CN105891780B - 一种基于超声阵列信息的室内场景定位方法与装置 - Google Patents

Abstract

本发明提出一种基于超声阵列信息的室内场景定位方法与装置，涉及定位技术领域。该方法包括:1)采集作为训练样本的室内场景的超声阵列信息：2)采集作为测试样本的超声阵列信息：3)将超声训练样本和超声测试样本分别对齐；4)计算超声训练样本与测试样本的距离矩阵：5)将所有超声测试样本通过最近邻算法得到每个测试样本的场景定位。本发明装置包括：机器人本体，超声传感器和计算机。机器人本体与计算机通过U转串口线连接，把超声传感器实时采集到的超声阵列信息保存到计算机。本发明在机器学习的基础上实现一种基于超声阵列信息的室内场景定位方法与装置，提高了室内场景定位的鲁棒性和准确率。

Description

一种基于超声阵列信息的室内场景定位方法与装置

技术领域

本发明属于超声阵列信息的定位技术领域，尤其涉及一种基于超声阵列信息的室内场景定位方法与装置。

背景技术

定位技术作为当前的研究热点，对军事、经济以及人们的日常生活产生了深远的影响。定位是确定本体在其作业环境中所处位置的过程，更具体地说是利用先验环境地图信息、本体位姿的当前估计以及传感器的观测值等输入信息，经过一定的处理和变换，产生更加准确的对当前本体位姿的估计。

广西科技大学的发明专利“北斗或GPS双模在线定位模式，申请号为201410763072.1”中公开了一种定位方法，此发明的定位方法为获取北斗、GPS、北斗和双模的原始位置信息和时间数据，将用户的空间位置提供应用程序层，使数据保存到相应的数据表中以便移动客户端的访问、获取采用方式从位置信息数据表中拿到移动设备的实时经纬度信息和时间客户端调用百度地图的将获取到的位置信息标注到百度地图上,达到在线实时对移动设备的定位显示。但是GPS和北斗都主要服务于室外定位；而应用于室内时的信息受建筑物的影响而大大衰减，定位精度会大大降低。浙江大学的发明专利“一种基于混合摄像机的室内场景定位方法”用混合摄像机拍摄的当前帧的深度图和彩色图以及训练好的回归森林，计算出当前摄像机对应的世界坐标,完成室内场景定位。但是摄像机在光线条件不好的时候定位效果精度不高。

发明内容

本发明的目的是克服已有技术的不足之处，提出一种基于超声阵列信息的室内场景定位方法与装置，在最近邻算法的基础上实现基于超声阵列的室内场景定位，提高室内场定位的鲁棒性和准确率。

本发明提出的一种基于超声阵列信息的室内场景定位方法，包括以下步骤:

1)采集作为训练样本的场景的超声阵列信息：

为了有效地获取环境中的超声信息，超声传感器以环或阵列的形式安装在机器人本体上。室内场景的超声阵列信息进行采集作为超声训练样本，设超声训练样本的个数为N，则得到超声训练样本数据集S_tr的表达式为：

S_tr＝[S_tr1,S_tr2,…,S_trN] (1)

其中S_tr1,S_tr2,…,S_trN分别表示超声训练样本数据集S_tr中第一个超声训练样本、第二个超声训练样本、…第N个超声训练样本。第一个超声训练样本S_tr1的数据由超声传感器采集的室内已知的第一组场景的超声阵列信息。

2)对需要进行定位的测试样本场景进行采集超声阵列信息。设超声测试样本的个数为M，则得到超声测试样本数据集S_te的表达式为：

S_te＝[S_te1,S_te2,…,S_teM] (2)

其中S_te1,S_te2,…,S_teM分别表示超声测试样本数据集S_te中第一个超声测试样本、第二个超声测试样本、…第M个超声测试样本。第一个超声测试样本S_te1的数据由超声传感器采集的来自需要定位的第一组室内场景的超声阵列信息。M和N分别为超声训练样本的个数和超声测试样本的个数，一般情况下N≤M。

3)设超声传感器放置的数量为l，则超声训练样本数据集中的任意的一个超声训练样本S_I的长度为l，1≤I≤N，表达式为：S_I＝[S_I,1,S_I,2,...,S_I,l]，其中S_I,1,S_I,2,...,S_I,l分别表示超声训练样本S_I的第一个超声传感器的数据、第二个超声传感器的数据、…第l个超声传感器的数据。超声测试样本数据集中的任意的一个超声测试样本S_J的长度为l，1≤J≤M，表达式为：S_J＝[S_J,1,S_J,2,...,S_J,l]，其中S_J,1,S_J,2,...,S_J,l分别表示超声测试样本S_J的第一个超声传感器的数据、来自第二个超声传感器的数据、…第l个超声传感器的数据。

对齐超声训练样本和超声测试样本，得到超声训练样本S_I和超声测试样本S_J之后，将超声训练样本S_I和超声测试样本S_J对齐，对齐就是分别找到超声训练样本S_I和超声测试样本S_J的最小值和相应的下标，设超声训练样本S_I的最小值为S_I,minI，1≤minI≤l，则相应的下标为minI,超声测试样本S_J的最小值为S_J,minJ，1≤minJ≤l，则相应的下标为minJ,把超声训练样本S_I和超声测试样本S_J的最小值S_I,minI和S_J,minJ分别放到超声训练样本S_I和超声测试样本S_J下标为1的位置上，超声训练样本S_I和超声测试样本S_J剩下的数据按照原来的顺序，依次向后排列。

4)超声训练样本S_I和超声测试样本S_J对齐后得到新的超声训练样本S_I′和超声测试样本S_J′，其中S_I′＝[S_I,1′,S_I,2′,...,S_I,l′]、S_J′＝[S_J,1′,S_J,2′,...,S_J,l′]，超声训练样本S_I′和超声测试样本S_J′的距离被定义为：

d(S_I′,S_J′)＝||S_I′-S_J′|| (3)

5)遍历超声训练样本数据集S_tr和超声测试样本数据集S_te，重复步骤3)，得到对齐后的超声训练样本数据集S_tr′和对齐后的超声测试样本数据集S_te′；对齐后超声测试样本数据集S_te′中任一超声测试样本S_J′与S_tr′之间的距离表达式为

S_J′＝[S_J,1′,S_J,2′,...,S_J,l′] (4)

S_tr′＝[S₁′,S₂′,…,S_N′] (5)

d(S_J′,S_tr′)＝[d(S_J′,S₁′),d(S_J′,S₂′),…,d(S_J′,S_N′)] (6)

6)遍历超声测试样本数据集S_te′的每一个超声测试样本，重复公式6)，计算S_te′与对齐后的超声训练样本数据集S_tr′的距离d(S_te′,S_tr′)，构建一个动态时间规整距离矩阵D：

上述距离矩阵D中，D₁₁是S_te′中第一个样本与S_tr′中第一个样本之间的距离，D_1N是S_te′中第一个样本与S_tr′中第N个样本之间的距离，D_M1是S_te′中第M个样本与S_tr′中第一个样本之间的距离，D_MN是S_te′中第M个样本与S_tr′中第N个样本之间的距离；

7)根据步骤6)得到的距离矩阵D，得到对齐后的超声测试样本数据集S_te′中第A个测试样本与对齐后的超声训练样本S_tr′的距离集合D_A，D_A的表达式为：

D_A＝[D_A，1,D_A，2,…,D_A，N] (8)

其中1≤A≤M，求出距离集合D_A表达式中的最小值D_Ao，其中第二个下标o范围为：1≤o≤N。根据最近邻算法，则距离集合D_A中的第o个训练样本的场景位置即为第A个测试样本的场景定位。

8)重复步骤7)，得到所有对齐后的超声测试样本的场景定位，完成由所有超声测试样本组成的目标场景类别的场景定位。

9)一种基于超声阵列信息的室内场景定位装置，其特征在于，包括机器人本体、计算机和本体上安装的若干个超声传感器；机器人本体和计算机通过U转串口线连接，可以实时的把采集到的超声阵列信息保存到计算机，若干个超声传感器以本体为圆心，超声传感器测量范围为半径，均匀分体在本体四周实时采集信息，计算机根据采集到的信息进行超声阵列信息的室内场景定位。

10)根据权利要求2所述的基于超声阵列信息的室内场景定位装置，其特征在于：l个超声传感器是以本体为圆心，超声传感器测量范围为半径，均匀分布在本体四周，超声传感器的测量范围为10cm到5m，这种超声的布置可以为本体提供360度无缝检测。

11)根据权利要求2所述的基于超声阵列信息的室内场景定位装置，其特征在于：机器人本体和计算机通过U转串口线连接，可以实时的把采集到的超声阵列信息保存到计算机。

12)根据权利要求2所述的基于超声阵列信息的室内场景定位装置，其特征在于：根据步骤11)采集到的超声阵列信息，用计算机进行超声阵列信息的室内场景定位。

本发明提出的基于超声阵列信息的室内场景定位方法与装置，具有以下优点:

1、本发明提出的基于超声阵列信息的室内场景定位装置，利用本发明的装置采集到的超声信息，能实现室内场景的定位，降低了室内场景定位成本。

2、本发明的室内场景定位方法，将超声数据对齐后再用最近邻算法定位，提高了定位的鲁棒性和准确率。

附图说明

图1为本发明的基于最近邻算法的超声阵列信息的室内场景定位方法流程框图。

图2为本发明的实施例中的基于超声阵列信息的室内场景定位方法的超声装置的组成示意图。

具体实施方式

本发明提出的一种基于超声阵列信息的室内场景定位方法与装置，下面结合附图和具体实施例进一步详细说明如下。

本发明提出的一种基于超声阵列信息的室内场景定位方法，其流程框图如图1所示。包括以下步骤:

1)超声传感器以环或阵列的形式安装在机器人本体上，所以信息以超声阵列信息的形式出现，采集已知的室内场景的超声阵列信息作为超声训练样本，设超声训练样本的个数为N，则得到超声训练样本数据集S_tr的表达式为：

S_tr＝[S_tr1,S_tr2,…,S_trN] (1)

其中S_tr1,S_tr2,…,S_trN分别表示超声训练样本数据集S_tr中第一个超声训练样本、第二个超声训练样本、…第N个超声训练样本。第一个超声训练样本S_tr1的数据由超声传感器采集的室内已知的第一组场景的超声阵列信息。

2)采集需要进行定位的场景的超声阵列信息作为超声测试样本。设超声测试样本的个数为M，则得到超声测试样本数据集S_te的表达式为：

S_te＝[S_te1,S_te2,…,S_teM] (2)

其中S_te1,S_te2,…,S_teM分别表示超声测试样本数据集S_te中第一个超声测试样本、第二个超声测试样本、…第M个超声测试样本。第一个超声测试样本S_te1的数据由超声传感器采集的来自需要定位的第一组室内场景的超声阵列信息。M和N分别为超声训练样本的个数和超声测试样本的个数，一般情况下N≤M。

3)设超声传感器放置的数量为l，则超声训练样本数据集S_tr中的任意的一个超声训练样本S_I的长度为l，1≤I≤N，表达式为：S_I＝[S_I,1,S_I,2,...,S_I,l]，其中S_I,1,S_I,2,...,S_I,l分别表示超声训练样本S_I的第一个超声传感器的数据、第二个超声传感器的数据、…第l个超声传感器的数据。超声测试样本数据集S_te中的任意的一个超声测试样本S_J的长度为l，1≤J≤M，表达式为：S_J＝[S_J,1,S_J,2,...,S_J,l]，其中S_J,1,S_J,2,...,S_J,l分别表示超声测试样本S_J的第一个超声传感器的数据、第二个超声传感器的数据、…第l个超声传感器的数据。超声传感器的数量较少则采集的超声信息不能较好进行的场景定位，超声传感器的数量较多，则增加场景定位的成本，所以超声传感器数量l的范围：10≤l≤24(本实施例中超声传感器的数量为16个)。

得到超声训练样本S_I和超声测试样本S_J之后，将超声训练样本S_I和超声测试样本S_J对齐，对齐就是分别找到超声训练样本S_I和超声测试样本S_J的最小值和相应的下标，设超声训练样本S_I的最小值为S_I,minI，1≤minI≤l，则相应的下标为minI,超声测试样本S_J的最小值为S_J,minJ，1≤minJ≤l，则相应的下标为minJ,把超声训练样本S_I和超声测试样本S_J的最小值S_I,minI和S_J,minJ分别放到超声训练样本S_I和超声测试样本S_J下标为1的位置上，超声训练样本S_I和超声测试样本S_J剩下的数据按照原来的顺序，依次向后排列。

4)超声训练样本S_I和超声测试样本S_J对齐后得到新的超声训练样本S_I′和超声测试样本S_J′，其中S_I′＝[S_I,1′,S_I,2′,...,S_I,l′]、S_J′＝[S_J,1′,S_J,2′,...,S_J,l′]，超声训练样本S_I′和超声测试样本S_J′的距离被定义为：

d(S_I′,S_J′)＝||S_I′-S_J′|| (3)

5)遍历超声训练样本数据集S_tr和超声测试样本数据集S_te，重复步骤3)，得到对齐后的超声训练样本数据集S_tr′和对齐后的超声测试样本数据集S_te′；对齐后超声测试样本数据集S_te′中任一超声测试样本S_J′与S_tr′之间的距离表达式为

S_J′＝[S_J,1′,S_J,2′,...,S_J,l′] (4)

S_tr′＝[S₁′,S₂′,...,S_N′] (5)

d(S_J′,S_tr′)＝[d(S_J′,S₁′),d(S_J′,S₂′),...,d(S_J′,S_N′)] (6)

6)遍历超声测试样本数据集S_te′的每一个超声测试样本，重复公式6)，计算S_te′与对齐后的超声训练样本数据集S_tr′的距离d(S_te′,S_tr′)，构建一个动态时间规整距离矩阵D：

上述距离矩阵D中，D₁₁是S_te′中第一个样本与S_tr′中第一个样本之间的距离，D_1N是S_te′中第一个样本与S_tr′中第N个样本之间的距离，D_M1是S_te′中第M个样本与S_tr′中第一个样本之间的距离，D_MN是S_te′中第M个样本与S_tr′中第N个样本之间的距离；

7)根据步骤6)得到的距离矩阵D，得到对齐后的超声测试样本数据集S_te′中第A个测试样本与对齐后的超声训练样本S_tr′的距离集合D_A，D_A的表达式为：

D_A＝[D_A，1,D_A，2,…,D_A，N] (8)

其中1≤A≤M，求出距离集合D_A表达式中的最小值D_Ao，其中第二个下标o范围为：1≤o≤N。根据最近邻算法，则距离集合D_A中的第o个训练样本的场景位置即为第A个测试样本的场景定位。

8)重复步骤7)，得到所有对齐后的超声测试样本的场景定位，完成由所有超声测试样本组成的目标场景类别的场景定位。

9)本发明提出的一种基于超声阵列信息的室内场景定位装置，其组成如图2所示，包括机器人本体、本体上安装的若干个相同的超声传感器(本实施例采用16个超声传感器)和计算机；所述超声传感器以环或阵列的形式安装在所述机器人本体上，所述超声传感器的分布是以本体为圆心，超声传感器测量范围为半径，均匀分布在所述机器人本体四周实时采集信息；所述机器人本体和所述计算机通过U转串口线连接，把所述超声传感器采集到的超声阵列信息实时保存到计算机；所述计算机根据采集到的信息完成超声阵列信号的室内场景定位。

采集信息时机器人本体在原地定住，当采集完一组超声阵列信息，机器人再继续移动到下一个位置采集下一组信息。计算机根据采集到的信息进行超声阵列信息的室内场景定位。

为了有效地获取环境中的超声信息，超声传感器以环或阵列的形式安装在机器人本体上。16个超声传感器是以本体为圆心，超声传感器测量范围为10cm到5m的半径，均匀分布在本体四周；超声传感器的数量较少则采集的超声信息不能进行较好的场景定位，超声传感器的数量较多，则增加过多的成本，所以通常超声传感器数量l的范围：10≤l≤24，这种超声的布置可以为本体提供360度无缝检测。本装置中计算机、机器人和超声传感器为常规部件。

Claims (1)

1.一种基于超声阵列信息的室内场景定位方法，其特征在于，该方法包括以下步骤:

1)采集作为训练样本的场景的超声阵列信息：

为了有效地获取环境中的超声信息，超声传感器以环或阵列的形式安装在机器人本体上；室内场景的超声阵列信息被采集作为超声训练样本，设超声训练样本的个数为N，则得到超声训练样本数据集S_tr的表达式为：

S_tr＝[S_tr1,S_tr2,···,S_trN] (1)

其中S_tr1,S_tr2,···,S_trN分别表示超声训练样本数据集S_tr中第一个超声训练样本、第二个超声训练样本、…第N个超声训练样本；第一个超声训练样本S_tr1的数据为由超声传感器采集的室内已知的第一组场景的超声阵列信息；

2)对需要进行定位的测试样本场景进行采集超声阵列信息；设超声测试样本的个数为M，则得到超声测试样本数据集S_te的表达式为：

S_te＝[S_te1,S_te2,···,S_teM] (2)

其中S_te1,S_te2,···,S_teM分别表示超声测试样本数据集S_te中第一个超声测试样本、第二个超声测试样本、…第M个超声测试样本；第一个超声测试样本S_te1的数据由超声传感器采集的来自需要定位的第一组室内场景的超声阵列信息；M和N分别为超声测试样本的个数和超声训练样本的个数，N≤M；

3)设超声传感器放置的数量为l，则超声训练样本数据集中的任意的一个超声训练样本S_I的长度为l，1≤I≤N，表达式为：S_I＝[S_I,1,S_I,2,...,S_I,l]，其中S_I,1,S_I,2,...,S_I,l分别表示超声训练样本S_I的第一个超声传感器的数据、第二个超声传感器的数据、…第l个超声传感器的数据；超声测试样本数据集中的任意的一个超声测试样本S_J的长度为l，1≤J≤M，表达式为：S_J＝[S_J,1,S_J,2,...,S_J,l]，其中S_J,1,S_J,2,...,S_J,l分别表示超声测试样本S_J的第一个超声传感器的数据、来自第二个超声传感器的数据、…第l个超声传感器的数据；

对齐超声训练样本和超声测试样本：得到超声训练样本S_I和超声测试样本S_J之后，将超声训练样本S_I和超声测试样本S_J对齐，对齐就是分别找到超声训练样本S_I和超声测试样本S_J的最小值和相应的下标，设超声训练样本S_I的最小值为S_I,minI，1≤minI≤l，则相应的下标为minI,超声测试样本S_J的最小值为S_J,minJ，1≤minJ≤l，则相应的下标为minJ,把超声训练样本S_I和超声测试样本S_J的最小值S_I,minI和S_J,minJ分别放到超声训练样本S_I和超声测试样本S_J下标为1的位置上，超声训练样本S_I和超声测试样本S_J剩下的数据按照原来的顺序，依次向后排列；

4)超声训练样本S_I和超声测试样本S_J对齐后得到新的超声训练样本S_I′和超声测试样本S_J′，其中S_I′＝[S_I,1′,S_I,2′,...,S_I,l′]、S_J′＝[S_J,1′,S_J,2′,...,S_J,l′]，超声训练样本S_I′和超声测试样本S_J′的距离被定义为：

d(S_I′,S_J′)＝||S_I′-S_J′|| (3)

5)遍历超声训练样本数据集S_tr和超声测试样本数据集S_te，重复步骤3)，得到对齐后的超声训练样本数据集S_tr′和对齐后的超声测试样本数据集S_te′；对齐后超声测试样本数据集S_te′中任一超声测试样本S_J′与S_tr′之间的距离表达式为

S_J′＝[S_J,1′,S_J,2′,...,S_J,l′] (4)

S_tr′＝[S₁′,S₂′,···,S_N′] (5)

d(S_J′,S_tr′)＝[d(S_J′,S₁′),d(S_J′,S₂′),···,d(S_J′,S_N′)] (6)

6)遍历超声测试样本数据集S_te′的每一个超声测试样本，重复公式(6)，计算S_te′与对齐后的超声训练样本数据集S_tr′的距离d(S_te′,S_tr′)，构建一个动态时间规整距离矩阵D：

上述距离矩阵D中，D₁₁是S_te′中第一个样本与S_tr′中第一个样本之间的距离，D_1N是S_te′中第一个样本与S_tr′中第N个样本之间的距离，D_M1是S_te′中第M个样本与S_tr′中第一个样本之间的距离，D_MN是S_te′中第M个样本与S_tr′中第N个样本之间的距离；

7)根据步骤6)得到的距离矩阵D，得到对齐后的超声测试样本数据集S_te′中第A个测试样本与对齐后的超声训练样本S_tr′的距离集合D_A，D_A的表达式为：

D_A＝[D_A，1,D_A，2,···,D_A，N] (8)

其中1≤A≤M，求出距离集合D_A表达式中的最小值D_Ao，其中第二个下标o范围为：1≤o≤N；根据最近邻算法，则距离集合D_A中的第o个训练样本的场景位置即为第A个测试样本的场景定位；

8)重复步骤7)，得到所有对齐后的超声测试样本的场景定位，完成由所有超声测试样本组成的目标场景类别的场景定位。