用牛顿运动定律自动计算出载体平台的瞬时速度、位置信息并为载体提供精确的授时服务。从惯导系统被军方用于导弹导航来看，这项技术本身就具有较高的可靠性。

2014年惯导系统从军事走向民用，国防科技大学在当年宣布成功研制了“基于微惯导的人员自主定位系统”，能够在没有卫星导航信号的环境下实现精确定位。

实际上，在年8月份在湖南长沙北辰时代广场A1区写字楼举行的一场“超高层建筑跨区域灭火救援实战演练”中，惯导定位就已经表现出在应急处置方面相比其他室内定位技术的优秀之处：不光定位精准，还能判断消防员是否“倒地”或“站立”两种姿态，通过可穿戴设备，还能掌握消防员的氧气消耗量情况、心跳次数以及体温等生命特征。

消防应急演练中惯导定位系统界面截图

除了室内导航，惯导定位还有更广舞台

惯导定位的应用，并不只用在室内导航，在室外，还有惯导定位更加广阔的舞台。

早在2011年5月，美国的SEER Technology公司就宣布在无法使用全球定位系统的环境中成功利用基于惯导定位技术的“NAViSEER高精度人员跟踪系统”，进行有史以来首次跨洲人员跟踪。只要人员配戴NAViSEER装备，不论身处户外或户内，环境可用或无法使用全球定位系统，NAViSEER都可以在数秒钟内得出高度准确的地理位置数据。只要利用SEER的平面和立体软件，便可以在数秒钟内绘制位于世界任何地方的建筑物或设施的线框图，即使对该建筑物毫无认识或根本没有任何资料亦可办到。这令观察人员能够随时准确推定有关人员的所在位置。对消防员、警员、军事人员和其它先遣人员来说，这是一种能够拯救生命的技术。

知名科技企业霍尼韦尔则利用惯导定位技术在无人机和汽车导航方面发力。我们平时在城市开车时，经常会经过高层建筑、地下隧道、多层高架桥，建筑物的阻隔会影响GPS的信号接收，形成俗称的“城市峡谷”。霍尼韦尔研发的HGuide n580惯导设备的尺寸只有一副扑克牌大小，却能在卫星覆盖受限的区域提供精确导航，该设备还结合GPS作为汽车导航的备用解决方案，这意味着即使在GPS信号微弱甚至丢失的城市峡谷也不会迷航。

值得注意的是，目前大热的无人驾驶技术中的导航定位，惯导定位技术是其导航系统不可缺少的一部分，除了可以填补GPS因信号丢失留下的空缺外，还能与GPS配合一起为激光雷达的空间位置和脉冲发射姿态提供高精度的定位。

此外，惯导技术还可在不需要摄像头的情况下，在3D动画制作、虚拟仿真与训练、人体运动科学、体育竞技、康复医疗、动作捕捉等领域有很好的应用场景。

技术逐渐成熟的惯导定位，如何解决2C难点？

其实微软每年都会举行一场室内定位竞赛，参赛选手在50m*50m的室内空间内对事先测定好坐标的20个点读取数据，错误低的获胜。中国就曾在手机组中夺冠，他们利用手机上的惯性传感器，使用PDR算法来测算用户的行进距离和朝向，再结合Wi-Fi指纹来做修正。

不少室内定位研究者都认同，惯导+WIFI的融合方案会将成为商业化室内定位的主流。通过大量的使用者指纹库识别结果、行走习惯和惯性传感器融合，反向定位纠正错误热点信息，实现数据库的自我稳定和自我修复，从而实现较为精准的定位。

格纳微联合创始人闵涛也表示，定位技术中，每一个定位技术都有自己的特点，惯性导航的应用范围会更广一些，而且成本相对会更低。针对惯导会产生累积误差的特性，可以通过采取多源数据融合，多维度智能学习的方案，获取所有可识别的信号用于修正惯导的偏移，并且通过地图数据来自动纠偏。在未来相当长一段时间内，微惯导定位将是室内定位解决方案中的核心技术。

虽然说惯导技术在室内导航定位这一领域确实有着不俗的表现，但可以注意到，目前这项技术的应用大多还是集中在B端，现在的问题是，技术逐渐成熟的惯导定位，是什么阻止了它在C端的大范围普及？

在解决了技术方案之后，谁来买单？是惯导定位2C面临的第一步。不同于室外导航，所有的城市、区域、道路都是通联的，像高德、百度这类企业，只需一个APP就可将所有的C端流量进行收割，有了流量之后再通过其他方式进行商业变现。而室内导航，面临的是一个个割裂的建筑物，每一个建筑物都需要单独一张地图，这对于室内导航企业来说，流量难以集中，变现的难度也就大大增加了。  

让用户自己买单？这一招在到处充满“免费思维”的互联网时代显然不行。

让建筑内的商家买单？这将取决于室内导航软件的流量上限，或者更加创新的营销思路。

让建筑管理方或者物业买单？这个办法不错，但其中需要经历一段长期而曲折的行业教育过程。

实际上，室内导航赛道的终点已经出现，就看参赛选手们是否还有存货，能够在最后的冲刺阶段杀出重围，率先撞线。

【完】

智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。