文 | 魏啟揚

來源 | 智能相對論（ID：aixdlun）

“整整20分鐘了，車還是沒有找到。”老王的車并沒丟，只是停在商場地下停車場里忘記了位置，兜兜轉轉沒有頭緒。

想必大家都有在地下停車場找車的經歷，有些人在停車前甚至會特意留心自己停車的區域，不放心的還會在車前拍張照片，害怕萬一迷路還能“按圖索驥”，但最后回家前的“找車游戲”還是難以避免。此時，那些號稱能夠精準定位的導航軟件們也集體失靈，軟件界面右上角“信號弱”的紅色警示只能增加你的煩悶和無力感。

在戶外，衛星定位導航軟件可以非常輕松的定位和尋找方向，然而到了室內，隨著導航信號的衰減，我們常用的那些導航軟件就開始“抓瞎”。為了解決室內定位的難題，人類進行了大量的研究，在此背景下，Wi-Fi定位、藍牙定位、RFID定位、UWB（超寬帶）定位、紅外技術、超聲波等技術紛紛進入市場，也提供了不少各有特色的解決方案。現在的問題是，在室內定位的眾多方案中，人類并沒有達成共識——究竟哪種才是室內定位的最佳方案。

室內定位方案琳瑯滿目，沒有一個最佳方案

早在15世紀，當人類開始探索海洋的時候，定位技術也隨之誕生。當時的定位方法十分粗糙，就是是運用航海圖和星象圖來確定自己的位置。

隨著社會的進步和科技的發展，定位技術在技術手段、定位精度、可用性等方面均取得質的飛越，并且逐步從航海、航天、航空、測繪、軍事、自然災害預防等“高大上”的領域逐步滲透到我們的生活中來，特別是GPS定位軟件的普及，給人類的城市生活帶來了極大的便利。可是在室內定位上，雖然人類研發出的定位技術的種類有幾十甚至上百種，但這些技術方案都有著特別明顯的優點和缺點，每一種技術方案都只是擁有適合自己的特定場景，并沒有出現像“GPS定位”這樣“一統天下”的解決方案。究其原因，室內定位尚有3個難題一直沒有解決。

1、復雜多變的室內空間

在室內定位中，信號發射器和接收機之間的相通是定位的基礎。任何遮擋都會導致信號衰減或直接阻擋信號的傳播。像GPS信號就無法穿透建筑物的墻面，我們在家中的WIFI信號也會因為墻面的阻擋而出現信號死角。

室內空間內部信號遮擋是室內定位無法避免的問題，大大限制了很多室外定位技術在室內普及的可能性，也把有效定位范圍限制在很小的范圍內。此外，如何感知和認知室內幾何環境和信號環境的時空變化，提高對定位環境的自學習、自適應能力，實現圖像特征庫、地標信息庫的自動更新，也是室內定位至今還沒解決的問題。

2、異源異構的定位源頭

我們在使用手機作為室內定位的數據采集終端和定位源時，根據室內定位方案的不同，會用到WIFI和藍牙這兩類短距離射頻信號，以及加速度計、磁力計、陀螺儀、氣壓計、光強度傳感器、麥克風、揚聲器和相機等傳感器。

手機中內置的這些傳感器和射頻信號通常都不是為定位用途而設置的，再加上不同品牌手機硬件上的差異，這就會產生不同的信號源就可能引發信號測量值不同步，信號采樣頻率不一致，信號測量精度有差異，不同定位終端測量有偏差等問題……這些都影響著室內定位技術的發展和成熟。

3、移動終端上有限的計算資源

目前，人類理想中的室內定位方案都是以手機作為解決終端來進行，但手機為了保證其主流功能如打電話、微信、拍照等正常工作，注定只能給定位功能讓出小部分的CPU處理時間。此外由于室內定位復雜性的存在，一些定位算法、圖像處理和深度學習算法等也需要在手機端完成，此時手機的存儲能力將受到極大的考驗，長時間的運算工作，也將大大增加手機電池的消耗。手機計算資源上的先天不足，難以滿足部分室內定位方案的技術需求。

通過下圖的對比可以看出，目前每一種室內定位技術都有其可以獨當一面的優點，但同時也有難以解決的缺點，總之，沒有一項是最佳解決方案。

并不新鮮的慣導定位，如何在室內導航賽道脫穎而出？

慣導定位方案表示“不服”。

在不久前舉行的“2018中國網絡安全·智能制造大會”上，長沙一家初創企業格納微表示，通過優化算法，其采用慣導定位技術產品的定位精度達到了0.3%，相當于走1公里誤差不到3米，大大低于行業2%—5%的精度標準。國內慣性運動追蹤與人體動作捕捉系統解決方案供應商VMSENS也曾公開表示，其研發的微型慣性追蹤系統，配合ZVU步行導航算法，可將定位精度控制到小于0.4%的水平。在AI的幫助下，慣導定位會產生累積誤差的問題似乎得到了很好的解決。

其實，慣導定位并不是什么新技術，其工作原理是以牛頓力學定律為基礎，通過測量載體在慣性參考系的加速度，將它對時間進行積分，且把它變換到導航坐標系中，就能夠得到在導航坐標系中的速度、偏航角和位置等信息，從而實現定位。早在二戰期間，德國人馮·布勞恩就使用慣導技術應用于V-2火箭的制導。

2013年時，為了替代易受干擾的GPS衛星定位系統，美國軍方將慣導系統集成在以立方毫米為單位的超小芯片上，通過芯片上的原子陀螺儀、加速器和原子鐘精確測量載體平臺相對慣性空間的角速率和加速度信息，利用牛頓運動定律自動計算出載體平臺的瞬時速度、位置信息并為載體提供精確的授時服務。從慣導系統被軍方用于導彈導航來看，這項技術本身就具有較高的可靠性。

2014年慣導系統從軍事走向民用，國防科技大學在當年宣布成功研制了“基于微慣導的人員自主定位系統”，能夠在沒有衛星導航信號的環境下實現精確定位。

實際上，在年8月份在湖南長沙北辰時代廣場A1區寫字樓舉行的一場“超高層建筑跨區域滅火救援實戰演練”中，慣導定位就已經表現出在應急處置方面相比其他室內定位技術的優秀之處：不光定位精準，還能判斷消防員是否“倒地”或“站立”兩種姿態，通過可穿戴設備，還能掌握消防員的氧氣消耗量情況、心跳次數以及體溫等生命特征。

消防應急演練中慣導定位系統界面截圖

除了室內導航，慣導定位還有更廣舞臺

慣導定位的應用，并不只用在室內導航，在室外，還有慣導定位更加廣闊的舞臺。

早在2011年5月，美國的SEER Technology公司就宣布在無法使用全球定位系統的環境中成功利用基于慣導定位技術的“NAViSEER高精度人員跟蹤系統”，進行有史以來首次跨洲人員跟蹤。只要人員配戴NAViSEER裝備，不論身處戶外或戶內，環境可用或無法使用全球定位系統，NAViSEER都可以在數秒鐘內得出高度準確的地理位置數據。只要利用SEER的平面和立體軟件，便可以在數秒鐘內繪制位于世界任何地方的建筑物或設施的線框圖，即使對該建筑物毫無認識或根本沒有任何資料亦可辦到。這令觀察人員能夠隨時準確推定有關人員的所在位置。對消防員、警員、軍事人員和其它先遣人員來說，這是一種能夠拯救生命的技術。

知名科技企業霍尼韋爾則利用慣導定位技術在無人機和汽車導航方面發力。我們平時在城市開車時，經常會經過高層建筑、地下隧道、多層高架橋，建筑物的阻隔會影響GPS的信號接收，形成俗稱的“城市峽谷”。霍尼韋爾研發的HGuide n580慣導設備的尺寸只有一副撲克牌大小，卻能在衛星覆蓋受限的區域提供精確導航，該設備還結合GPS作為汽車導航的備用解決方案，這意味著即使在GPS信號微弱甚至丟失的城市峽谷也不會迷航。

值得注意的是，目前大熱的無人駕駛技術中的導航定位，慣導定位技術是其導航系統不可缺少的一部分，除了可以填補GPS因信號丟失留下的空缺外，還能與GPS配合一起為激光雷達的空間位置和脈沖發射姿態提供高精度的定位。

此外，慣導技術還可在不需要攝像頭的情況下，在3D動畫制作、虛擬仿真與訓練、人體運動科學、體育競技、康復醫療、動作捕捉等領域有很好的應用場景。

技術逐漸成熟的慣導定位，如何解決2C難點？

其實微軟每年都會舉行一場室內定位競賽，參賽選手在50m*50m的室內空間內對事先測定好坐標的20個點讀取數據，錯誤低的獲勝。中國就曾在手機組中奪冠，他們利用手機上的慣性傳感器，使用PDR算法來測算用戶的行進距離和朝向，再結合Wi-Fi指紋來做修正。

不少室內定位研究者都認同，慣導+WIFI的融合方案會將成為商業化室內定位的主流。通過大量的使用者指紋庫識別結果、行走習慣和慣性傳感器融合，反向定位糾正錯誤熱點信息，實現數據庫的自我穩定和自我修復，從而實現較為精準的定位。

格納微聯合創始人閔濤也表示，定位技術中，每一個定位技術都有自己的特點，慣性導航的應用范圍會更廣一些，而且成本相對會更低。針對慣導會產生累積誤差的特性，可以通過采取多源數據融合，多維度智能學習的方案，獲取所有可識別的信號用于修正慣導的偏移，并且通過地圖數據來自動糾偏。在未來相當長一段時間內，微慣導定位將是室內定位解決方案中的核心技術。

雖然說慣導技術在室內導航定位這一領域確實有著不俗的表現，但可以注意到，目前這項技術的應用大多還是集中在B端，現在的問題是，技術逐漸成熟的慣導定位，是什么阻止了它在C端的大范圍普及？

在解決了技術方案之后，誰來買單？是慣導定位2C面臨的第一步。不同于室外導航，所有的城市、區域、道路都是通聯的，像高德、百度這類企業，只需一個APP就可將所有的C端流量進行收割，有了流量之后再通過其他方式進行商業變現。而室內導航，面臨的是一個個割裂的建筑物，每一個建筑物都需要單獨一張地圖，這對于室內導航企業來說，流量難以集中，變現的難度也就大大增加了。  

讓用戶自己買單？這一招在到處充滿“免費思維”的互聯網時代顯然不行。

讓建筑內的商家買單？這將取決于室內導航軟件的流量上限，或者更加創新的營銷思路。

讓建筑管理方或者物業買單？這個辦法不錯，但其中需要經歷一段長期而曲折的行業教育過程。

實際上，室內導航賽道的終點已經出現，就看參賽選手們是否還有存貨，能夠在最后的沖刺階段殺出重圍，率先撞線。

【完】

智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。