CN106289257A - 室内定位方法及定位系统 - Google Patents
室内定位方法及定位系统 Download PDFInfo
- Publication number
- CN106289257A CN106289257A CN201610601926.5A CN201610601926A CN106289257A CN 106289257 A CN106289257 A CN 106289257A CN 201610601926 A CN201610601926 A CN 201610601926A CN 106289257 A CN106289257 A CN 106289257A
- Authority
- CN
- China
- Prior art keywords
- particle
- search
- pose
- normalized weight
- indoor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000002245 particle Substances 0.000 claims abstract description 306
- 239000012141 concentrate Substances 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 36
- 238000012952 Resampling Methods 0.000 claims abstract description 34
- 239000000203 mixture Substances 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000006073 displacement reaction Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 8
- 230000005389 magnetism Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 108091035707 Consensus sequence Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 101000911390 Homo sapiens Coagulation factor VIII Proteins 0.000 description 1
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 102000057593 human F8 Human genes 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229940047431 recombinate Drugs 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
Abstract
本发明提供一种室内定位方法,包括:在定位目标周围分布多个粒子,形成第一粒子集;利用粒子滤波器和室内地磁图,根据自定位目标的监测传感器接收的位移、方向和磁场值,确定第一粒子集中各粒子的第一位姿和第一归一化权重;根据各粒子的第一归一化权重,确定各粒子的变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,变异步长与第一归一化权重成反比;确定第二粒子集中各突变粒子的第二归一化权重;从第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;根据重采样粒子集中各粒子的位姿和归一化权重,确定定位目标的估计位置。该方法增加了重采样之后粒子的多样性,有效地抑制了误差的累积,显著提高了定位精度。
Description
技术领域
本发明涉及室内定位导航技术领域,尤其涉及一种室内定位方法及定位系统。
背景技术
近年来,国内外许多研究机构对室内定位导航技术进行了大量的研究,但是由于室内情况的复杂多变,尚未出现一种通用并被普遍接受的室内定位导航技术,目前总体处于测试阶段。国内外的室内定位导航技术主要有以下几种:Wi-Fi技术、超声波定位技术、蓝牙技术、红外线室内定位技术、射频识别技术以及新型的超宽带技术等。这些技术均需要预先大量铺设定位节点,且定位精度对信号稳定性依赖较大。
相比之下,地磁含有丰富的特征,如磁场强度、磁偏角、磁梯度等。在近地空间中,点与磁场有一一映射的关系。利用地磁可实现自主定位与导航,这也是地磁定位导航成为研究热点的主要原因。
粒子滤波是地磁定位的一种重要方法,但是这种方法有一个致命的弱点,即存在累积误差现象。随着定位时间的增长,定位误差也不断增长,最终将导致定位失败。对现有技术的文献检索发现,余洪山和王耀南在机器人杂志2007年发表的《基于粒子滤波器的移动机器人定位和地图创建研究进展》描述了粒子滤波器的原理及存在的缺陷问题。Han X等人发表的《Error Analysis for Numerical Formulation of Particle Filter》(Disc.and Cont.Dyn.Sys.-B,2015)也详细分析了粒子滤波器的误差问题,得出采样频率越高,粒子越接近正确的状态,追踪效果越好,同时累积误差越大。粒子滤波算法可以有效地解决Simultaneous Localization and Mapping(SLAM)问题,但是却存在粒子退化的缺陷。采样重采样技术可以在某些程度上有效的抑制这一现象的发生。然而,重采样过程是在保持粒子总数不变的条件下,评估粒子的权值,使权值大的粒子以较大的概率被选中,权值小的粒子以较小的概率被选中,使粒子群由低似然区向高似然区移动。这样随着时间的递增,采集到的样本中重复的粒子数会增多,可能出现从某时刻开始新的粒子集均是某权值大的粒子的子代,权值小的粒子均被淘汰的现象,即样本枯竭现象。最终导致粒子的有效性和多样性降低,无法表示后验密度分布,算法估计精度大大降低,甚至出现滤波发散的现象。
在现有技术中,为减少累积误差的影响,可以增加启发式标题信息改善粒子滤波,在室内空旷的地方失去墙、走廊等辅助信息情况下,可以减少粒子滤波失败率,但该方法计算复杂。也可以通过引入匹配算法来克服累积误差,但是匹配算法是为了纠正行人转弯的时间早于或晚于手机检测到的时间。实验测得的定位误差较大,平均4.19米。还可以设置锚节点,采取误差控制机制,根据注册的精确度对节点进行优选来定位。该方法成本及算法复杂度较高。
发明内容
针对以上解决累积误差所存在的至少一个问题,本发明实施例提供一种室内定位方法及系统,该方法及系统基于对生物进化机制的模拟,把进化策略应用于粒子滤波算法以实现粒子多样性的增强。
生物进化机制(进化算法)是一种借鉴生物选择和自然遗传机制的随机搜索优化算法,它主要包括遗传算法、进化策略和进化规则。该算法主要通过选择、重组和变异这三种操作实现优化问题的求解。遗传算法着重于交叉操作,进化规则强调种群级别,进化策略更看重个体的行为变化,更适合求解函数优化问题。类似于粒子滤波器,初始化v个个体,每个个体均看作是系统的可能解,通过对个体复制、交换、突变等操作不断迭代,逐步逼近最优解。
进化策略的一般算法为:f(x):S→R。f(x)为适应度函数,S为R空间的一个闭集,v个初始个体为(yi(t),ηi(t)),其中yi(t)为第t代第i个个体,ηi(t)为第t代第i个个体的步长。具体步骤为:
(1)初始化v个个体。
(2)通过对于v个个体的每个分量增加均值为0、方差为1的标准高斯随机变量,从每个个体产生子代。
(3)计算每个个体的适应度值并进行排序,择优选择适应度好的个体组成下一代群体。
为了解决现有技术中存在的至少一个问题,第一方面,本发明实施例提供一种室内定位方法,包括:
在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
第二方面,本发明实施例还提供了一种室内定位系统,包括:
第一粒子集生成模块,用于在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
第二粒子集生成模块,用于根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
重采样模块,用于从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
位置确定模块,用于根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
第三方面,本发明实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行本申请上述任一项室内定位方法。
第四方面,本发明实施例还提供了一种室内定位设备,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器;其中,
所述存储器用于存储室内地磁图和可被所述处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
发明人考虑了变异步长对进化算法的影响,因此在本发明实施例中通过变异步长来干预粒子的突变,变异步长由每个粒子的归一化权重确定。归一化权重大代表粒子的适应度高,归一化权重小代表粒子的适应度低。适应度高表示粒子的位置比较接近定位目标的位置,此时需要缩小粒子的变异步长,提升粒子的搜索精度,适应度低表示粒子的位置距定位目标的位置较远,此时需要增大粒子的变异步长,提升粒子的搜索能力在一个较大范围内生成突变粒子。
本发明实施例室内定位方法能够有效地增加重采样之后粒子的多样性,从而有效地抑制误差的累积,显著地提高定位精度。
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使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种室内定位方法的的流程图;
图2为本发明实施例提供的另一种室内定位方法的的流程图;
图3为定位目标行走100步得到的RMSE曲线图;
图4为根据本发明实施例提供的室内定位方法对定位目标行走100步进行定位的示意图;
图5为根据现有技术提供的方法对定位目标行走100步进行定位的示意图;
图6为根据本发明实施例提供的室内定位方法对定位目标行走500步进行定位的示意图;
图7为根据现有技术提供的方法对定位目标行走500步进行定位的示意图;
图8为本发明实施例提供的一种室内定位系统的结构示意图;
图9为本发明实施例提供的另一种室内定位设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明实施例提供的一种室内定位方法,如图1所示,包括:
步骤S101:在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
步骤S102:根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
步骤S103:从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
步骤S104:根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置;
步骤S105:基于所述估计位置在所述地磁图中的目标点,形成第一搜索区域,对所述第一搜索区域进行地磁匹配,找寻与所述目标点相似的第一位置点,基于所述第一位置点,形成第二搜索区域,对所述第二搜索区域进行地磁匹配,找寻与所述目标点相似的第二位置点,将所述第二位置点确定为所述估计位置的修正位置,其中,所述第二搜索区域在所述第一搜索区域内。
在本发明实施例中,对于步骤S102,通过变异步长来干预第一粒子集中的粒子的突变,生成具有第二位姿的突变粒子的第二粒子集,增加了粒子的多样性,其中,该变异步长由每个粒子的第一归一化权重确定。
对于步骤S103,重采样粒子集中的粒子一部分来自步骤S101重要性采样的粒子,一部分来自步骤S102的突变粒子,既保留了对定位目标真实位置的逼近,又提升了粒子的多样性,抑制了误差的累积,从而对定位目标的定位更准确。
对于步骤S105,该室内定位方法通过地磁匹配修正定位目标的估计位置,降低累积误差对定位的影响,实现精确定位。在地磁匹配的过程中,在精确匹配(对第二搜索区域进行地磁匹配)之前采用一个预匹配(对第一搜索区域进行地磁匹配)过程,显著地降低了匹配时间。
根据本发明实施例提供的一种室内定位方法,如图2所示,包括:
步骤S201:在定位目标周围分布多个粒子,形成第一粒子集。
假设在t=0时刻定位目标的位置已知,在定位目标周围均匀分布N个粒子,粒子的权重为粒子的位姿为其中,i表示N个粒子中的第i个粒子。
步骤S202:利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重。
在本发明实施例中,室内地磁图是通过先对目标所处的室内进行实地测量,获得室内平面图,并对平面图进行模拟网格地图初始化,利用地磁传感器,每隔一段距离测得一组磁场数据取平均值,组成地磁数据库,然后将所有的磁场数据导入网格地图,形成L*L个网格的室内地磁图。在地磁传感器测量过程中,分别测量水平面上纵向、横向和重力方向上的磁场分量。
在本发明实施例中,定位目标可以是手推车、行李车或移动机器人等可以移动的装置。
定位目标的监测传感器可以包括陀螺仪、罗盘、加速度计或地磁传感器中的一种或多种。
在本发明实施例中,步骤S202的具体实现为:
重要性采样:在t时刻,根据定位目标的监测传感器测量的t-1时刻到t时刻的位移和偏移角度,利用定位目标的运动模型对步骤S201中的N个粒子的位姿更新,得到第一位姿然后根据第一位姿和监测传感器测量的磁场值确定各粒子的权重然后归一化权重得到第一归一化权重
由于磁场的方向和强度是由向量<Hx,Hy,Hz>表示的,所以本发明的地磁数据库由三个大小相同的网格地图组成,分别表示Hx、Hy和Hz的分布,按此方式,地图的特征会增多,有利于定位。重要性概率分布函数基于指数分布,指数分布的计算复杂度(一般用时间复杂度来表示)是O(N),而高斯分布的计算复杂度是O(N2),N表示粒子数。由此可见本发明基于指数分布计算权重的方法可以减少运算量,加快收敛速度,提高定位精度。因此,粒子的权重为:
其中,Rtx,Rty,Rtz分别为定位目标在t时刻测得的三个正交方向上的地磁分量,分别表示t时刻的第i个粒子的所在室内地磁图位置的三个正交方向的磁场分量,λ为常数,表示粒子权重对指数分布的依赖程度,λ值大,指数分布下降慢,权重取值范围大,灵敏度低,相反则灵敏度高,λ的值可依据实验数据进行合理的调整,本实施例中为2。
步骤S203:根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与归一化权重成反比。
本发明实施例通过变异步长控制粒子的突变,根据每个粒子的归一化权重确定变异步长,归一化权重大代表粒子的适应度高,归一化权重小代表粒子的适应度低。适应度高表示粒子的位置比较接近定位目标的位置,此时需要缩小粒子的变异步长,提升粒子的搜索精度,适应度低表示粒子的位置距定位目标的位置较远,此时需要增大粒子的变异步长,提升粒子的搜索能力在一个较大范围内生成新粒子。
在本实施例中,通过下式(1)和(2)形成包括多个分别具有第二位姿的突变粒子的第二粒子集,
其中,η为第一粒子集中粒子的步长,τ'表示全局步长系数,τ表示局部步长系数,η、τ'和τ分别由粒子滤波器设置,τ'和τ通常为1,N(0,1)为均值为0,方差为1的高斯随机数,N(0,5)为均值为0,方差为5的高斯随机数,η'为不考虑第一归一化权重的常规步长,wk为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一归一化权重,
其中,为wk大于等于0.5时的变异步长,为wk小于0.5时的变异步长,x为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一位姿,x'为第二粒子集中粒子的第二位姿。
步骤S204:根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重。其中,第二归一化权重与步骤S202中第一归一化权重的计算方式相同。
步骤S205:从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集。
在本实施例中,按照归一化权重由大到小的顺序,从第一粒子集和第二粒子集中选取N个粒子组成重采样粒子集。
重采样粒子集中的粒子,一部分来自步骤S202重要性采样的粒子,一部分来自步骤S203的突变粒子,既保留了对定位目标真实位置的逼近,又提升了粒子的多样性。
步骤S206:根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
在本发明实施例中,将重采样粒子集中各粒子的位姿及归一化权重相乘,累加得到的乘积,估计定位目标在所述室内地磁图中的位置。
步骤S207:基于估计位置在室内地磁图上的目标点,形成第一搜索区域,在第一搜索区域内以第一网格数为搜索步长进行地磁匹配,找寻与目标点相似的第一位置点,基于第一位置点,形成第二搜索区域,在第二搜索区域内以第二网格数为搜索步长进行地磁匹配,找寻与目标点相似的第二位置点,第二位置点确定为所述估计位置的修正位置,其中,第二搜索区域在第一搜索区域内,第一网格数大于第二网格数。
在可选的实施例中,根据对定位目标定位的精度及地磁匹配时间的要求确定构造第一搜索区域的半径、构造第二搜索区域的半径、第一网格数和第二网格数。若要求定位目标的定位精度越高,则构造第一搜索区域的半径及构造第二搜索区域的半径越大,第一网格数和第二网格数越小;而要求的地磁匹配所需时间越少,构造第一搜索区域的半径及构造第二搜索区域的半径越小,第一网格数和第二网格数越大。因此,合理的设置构造第一搜索区域的半径、构造第二搜索区域的半径、第一网格数和第二网格数能够满足对定位目标定位的精度的要求及地磁匹配时间的要求。在本发明实施例中,以估计位置在室内地磁图上的目标点为中心,以20格为半径构造第一搜索区域,对第一搜索区域以四个网格为搜索步长进行地磁匹配,找寻与目标点相似的第一位置点,基于第一位置点,以5格为半径构造第二搜索区域,在第二搜索区域内以单个网格为搜索步长进行地磁匹配,找寻与目标点相似的第二位置点,第二位置点确定为所述估计位置的修正位置,其中,第二搜索区域在第一搜索区域内。
地磁匹配的具体实现为:根据定位目标的最新H步路径得到一个测量序列(监测传感器测量的磁场值)和一个基准序列(与H步路径对应的地磁图上的磁场值),然后根据式(5)计算每个测量值与基准值的MSD(均方位移),MSD最小的点就是与目标点相似的位置点。
其中,hr(i)表示基准序列,ht(i)表示测量序列。
若定位目标继续行走,则返回到步骤S202进行下一次定位,若定位目标停止行走则定位结束。
在一些可选的实施例中,在步骤S207之前,将监测传感器测量的序列值写入地磁数据库中,并在地磁图上以定位目标的估计位置为中心,选取10*10个网格进行克里金插值,然后把插值后的10*10个网格融合进地磁图中得到更新后的室内地磁图。然后,基于更新后的室内地磁图执行步骤S107。
实施例1
根据本发明实施例提供的室内定位方法,在10米*10米的室内进行实验,每隔0.5米测一组真实的磁场值,共测得441组,然后对这441组磁场值进行空间插值运算构成81*81的网格地图。选取20次定位目标行走300步的结果以均方根误差(RMSE)进行比较。
其中,xi表示定位目标第i步的在室内的真实位置,xi,j表示定位目标第j次的第i步的在室内地磁图上估计位置。
不同粒子数量下测试结果的均方根误差比较如表1所示,
表1:
粒子数 | RMSE(实施例1) | RMSE(现有技术) |
100 | 0.4840 | 1.0990 |
200 | 0.4123 | 1.0711 |
300 | 0.3841 | 0.9341 |
从表1可已看出,本发明在粒子较少的情况下,粒子滤波效果也很好,定位精确。
图3为选取其中一次定位目标行走100步得到的RMSE曲线图,实线代表实施例1的RMSE曲线,虚线代表现有的粒子滤波算法的RMSE曲线。从图中可以看出,现有的粒子滤波算法的定位误差会随着时间的增加而不断累积,且存在尖峰现象。而实施例1中,定位误差较小,且不存在误差累积的影响。
根据本发明实施例提供的室内定位目标,定位目标在仿真条件下自由行走100步(图4),每行走10步,选取后4步的估计位置进行一次地磁匹配,得到表2。在同样的仿真条件下,不进行地磁匹配的情况下定位目标自由行走100步(图5),得到表3。表2和表3中的X坐标和Y坐标是在定位目标在仿真条件下的实际位置,表2中的定位X坐标和定位Y坐标为定位目标在室内地磁图上的估计位置的修正位置,表3中的定位X坐标和定位Y坐标为定位目标在室内地磁图上的估计位置。
表2:
移动次数 | X坐标 | Y坐标 | 定位X坐标 | 定位Y坐标 | 误差 |
6 | 41.8099 | 53.7111 | 42.4830 | 54.5444 | 0.133901 |
7 | 48.0351 | 51.5309 | 48.6597 | 52.2689 | 0.120855 |
8 | 54.2603 | 49.3507 | 54.8657 | 50.1713 | 0.127469 |
9 | 49.2893 | 45.0153 | 50.1309 | 46.2759 | 0.189464 |
10 | 44.3184 | 40.6799 | 44.7427 | 41.3131 | 0.095200 |
11 | 39.3474 | 36.3445 | 39.6652 | 36.0937 | 0.0793153 |
表3:
移动次数 | X坐标 | Y坐标 | 定位X坐标 | 定位Y坐标 | 误差 |
6 | 29.1808 | 48.0948 | 29.6763 | 48.6907 | 0.096874 |
7 | 23.8766 | 52.8482 | 24.4513 | 53.4656 | 0.105428 |
8 | 18.5724 | 57.6017 | 19.1704 | 58.3057 | 0.115466 |
9 | 13.2682 | 62.3551 | 13.8757 | 62.9996 | 0.110711 |
10 | 20.3739 | 61.8660 | 21.2580 | 62.7778 | 0.150041 |
11 | 27.4795 | 61.3769 | 28.6723 | 62.0376 | 0.170445 |
由表2可知,第6步到第9步的误差不断累积,第10步进行地磁匹配克服了累积误差的影响,定位结果更精确。
图6为根据本发明实施例提供的室内定位方法对定位目标行走500步进行定位的示意图,图7为相同仿真条件下根据现有技术提供的方法对定位目标行走500步进行定位的示意图。对比图6与图7,可知本发明实施例提供的室内定位系统的性能得到了明显的提升,定位精度较高。
图8是本发明实施例提供的一种室内定位系统800,如图8所示,该系统包括:
第一粒子集生成模块810,用于在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
第二粒子集生成模块820,用于根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
重采样模块830,用于从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
位置确定模块840,用于根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
在位置确定模块840确定定位目标在室内地磁图中的估计位置之后,位置确定模块840还用于:基于所述估计位置在所述地磁图中的目标点,形成第一搜索区域;对所述第一搜索区域进行地磁匹配,找寻与所述目标点相似的第一位置点;基于所述第一位置点,形成第二搜索区域;对所述第二搜索区域进行地磁匹配,找寻与所述目标点相似的第二位置点,所述第二位置点确定为所述估计位置的修正位置,其中,所述第二搜索区域在所述第一搜索区域内。
该室内定位系统可执行指令可执行上述任意方法实施例中的室内定位方法,并能达到与所述室内定位方法同样的效果。
本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的室内定位方法。
图9是本发明实施例提供的执行室内定位方法的电子设备的硬件结构示意图,如图9所示,该设备包括:
一个或多个处理器910以及存储器920,图9中以一个处理器910为例。
执行室内定位方法的设备还可以包括:输入装置930和输出装置940。
处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接,图9中以通过总线连接为例。
存储器920作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的室内定位方法对应的程序指令。处理器910通过运行存储在存储器920中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的室内定位方法。
存储器920可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储室内定位系统的使用所创建的数据等。此外,存储器920可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器920可选包括相对于处理器910远程设置的存储器,这些远程存储器可以通过网络连接至处理器910。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置930可接收输入的数字或字符信息,以及产生与定位设备用户设置以及功能控制有关的信号输入。输出装置940可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
本发明实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
本发明实施例的电子设备可以自身携带安装有监测传感器,也可以与跟随用户移动的安装有监测传感器的载体通信连接实现数据交互,例如可以通过蓝牙或无线进行连接。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,存储模块,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种室内定位方法,其中,包括:
在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
2.根据权利要求1所述的方法,其中,在确定定位目标在所述室内地磁图中的估计位置之后,还包括:
基于所述估计位置在所述室内地磁图中的目标点,形成第一搜索区域,
对所述第一搜索区域进行地磁匹配,找寻与所述目标点相似的第一位置点;
基于所述第一位置点,形成第二搜索区域;
对所述第二搜索区域进行地磁匹配,找寻与所述目标点相似的第二位置点;
将所述第二位置点确定为所述估计位置的修正位置;
其中,所述第二搜索区域在所述第一搜索区域内。
3.根据权利要求2所述的方法,其中,所述室内地磁图为网格地图,对所述第一搜索区域进行地磁匹配包括:在所述第一搜索区域内以第一网格数为搜索步长进行地磁匹配;
对所述第二搜索区域进行地磁匹配包括:在所述第二搜索区域内以第二网格数为搜索步长进行地磁匹配;
其中,所述第一网格数大于所述第二网格数。
4.根据权利要求1所述的方法,其中,从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集包括:
按归一化权重由大到小的顺序,从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集,其中,所述第一粒子集和所述重采样粒子集中粒子的数量相等。
5.根据权利要求1-4中任一项所述的方法,其中,根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集包括:
通过下式(1)和(2)形成包括多个分别具有第二位姿的突变粒子的第二粒子集,
其中,η为第一粒子集中粒子的步长,τ'表示全局步长系数,τ表示局部步长系数,η、τ'和τ分别由粒子滤波器设置,N(0,1)为均值为0,方差为1的高斯随机数,N(0,5)为均值为0,方差为5的高斯随机数,η'为不考虑第一归一化权重的常规步长,wk为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一归一化权重,
其中,为wk大于等于0.5时的变异步长,为wk小于0.5时的变异步长,x为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一位姿,x'为第二粒子集中粒子的第二位姿。
6.一种室内定位系统,其中,包括:
第一粒子集生成模块,用于在定位目标周围分布多个粒子,形成第一粒子集,利用粒子滤波器和室内地磁图,根据自所述定位目标的监测传感器接收的位移、方向和磁场值,确定所述第一粒子集中各粒子的第一位姿和第一归一化权重;
第二粒子集生成模块,用于根据所述各粒子的第一归一化权重,确定各粒子的变异步长,基于各粒子的第一位姿和变异步长,形成包括多个分别具有第二位姿的突变粒子的第二粒子集,其中,所述变异步长与第一归一化权重成反比,根据所述第二位姿和所述磁场值,确定所述第二粒子集中各突变粒子的第二归一化权重;
重采样模块,用于从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集;
位置确定模块,用于根据所述重采样粒子集中各粒子的位姿和归一化权重,确定定位目标在所述室内地磁图中的估计位置。
7.根据权利要求6所述的系统,其中,所述位置确定模块在确定定位目标在所述室内地磁图中的估计位置之后,还用于:
基于所述估计位置在所述室内地磁图中的目标点,形成第一搜索区域;
对所述第一搜索区域进行地磁匹配,找寻与所述目标点相似的第一位置点;
基于所述第一位置点,形成第二搜索区域;
对所述第二搜索区域进行地磁匹配,找寻与所述目标点相似的第二位置点;
所述第二位置点确定为所述估计位置的修正位置;
其中,所述第二搜索区域在所述第一搜索区域内。
8.根据权利要求7所述的系统,其中,所述室内地磁图为网格地图,
所述位置确定模块还用于对所述第一搜索区域以第一网格数为搜索步长进行地磁匹配;
所述位置确定模块还用于对所述第二搜索区域以第二网格数为搜索步长进行地磁匹配;
其中,所述第一网格数大于所述第二网格数。
9.根据权利要求6所述的系统,其中,所述重采样模块用于:
按归一化权重由大到小的顺序,从所述第一粒子集和所述第二粒子集中选取多个粒子组成重采样粒子集,其中,所述第一粒子集和所述重采样粒子集中粒子的数量相等。
10.根据权利要求6-9任一项所述的系统,其中,所述第二粒子集生成模块用于基于下式(1)和(2)生成包括多个分别具有第二位姿的突变粒子的第二粒子集,
其中,η为第一粒子集中粒子的步长,τ'表示全局步长系数,τ表示局部步长系数,η、τ'和τ分别由粒子滤波器设置,N(0,1)为均值为0,方差为1的高斯随机数,N(0,5)为均值为0,方差为5的高斯随机数,η'为不考虑第一归一化权重的常规步长,wk为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一归一化权重,
其中,为wk大于等于0.5时的变异步长,为wk小于0.5时的变异步长,x为由粒子滤波器和室内地磁图确定的第一粒子集中粒子的第一位姿,x'为第二粒子集中粒子的第二位姿。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601926.5A CN106289257A (zh) | 2016-07-27 | 2016-07-27 | 室内定位方法及定位系统 |
PCT/CN2017/083982 WO2018018994A1 (zh) | 2016-07-27 | 2017-05-11 | 室内定位方法及定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610601926.5A CN106289257A (zh) | 2016-07-27 | 2016-07-27 | 室内定位方法及定位系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106289257A true CN106289257A (zh) | 2017-01-04 |
Family
ID=57662649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610601926.5A Pending CN106289257A (zh) | 2016-07-27 | 2016-07-27 | 室内定位方法及定位系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106289257A (zh) |
WO (1) | WO2018018994A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107063468A (zh) * | 2017-04-27 | 2017-08-18 | 杭州天铂红外光电技术有限公司 | 变电站设备红外热图拍摄的导航方法及装置 |
CN107270889A (zh) * | 2017-06-08 | 2017-10-20 | 东南大学 | 一种基于地磁图谱的室内定位方法及定位系统 |
WO2018018994A1 (zh) * | 2016-07-27 | 2018-02-01 | 无锡知谷网络科技有限公司 | 室内定位方法及定位系统 |
CN108279397A (zh) * | 2017-12-05 | 2018-07-13 | 中集冷云(北京)冷链科技有限公司 | 仓储箱位置辨识方法、系统、计算机设备和存储介质 |
CN108871341A (zh) * | 2018-07-05 | 2018-11-23 | 内江市下代互联网数据处理技术研究所 | 一种全局优化的并发定位与建图方法 |
CN109029427A (zh) * | 2018-06-26 | 2018-12-18 | 北京永安信通科技股份有限公司 | 对象定位方法、对象定位装置和电子设备 |
CN109506653A (zh) * | 2018-11-12 | 2019-03-22 | 上海理工大学 | Nlos环境下基于改进粒子滤波的室内定位行人方法 |
CN110119141A (zh) * | 2018-02-05 | 2019-08-13 | 本田技研工业株式会社 | 移动体控制系统、移动体及移动体控制方法 |
CN110285809A (zh) * | 2019-07-15 | 2019-09-27 | 李素敏 | 一种室内外一体化的组合定位装置 |
CN110307849A (zh) * | 2019-07-15 | 2019-10-08 | 李素敏 | 一种人员室内定位以及室内外一体化定位方法 |
CN110579781A (zh) * | 2018-06-11 | 2019-12-17 | 上海汽车集团股份有限公司 | 一种车辆定位方法、装置及电子设备 |
CN110941004A (zh) * | 2019-12-04 | 2020-03-31 | 南京航空航天大学 | 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置 |
CN110956249A (zh) * | 2019-12-05 | 2020-04-03 | 桂林电子科技大学 | 基于重采样优化粒子群算法的层状介质反演方法 |
CN112923917A (zh) * | 2019-12-05 | 2021-06-08 | Aptiv技术有限公司 | 对自定位初始化的初始自我姿态进行确定的方法和系统 |
CN115290098A (zh) * | 2022-09-30 | 2022-11-04 | 成都朴为科技有限公司 | 一种基于变步长的机器人定位方法和系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187308B (zh) * | 2019-06-20 | 2023-06-16 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN113008226B (zh) * | 2021-02-09 | 2022-04-01 | 杭州电子科技大学 | 基于门控循环神经网络和粒子滤波的地磁室内定位方法 |
CN113155131B (zh) * | 2021-04-14 | 2022-06-17 | 浙江工业大学 | 一种基于粒子滤波的iBeacon和PDR融合室内定位方法 |
CN114627365B (zh) * | 2022-03-24 | 2023-01-31 | 北京易航远智科技有限公司 | 场景重识别方法、装置、电子设备及存储介质 |
CN115494450B (zh) * | 2022-11-17 | 2023-03-21 | 长沙驰芯半导体科技有限公司 | 一种高精度的超宽带室内定位跟踪与控制方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130345967A1 (en) * | 2012-06-21 | 2013-12-26 | Qualcomm Incorporated | Routability graph with predetermined number of weighted edges for estimating a trajectory of a mobile device |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN104796866A (zh) * | 2015-05-06 | 2015-07-22 | 北京我联科技有限公司 | 室内定位方法和装置 |
CN105716604A (zh) * | 2016-02-25 | 2016-06-29 | 华南理工大学 | 基于地磁序列的移动机器人室内定位方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103925923B (zh) * | 2014-05-07 | 2017-06-16 | 南京大学 | 一种基于自适应粒子滤波器算法的地磁室内定位系统 |
CN104019813B (zh) * | 2014-06-19 | 2017-01-25 | 无锡知谷网络科技有限公司 | 目标即时定位和构建地图的方法与系统 |
CN105451330B (zh) * | 2014-09-25 | 2019-07-30 | 阿里巴巴集团控股有限公司 | 基于电磁信号的移动终端定位方法及其装置 |
CN106289257A (zh) * | 2016-07-27 | 2017-01-04 | 无锡知谷网络科技有限公司 | 室内定位方法及定位系统 |
-
2016
- 2016-07-27 CN CN201610601926.5A patent/CN106289257A/zh active Pending
-
2017
- 2017-05-11 WO PCT/CN2017/083982 patent/WO2018018994A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130345967A1 (en) * | 2012-06-21 | 2013-12-26 | Qualcomm Incorporated | Routability graph with predetermined number of weighted edges for estimating a trajectory of a mobile device |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN104796866A (zh) * | 2015-05-06 | 2015-07-22 | 北京我联科技有限公司 | 室内定位方法和装置 |
CN105716604A (zh) * | 2016-02-25 | 2016-06-29 | 华南理工大学 | 基于地磁序列的移动机器人室内定位方法及系统 |
Non-Patent Citations (2)
Title |
---|
党玲等: "一种基于自适应进化策略采样的粒子滤波算法", 《舰船科学技术》 * |
张聪聪等: "基于地磁场的室内定位和地图构建", 《仪器仪表学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018018994A1 (zh) * | 2016-07-27 | 2018-02-01 | 无锡知谷网络科技有限公司 | 室内定位方法及定位系统 |
CN107063468A (zh) * | 2017-04-27 | 2017-08-18 | 杭州天铂红外光电技术有限公司 | 变电站设备红外热图拍摄的导航方法及装置 |
CN107270889A (zh) * | 2017-06-08 | 2017-10-20 | 东南大学 | 一种基于地磁图谱的室内定位方法及定位系统 |
CN108279397A (zh) * | 2017-12-05 | 2018-07-13 | 中集冷云(北京)冷链科技有限公司 | 仓储箱位置辨识方法、系统、计算机设备和存储介质 |
CN110119141A (zh) * | 2018-02-05 | 2019-08-13 | 本田技研工业株式会社 | 移动体控制系统、移动体及移动体控制方法 |
CN110579781A (zh) * | 2018-06-11 | 2019-12-17 | 上海汽车集团股份有限公司 | 一种车辆定位方法、装置及电子设备 |
CN109029427A (zh) * | 2018-06-26 | 2018-12-18 | 北京永安信通科技股份有限公司 | 对象定位方法、对象定位装置和电子设备 |
CN108871341A (zh) * | 2018-07-05 | 2018-11-23 | 内江市下代互联网数据处理技术研究所 | 一种全局优化的并发定位与建图方法 |
CN108871341B (zh) * | 2018-07-05 | 2021-12-24 | 内江市下一代互联网数据处理技术研究所 | 一种全局优化的并发定位与建图方法 |
CN109506653A (zh) * | 2018-11-12 | 2019-03-22 | 上海理工大学 | Nlos环境下基于改进粒子滤波的室内定位行人方法 |
CN110285809A (zh) * | 2019-07-15 | 2019-09-27 | 李素敏 | 一种室内外一体化的组合定位装置 |
CN110307849A (zh) * | 2019-07-15 | 2019-10-08 | 李素敏 | 一种人员室内定位以及室内外一体化定位方法 |
CN110941004A (zh) * | 2019-12-04 | 2020-03-31 | 南京航空航天大学 | 一种基于gnss/uwb的移动机器人室内外联合定位方法及装置 |
CN110956249A (zh) * | 2019-12-05 | 2020-04-03 | 桂林电子科技大学 | 基于重采样优化粒子群算法的层状介质反演方法 |
CN112923917A (zh) * | 2019-12-05 | 2021-06-08 | Aptiv技术有限公司 | 对自定位初始化的初始自我姿态进行确定的方法和系统 |
CN115290098A (zh) * | 2022-09-30 | 2022-11-04 | 成都朴为科技有限公司 | 一种基于变步长的机器人定位方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2018018994A1 (zh) | 2018-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106289257A (zh) | 室内定位方法及定位系统 | |
Li et al. | Improving positioning accuracy of vehicular navigation system during GPS outages utilizing ensemble learning algorithm | |
CN106950969A (zh) | 一种基于无地图运动规划器的移动机器人连续控制方法 | |
CN106767828A (zh) | 一种手机室内定位解决方法 | |
CN103869379B (zh) | 基于遗传算法优化改进bp神经网络的磁力计校正方法 | |
WO2020211605A1 (zh) | 一种基于最大公共子图的栅格地图融合方法 | |
CN105526939B (zh) | 道路匹配方法和装置 | |
Saulnier et al. | Information theoretic active exploration in signed distance fields | |
CN106792540A (zh) | 一种基于路径匹配的改进DV‑Hop定位方法 | |
CN110532665A (zh) | 一种固定航线任务下的移动对象动态轨迹预测方法 | |
Agarwal | Robust graph-based localization and mapping | |
CN106971087A (zh) | 一种基于二次爬山教与学算法的平面度误差评定方法 | |
CN109885082A (zh) | 一种基于任务驱动下的无人机航迹规划的方法 | |
Peltzer et al. | Fig-op: Exploring large-scale unknown environments on a fixed time budget | |
Lin et al. | Noise filtering, trajectory compression and trajectory segmentation on GPS data | |
CN105898711A (zh) | 一种基于地磁基准线的定位方法及装置 | |
CN108955669A (zh) | 一种重磁场组合导航算法 | |
Ding et al. | OGI-SLAM2: A hybrid map SLAM framework grounded in inertial-based SLAM | |
CN104778260B (zh) | 一种动态雷达环境知识库建模方法 | |
CN114088098A (zh) | 一种用于极区水下航行器数据库辅助导航路径规划方法 | |
CN110057361B (zh) | 一种基于gps的最短路径规划方法 | |
CN112270752A (zh) | 农林作业路径生成方法、装置、计算机设备和存储介质 | |
US10191928B2 (en) | Planar graph generation device and method | |
Zha et al. | Trajectory mining for localization using recurrent neural network | |
CN114040336A (zh) | 基于缩影判定定位法与粒子群优化算法的信标部署方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1227092 Country of ref document: HK |
|
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20200211 |
|
AD01 | Patent right deemed abandoned | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1227092 Country of ref document: HK |