1. 定位技术概述:从定义到全景
大家好,我是这门课的主讲。在定位算法这个领域摸爬滚打了十几年,踩过不少坑,也积累了一些心得。今天咱们先聊聊定位技术的全貌——它到底是什么、怎么发展过来的、有哪些分类、又能用在哪儿。
说实话,很多人一听到「定位」就想到GPS。但实际工作中你会发现,定位远不止卫星这一条路。我最早做室内定位项目时,甲方上来就问「你们精度能做到多少?」——嗯,这个问题其实没那么简单。
1.1 定位技术的定义
定位技术,说白了就是确定一个物体在空间中的位置。这个「位置」可以是经纬度、可以是楼层+坐标、也可以是相对于某个参考点的距离和角度。
我个人习惯把定位拆成三个要素:
- 参考系——你在哪个坐标系里说话?WGS-84?局部坐标系?
- 测量量——你用什么物理量来推算位置?距离?角度?信号强度?
- 解算方法——拿到测量值后,怎么算出坐标?三角定位?指纹匹配?滤波?
举个例子,GPS用的是卫星到接收机的距离(测量量),在地心地固坐标系(参考系)里通过四颗卫星解方程组(解算方法)。而Wi-Fi室内定位,用的是信号强度(测量量),在楼层平面图(参考系)里用指纹匹配(解算方法)。
核心观点:定位的本质是「用已知量推算未知量」。已知量越准、越多,定位结果就越可靠。但现实世界总有噪声和遮挡——这就是算法要解决的问题。
1.2 发展历程:从罗盘到厘米级
定位技术的发展史,其实就是人类对「我在哪儿」这个问题的追问史。我把它分成四个阶段:
| 阶段 | 时间 | 代表技术 | 精度 |
|---|---|---|---|
| 萌芽期 | 古代 - 20世纪初 | 罗盘、六分仪、天文导航 | 公里级 |
| 无线电期 | 1920s - 1990s | LORAN、VOR/DME、基站定位 | 百米级 |
| 卫星期 | 1990s - 2010s | GPS、GLONASS、北斗 | 米级 |
| 融合期 | 2010s - 至今 | GNSS+IMU+UWB+视觉+LiDAR | 厘米级 |
我记得刚入行那会儿,GPS民用精度也就10米左右,在楼群里经常飘到马路对面。现在呢?手机上的双频GNSS配合地基增强,车道级定位已经不是新鲜事了。
为什么会这样?因为单一技术总有天花板。卫星信号进不了室内,惯性导航会漂,Wi-Fi指纹建库太累——所以行业共识是:融合才是出路。
1.3 主要分类:室外 vs 室内
定位技术最常用的分法,就是按场景分。室外和室内,完全是两个世界。
室外定位技术
- GNSS(全球导航卫星系统):GPS、北斗、GLONASS、Galileo。开阔环境下精度5-10米,差分后可到亚米级。
- 基站定位:靠手机信号塔,精度100-1000米,聊胜于无。
- Wi-Fi定位(室外):靠AP信号,精度10-50米,城市峡谷里常用。
- 惯性导航:靠加速度计+陀螺仪,短时精度好,但会漂。
室内定位技术
- UWB(超宽带):精度10-30厘米,目前室内定位的扛把子。
- 蓝牙(BLE):精度1-3米,成本低,手机普及率高。
- Wi-Fi RTT:精度1-2米,Wi-Fi 6以后才支持。
- 地磁定位:精度2-5米,不需要额外部署硬件。
- 视觉/激光SLAM:精度厘米级,但计算量大。
我的经验:选技术时别只看精度。我在一个商场项目里,UWB精度确实好,但甲方嫌布线成本高。最后用了蓝牙+地磁融合,精度差了点,但客户能接受。技术选型永远是精度、成本、覆盖范围的三角博弈。
下面这张图,是我自己梳理的定位技术全景框架。你可以看到,从信号源到最终位置输出,中间要经过测量、预处理、算法解算、融合优化等多个环节。
1.4 应用场景概览
定位技术现在几乎是无处不在。我随便列几个自己参与过的项目场景:
- 自动驾驶:GNSS+IMU+视觉+LiDAR,要求厘米级、低延迟、高可用。我曾经在隧道场景里吃过亏——GNSS一丢,纯靠IMU撑了30秒就漂了2米多。
- 智慧物流:仓库里用UWB或蓝牙定位叉车和货物,精度要求1米以内。我见过一个项目,UWB标签装了一千多个,光调试就花了两周。
- 手机导航:室外靠GNSS,室内靠Wi-Fi/蓝牙+地磁。苹果和谷歌都在推这个,但实际体验嘛……有时候还是会被带到墙里去。
- 工业巡检:电厂、矿井里用UWB或ZigBee定位人员,安全第一。我记得有个煤矿项目,要求定位刷新率1秒一次,UWB做到了,但电池撑不了一天。
- 医疗养老:医院里定位设备、老人防走失。精度要求不高,但可靠性要求极高——你不能说「信号不好就找不到了」。
避坑提醒:千万不要以为「精度高就是好技术」。我曾经在一个养老院项目里,甲方坚持要用UWB,结果每个房间都要装基站,老人嫌辐射大(其实UWB功率很低),最后换成了蓝牙+地磁。技术选型一定要考虑用户接受度和部署成本。
1.5 本章小结
这一章我们聊了定位技术的定义、发展脉络、分类和应用。你可能会觉得内容有点散——嗯,这很正常。定位本身就是个交叉领域,涉及通信、信号处理、几何、概率统计、甚至地图学。
但别担心,后面每一章我都会把其中一个技术拆开揉碎了讲。从最基础的测距原理,到卡尔曼滤波、粒子滤波、图优化,再到多传感器融合——咱们一步步来。
最后说一句:定位算法这个领域,理论很重要,但工程经验同样关键。很多坑,只有亲手踩过才知道。希望这门课能帮你少走一些弯路。