UWB定位系统应用

• 从使用需求方面，UWB定位主要可分为以下两类：
  
  一、实时导航:
  
  这种需求主要针对需要对自己所处位置信息有实时感知的人员或智能机器人等，通过及时地获取自身所处的位置从而进行路线规划与导航、自主巡检、定时定点操作、自动驾驶等任务。
  主要用于大型公共场所如医院导航、商场/购物中心导购、停车场反向寻车、展厅/博物馆自助导游、飞机场/火车站/地铁站导引、AGV/AMR智能机器人等。
  
  二、定位/监控/追踪:
  
  这种需求主要针需要对人员或设备资产等进行监控和追踪的场景，通过在网络服务器端对定位信息进行聚合和追踪，可有效的解决潜在的业务安全问题，优化生产流程瓶颈问题，防止资产丢失/人员走散问题，以及提供室内LBS相关应用等。
  主要应用于：
  - 消费者服务：家人防走散、物品防丢失、LBS产品服务推送、LBS交友等。
  - 企业服务：人流监控和分析、访客分布热图、智慧仓储和物流、智能制造、紧急救援、人员资产管理和服务机器人等。

• 从现有商业应用方面，UWB定位主要有以下几类使用场景：

  • 智慧电厂定位；
  • 公路、铁路隧道施工人员定位；
  • 高压变电站维修巡检人员定位；
  • 医院、护理院、养老院人员定位；
  • 监狱、法院人员定位；
  • 化工厂、水泥厂、工厂人员定位；
  • 工厂叉车、天车定位；
  • 仓储物流AGV/AMR等机器人定位；
  • 博物馆、会展厅等人员导航；
  • 地下停车场车辆定位与导航；

          另外，对于在工业4.0中的应用，如在汽车制造领域，通过实时地跟踪产品、部件、组件、原料、人员、设备等的信息，推进并建立生产过程数字化和自动化，从而可以快速地分析产品从需求到物料到生产到销售的整个流程，并重点优化其中影响生产效率的环节，最终使得企业对市场需求的变动能做出更快的响应，加快产品创新和缩减产品生产周期，增强产品的质量并同时降低产品的生产成本。

UWB定位面对的挑战

1. 规模化市场需求

           UWB定位相对于其它定位方式最大的优势的高精度的实时追踪，但如此精度的定位能力却能并未在规模更大的民用市场上占有一定规模，目前UWB定位系统主要通过需求定制化设计应用于特定行业，这主要是因而：一方面，在民用市场上，尽管能提供~10cm的位置精度，使用UWB定位需要用户额外携带UWB定位标签，然而，用户手机端自带的Wifi和Bluetooth可提供~10m的定位能力，对大部分的场景来说基本够用；另一方面，在工业领域，对设备的定位精度需要能稳定的提供~1cm的位置精度，这对UWB定位系统来说具有极大的挑战，需要从UWB硬件芯片到上层系统算法进行高度优化，目前市场上UWB定位系统服务商大多使用Decawave公司生产的DW1000芯片，并不足以提供满足工业需求的高精度定位能力。

2. 研发&部署成本

           由于目前UWB技术还未建立完整成熟的行业标准和算法实现，现有的商业案例大多以定制化的解决方案为主，这使得每个客户都必须间接承担很大的研发成本，加之UWB市场规模化不大而导致的单个设备成本价格价高，也使得UWB定位网络的部署成本极大地高于WiFi，Bluetooth等。为解决该问题，必须探索更多的UWB定位应用场景，特别是民用/商用UWB定位需求，使得通过规模化的产品生产来降低单品的市场价格。随着Apple在2019.09推出内置名为U1的UWB芯片的Iphone11系列手机，同时Samsung，Huawei等也有在进行手机端支持UWB芯片的项目，预计可加速促进UWB技术的市场化，发掘出更多UWB技术的使用场景。

3. 高可用性与抗干扰能力
           UWB要大规模应用于室内定位市场，定位精度只是其中最重要和最基本的指标，更重要的是需要解决在各种复杂场景下的连续、可靠、稳定的提供定位能力。这需要解决以下几个方面的问题：

   更强的环境适应性：
           1. UWB定位系统需要能够在各种大小规模的场景下能够提供一致的定位性能，包括从民用住宅~100m^2 到厂房/商场/购物中心10000-100000m^2 等规模大小；
           2. UWB定位系统需要适应各种建筑设施，工作环境等，例如，商场/工厂条件下不同的人员数量、厂房车间/展厅医院条件下存在不同的金属物体、园区景区/室内具有不同的天气状况等；
   
   更好的抗干扰能力。UWB定位系统需要更好地解决：
           1. 环境建筑、人员、物体等干扰：如NLOS(非视距)、多径、反射、绕射、散射等；
           2. 环境无线信号干扰：蜂窝网络(Celluar)、WiFi、Bluetooth、Zigbee等窄带信号对其通信/测距产生的干扰；更好地与其他传感器数据融合：单一的传感器很难覆盖各种不同的应用场景，为提升系统的精度、增强结果的稳定性、增加系统的可靠性、扩大系统的应用范围等，与不同的传感器数据源进行组合优化、相互矫正是最直接最经济最可靠的选项，然而这也同时带来的更大的工程挑战；