CN104457755B - 一种位置获取方法 - Google Patents

Abstract

本发明公开了一种位置获取方法，该方法包括：相对路径获取步骤，获取目标的惯性导航数据，根据惯性导航数据获取目标的相对路径；绝对路径获取步骤，获取目标所处无线网络的网络信号，根据网络信号获取目标的绝对路径；位置信息确定步骤，根据相对路径和绝对路径，得到目标的位置信息。本发明所提供的位置获取方法解决了目标在复杂情况下(尤其是室内定位环境下)的准确位置获取的问题。本方法不需要额外的辅助设备，有效地控制了整个过程的成本。

Description

一种位置获取方法

技术领域

本发明涉及定位技术领域，具体地说，涉及一种位置获取方法。

背景技术

随着移动通信、空间定位和信息服务等技术的快速发展，定位导航、兴趣点查询等位置服务(Location Based Service，简称为LBS)得到了广泛应用，特别是基于GPS的目标位置服务已经非常普遍。近年来，随着城市化进程的不断推进，写字楼、商厦、机场和地铁等大型建筑物成为人们工作生活的重要场所。而在这些室内环境中，人们对于位置服务的需求以及要求也随之日益提高。

要提供高质量的室内位置服务，就必须首先获取目标在室内的准确位置。不同于GPS作为室外定位技术主导的解决方案，室内位置服务由于具有非视距传播、多径传播、室内环境复杂多变、定位精度要求高等特点，传统的GPS等定位技术并不适用于室内位置服务。

当前的室内定位技术大多需要借助其他基础设施，例如借助红外线、声波或射频识别技术等，才能达到可用的精度。然而利用这些设施将大大增加定位的成本，不利用室内位置服务的推广应用。

基于上述情况，亟需一种方便、可靠地进行位置获取的方法。

发明内容

为解决上述问题，本发明提供了一种位置获取方法，所述方法包括：

相对路径获取步骤，获取目标的惯性导航数据，根据所述惯性导航数据获取所述目标的相对路径；

绝对路径获取步骤，获取所述目标所处无线网络的网络信号，根据所述网络信号获取所述目标的绝对路径；

位置信息确定步骤，根据所述相对路径和绝对路径，得到所述目标的位置信息。

根据本发明的一个实施例，所述惯性导航数据包括目标运动时各步的步长和运动角度。

根据本发明的一个实施例，所述相对路径获取步骤包括：

获取第一传感器数据，根据所述第一传感器数据分别计算步数和步长；

获取第二传感器数据，根据所述第二传感器数据计算角加速度，根据所述角加速度获取所述目标运动时各步的运动角度；

根据各步的步长和运动角度，得到所述目标的相对路径。

根据本发明的一个实施例，利用加速度传感器获取所述第一传感器数据，和/或，利用陀螺仪获取所述第二传感器数据。

根据本发明的一个实施例，在所述相对路径获取步骤中，利用所述加速度计获取垂直加速度，根据所述垂直加速度获取步态信息和所述步数，根据所述步态信息，获取各步的步长。

根据本发明的一个实施例，根据所述步态信息，结合目标的特征参数，获取所述目标的步长。

根据本发明的一个实施例，获取各步的运动角度的步骤包括：

根据所述第一传感器数据获取各步的时长，根据在各步的时长内获取到的第二传感器数据计算各步的角加速度；

根据所述各步的时长和角加速度，获取所述各步的运动角度。

根据本发明的一个实施例，根据如下表达式计算所述目标的相对路径：

其中，N表示总步数，s_i+1和θ_i+1分别表示第i+1步的步长和运动角度，α_i表示第i步的坐标偏转角，(x_i+1,y_i+1)和(x_i,y_i)分别表示目标在第i+1步和第i步时在相对路径上的坐标。

根据本发明的一个实施例，所述绝对路径获取步骤包括：

获取所述目标各个时刻所在位置的网络信号，根据所述网络信号确定指纹信息；

将所述指纹信息与预设指纹模型进行匹配，根据匹配结果基于预设匹配模型确定所述目标的绝对路径。

根据本发明的一个实施例，所述预设匹配模型包括：

计算所述指纹信息与所述指纹模型中各条指纹数据的欧式距离，将使得欧式距离最小的指纹数据所对应的位置确定为所述目标各个时刻的绝对位置，根据目标在各个时刻的绝对位置确定所述目标的绝对路径。

根据本发明的一个实施例，所述预设匹配模型包括最邻近模型、K近邻模型、K加权近邻模型或概率模型。

根据本发明的一个实施例，所述位置信息确定步骤包括：

分别从所述相对路径和绝对路径上获取第一点集和第二点集；

从所述第一点集和第二点集中成对选取预设数量的第一位置点，得到初始位置点子集；

根据所述初始位置点子集确定初始变换函数；

根据所述第一点集和第二点集的剩余点，对所述初始变换函数进行更新，得到最终变换函数；

利用所述最终变换函数对所述相对路径进行变换，得到变换后的路径，根据所述变换后的路径获取目标的位置信息。

根据本发明的一个实施例，获取最终变换函数的步骤包括：

S601、分别计算第一点集和第二点集的剩余点的残差，选取残差最小的第二位置点对；

S602、将所述第二位置点对加入所述第一位置点子集得到新的第一位置点子集，根据新的第一位置点子集重新确定变换函数；

S603、利用重新确定的变换函数对所述第一点集中的各个位置点进行变换，得到第三点集，计算所述第三点集与第二点集的残差，判断该残差是否小于预设残差阈值，如果小于，则将此时的变换函数作为最终变换函数，否则返回步骤S601进行迭代。

本发明所提供的位置获取方法解决了目标在复杂情况下(尤其是室内定位环境下)的准确位置获取的问题。本发明所提供的方法利用分别生成的相对路径和绝对路径，通过相应地坐标转换，得到目标的准确位置。本方法不需要额外的辅助设备，有效地控制了整个过程的成本。同时，本方法还具有与起始点无关、累积误差不敏感等特点。

同时，本发明所提供的位置获取方法采用位置指纹定位的方式来获取目标的绝对路径，该方式利用一个基站即可实现定位，并且定位精度比较高。同时，位置指纹定位还可以充分利用现有的设施，不需要改变移动设备的硬件结构，系统无需或仅需要增加极少的额外设备，系统的升级和维护对目标的影响较小。如果由基站或网络发起定位，那么目标的隐私权可以受到侵犯，而位置指纹定位是由目标发起定位，所以采用位置指纹定位不仅能够改善隐私权的问题，还能够降低网络的持续计算量。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：

图1是根据本发明一个实施例的位置获取方法的流程图；

图2是根据本发明一个实施例的获取相对路径的具体流程图；

图3是根据本发明一个实施例的获取绝对路径的具体流程图；

图4是根据本发明一个实施例的获取目标的位置信息的流程图；

图5是根据本发明一个实施例的相对路径转换到绝对坐标的效果图；

图6是根据本发明一个实施例的获取最终转换函数的具体流程图；

图7是根据本发明一个实施例的位置获取效果的对比图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1示出了本实施例所提供的位置获取方法的流程图。

如图1所示，本实施例所提供的方法首先在步骤S101中获取目标的惯性导航数据。本实施例中，目标的惯性导航数据包括目标运动时各步的步长和运动角度。在步骤S102中，根据步骤S101中获取到的惯性导航数据，便可以确定出目标的相对路径。

图2示出了本实施例中获取相对路径的具体流程图。

如图2所示，本实施例中，首先在步骤S201中获取第一传感器数据，并根据第一传感器数据统计步数和步长。具体地，本实施例中，利用加速度传感器来获取第一传感器数据，该第一传感器数据包括了三轴加速，即空间直角坐标系中x轴方向的加速度a_x、y轴方向的加速度a_y和z轴方向的加速度a_z。

本实施例中，通过对z轴方向的加速度a_z(即垂直加速度)进行滤波，利用滤波后垂直加速度可以获得步数信息，同时还能够获得相关的步态信息(例如目标的身高、体重等)。根据所获得的步态信息，即可确定出目标运动时各步的步长。

需要说明的是，在本发明的其他实施例中，步态信息还可以通过人机交互获得，例如目标手动输入自身的身高、体重亦或是步长等信息，本方法可以利用人机交互所获得的步态信息，或是将通过垂直加速度计算得到的步态信息与通过人机交互获得的步态信息向结合，来确定目标的步长，本发明不限于此。

随后在步骤S202中基于第一传感器数据获取各步的时长，根据在各步的时长内获取到的第二传感器数据计算各步的角加速度。具体地，本实施例中，利用陀螺仪来获取第二传感器数据，即角加速度。在获取第二传感器数据的过程中，首先将陀螺仪与加速度传感器的时间戳对齐，这样才能够确定出某步的步长以及相应的运动角度，随后根据各步的时长内陀螺仪度数之和来计算得到该步的角加速度Δγ。

在步骤S203中，根据步骤S202中获取的各步的时长Δt以及角加速度Δγ，计算得到各步的运动角度θ。具体地，运动角度角度θ为时长Δt与相应的角加速度Δγ的乘积。

在步骤S205中，根据各步的步长与运动角度，确定出目标的相对路径。

本实施例中，目标的相对路径用L表示，其中，L为形成相对路径的步点l_i，i＝1,2,...,N的集合，即L＝{l₁,l₂,...,l_N}，N为形成相对路径的总步数。步点l_i的坐标可以用(x_i,y_i)表示。这样，根据笛卡尔坐标系的运算，便可以通过如下表达式计算得到各步在相对路径上的坐标：

其中，(x_i+1,y_i+1)和(x_i,y_i)分别表示步点l_i+1(即第i+1步)和步点l_i(即第i步)的坐标，s_i+1和θ_i+1分别表示第i+1步的步长和转角，α_i表示第i步的坐标偏转角。本实施例中，α_i可以根据如下表达式计算得到：

需要说明的是，在本发明的其他实施例中，也可以先确定目标在各步的运动角度，再确定各步的步长，此外，也可以通过其他合理方式来获取各步的步长和运动角度，本发明不限于此。

由于相对路径仅仅是目标相对前一状态的移动路径，仅仅根据相对路径无法确定目标的实际位置与移动路径，所以就需要借助目标的绝对路径。因次再次如图1所示，本实施例在步骤S103中获取目标所处无线网络的网络信号，并在步骤S104中根据该网络信号获取目标的绝对路径。

本实施例中，采用位置指纹定位的方式来确定目标的绝对路径。信号的多径传播对环境具有依赖性，呈现出非常强的特殊性，对于每个位置而言，该位置上信道的多径结构是唯一的，终端发射的无线电波经过反射和折射，产生与周围环境密切相关的的特定模式的多径信号，这样的多径特征可以认为是该位置的指纹。

基站天线阵列检测信号的幅度和相位等特性，提取多径干扰特征参数，将该参数与预先存储在数据库中的指纹数据进行匹配，找出最相近的结果来进行定位。

位置指纹定位的实施例可以分为两个阶段。其中，第一阶段为训练阶段，也称为离线阶段，这个阶段的主要工作是采集所需定位区域各参考节点(Reference Point，将成为RP)位置的信号特征参数，例如接收信号强度(Received Signal Strength，简称为RSS)和多径相角分量等，由指纹信息及其对应的特定的位置形成位置指纹的数据库。第二阶段为定位阶段，也称为在线阶段，这个阶段的主要工作是获取所接收到的无线信号的参数，采用相应的匹配模型来确定所接收到的无线信号与数据库中的哪一组数据相匹配，从而根据数据库中的匹配数据所对应的位置确定出目标的实际位置。

位置指纹定位的优点是利用一个基站即可实现定位，并且定位精度比较高。同时，位置指纹定位还可以充分利用现有的设施，不需要改变移动设备的硬件结构，系统无需或仅需要增加极少的额外设备，系统的升级和维护对目标的影响较小。如果由基站或网络发起定位，那么目标的隐私权可以受到侵犯，而位置指纹定位是由目标发起定位，所以采用位置指纹定位不仅能够改善隐私权的问题，还能够降低网络的持续计算量。

图3示出了本实施例中获取绝对路径的具体流程图。

如图3所示，本实施例首先在步骤S301中获取目标所在无线网络的网络信号。本实施例中，获取的无线网络的网络信号为目标所在位置的RSS。在步骤S302中，根据获取到的RSS确定当前时刻所在位置的指纹信息，即F'＝(f₁',f₂',...,f_r')，其中r表示所能够检测到的无线访问节点(即无线AP)的数量。

得到当前时刻所在位置的指纹信息后，在步骤S303中将该指纹信息与预设指纹模型中的各个指纹信息进行匹配，并根据匹配结果基于预设匹配模型确定当前时刻的绝对位置。

本实施例中，基于预设匹配模型确定当前绝对位置时，首先计算步骤S302中得到的指纹信息与预设模型中的各个指纹信息的欧式距离，随后比较各个指纹信息所对应的欧式距离的大小，并将使得欧式距离最小的指纹信息所对应的位置确定为当前时刻的绝对位置。同理，利用相同方法能够得到目标在各个时刻的绝对位置，根据这些绝对位置即可确定出目标的绝对路径。

需要说明的是，在本发明的其他实施例中，预设匹配模型还可以为其他合理模型，例如最临近模型、K近邻模型、K加权近邻模型或概率模型等，本发明不限于此。

再次如图1所示，得到目标的相对路径和绝对路径后，本实施例所提供的方法在步骤S105中根据相对路径和绝对路径，获取目标的位置信息。具体地，通过将相对路径上的点转换到绝对坐标上来得到目标的实际位置点以及实际路径。上述转换过程也可以视作拟合过程，本实施例中，利用最小中位数拟合(即LMS)来实现。

图4示出了本实施例中根据相对路径和绝对路径确定目标位置信息的具体流程图。

如图4所示，首先在步骤S401中分别从相对路径和绝对路径上获取第一点集和第二点集。具体地，本实施例中分别从相对路径和绝对路径上成对获取点第一集M＝(m₁,m₂,...,m_k)和第二点集U＝(u₁,u₂,...,u_k)，其中k表示所获取的点集中位置点的数量。由此，数据的拟合过程也就是寻找一个最优变换V，使得两个点集之间的中位数距离最小，即：

所以在步骤S402中，从第一点集和第二点集中随机成对选取预设数量l的第一位置点，得到初始位置点子集和本实施例中，S_m和S_u均包含有3个位置点。当然，在本发明的其他实施例中，S_m和S_u中所包含的位置点的个数还可以为其他合理值，例如4～7个等，本发明不限于此。

在步骤S403中，根据初始位置点子集和确定初始变换函数V₀。本实施例中，利用最小二乘拟合算法来确定初始变换函数V₀，标准的最小二乘拟合算方法包括三种处理，即平移、旋转和伸缩。其中，将相对路径上的点变换到绝对点坐标上可以利用如下表达式表示：

其中，表示相对路径上的位置点构成的向量，表示转换后的位置点构成的向量，s表示伸缩因子，t表示平移的偏移量，l和a分别表示相对路径和但绝对路径标识，表示旋转向量。

通过求得使得残差的平方和最小的变换函数，即最小，该变换函数即为初始变换函数V₀。

在步骤S404中，根据第一点集S_m和第二点集S_u的剩余点，对初始变换函数V₀进行更新，得到最终变换函数V。

最后在步骤S405中，利用最终变换函数V对相对路径进行变换，得到变换后的路径，根据变换后的路径即可获取目标的位置信息。图5示出了本实施例中将相对路径转换到绝对坐标上的效果图。

图6示出了本实施例中利用在步骤S404中确定最终变换函数V的具体流程图。

如图6所示，本实施例中，第一点集S_m和第二点集S_u的剩余位置点均为k-l个，在步骤S601中分别计算第一点集S_m和第二点集S_u的剩余位置点的残差，选取使得残差最小的位置点对。在步骤S602中，将步骤S601中确定的位置点对分别加入初始位置点子集和得到更新后的位置点子集和并基于位置点子集和利用与步骤S403相同的原理计算变换函数V₁。

在步骤S603中利用重新确定的变换函数对第一点集中的各个位置点进行变换，得到第三点集，计算第三点集与第二点集的残差，并判断该残差是否小于预设残差阈值。如果计算得到的残差小于预设残差阈值，则表明此时的变换函数已经能够满足要求，所以将此时的变换函数作为最终变换函数V；如果计算得到的残差大于或等于预设残差阈值，则表明此时的变换函数仍无法满足要求，所以此时返回步骤S601，从剩余的k-l-1个点对中继续选取使得残差最小的位置点对，并在步骤S602中对变换函数进行更新。

为了更加清楚地表明本实施例所提供的位置获取方法的效果以及优点，以下分别利用利用本实施例所提供的位置获取方法和现有的位置获取方法来对一实际路径进行定位。从图7中可以看出，现有的单纯WiFi信号来进行位置获取的方法得到的结果与实际路径相差较大，而利用本实施例所提供的方法所得到路径与实际路径更为接近，结果也就更为准确。

从上述描述中可以看出，本发明所提供的位置获取方法解决了目标在复杂情况下(尤其是室内定位环境下)的准确位置获取的问题。本发明所提供的方法利用分别生成的相对路径和绝对路径，通过相应地坐标转换，得到目标的准确位置。本方法不需要额外的辅助设备，有效地控制了整个过程的成本。同时，本方法还具有与起始点无关、累积误差不敏感等特点。

应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

为了方便，在此使用的多个项目、结构单元、组成单元和/或材料可出现在共同列表中。然而，这些列表应解释为该列表中的每个元素分别识别为单独唯一的成员。因此，在没有反面说明的情况下，该列表中没有一个成员可仅基于它们出现在共同列表中便被解释为相同列表的任何其它成员的实际等同物。另外，在此还可以连同针对各元件的替代一起来参照本发明的各种实施例和示例。应当理解的是，这些实施例、示例和替代并不解释为彼此的等同物，而被认为是本发明的单独自主的代表。

此外，所描述的特征、结构或特性可以任何其他合适的方式结合到一个或多个实施例中。然而，相关领域的技术人员将明白，本发明无需上述一个或多个具体的细节便可实现，或者也可采用其它方法、组件、材料等实现。在其它示例中，周知的结构、材料或操作并未详细示出或描述以免模糊本发明的各个方面。

虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。

Claims (15)

1.一种位置获取方法，其特征在于，所述方法包括：

相对路径获取步骤，获取目标的惯性导航数据，根据所述惯性导航数据获取所述目标的相对路径；

绝对路径获取步骤，获取所述目标所处无线网络的网络信号，根据所述网络信号获取所述目标的绝对路径；

位置信息确定步骤，根据所述相对路径和绝对路径，得到所述目标的位置信息：

所述位置信息确定步骤包括：

分别从所述相对路径和绝对路径上获取第一点集和第二点集；

从所述第一点集和第二点集中成对选取预设数量的第一位置点，得到初始位置点子集；

根据所述初始位置点子集确定初始变换函数；

根据所述第一点集和第二点集的剩余点，对所述初始变换函数进行更新，得到最终变换函数；

利用所述最终变换函数对所述相对路径进行变换，得到变换后的路径，根据所述变换后的路径获取目标的位置信息。

2.如权利要求1所述的方法，其特征在于，所述惯性导航数据包括目标运动时各步的步长和运动角度。

3.如权利要求2所述的方法，其特征在于，所述相对路径获取步骤包括：

获取第一传感器数据，根据所述第一传感器数据分别计算步数和步长；

获取第二传感器数据，根据所述第二传感器数据计算角加速度，根据所述角加速度获取所述目标运动时各步的运动角度；

根据各步的步长和运动角度，得到所述目标的相对路径。

4.如权利要求3所述的方法，其特征在于，利用加速度传感器获取所述第一传感器数据，和/或，利用陀螺仪获取所述第二传感器数据。

5.如权利要求4所述的方法，其特征在于，在所述相对路径获取步骤中，利用所述加速度计获取垂直加速度，根据所述垂直加速度获取步态信息和所述步数，根据所述步态信息，获取各步的步长。

6.如权利要求5所述的方法，其特征在于，根据所述步态信息，结合目标的特征参数，获取所述目标的步长。

7.如权利要求4～6中任一项所述的方法，其特征在于，获取各步的运动角度的步骤包括：

根据所述第一传感器数据获取各步的时长，根据在各步的时长内获取到的第二传感器数据计算各步的角加速度；

根据所述各步的时长和角加速度，获取所述各步的运动角度。

8.如权利要求7所述的方法，其特征在于，根据如下表达式计算所述目标的相对路径：

$\left\{\begin{array}{c}{x}_{i+1}=x_i+s_{i+1}\·cos({\mathrm{\α}}_i+{\mathrm{\θ}}_{i+1})\\ y_{i+1}=y_i+s_{i+1}\·sin({\mathrm{\α}}_i+{\mathrm{\θ}}_{i+1})\end{array}\right.$

${\mathrm{\α}}_i={\mathrm{\Σ}}_{j=1}^{i-1}{\mathrm{\θ}}_j,i=1,2,...,N$

其中，N表示总步数，s_i+1和θ_i+1分别表示第i+1步的步长和运动角度，α_i表示第i步的坐标偏转角，(x_i+1,y_i+1)和(x_i,y_i)分别表示目标在第i+1步和第i步时在相对路径上的坐标。

9.如权利要求1～6、8中任一项所述的方法，其特征在于，所述绝对路径获取步骤包括：

获取所述目标各个时刻所在位置的网络信号，根据所述网络信号确定指纹信息；

将所述指纹信息与预设指纹模型进行匹配，根据匹配结果基于预设匹配模型确定所述目标的绝对路径。

10.如权利要求9所述的方法，其特征在于，所述预设匹配模型包括：

计算所述指纹信息与所述指纹模型中各条指纹数据的欧式距离，将使得欧式距离最小的指纹数据所对应的位置确定为所述目标各个时刻的绝对位置，根据目标在各个时刻的绝对位置确定所述目标的绝对路径。

11.如权利要求9所述的方法，其特征在于，所述预设匹配模型包括最邻近模型、K近邻模型、K加权近邻模型或概率模型。

12.如权利要求7所述的方法，其特征在于，所述绝对路径获取步骤包括：

获取所述目标各个时刻所在位置的网络信号，根据所述网络信号确定指纹信息；

将所述指纹信息与预设指纹模型进行匹配，根据匹配结果基于预设匹配模型确定所述目标的绝对路径。

13.如权利要求12所述的方法，其特征在于，所述预设匹配模型包括：

计算所述指纹信息与所述指纹模型中各条指纹数据的欧式距离，将使得欧式距离最小的指纹数据所对应的位置确定为所述目标各个时刻的绝对位置，根据目标在各个时刻的绝对位置确定所述目标的绝对路径。

14.如权利要求12所述的方法，其特征在于，所述预设匹配模型包括最邻近模型、K近邻模型、K加权近邻模型或概率模型。

15.如权利要求1所述的方法，其特征在于，获取最终变换函数的步骤包括：

S601、分别计算第一点集和第二点集的剩余点的残差，选取残差最小的第二位置点对；

S602、将所述第二位置点对加入所述第一位置点子集得到新的第一位置点子集，根据新的第一位置点子集重新确定变换函数；

S603、利用重新确定的变换函数对所述第一点集中的各个位置点进行变换，得到第三点集，计算所述第三点集与第二点集的残差，判断该残差是否小于预设残差阈值，如果小于，则将此时的变换函数作为最终变换函数，否则返回步骤S601进行迭代。