CN108989974A - 动物定位方法、装置、计算机设备和存储介质 - Google Patents

动物定位方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN108989974A
CN108989974A CN201810307102.6A CN201810307102A CN108989974A CN 108989974 A CN108989974 A CN 108989974A CN 201810307102 A CN201810307102 A CN 201810307102A CN 108989974 A CN108989974 A CN 108989974A
Authority
CN
China
Prior art keywords
animal
vector
preset signals
probability
predeterminated
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.)
Granted
Application number
CN201810307102.6A
Other languages
English (en)
Other versions
CN108989974B (zh
Inventor
刘明
梁青
王鲁佳
孙学斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zibo Jinde Construction Development Co ltd
Original Assignee
Shenzhen Yiqing Creative Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yiqing Creative Technology Ltd filed Critical Shenzhen Yiqing Creative Technology Ltd
Priority to CN201810307102.6A priority Critical patent/CN108989974B/zh
Publication of CN108989974A publication Critical patent/CN108989974A/zh
Application granted granted Critical
Publication of CN108989974B publication Critical patent/CN108989974B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请涉及一种动物定位方法、装置、计算机设备和存储介质。所述方法包括：获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；利用所述第一定位信号生成动物的定位向量；获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。采用本方法能够克服GPS定位费用高的问题，有效降低了室外动物定位的成本。

Description

动物定位方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种动物定位方法、装置、计算机设备和存储介质。
背景技术
日常生活中，定位系统已经在智能手机、机器人等智能设备上大量运用，定位系统能够实时获取当前的位置，为人们的生活带来了巨大的便利。在传统的技术中，通常是采用卫星定位系统以及电子地图的方式来实现定位的。卫星定位系统采用全球定位系统GPS(Global Positioning System)，GPS是目前最常用的定位导航系统。但在动物定位领域，比如，牧场牛羊的定位，由于动物数量众多，使用GPS定位存在费用相对较高，且容易受网络信号影响的问题，并不能满足室外动物定位的需求。如何降低室外动物定位的成本成为目前需要解决的一个技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够降低室外动物定位的成本的动物定位方法、装置、计算机设备和存储介质。
一种动物定位方法，所述方法包括：
获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
利用所述第一定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
在其中一个实施例中，所述获取带有动物标识的第一定位信号的步骤之前包括：
获取带有动物标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；
将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
根据多个预设位置对应的预设信号向量生成相应的预设信号表。
在其中一个实施例中，所述预设信号表包括预设信号向量对应的方差，所述将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率的步骤包括：
根据所述动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在所述每个预设位置的概率；
对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在其中一个实施例中，所述方法包括：
获取动物的运动参数，根据所述运动参数对所述动物在所述每个预设位置的概率进行修正，得到修正后的概率；
对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
一种动物定位方法，所述方法包括：
获取带有网关标识的第二定位信号，所述第二定位信号与多个网关标识相对应；
利用所述第二定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
在其中一个实施例中，所述获取带有网关标识的第二定位信号的步骤之前包括：
获取带有网关标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；
将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
根据多个预设位置对应的预设信号向量生成相应的预设信号表。
一种动物定位装置，所述装置包括：
获取模块，用于获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
生成模块，用于利用所述第一定位信号生成动物的定位向量；
获取模块还用于获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
确定模块，用于将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
在其中一个实施例中，所述获取模块还用于获取带有动物标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；所述装置还包括：
训练模块，用于将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
生成模块还用于根据所述预设位置对应的预设信号向量得到相应的预设信号表。
一种计算机设备，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
利用所述第一定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
利用所述第一定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
上述动物定位方法、装置、计算机设备和存储介质，终端可以获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应，并利用第一定位信号生成动物的定位向量。终端获取预设信号表后，可以将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率，其中，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。对比后终端将概率最高的预设位置标记为动物的定位位置，由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
附图说明
图1为一个实施例中动物定位方法的应用环境图；
图2为一个实施例中动物定位方法的流程示意图；
图3为另一个实施例中动物定位方法的流程示意图；
图4为一个实施例中动物定位装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的动物定位方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络分别与信号标签104、网关106通过网络进行通信，信号标签 104位于待定位的动物身上，伴随动物的运动进行移动，终端102对动物的定位即相当于对信号标签104的定位。终端102从信号标签104获取带有动物标识的第一定位信号，第一定位信号与多个网关106标识相对应。终端102利用第一定位信号生成动物的定位向量。终端102可以获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。终端 102将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率，将概率最高的预设位置标记为动物的定位位置。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。动物身上携带有相应的标签，信号标签104可以向终端102发送定位信号。网关106可以有多个，可以对网关106范围内的信号标签104进行定位。
在一个实施例中，如图2所示，提供了一种动物定位方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应。
待定位动物身上可以佩戴相应的信号标签，信号标签可以用来发送或者接收相应的信号。具体地，动物身上佩戴的信号标签可以为LoRa(一种用于无线电调制解调的技术)标签，LoRa标签成本较低，能够满足为每只牛羊佩戴的需求。网关的数量可以为多个，网关设置在待定位动物的外围，形成包围待定位的动物的状态，实现对网关范围内的动物进行定位。比如，在牧场中使用时，可以在牧场周围建设基站，安装LoRa网关，LoRa网关可以向一定的范围内发射信号，佩戴有LoRa标签的动物能够接收LoRa网关发送的信号。具体地，使用中也可以用路由器替代LoRa网关。LoRa网关发射信号的频率根据相应的需求进行灵活的设置。多个LoRa网关可以同一时刻同时向外发射信号，某一时刻，佩戴有LoRa标签的动物可能同时接收到多个网关发送的信号。不同的动物具有唯一的动物标识，不同的网关具有唯一的网关标识。
当需要对动物进行定位时，终端首先获取带有动物标识的第一定位信号，第一定位信号是由待定位动物佩戴有LoRa标签发送给终端的。第一定位信号是待定位动物在当前需要定位的位置上接受到的多个网关发送的信号，第一定位信号与多个网关标识相对应，每一个网关标识对应一个LoRa标签接收到的信号，包括信号的强度以及方向等信息。
步骤204，利用第一定位信号生成动物的定位向量。
网关的位置是固定的，采用同一规格的网关，可以保证不同网关发射信号的能力是相同的。由于佩戴有标签的动物距离不同的网关的远近可能不同，相应的接收到的信号强度是不同的，距离网关的远近决定了标签接受到的信号强度的大小，距离网关越近，则接收到的信号强度越大。终端获取到带有动物标识的第一定位信号后，对第一定位信号进行整合，添加相应的动物标识，生成相应的动物的定位向量，定位向量中按照一定的规则对不同网关标识对应的信号进行排序，方便后续对比，进而终端根据动物的定位向量对佩戴有标签的动物进行定位。
在一个实施例中，同一时刻，终端可以获取多个带有动物标识的第一定位信号，利用第一定位信号生成相应的多个定位向量，每一个动物具有相应的定位向量，由此终端可以同时对多个佩戴有标签的动物进行定位，提高了对动物进行定位的效率。
在一个实施例中，由于网关的位置是固定的，终端可以准确的获取网关的位置，进一步终端可以根据利用第一定位信号生成动物的定位向量，以及相应的网关标识，利用三角定位对佩戴有标签的动物进行定位，获取动物的位置。
步骤206，获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。
终端中预先存储有预设的信号表，预设信号表中包括多个预设位置，位置可以用具体的坐标进行体现，预设位置的坐标是已经确定的。可以理解，预设信号表中的预设位置可以是网关范围内任意的位置，即预设信号表中涵盖了网关范围内所有位置的信号信息。每一个预设位置具有与多个网关标识对应的预设信号向量，预设信号向量也可按照一定的规则对不同网关标识对应的信号进行排序，规则可以是按照固定的顺序来放置网关对应的信号。预设信号向量中记录有在预设信号向量对应的预设位置上时，接收到不同网关发送的信号。预设信号表中的预设信号向量可以有相应的公式进行计算得到，或者根据相应的模型进行训练得到。预设信号表中的预设信号向量表示动物在预设位置时按理应该对应的不通网关标识的信号强度。预设信号表中包括预设位置的坐标，以及多个网关标识对应的预设信号向量。例如，预设信号表中的信息可以表示为 (x，y)[μ0，μ1，μ2，μ3]的格式，(x，y)表示预设位置的坐标，[μ0，μ1，μ2，μ3]表示预设位置上对应的4个网关对应的预设信号信息。
步骤208，将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率。
步骤210，将概率最高的预设位置标记为动物的定位位置。
终端将生成动物的定位向量与预设信号表进行比较，分别比较动物的定位向量与每一个预设位置对应的预设信号向量的相近度，求出相应的概率，概率越高则表示动物在该预设位置的可能性越大。终端计算动物在预设信号表中每一个预设位置的概率后，将概率最高的预设位置标记为动物的定位位置，则预设位置对应的坐标即为当前动物的坐标，从而完成对动物的定位。
上述动物定位方法中，终端可以获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应，并利用第一定位信号生成动物的定位向量。终端获取预设信号表后，可以将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率，其中，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。对比后终端将概率最高的预设位置标记为动物的定位位置，由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
在一个实施例中，获取带有动物标识的第一定位信号的步骤之前包括：获取带有动物标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；根据多个预设位置对应的预设信号向量生成相应的预设信号表。
样本信号向量是在对真实的动物进行定位之前，模拟定位的场景采集的一些真实信号信息，进而根据采集到的信息生成样本信号向量。在网关范围内寻找一些已知坐标的采集位置，在这些位置上分别获取不同网关发射的信号，按照规则生成样本信号向量。采用数据驱动的思想，将这些样本信息作为基础数据来获得其它未采集位置的信号向量。数据驱动的思想下，只要有足够代表性的样本数据，就可以运用数学找到一个或者模型的组合使得它和真实的情况非常接近，通过现有样本的数据，和正确的模型，在误差允许的范围内，能够来逼近真实情况。进而通过模型的训练可以得到大量的预设位置对应的预设信号向量。
由于信号的分布是服从高斯分布的，通过对采集的大量样本信号向量进行训练，可以对没有采集的位置的信号强度分布进行估计。训练使用的模型可以是高斯过程回归模型。具体地，可以使用是平方指数或高斯内核作为内核，使用RBF径向基函数(Radial BasisFunction)作为高斯过程核函数。
其中，是信号方差，l是长度尺度，用来确定点之间相关性强度。函数值之间的方差随着相应输入值的增加而减小。高斯模型训练之后，对于没有采集的位置可以获得该位置上接收的不同网关的信号强度，这个信号强度是估算出来的，由于并没有对该位置进行真实的采集，这个信号强度会有一定的误差，方差可以对误差进评价，经过高斯模型处理每一个估算的信号强度都会对应一个方差，表示估算的信号强度的准确性，即可信任程度。
在实施例中，终端首先获取带有动物标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置，再将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量，最后根据多个预设位置对应的预设信号向量生成相应的预设信号表。终端通过利用模型对样本数据进行训练，进而得到了预设信号表。再将接收到的定位信号和预设信号表进行计算比较，进而在预设信号表中寻找更接近动物的预设位置，由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
在一个实施例中，预设信号表包括预设信号向量对应的方差，将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率的步骤包括：根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
经过高斯模型处理每一个估算的信号强度都会对应一个方差，表示估算的信号强度的准确性。终端可以结合预设信号向量对应的方差、根据动物的定位向量、多个预设信号向量来分别计算动物在每个预设位置的概率，求得更加准确的概率。由于方差是对经过高斯训练得到的，能够对预设信号向量的准确定、可靠性进行评价，进而将动物的定位向量与多个预设信号向量进行对比时，能够得到更加准确的概率。终端再对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置，则通过预设信号表进行概率计算，确定动物的位置，由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
在一个实施例中，动物定位方法包括：获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在对动物进行定位的过程中，动物可能存在运动的情况，会导致得到的位置不够准确，可以加入运动参数对定位的结果进行修正。运动参数能够反映定位的动物单位时间内运动距离的一个情况，运动速度快的动物相应的运动参数较大，运动速度慢的动物相应的运动参数较小，，概率参考如下公式：
其中，zt表示t时刻的信号信息，xt表示动物t时刻的位置，ut表示t时刻的运动变量。P(zt|xt)表示t时刻，测量的信号向量为xt时，动物在zt位置的概率。P(zt|xt)表示的是没有增加运动参数时，也就是直接经过定位向量、多个预设信号向量和预设信号向量对应的方差计算得到的概率。通过P(zt|xt)可以初步估计出动物的位置，运动参数能够起到修正的作用。P(xt|z0:t，u0:t)表示t时刻，在测量的信号向量为z0:t、运动控制变量为u0:t，动物在x位置的概率。
由于终端需要将动物的定位向量与多个预设信号向量进行对比，每一个预设信号向量存在多个网关，当存在S个网关时可进行如下计算:
也可使用如下公式进行概率计算，
其中r为动物的定位向量，μ为高斯训练得到的预设信号向量，σ为预设信号向量对应的方差。加入运动参数能够起到修正的作用。在本实施例中，终端能够获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率。最后终端对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。由于加入了运动参数，运动参数能够对用方差得到的初步的概率就行修正，通过修正后的概率能够得到物体更加准确的位置，由此实现对动物进行准确有效的定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
在一个实施例中，网关可以是LoRa网关，动物佩戴的标签可以是LoRa标签。终端可以获取每个LoRa网关的位置坐标，动物在某个位置需要定位时，通过佩戴的LoRa标签将接收到的不同网关的信号发送给终端，终端根据三角计算公式即可得到动物的空间坐标，计算公式如下：
S1＝a1|P1-R|2
S2＝a2|P2-R|2
S3＝a3|P3-R|2
其中ai为第i个网关接收的信号强度-距离平方倒数的比例系数，Pi为第i 个网关的位置，R为动物的位置。由于网关的位置是确定的，终端通过这样的方法能够计算得到动物的位置，由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
在一个实施例中，如图3所示，提供了一种动物定位方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤302，获取带有网关标识的第二定位信号，第二定位信号与多个网关标识相对应。
待定位动物身上可以佩戴相应的信号标签，信号标签可以用来发送相应的信号。具体地，动物身上佩戴的信号标签可以为LoRa标签，LoRa标签成本较低，能够满足为每只牛羊佩戴的需求。网关的数量可以为多个，网关设置在待定位动物的外围，形成包围待定位的动物的状态，实现对网关范围内的动物进行定位。比如，在牧场中使用时，可以在牧场周围建设基站，安装LoRa网关， LoRa网关可以向一定的范围内发射信号，佩戴有LoRa标签的动物能够向L发送信号，周围的LoRa网关可以接收到LoRa标签发送的信号。LoRa标签发射信号的频率根据相应的需求进行灵活的设置。某一时刻，佩戴有LoRa标签的动物可能同时向多个LoRa网关发送的信号。不同的动物具有唯一的网关标识，不同的网关具有唯一的网关标识。
当需要对动物进行定位时，终端首先获取带有网关标识的第二定位信号，第二定位信号是由多个具有网关标识的网关发送给终端的。第二定位信号是多个网关接受到的待定位动物在当前需要定位的位置上发送的信号，第二定位信号与多个网关标识相对应。
步骤304，利用第二定位信号生成动物的定位向量。
网关的位置是固定的，由于佩戴有标签的动物距离不同的网关的远近可能不同，相应的网关接收到的信号强度是不同的，距离动物的远近决定了接受到的信号强度的大小，距离动物越近，则接收到的信号强度越大。终端获取到带有网关标识的第二定位信号后，对第二定位信号进行整合，添加相应的网关标识，生成相应的动物的定位向量，定位向量中按照一定的规则对不同网关标识对应的信号进行排序，方便后续对比，进而终端根据动物的定位向量对佩戴有标签的动物进行定位。
在一个实施例中，同一时刻，终端可以获取多个带有网关标识的第二定位信号，利用第二定位信号生成相应的多个定位向量，每一个动物具有相应的定位向量，由此终端可以同时对多个佩戴有标签的动物进行定位，提高了对动物进行定位的效率。
在一个实施例中，由于网关的位置是固定的，终端可以准确的获取网关的位置，进一步终端可以根据利用第二定位信号生成动物的定位向量，以及相应的网关标识，利用三角定位对佩戴有标签的动物进行定位，获取动物的位置。
步骤306，获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。
终端中预先存储有预设的信号表，预设信号表中包括多个预设位置，位置可以用具体的坐标进行体现，预设位置的坐标是已经确定的。可以理解，预设信号表中的预设位置可以是网关范围内任意的位置，即预设信号表中涵盖了网关范围内所有位置的信号信息。每一个预设位置具有与多个网关标识对应的预设信号向量，预设信号向量也可按照一定的规则对不同网关标识对应的信号进行排序，规则可以是按照固定的顺序来放置网关对应的信号。预设信号向量中记录有在预设信号向量对应的预设位置上时，接收到不同网关发送的信号。预设信号表中的预设信号向量可以有相应的公式进行计算得到，或者根据相应的模型进行训练得到。预设信号表中的预设信号向量表示动物在预设位置时按理应该对应的不通网关标识的信号强度。预设信号表中包括预设位置的坐标，以及多个网关标识对应的预设信号向量。
步骤308，将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率。
步骤310，将概率最高的预设位置标记为动物的定位位置。
终端将生成动物的定位向量与预设信号表进行比较，分别比较动物的定位向量与每一个预设位置对应的预设信号向量的相近度，求出相应的概率，概率越高则表示动物在该预设位置的可能性越大。终端计算动物在预设信号表中每一个预设位置的概率后，将概率最高的预设位置标记为动物的定位位置，则预设位置对应的坐标即为当前动物的坐标，从而完成对动物的定位。
上述动物定位方法中，终端可以获取带有网关标识的第二定位信号，第二定位信号与多个网关标识相对应，并利用第二定位信号生成动物的定位向量。终端获取预设信号表后，可以将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率，其中，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。对比后终端将概率最高的预设位置标记为动物的定位位置。由此实现对动物进行有效定位。该方式克服了传统的GPS定位费用高的问题，有效降低了室外动物定位的成本。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，获取带有动物标识的第二定位信号的步骤之前包括：获取带有网关标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；根据多个预设位置对应的预设信号向量生成相应的预设信号表。
在一个实施例中，预设信号表包括预设信号向量对应的方差，将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率的步骤包括：根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，动物定位方法包括：获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，如图4所示，提供了一种动物定位装置，包括：获取模块402、生成模块404和确定模块406，其中：
获取模块402，用于获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应。
生成模块404，用于利用第一定位信号生成动物的定位向量。
获取模块还用于获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量。
确定模块406，用于将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，获取模块还用于获取带有动物标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；装置还包括：训练模块，用于将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；生成模块还用于根据预设位置对应的预设信号向量得到相应的预设信号表。
在一个实施例中，动物定位装置还包括：计算模块，用于根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；确定模块还用于对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，获取模块还用于获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；确定模块还用于对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，提供了一种动物定位装置，获取模块还用于获取带有网关标识的第二定位信号，第二定位信号与多个网关标识相对应；生成模块还用于利用第二定位信号生成动物的定位向量；获取模块还用于获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量；确定模块还用于将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，获取模块还用于获取带有网关标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；装置还包括：训练模块，用于将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；生成模块还用于根据预设位置对应的预设信号向量得到相应的预设信号表。
在一个实施例中，动物定位装置还包括：计算模块，用于根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；确定模块还用于对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，获取模块还用于获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；确定模块还用于对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
关于动物定位装置的具体限定可以参见上文中对于动物定位方法的限定，在此不再赘述。上述动物定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，也可以是服务器。其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种动物定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应；利用第一定位信号生成动物的定位向量；获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量；将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取带有动物标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；根据多个预设位置对应的预设信号向量生成相应的预设信号表。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取带有动物标识的第一定位信号，第一定位信号与多个网关标识相对应；利用第一定位信号生成动物的定位向量；获取预设信号表，预设信号表包括多个预设位置，预设位置具有与多个网关标识对应的预设信号向量；将动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取带有动物标识的多个样本信号向量，样本信号向量与多个网关标识相对应，样本信号向量包括样本的采集位置；将样本信号向量输入预设模型进行训练，通过样本信号向量得到预设位置对应的预设信号向量；根据多个预设位置对应的预设信号向量生成相应的预设信号表。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在每个预设位置的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取动物的运动参数，根据运动参数对动物在每个预设位置的概率进行修正，得到修正后的概率；对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限， RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步 DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种动物定位方法，所述方法包括：
获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
利用所述第一定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
2.根据权利要求1所述的方法，其特征在于，所述获取带有动物标识的第一定位信号的步骤之前包括：
获取带有动物标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；
将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
根据多个预设位置对应的预设信号向量生成相应的预设信号表。
3.根据权利要求1所述的方法，其特征在于，所述预设信号表包括预设信号向量对应的方差，所述将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率的步骤包括：
根据所述动物的定位向量、多个预设信号向量和预设信号向量对应的方差分别计算动物在所述每个预设位置的概率；
对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
4.根据权利要求1或3所述的方法，其特征在于，所述方法包括：
获取动物的运动参数，根据所述运动参数对所述动物在所述每个预设位置的概率进行修正，得到修正后的概率；
对多个预设位置的概率进行筛选，将概率最高的预设位置标记为动物的定位位置。
5.一种动物定位方法，所述方法包括：
获取带有网关标识的第二定位信号，所述第二定位信号与多个网关标识相对应；
利用所述第二定位信号生成动物的定位向量；
获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；
将概率最高的预设位置标记为动物的定位位置。
6.根据权利要求5所述的方法，其特征在于，所述获取带有网关标识的第二定位信号的步骤之前包括：
获取带有网关标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；
将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
根据多个预设位置对应的预设信号向量生成相应的预设信号表。
7.一种动物定位装置，其特征在于，所述装置包括：
获取模块，用于获取带有动物标识的第一定位信号，所述第一定位信号与多个网关标识相对应；
生成模块，用于利用所述第一定位信号生成动物的定位向量；
获取模块还用于获取预设信号表，所述预设信号表包括多个预设位置，所述预设位置具有与多个网关标识对应的预设信号向量；
确定模块，用于将所述动物的定位向量与多个预设信号向量进行对比，计算动物在多个预设位置的概率；将概率最高的预设位置标记为动物的定位位置。
8.根据权利要求7所述的装置，其特征在于，所述获取模块还用于获取带有动物标识的多个样本信号向量，所述样本信号向量与多个网关标识相对应，所述样本信号向量包括样本的采集位置；所述装置还包括：
训练模块，用于将所述样本信号向量输入预设模型进行训练，通过所述样本信号向量得到预设位置对应的预设信号向量；
生成模块还用于根据所述预设位置对应的预设信号向量得到相应的预设信号表。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4或5至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4或5至6中任一项所述的方法的步骤。
CN201810307102.6A 2018-04-08 2018-04-08 动物定位方法、装置、计算机设备和存储介质 Expired - Fee Related CN108989974B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810307102.6A CN108989974B (zh) 2018-04-08 2018-04-08 动物定位方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810307102.6A CN108989974B (zh) 2018-04-08 2018-04-08 动物定位方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN108989974A true CN108989974A (zh) 2018-12-11
CN108989974B CN108989974B (zh) 2020-12-11

Family

ID=64541804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810307102.6A Expired - Fee Related CN108989974B (zh) 2018-04-08 2018-04-08 动物定位方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN108989974B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875658A (zh) * 2024-01-16 2024-04-12 广东省六七八控股集团股份公司 基于物联网的农业数字化管理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103796304A (zh) * 2014-01-15 2014-05-14 内蒙古科技大学 一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法
CN103874118A (zh) * 2014-02-25 2014-06-18 南京信息工程大学 WiFi室内定位中基于贝叶斯回归的Radio Map校正方法
CN104507097A (zh) * 2014-12-19 2015-04-08 上海交通大学 一种基于WiFi位置指纹的半监督训练方法
US20150237471A1 (en) * 2014-02-20 2015-08-20 Microsoft Corporation Wireless-based localization using a zonal framework
CN105208651A (zh) * 2015-08-17 2015-12-30 上海交通大学 基于地图结构的Wi-Fi位置指纹非监督训练方法
CN106507476A (zh) * 2016-11-22 2017-03-15 上海斐讯数据通信技术有限公司 一种WiFi定位方法及服务器及定位模型构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103796304A (zh) * 2014-01-15 2014-05-14 内蒙古科技大学 一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法
US20150237471A1 (en) * 2014-02-20 2015-08-20 Microsoft Corporation Wireless-based localization using a zonal framework
CN103874118A (zh) * 2014-02-25 2014-06-18 南京信息工程大学 WiFi室内定位中基于贝叶斯回归的Radio Map校正方法
CN104507097A (zh) * 2014-12-19 2015-04-08 上海交通大学 一种基于WiFi位置指纹的半监督训练方法
CN105208651A (zh) * 2015-08-17 2015-12-30 上海交通大学 基于地图结构的Wi-Fi位置指纹非监督训练方法
CN106507476A (zh) * 2016-11-22 2017-03-15 上海斐讯数据通信技术有限公司 一种WiFi定位方法及服务器及定位模型构建方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875658A (zh) * 2024-01-16 2024-04-12 广东省六七八控股集团股份公司 基于物联网的农业数字化管理方法

Also Published As

Publication number Publication date
CN108989974B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
KR20210036845A (ko) 실내 위치추정을 위한 준지도 변분 오토인코더
CN109285105A (zh) 水印检测方法、装置、计算机设备和存储介质
CN109472213A (zh) 掌纹识别方法、装置、计算机设备和存储介质
CN108303075A (zh) 轨迹生成方法和系统
CN110335250A (zh) 网络训练方法、装置、检测方法、计算机设备和存储介质
CN109872366A (zh) 基于深度拟合程度评估网络的物体三维位置检测方法和装置
CN108876806A (zh) 基于大数据分析的目标跟踪方法和系统、存储介质及设备
CN105138589A (zh) 地理位置监测方法及设备
CN106441279A (zh) 基于自主定位和边缘探索的机器人定位方法、系统
CN109901123A (zh) 传感器标定方法、装置、计算机设备和存储介质
CN109509233B (zh) 一种基于rfid标签位置信息的ptz摄像机目标跟踪方法、系统及装置
CN108769902A (zh) 目标定位方法、装置、计算机设备和存储介质
US20200209389A1 (en) Locating Method and Device, Storage Medium, and Electronic Device
CN111626519A (zh) 一种航班到达时间预测方法、装置和电子设备
CN109685898A (zh) 点云数据的分层方法、装置、计算机设备和存储介质
CN108989974A (zh) 动物定位方法、装置、计算机设备和存储介质
CN106413082A (zh) 地理位置监测方法及设备
CN108038707A (zh) 项目推荐方法、电子设备及计算机可读存储介质
CN114061586A (zh) 用于生成电子设备的导航路径的方法和产品
CN108882191A (zh) 对象定位方法、装置、计算机设备和存储介质
CN110162362A (zh) 动态控件位置检测与测试方法、装置、设备及存储介质
CN115166782A (zh) 基于卫星分布的导航场景识别方法、系统、设备和介质
CN114222238B (zh) 定位方法、装置和计算机可读存储介质
CN110471088A (zh) 定位信息处理方法、装置、计算机设备和存储介质
CN109885475B (zh) 页面转化率计算方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220617

Address after: 255400 Bay hoisting 3-3, No. 1, Fenghuangshan Road, Linzi District, Zibo City, Shandong Province

Patentee after: Yiqing Shuntai (Shandong) Intelligent Technology Co.,Ltd.

Address before: Room 201, Building A, No. 1 Qianwan Road, Qianhai Shenzhen-Hong Kong Cooperation Zone, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN YIQING INNOVATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230327

Address after: No. 1966, Hongda Road, Fenghuang Town, Linzi District, Zibo City, Shandong Province, 255400

Patentee after: Zibo Jinde Construction Development Co.,Ltd.

Address before: 255400 Bay hoisting 3-3, No. 1, Fenghuangshan Road, Linzi District, Zibo City, Shandong Province

Patentee before: Yiqing Shuntai (Shandong) Intelligent Technology Co.,Ltd.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201211

CF01 Termination of patent right due to non-payment of annual fee