企业官网建设流程全解析

室外定位靠卫星这件事，现在基本已经被当成空气一样自然了。手机一开定位，GPS、北斗这类全球导航卫星系统（GNSS）几秒钟就能给出经纬度，误差几米到十几米，够用。但你把同一部手机带进地下车库、大型商场、机场连廊或者工厂车间，定位图标立刻开始“精神分裂”——要么原地打转，要么以每小时20公里的速度横穿楼层。问题不是手机坏了，而是卫星信号压根进不了室内。室内定位，就是专门解决这种“室外锦衣玉食、室内饥寒交迫”的独立技术路线。

这篇文章我会从卫星定位为什么到室内就失灵讲起，拆解Wi-Fi、蓝牙、UWB、地磁、惯导这些主流方案到底在比划什么，再把RSSI、TDoA、AoA这些听得耳熟但容易搞混的原理用大白话讲透。最后会按我实际落地的流程，给你一套从勘测、指纹采集、算法部署到排查问题的完整参考。无论你是刚接触这个方向的产品经理、做IoT的软硬件工程师，还是想给自家停车场搞个找车系统的项目负责人，这篇都能帮你少走几大步弯路。

1. 卫星定位为什么进不了室内

1.1 信号被墙“吃掉”了多少

先算一笔账。卫星定位用的信号，常见的是GPS L1频段，频率1575.42MHz，波长19厘米左右。这个频段在开阔地带传播很舒服，但穿透混凝土墙体时，衰减通常能达到20到30dB，如果是地下两层车库，头顶是几十厘米厚的楼板加钢筋网，信号强度可能比室外掉50dB以上。什么概念？50dB是十万倍的能量差距。室外手机能收到十几颗卫星，地下车库经常连一颗都锁不住，或者只能搜到一两颗“半死不活”的弱信号。

你可以拿隔音做类比。室外喊一嗓子隔壁能听见，关进厚实的地下隔音室，再大的嗓门也只剩嗡嗡声。卫星信号过墙就是这个道理，不是卫星不行，是物理屏蔽放在那儿。加上钢筋混凝土里的钢筋还会对信号形成反射、衍射，等于信号绕来绕去才钻进来，能进得来的部分已经被撕扯得不像样了。

这也是为什么“用卫星做室内定位”的方案，在绝大多数封闭建筑里根本走不通。有些商用定位方案号称能接卫星信号，实际是在窗边、天井这种“半露天”环境里碰运气，真正到核心室内区域就歇菜。

1.2 多径效应和卫星几何才是更大的坑

室内即使侥幸收到几颗卫星信号，定位结果也未必准。卫星定位的原理是测距：卫星发出测距码，接收机比对信号传播时间算出伪距，理论上三颗星能定二维坐标，四颗星能定三维。但伪距计算的前提是“信号走的是直线”，这一点在室内完全不成立。

信号碰到墙面、立柱、金属货架会反射，接收机把反射后多绕了一段路的信号也算成了“目标距离”，于是伪距被拉长。反射次数一多，同一个卫星的信号甚至会有好几条路径先后到达，接收机直接懵掉。这就是多径效应。它带来的不是随机小误差，而是动辄几十米的“漂移”。你站在商场里，定位点却显示在隔壁街区，很多时候不是算法烂，是输入的距离数据本身就是脏的。

还有一个因素叫卫星几何精度因子（DOP）。室外视野开阔，卫星分布在东南西北各个方向，几何构型好，定位精度就高。室内抬头只能看到一片遮挡造成的小窗口，可见卫星高度角集中，几何构型极差，即使信号强度够，解算出来的位置误差也会被放大好几倍。做卫星仿真的人常用STK这类工具分析卫星指向和覆盖，但室内场景算出来基本是一片阴影区——这是物理规律，不靠软件就能破解。

所以结论很明确：室内定位必须换赛道，不能再指望头上那一万公里外的卫星，而是要在建筑内部部署或利用近场的信号源，把定位重新做起来。

2. 室内定位的主流方案：选型是一门取舍

2.1 无线信号派系：Wi-Fi、蓝牙、UWB、RFID

室内定位目前最主流的是无线信号方案，因为不用买专用终端，手机、工牌、手环都能用。

Wi-Fi定位走的是“指纹+三角”两条路。指纹方案先把商场每个坐标点的Wi-Fi信号强度（RSSI）采一遍做成地图，定位时把手机测到的信号向量和指纹库比对，精度能做到3到10米。好处是Wi-Fi AP到处都是，几乎零新增硬件。坏处是AP功率大、在室内形成复杂驻波，指纹会随时间变化，隔几个月就要维护。Wi-Fi三角定位则依赖信号传播模型，先用RSSI估算距离，再用多个AP交叉算坐标。这个方法实现简单，但环境一变模型就失效，误差比指纹还大。

蓝牙方案通常用iBeacon这类低功耗信标。信标每隔几百毫秒广播一帧数据，手机扫描到多个信标的RSSI后做距离估算或指纹匹配。精度和Wi-Fi差不多，2到10米，胜在信标便宜、比Wi-Fi省电、部署灵活。缺点是蓝牙2.4GHz和Wi-Fi同频段，拥挤环境下信号抖动也很厉害。蓝牙5.1以后增加了到达角（AoA）能力，靠天线阵列测信号来向，配合测距精度可以做到1米以内，苹果的Find My网络就是这套思路。

要更高精度就得看UWB（超宽带）。UWB发的是纳秒级窄脉冲，带宽在500MHz以上，时间分辨率高，测距测的是信号飞行时间（ToF），不受多径太大干扰，配合时间到达差（TDoA）或双向测距，精度能做到10到30厘米。Apple AirTag、三星SmartTag Plus是消费级代表，工业领域用来做人员、叉车、物资厘米级定位也很常见。它的缺点也明显：UWB基站和标签比蓝牙贵一倍以上，部署密度要求高，手机端支持还不是全覆盖。

RFID则是另一类，多用于仓储和资产管理。RFID标签读写距离近，无源标签几米内可识别，有源标签远一些，但本质上做的是“区域判断”而非连续轨迹追踪，适合门禁、盘点、出入库闸口这种“在不在”的场景，不适合“人在哪一步”。

2.2 非无线派系：地磁、惯导、视觉、超声波和可见光

如果不想布一堆基站，地磁定位是条思路。建筑里的钢筋结构会让地球磁场在室内产生畸变，每个位置磁场分布基本不同，可以像Wi-Fi指纹一样建一个“地磁指纹库”。它的好处是手机自带磁力计，零硬件部署成本，但磁场受装修、金属移动物影响大，精度通常在1到5米之间波动，而且前期采集工作量不小，更适合走廊、地下车库这种特征明显的区域做辅助修正。

惯导（PDR）又是另一码事。它不靠外部信号，而是使用加速度计数步数、陀螺仪判断方向，从已知起点开始一步步推算出新位置。最典型的应用是隧道、矿井这类完全没信号的地方，短时精度很好，但误差随距离累积——走100米可能偏2米，走1公里可能偏20米。惯导的价值不在单独使用，而在和其他定位源融合，做两帧定位之间的平滑插值。

视觉定位是这几年商场和停车场比较喜欢试的。手机摄像头拍一段周围环境，和后台预先建好的图像特征库比对，就能算出相机的位置和姿态。百度地图在部分商场做AR导航，停车厂家做“扫码记录车位+AR找车”，用的多是这招。视觉精度好，用户感知直观，但计算量大，对光线敏感，大面积覆盖需要预先采集大量图像。

超声波定位靠专用发射器发送超声波，接收端通过时间差测距，精度可达厘米级，抗多径比无线好，但需要专门部署发射矩阵，成本高。可见光（LiFi）则是在LED灯里加载位置ID或调频信号，手机摄像头接收后解析位置，精度一米内，但要求改灯具、且接收端持续对着光源，使用体验受限。

2.3 按场景选型决策表

我做了不少项目，得出的经验是：技术选型不是挑“最准”的，而是挑“最合适”的。下表和实操对照：

选型还要看终端的覆盖率。商场游客用手机，你就别强推UWB，得优先走Wi-Fi/蓝牙融合。工厂里是自购防爆标签和工牌，UWB再贵也值得。量一下留存手机型号，再决定主用协议，这个顺序别反了。

3. 核心原理解剖：RSSI、TDoA、AoA与融合

3.1 RSSI指纹定位：先建字典再查单词

RSSI指纹定位是现在商业系统里用得最多的算法之一，原理很好懂。先做离线采集：把区域分成网格，每个网格点拿手机反复扫周围所有Wi-Fi/蓝牙信号的强度，记录下来，比如位置(2,3)处测得：AP1=-55dBm，AP2=-60dBm，AP3=-72dBm。所有网格点采完，拼成一张“指纹库”。

在线定位时，你在某处扫到的信号组是(-53, -62, -70)，系统拿这个向量和指纹库里每一条比对，算出欧氏距离，找到最接近的K条记录，把这K个位置的坐标做加权平均，权重取距离倒数的平方或直接取信号接近度，最终得出估计位置。这就是K近邻加权法（WKNN），在工程里简单又够用。

但RSSI指纹有两个隐患：一是采集时的人体朝向、站位会干扰结果，通常要原地转一圈取均值；二是手机和信标之间的射频链路不一样，iPhone和安卓机同一位置测出的RSSI可能有5到10dB的差异，所以上线前要做终端归一化，或者直接按你的主流终端型号建库。指纹库老了怎么办？AP换位置、货架移动都会导致精度下降，后面我会讲运维更新怎么搞。

3.2 TDoA和AoA：把时间差和方向差玩明白

UWB和5G室内定位喜欢用TDoA，全称到达时间差。它不问“信号飞了多远”，而是问“同一标签向两个基站发信号，到达时间相差多少”。时间差乘上光速，等于到两站的距离差。这个距离差确定了一条双曲线，三个基站可以确定两条双曲线，交点就是标签位置。

TDoA对基站之间时间同步要求极高，1纳秒的时钟误差对应30厘米定位误差。所以UWB系统往往用有线连接基站，配合高精度同步时钟，或者干脆用双向测距（TWR），由标签和基站分别测出发和回的时间来消除同步误差。你看到的厘米级UWB方案，不是芯片多神奇，而是它把测量精度做实了。

AoA则是测角度。一组天线阵在接收信号时，不同天线会存在相位差，通过相位差可以反推信号到达角的余弦值。单站测得角度和信号方向，配合测距就能定二维位置。蓝牙5.1的定向广播就靠CTE扩展包实现这效果，一个支持AoA的基站配合几个蓝牙锚点，能在开阔室内做到亚米级。要注意天线阵列的相位校准，安装时不能把基站紧贴金属面，相位一旦被反射波扰乱，角度就跟着崩，这是现场最容易踩的坑之一。

3.3 传感器融合才是稳定发挥的关键

上面每一种技术单拿出来都有硬伤：RSSI抖动，UWB在遮挡严重时丢路径，惯导走一会儿就飘。聪明的做法是用卡尔曼滤波、粒子滤波这类状态估计器，把多方数据揉在一起。

我做过的一个典型融合场景是：UWB提供绝对位置修正，IMU提供每一帧的相对位移，气压计提供楼层切换信号，最后再用室内地图约束——人不能穿墙、不能凭空从二楼跳到一楼。算法内部维护一个状态向量（x、y、heading），预测阶段用IMU推算下一步，更新阶段用UWB的位置观测和Wi-Fi的RSSI指纹结果去掐误差。融合后的效果通常远远好过任何单独技术。

这套逻辑和室外GNSS接收机内置的“紧耦合”其实异曲同工。卫星信号差的地方，接收机也会优先信惯性推算，等信号恢复再用卫星修正。所以做室内定位时别一门心思堆硬件，把状态估计算法和地图约束用好，体验提升才是最大的杠杆。

4. 从零搭建一套室内定位系统：我的实操记录

4.1 先定指标：精度、时延、并发、覆盖一个都不能少

我接到项目的第一步永远不是选设备，而是和业务方把“定位要拿来干嘛”聊明白。只是商场查看附近门店，3到5米精度够用；做手术室设备追踪，就得做到0.5米以内；工厂里要区分相邻工位，甚至要求厘米级。精度指标直接决定预算和方案，别等设备买完了才发现需求没对齐。

时延也很关键。人员定位系统通常要每秒上报一次，UWB可以做到100ms以内，Wi-Fi指纹一般要1到3秒出一次结果，因为要积累足够多的扫描帧。并发数则看同一时间在线终端规模，商场瞬时几千台手机和工厂两百个工牌，对后台的要求差着数量级。覆盖面积决定了要画的网格数，也需要想清楚是只做局部区域还是全楼覆盖，很多项目为了省成本只做关键通道，那就得提前设计好“无定位区”的兜底逻辑。

把这些指标定下来后，形成一张需求表：精度≤1米、时延≤1秒、并发1000、覆盖12000平方米。有了它，后面所有选型和验收都围绕它来，不会跑偏。

4.2 现场勘测与指纹采集：体力活里全是讲究

拿到CAD图纸后，我会先把它转成底图坐标系，确定原点。如果是老建筑没有CAD，用激光雷达扫描仪或者手机LiDAR走一圈，能直接生成室内三维点云模型，这是后面做地图和楼层切分的基础。不少团队还会参考卫星影像和建筑轮廓图来确认楼栋外边界，但室内细节一定得现场扫，光靠影像图远远不够。

然后开始布设信标。如果你走BLE方案，我的习惯是每隔6到10米布一个信标，高度离地2.5米到3米，避开金属货架和承重柱遮挡。Wi-Fi方案则要看已有AP分布，尽量在每100到200平米范围内保证看得到3个以上AP。转角、电梯厅、楼梯口这些关键分界点加密布置，因为这些位置最需要定位连续性。

指纹采集是纯体力活。人手拿着采集App在每个网格点静止扫30秒，边走边扫的数据含金量低。每个点至少覆盖四个方向，取均值。网格间距推荐1到2米，走廊可以放宽到3米。碰到信号跳变厉害的区域，比如玻璃幕墙附近、大空间大厅，加密到0.5米也不过分。采集时手机要固定握姿，别横屏竖屏来回切换，传感器的轴向变化会影响后期归一化。这块活儿做得好，后面算法再笨也差不到哪去。

4.3 算法平台部署：让指纹库和定位引擎跑起来

采集完数据，我会按区域网格化构建指纹库，从中剔除明显异常的时刻。定位引擎我通常写成独立服务，对外提供HTTP接口：客户端上报一组扫描到的AP/Beacon MAC和RSSI，服务端算坐标返回。上下行格式用JSON，方便各种端接入。

一个简单上报格式示例：

{ "user": "u12345", "timestamp": 1699000000000, "signals": [ {"mac": "AA:BB:CC:DD:EE:01", "rssi": -55}, {"mac": "AA:BB:CC:DD:EE:02", "rssi": -60} ] }

服务端返回：

{ "x": 12.34, "y": 56.78, "floor": 1, "confidence": 0.87 }

部署时重点做两件事：一是把指纹匹配的K值、权重、是否用置信度过滤都参数化，方便现场调优；二是接一个离线校准管道，定期用固定基准点采集数据，自动比较指纹库里的期望值和实时值，发现整体偏移就触发自动更新。人工定期重新走一遍网格仍是维护兜底，但有了自动校准，频率能拉到一季度一次。

4.4 调试验收：用RMSE说话

验收别用“感觉挺准”糊弄。我会选至少50个测试点，均匀分布在覆盖区域，现场人员拿着手机在每个点停5秒记录定位结果，然后计算均方根误差（RMSE）。公式很简单：

RMSE = sqrt( (1/n) * Σ(估计坐标与真实坐标距离差的平方) )

横向误差、纵向误差分开看，重点看拐角和通道交叉点的表现。实测如果80%的点误差在指标内，就算及格。如果整体超差，先看是不是指纹库网格粒度太粗，再检查信标布点密度和终端归一化，通常这两个原因占大头。

调优过程中还有一个容易被忽视的细节：定位输出要做平滑滤波。原始结果每秒跳0.5米看着还行，跳2米就很难受。我习惯在客户端对连续几帧做滑动窗口加权均值，再跟IMU推算做一次互补滤波。这能极大提升路径轨迹的美感，尤其在地图上画轨迹时，直观感受差很多。

5. 常见问题与排查技巧实录

按经验整理了一张速查表，都是项目里真碰过的状况：

排查技巧方面，最容易出毛病的其实是信标部署高度。有人图省事把蓝牙信标装在下墙插座旁，结果被桌椅、人腿遮挡，信号忽强忽弱。我建议一律往顶上装，天线指向地面，留出宽阔的传播面。金属表面上装UWB天线，等效阻抗会变，标定好的相位值全废，所以支架必须是非金属材质，或者用塑料底板垫起来。

还有一次调试，某区域定位误差突然从0.5米涨到3米，查了半天发现是物业换了顶上的金属防尘网，把UWB信号反射得面目全非。环境里的动态金属变化很难预防，只能靠定期质检。所以我在项目里都会加个每日巡检规则：让固定位置的参考标签持续上报，偏差超过阈值自动告警，把问题在用户察觉前掐掉。

6. 室内外定位如何衔接起来

6.1 无缝切换：让用户感知不到“换了系统”

真正好的项目，用户不会注意到自己从室外走进了室内。要做到无缝，核心是切换逻辑：室外用GNSS，走到出入口附近时系统开始融合Wi-Fi or BLE测得的信号，并开启IMU过渡；进了室内后，GNSS位置方差变大、可见卫星数下降到阈值以下，系统自动把主导权交给室内引擎。

反过来，从室内走到半开放天井或室外时，GNSS重新获得可靠观测，再平稳切回去。我习惯在切换区域设置一个“缓冲带”，比如出入口内外各5米，在这个范围内两种定位同时运行，加权过渡，而不是瞬时硬切。硬切会让轨迹出现一条胳膊长的跳变，用户极易察觉。

另一个容易被忽略的点是地图坐标系。室外经纬度和室内平面坐标要预先做坐标转换，出入口处选好转换基准点。很多项目在调试时就卡在这里，室外明明很准，一进门就歪到马路对面。我的做法是把室内坐标系投影到当地高斯平面坐标，跟GNSS的UTM坐标统一，转换参数写死在定位引擎里，避免每次做起算。

6.2 底图数据：卫星影像管边界，激光测绘管细节

一套完整的室内外一体化定位系统，底图得打通。室外部分可以用卫星影像做背景，甚至用历史卫星影像看建筑轮廓变迁，用来校正GIS路网。但室内底图必须靠现场测绘：CAD图纸或激光点云扫描生成精确到厘米的三维模型。现在不少园区用无人机倾斜摄影建模俯瞰，再结合室内点云生成楼宇“外表到内里”的数字底座，导航App才有办法做楼层导视、AR导航这类上层应用。

三维模型对定位的辅助不仅仅是好看，它还能参与算法约束。模型里每一面墙、每一个立柱都可以抽象成地图匹配的障碍物，粒子滤波的时候粒子不能穿墙，楼层拓扑可以限制移动路径。这等于给定位引擎装上了“常识”，大大提高连续场景下的稳定性。

6.3 我对这个方向的一点体会

做室内定位这几年，最大的感受是：这个领域没有银弹。精度、成本、覆盖、终端兼容性永远在打架，最后赢的方案往往不是技术最先进的，而是最贴合场景、运维成本可承受的。我自己在项目里养成的习惯是——先困住应用需求，再选技术路线，最后才去看硬件参数；现场勘测多花两天，后面调试少花两周。

如果你正打算启动一个室内定位项目，我最后再分享一个小技巧：别急着铺满全部场地，先划出10%的高价值区域做样板间，把精度、时延、并发都验证达标，再根据样板间的实测数据推算全场的信标数量和采集工时。这样做的好处是把风险和预算都卡在前面，而不是等到铺完整个园区才发现方案选错，那时候想回头就难了。