基于WiFi RSSI指纹识别的适应室内定位方法——结合SLAM使能机器人平台与深度神经网络

室内定位在物联网和机器人时代中占据重要角色，WiFi技术因其普遍性而成为首选方案。我们提出了一种用于增强室内定位系统的WiFi指纹数据集创建方法，以解决WiFi指纹数据集创建的瓶颈。我们采用同时定位与地图构建(SLAM)算法，并使用机器人平台在室内环境中构建精确地图并实现机器人定位。我们开发了软件应用程序来促进数据获取、指纹数据集收集和准确的地面实况地图构建。随后，我们将通过SLAM生成的空间信息与WiFi扫描结果对齐，以创建全面的WiFi指纹数据集。创建的数据集用于训练深度神经网络(DNN)进行室内定位，以证明网格密度的有用性。我们在办公室环境中进行了实验验证，以展示所提出方法的有效性，包括来自测试接入点在环境中布置位置的空间分布热力图。值得注意的是，我们的方法相对于现有方法具有显著优势：无需预定义环境地图、无需准备步骤、减少人工干预、创建更稠密的指纹数据集，并缩短WiFi指纹数据集创建时间。我们的方法比其他方法实现的室内定位精度提高26%，相较于传统方法在创建WiFi指纹数据集方面，稀疏度提高6倍、耗时缩短为三分之一。总之，使用由SLAM使能机器人平台调查的WiFi RSSI指纹数据，我们可以将训练好的DNN模型适应到任何动态环境中的室内定位中，并增强其在实际场景中的可扩展性和适用性。