2022年4月28日，在華為摺疊旗艦及全場景新品發佈上，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，為用戶提供了“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， ...
2022年4月28日，在華為摺疊旗艦及全場景新品發佈上，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，為用戶提供了“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，為用戶打造室內精准定位的出行體驗。
“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，以及游客導覽、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，如基於藍牙標簽、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。
為瞭解決這些痛點，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介面支持HarmonyOS等主流移動OS系統，確保即使從室外延伸到室內，都能獲取無縫的精准定位服務。
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
多源信號因數圖優化技術
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%的標定數據即可實現同樣的軌跡位姿估計精度，不僅減少了對訓練數據量的依賴，同時提高了對用戶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（華為實驗室測試數據），能夠應對現實生活中各種用戶在複雜室內環境中的定位需求。
多源信號因數圖優化技術
多源信號因數圖優化技術原理
多源信號因數圖優化技術原理
HMS Core定位服務提供的多源信號因數圖優化技術，基於信號傳播模型基礎理論，引入了圖論的方法對5G、UWB、FTM、WiFi、BLE、RF等多源信號進行表徵，將傳統的特征匹配問題轉換成了圖優化問題，這樣不僅提高了大數據處理的效率，而且也使得數據模型更準確地刻畫了信號地圖的特征。該技術將無序的軌跡分佈構建成有序的2D平面拓撲的信號地圖，並且能夠隨著信號覆蓋密度的增加，最終達到“店鋪級”位置分辨精度。
從無序的軌跡到有序2D拓撲構建實例展示
AI樓層識別技術
AI樓層識別技術原理
室內定位，還需要解決用戶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，並對不同樓梯類型進行自動排序，通過AI樓層識別技術，實現3D樓層定位，準確率平均優於95%（華為實驗室測試數據）
從2D有序拓撲到3D有序拓撲構建實例展示
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，基於信號傳播模型的分佈特征，提出高斯過程對信號殘差建模和自適應的學習超參數，將信號軌跡覆蓋區域擴展到軌跡未經過區域。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摺疊屏手機發佈會現場圖
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摺疊屏手機用戶使用高德地圖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持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數據，支持70多種地圖展示與搜索語言，接入開發者數量超20000。
其他更多關於HMS Core定位服務的信息，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.信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
獲取開髮指導文檔
華為移動服務開源倉庫地址：GitHub、Gitee
關註我們，第一時間瞭解 HMS Core 最新技術資訊~
