CN111060869B - 一种智能仓储uhfrfid标签的定位方法和系统 - Google Patents

一种智能仓储uhfrfid标签的定位方法和系统 Download PDF

Info

Publication number
CN111060869B
CN111060869B CN201911214621.9A CN201911214621A CN111060869B CN 111060869 B CN111060869 B CN 111060869B CN 201911214621 A CN201911214621 A CN 201911214621A CN 111060869 B CN111060869 B CN 111060869B
Authority
CN
China
Prior art keywords
rssi
unmanned aerial
aerial vehicle
tag
label
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.)
Active
Application number
CN201911214621.9A
Other languages
English (en)
Other versions
CN111060869A (zh
Inventor
杨光
陈志成
高钰明
刘子谦
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.)
Zhongrui Communication Planning And Design Co ltd
Original Assignee
Zhongrui Communication Planning And Design Co 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 Zhongrui Communication Planning And Design Co ltd filed Critical Zhongrui Communication Planning And Design Co ltd
Priority to CN201911214621.9A priority Critical patent/CN111060869B/zh
Publication of CN111060869A publication Critical patent/CN111060869A/zh
Application granted granted Critical
Publication of CN111060869B publication Critical patent/CN111060869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供的一种智能仓储UHFRFID标签的定位方法，包括设置参考标签和跟踪标签；无人机通过阅读器对采集点坐标进行参考标签的坐标集以及与之对应的RSSI经验数据矩阵集的采集；通过经验数据矩阵集对无人机进行大范围精度定位；通过经验数据矩阵集的均值统计计算，确定无人机的小范围精度；对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值，利用门限值对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置。本发明还提供一种定位系统，只需安装两个阅读器，降低了智能仓储硬件部署成本；通过计算虚拟参考标签的RSSI值，消除小概率网络，使得货物跟踪标签的定位精度更高；无人机操作难度低，易于实现推广使用。

Description

一种智能仓储UHFRFID标签的定位方法和系统
技术领域
本发明涉及通信技术领域，更具体的，涉及一种智能仓储UHFRFID标签的定位方法和系统。
背景技术
随着物联网技术的快速发展，室内定位技术得到了越来越多的关注。在室内环境下，GPS信号和移动通信信号由于硬件成本、室内信号弱、干扰多、杂散大、信号传播多径等问题，导致这些信息技术基本上不适用于室内目标定位。
RFID技术利用射频识别方式通过电磁耦合、进行非接触式双向通信交换数据以达到识别和定位的目的。这种技术作用距离短，一般最长为几十米。但它可以在几毫秒内得到极高定位精度，且传输范围很大，成本较低。同时由于其非接触和非视距等优点，采用RFID技术进行室内定位，不仅有利于系统的整合、布置、安装，而且也能大大的减小建设成本。
按照定位方式的不同，目前的RFID定位技术可分为三大类：信号强度信息(Received Signal Strength Indication,RSSI)定位、信号时间信息(TDOA和TOA)定位和到达角度(AOA)定位。基于RSSI的RFID定位技术的典型算法是LANDMARC和VIRE。在LANDMARC算法中，为提高精度需要密集的参考标签来帮助估测位置，提高了系统成本而且可能引发干扰现象。VIRE算法在不增加额外的参考标签的前提下，通过排除小概率位置来得到跟踪目标的更加准确的位置。该算法引入空间插值技术，通过采用虚拟网格坐标决定法和小概率位置排除法来达到上述目的。
在现有公开的中国发明专利申请CN107992915A，“一种利用无人机的射频识别定位方法”公开一种射频识别定位方法，包括以下步骤：1)准备至少三台无人机，各无人机均搭载型号参数相同的RFID读写器，并从至少三个不同方向飞往目标货物的存放区域，各无人机的飞行高度一致；2)当某台无人机读到目标货物电子标签的ID，该无人机立即通过无线网络将当前的经纬度信息发送到服务器；当所有无人机都将经纬度信息发送回来，服务器通过各经纬度信息计算出目标货物的经纬度；3)服务器将目标货物的经纬度发送到移动终端，移动终端通过导航即可快速找到货物。
上述方法虽然实现了货物的定位，但其需要3台无人机对货物标签目标同时操作，需要后台协调，操作较复杂；且在使用RFID阅读器发射信号时，因为室内信号多径、干扰较多，由于非视距传播会导致该方法是给RFID标签定位过程中出现偏差，如果使用多台无人机，增加硬件成本的同时，还需要3个飞手，在货物定位标签过程中需要后台协调、互相对比RSSI值进行特殊路线飞行，对飞手操作要求高；由于阅读器阅读距离有限，一般情况下不超过10m，而且一个阅读器的成本约为一个标签的10000倍，如果使用多个固定阅读器，则会导致智能仓储的硬件建设成本较高。
发明内容
本发明为克服现有的室内定位方法存在定位精度低、操作难度大且硬件成本高的技术缺陷，提供一种智能仓储UHFRFID标签的定位方法和系统。
为解决上述技术问题，本发明的技术方案如下：
一种智能仓储UHFRFID标签的定位方法，包括以下步骤：
S1：按一定间隔在采集点放置UHFRFID参考标签，在待定位货物上放置UHFRFID跟踪标签，并在无人机上安装两个UHFRFID阅读器；
S2：设定无人机飞行路线，令无人机在智能仓储中同高度飞行，通过UHFRFID阅读器对采集点坐标进行采集；
S3：每个采集点坐标都对应一组参考标签的RSSI分布矩阵，无人机在智能仓储中飞行完一次，得到参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集；
S4：通过RSSI经验数据矩阵集对无人机和UHFRFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位；
S5：通过RSSI经验数据矩阵集的均值统计计算，确定无人机的小范围精度；
S6：对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；
S7：选择合适的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
上述方案中，只需要安装两个UHFRFID阅读器，不需要部署多个固定阅读器，降低了智能仓储硬件部署成本；通过计算虚拟参考标签的RSSI值，消除小概率网络，使得货物跟踪标签的定位精度更高；充分利用了无人机的灵活性和机动性，在需要立体定位要求的智能仓储中具有极大优势，在实际操作中也只需要一个飞手进行控制，操作难度低，易于实现推广使用。
其中，在所述步骤S1中，所述参考标签在采集点上固定安放，每个参考标签之间的间距为2m；其中参考标签的标记为ref_tag_mn(m>1，n>1)，货物的跟踪标签标记为pos_tag_t(t>1)；所述无人机安装的两个UHF RFID阅读器间距为40cm。
上述方案中，智能仓储中需要安放UHF RFID电子标签，UHF RFID电子标签分为参考标签和跟踪标签，其中参考标签为固定位置安放，每个参考标签之间的间距为2m；跟踪标签是智能仓储中货物标签，在智能仓储管理系统中可能被随机摆放，同时需要被检测、被统计和被定位。无人机在智能仓储中飞行时，对参考标签和跟踪标签进行阅读，从而完成对跟踪标签的定位，获得跟踪标签的货物商品在智能仓储中的位置，参考标签存储信息值包括标签ID(ref_tag_mn)和位置信息(m和n值)，跟踪标签存储信息值为标签ID(pos_tag_t)。
其中，在所述步骤S2中，无人机在设置有参考标签的智能仓储中根据设定路线飞行，通过与参考标签的位置对比得到无人机飞行平面坐标(x_uav，y_uav)的值，无人机飞行路线的高度h_uav值由无人机通过无人机携带的红外模块采集完成；无人机通过两间隔固定的UHF RFID阅读器阅读智能仓储中的参考标签、跟踪标签的RSSI值和标签存储信息值，完成采集点坐标的采集。
上述方案中，无人机在设置有参考电子标签的智能仓储中根据设定路线飞行时，可以通过相应的定位算法，通过与参考标签的位置对比得到无人机飞行平面坐标(x_uav，y_uav)的值；无人机信号采集速度快，通过携带两间隔固定的UHF RFID阅读器阅读智能仓促中的电子标签(参考标签和跟踪标签)的RSSI值和电子标签存储信息值。
上述方案中，通过红外模块(由红外发射器、采样器、计数器、时钟振荡器、光电探测器组成)的发射器往地面发射红外线信号，同时采样器向计数器发射脉冲信号并作为计数器的开门信号，计数器开始计时，时钟振荡器开始向计数器输入脉冲信号；地面反射回来的红外信号返回由广电探测器接收，并转成脉冲信号进入计数器，作为计数器的关门信号，计数器停止计时，计数器开门到关门时间段内统计的由时钟振荡器输入的脉冲信号个数，即可以转换为红外模块发射信号与返回信号的时间差t。由发射和返回时间差t，光速c，即可计算得到无人机高度h_uav＝ct/2，红外模块合作安装在无人机搭载平台的最下方，与地面之间没有任何阻挡。
上述方案中，无人机保持在相同高度飞行，与所有参考标签的高度相同，测试过程中得到的参考标签RSSI值才具有可对比性和参考价值，才能作为算法处理的参考值。在对货物跟踪标签进行定位过程中，如果需要确定货物跟踪标签的高度，则无人机垂直飞行，结合红外模块，当被查找标签的RSSI值最大时，即可确定货物跟踪标签的高度值。
其中，在所述步骤S3中，无人机携带两个阅读器，每个阅读器读取参考标签，得到在两组阅读器在经验坐标(x_uav，y_uav)上采集到的参考标签的坐标集以及所有参考标签的RSSI经验数据矩阵；在每个无人机信号采集点位置(x_uav，y_uav)，两个阅读器对所有参考标签的RSSI记录表示为：
和
将所有参考标签的RSSI经验数据矩阵进行存储。
上述方案中，在智能仓储存放货物后，无人机按照设定的飞行路线，两个UHF RFID阅读器采集各个参考标签的RSSI数据，得到RSSI分布经验模型矩阵数据集，为增加RSSI经验模型数据的可靠性，在经验数据采集阶段，无人机飞行速度偏慢，飞行速度控制为5m/s，对于飞行路线上的每个采集点，两个阅读器都会采集一次数据，保存为一个RSSI数据矩阵。
上述方案中，无人机完成一次飞行得到的采集点间隔(采样精度)可以采取0.1m、0.2m或者0.5m间隔，具体要求根据仓储定位精度需求和后台服务器处理能力而定。无人机在飞行过程中每个采集点的位置(x_uav，y_uav)都有两个UHF RFID阅读器采集所有参考标签的RSSI数据集合，假设RSSI经验数据采集精度为0.1m，且无人机沿参考标签的中间位置飞行，则采集点个数为10*m*(n-1)个，无人机完成一次RSSI经验数据采集飞行，采集到的RSSI经验数据矩阵个数为2*10*m*(n-1)，采集点位置的坐标矩阵为：
每个行向量(x_uav，y_uav)表示一个采集点位置，都分别对应两个UHF RFID阅读器各一个RSSI经验数据矩阵；若要提高精度，可以采取无人机多次飞行采集参考标签的RSSI经验数据矩阵，每多采集一次数据，RSSI经验数据矩阵多2*10*m*(n-1)。
上述方案中，由无人机和UHF RFID阅读器在数据采集过程中得到的RSSI数据矩阵集以及矩阵集中单个矩阵对应的无人机测试点位置(x_uav，y_uav)，存储到后台服务器数据存储模块中。
其中，所述步骤S4具体为：由采集到的参考标签RSSI数据，每个参考标签ref_tag_ab(1≤a≤m，1≤b≤n)的损耗模型RSSI-d分布规律都符合在某个距离d下，与UHF RFID阅读器最近，即每个参考标签在RSSI数据矩阵中存在一个最大值，在确保无人机定位精度在4m以内，即3个参考标签的实际间距2*2m以内的情况下，将参考标签的RSSI变化作为定位参考依据，快速确定无人机和UHF RFID阅读器的大概率范围。
上述方案中，损耗模型RSSI-d具体为：UHF RFID阅读器工作在900MHz附近频段，一般工作距离为4-6m，在室内传播的传输损耗，与工作频率、传播距离和路径阻挡衰减有关。只考虑距离变化时的RSSI-d损耗模型与电磁波工作频率、阅读器射频链路增益、阅读器天线增益无关，与参考距离、实际距离和阻挡因子有关，模型公式为：
其中，p为实时测试功率(由RSSI值转换为实时测试功率值)，p0为阅读器发射功率，d是相对距离，γ是路径损耗因子，是遮蔽因子。
上述方案中，由于UHF RFID阅读器的有效读取距离为4-6m，参考标签间隔距离为2m，上述RSSI_mn中有效个数不超过49个，其余RSSI值为无效值，因此在后续算法处理中，上述每个RSSI矩阵数据中的数据只需要有效数据部分参与计算；采集的参考标签RSSI数据，每个参考标签ref_tag_ab(1≤a≤m，1≤b≤n)的RSSI-d分布规律都符合在某个距离d下，与UHF RFID阅读器最近，即每个标签在RSSI数据矩阵中存在一个最大值。参考标签的RSSI变化可以作为定位参考依据，能快速确定无人机和UHF RFID阅读器的大概率范围，首先确保无人机定位精度在4m(3个参考标签的实际间距2*2m)以内。
上述方案中，无人机沿设置路线飞行，两个UHF RFID阅读器分别采集路线附近的参考标签返回的RSSI值，结合已存储的RSSI经验数据矩阵，参考RSSI信号强度与距离关系，对无人机的位置进行算法计算。
其中，所述步骤S5具体为：UHF RFID阅读器采集到的附近9个最大参考标签的RSSI值，与已存储的RSSI经验数据矩阵进行计算，计算公式为：
坐标点(x_u,v,y_u,v)为无人机飞行过程中所在的位置，其中：
a和b是在坐标点位置处RSSI最大值的参考标签的坐标点下标值(1≤a≤m，1≤b≤n)，u和v的范围是(a-1，b-1)～(a+1，b+1)集合，最多9个参考标签；mea_RSSI1_u,v和mea_RSSI2_u,v分别表示两个阅读器在坐标点(x_u,v,y_u,v)上附近采集的有效参考标签的RSSI测试值，最多9个参考标签；ref_RSSI1_u,v和ref_RSSI1_u,v分别表示两个阅读器在经验坐标矩阵(x_uav，y_uav)中行向量坐标点所对应的各参考标签的RSSI经验数据值，最多9个参考标签RSSI值；R1和R2表示阅读器在位置点(x_u,v,y_u,v)飞行过程中采集点位置所采集的参考标签RSSI实测值和经验数据RSSI集的差值平方和，R1和R2值越小，说明采集点(x_u,v,y_u,v)坐标与经验数据RSSI集所对应的经验数据坐标集(x_uav，y_uav)中的坐标点更接近；
通过调用经验坐标矩阵(x_uav，y_uav)以及与之对应的位置点(x_u,v,y_u,v)的RSSI集参与运算，得到多个R1和R2，多个R1和R2中的最小值所对应的经验数据坐标集中的坐标矩阵(x_uav，y_uav)中的行向量即为无人机位置(x_u,v,y_u,v)的小范围精度位置，计算得到的这个坐标位置点记为定位无人机的坐标点(x_u,v,y_u,v)。
上述方案中，可以调用无人机采集的多次经验数据集参与计算，得到多次测试的无人机位置点，将这些位置点的坐标进行平均，即为无人机位置(x_u,v,y_u,v)的定位位置。
其中，所述步骤S6具体为：采用虚拟网格消除算法VIRE将4个参考标签所围成的2*2m网格进一步划分，形成多个虚拟网格单元；
由于跟踪坐标周围4个参考标签的坐标是已知的，因此根据虚拟网格单元划分距离计算得到虚拟参考标签的坐标；
在无人机飞行过程中，VIRE虚拟参考标签的RSSI值是变化的，在无人机获得的货物跟踪标签的RSSI值最大位置时，根据步骤S5中得到的无人机的坐标点(x_u,v,y_u,v)确定无人机位置，从而确定阅读器的位置和周围4个参考标签以及虚拟网格的虚拟参考标签的位置；无人机位置点与RSSI矩阵一一对应，飞行过程中得到多组参考标签RSSI值与距离d变化关系式，具体表达式为：
根据实测RSSI值转换为实时测试功率值p、阅读器发射功率p0计算得到路径损耗因子γ、遮蔽因子的估计值，从而计算不同距离下虚拟网格中的虚拟参考标签的RSSI值。
其中，所述步骤S7具体为：按照实际要求的定位精度选择门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
上述方案中，使用货物跟踪标签RSSI值域周围参考坐标和虚拟参考坐标的RSSI值，根据理论分析和测试经验，设定一个门限值thres_dB，如果货物跟踪标签RSSI值域虚拟网络区域所对应的RSSI值小于门限值thres_dB，则认为该货物跟踪标签有可能位于该虚拟网络区域；通过使用两个UHF RFID阅读器，同时调整门限值thres_dB值，即可通过交集函数将货物跟踪标签所处于的小概率区域进行排除，得到货物跟踪标签最有可能的位置区域，该区域即为货物跟踪标签的定位区域，使用两个UHF RFID阅读器结合改进的非线性VIRE算法进行定位，消除更多小概率网格，使得货物跟踪标签的定位精度更高。
上述方案中，合适的门限值是VIRE算法中一个重要设计参数，可以通过不断减少门限值thres_dB来减少检测到的区域，算法具体步骤为：对每个阅读器，通过得到接近地图中的最大的区域得到一个门限值thres_dB作为初始门限值；逐步减少该阅读器的门限值直到某一特定区域能被保留；选择第二个阅读器重复上面的步骤；每个阅读器都能得到一个相同的门限值。若得到一个合适的门限值，就能够提高精度，该算法通过最小的可用门限值来得到待定位标签最小的区域，理论计算和实测过程中，该thres_dB一般为8dB。
上述方案中，在定位精度要求较高的智能仓储中，可以采用成本较高的技术方案，在硬件方面，使用无人机和多个UHF RFID阅读器；在经验数据采集阶段，可以降低采集间隔、增加无人机采集点的密度；在定位算法计算阶段，虚拟网格划分可以更小，加大算法运算量，来提高货物跟踪标签定位的精度。
一种智能仓储UHF RFID标签的定位系统，包括智能仓储，还包括无人机，设置在无人机上的两个UHF RFID阅读器，设置在智能仓储中的参考标签和待定位的跟踪标签，以及后台服务器；其中：
参考标签按一定间隔设置在智能仓储中，并将跟踪标签放置在待定位货物上；
无人机在智能仓储中按照预设的飞行路线同高度飞行，由设置在无人机上的两个UHF RFID阅读器读取参考标签上的信息；
无人机将每次飞行获取的参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集发送给后台服务器；
后台服务器通过RSSI经验数据矩阵集对无人机和UHFRFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位和小范围精度；并对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；最后根据设置的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
其中，在所述参考标签和跟踪标签中均设置有印刷偶极子曲折线天线，所述UHFRFID阅读器设置与所述印刷偶极子曲折线天线实现能量耦合的全向线天线；所述UHF RFID阅读器中还设置有用于读取控制的控制电路，所述控制电路与无人机中设置的信息处理模块电性连接；
所述无人机及还包括控制器、飞行控制模块、第一无线通信模块；其中：
所述飞行控制模块输入端与所述控制器电性连接；
所述信息处理模块与所述第一无线通信模块电性连接；
所述控制器与所述第一无线通信模块电性连接，实现信息交互；
所述第一无线通信模块与所述后台服务器无线通信连接；
所述后台服务器包括第二无线通信模块、数据存储模块、算法处理模块和三维空间显示模块；其中：
所述第二无线通信模块与所述第一无线通信模块无线通信连接；
所述数据存储模块与所述第二无线通信模块电性连接；
所述算法处理模块输入端与所述数据存储模块电性连接；
所述算法处理模块输出端与所述三维空间显示模块电性连接。
上述方案中，系统的工作原理为：先操作无人机在智能仓储中飞行，采集位置坐标与参考标签的RSSI经验值矩阵数据集，然后在定位无人机位置的基础上，采用改进的非线性VIRE算法，选用合适门限值排除货物跟踪标签的小概率位置，最终对货物跟踪标签进行精确定位。
上述方案中，智能仓储UHF RFID标签的定位系统具体组成为：UHF RFID电子标签采用UHF 900MHz超高频电子标签，由UHF RFID电子标签芯片和900MHz印刷偶极子曲折线天线组成，该UHF天线阻抗与标签芯片进行阻抗匹配设计，成本不足0.3元，适合大批量、低附加成本场景中使用；UHF RFID阅读器，主要由全向线天线、控制电路、UHF RFID射频收发芯片AS9331和HMC580功率放大器组成，具备高速无线链路通信，有防冲突功能，保证了更远的操作距离和更可靠的读写，提供了较大容量数据存储空间和可靠的数据存储。UHF RFID射频收发芯片AS9331为900MHz RFID高度集成芯片，发射端集成了功率放大器PA、压控振荡器VCO、锁相环PLL、调制器等模块，接收端集成了低噪放大器LNA、混频器、中频器、解调器等模块。功率放大器HMC580是外部功放，增加UHF RFID射频收发芯片AS9331输出功率，增加对电子标签的读写距离，使得该UHF RFID电子标签阅读器可读理论距离在12m，实际工作距离约为6m；UHF RFID射频收发芯片AS9331通过全向线天线读写电子标签的存储信息，控制电路模块控制UHF RFID射频收发芯片AS9331对电子标签进行收发通信，并将读取到的电子标签信息通过SPI接口上传到无人机信息处理模块。
上述方案中，UHF RFID阅读器和电子标签之间采用ISO/IEC标准协议进行通信。在无人机携带阅读器进行工作时，射频参考标签和跟踪标签位于阅读器天线辐射远场区域内，标签与阅读器之间通过电磁耦合方式交互，阅读器天线辐射场为参考标签和跟踪标签提供射频能量，并将其唤醒，阅读器的阅读距离一般典型情况为4m～6m。当阅读器的阅读区域中同时出现多个射频标签时，阅读器支持支持多标签读写。
上述方案中，无人机携带2个UHF RFID电子标签阅读器，同时还有飞行控制模块、信息处理模块、第一无线通信模块和红外模块。信息处理模块通过SPI接口接收电子标签阅读器读取的各个电子标签的信息，第一无线通信模块将这些电子标签信息通过无线WIFI方式传送给后台服务器进行处理、计算和显示。红外模块往地面发射红外线，通过计算发射和返回时间差，计算无人机高度，通过USB接口传递给第一无线通信模块，并回传到后台服务器上进行显示无人机飞行高度。操作人员需要定位货物或者查找特定货物时开启拍摄模块，获得无人机当前图像数据，通过USB接口传递给无线通信模块，再通过WIFI/4G/5G无线通信模块将图像数据回传给后台服务器上进行显示。两个UHF RFID阅读器之间间隔40cm，满足900MHz UHF RFID通信波段大于一个波长的隔离度要求，降低两个阅读器之间的干扰。
上述方案中，后台服务器端包括第二无线通信模块、数据存储模块、算法处理模块、三维空间显示模块等。数据存储模块存储由UHF RFID阅读器采集的坐标矩阵和RSSI经验矩阵数据，算法处理模块将2个电子标签阅读器得到的标签信息进行分析、统计、定位计算，算法计算结果在服务器端的三维空间进行图形显示。
与现有技术相比，本发明技术方案的有益效果是：
本发明提供的一种智能仓储UHFRFID标签的定位方法和系统，只需要安装两个UHFRFID阅读器，不需要部署多个固定阅读器，降低了智能仓储硬件部署成本；通过计算虚拟参考标签的RSSI值，消除小概率网络，使得货物跟踪标签的定位精度更高；充分利用了无人机的灵活性和机动性，在需要立体定位要求的智能仓储中具有极大优势，在实际操作中也只需要一个飞手进行控制，操作难度低，易于实现推广使用。
附图说明
图1为本发明所述方法流程示意图；
图2为智能仓储标签位置示意图；
图3为参考标签RSSI的RSSI-d分布规律图；
图4为虚拟网络划分和虚拟参考标签示意图；
图5为虚拟参考标签与无人机的位置关系图；
图6为本发明所述系统结构示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种智能仓储UHFRFID标签的定位方法，包括以下步骤：
S1：按一定间隔在采集点放置UHFRFID参考标签，在待定位货物上放置UHFRFID跟踪标签，并在无人机上安装两个UHFRFID阅读器；
S2：设定无人机飞行路线，令无人机在智能仓储中同高度飞行，通过UHFRFID阅读器对采集点坐标进行采集；
S3：每个采集点坐标都对应一组参考标签的RSSI分布矩阵，无人机在智能仓储中飞行完一次，得到参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集；
S4：通过RSSI经验数据矩阵集对无人机和UHFRFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位；
S5：通过RSSI经验数据矩阵集的均值统计计算，确定无人机的小范围精度；
S6：对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；
S7：选择合适的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
在具体实施过程中，只需要安装两个UHFRFID阅读器，不需要部署多个固定阅读器，降低了智能仓储硬件部署成本；通过计算虚拟参考标签的RSSI值，消除小概率网络，使得货物跟踪标签的定位精度更高；充分利用了无人机的灵活性和机动性，在需要立体定位要求的智能仓储中具有极大优势，在实际操作中也只需要一个飞手进行控制，操作难度低，易于实现推广使用。
更具体的，在所述步骤S1中，所述参考标签在采集点上固定安放，每个参考标签之间的间距为2m；其中参考标签的标记为ref_tag_mn(m>1，n>1)，货物的跟踪标签标记为pos_tag_t(t>1)；所述无人机安装的两个UHF RFID阅读器间距为40cm。
在具体实施过程中，智能仓储中需要安放UHF RFID电子标签，UHF RFID电子标签分为参考标签和跟踪标签，其中参考标签为固定位置安放，每个参考标签之间的间距为2m；跟踪标签是智能仓储中货物标签，在智能仓储管理系统中可能被随机摆放，同时需要被检测、被统计和被定位。智能仓储标签位置图如图2所示，无人机在智能仓储中飞行时，对参考标签和跟踪标签进行阅读，从而完成对跟踪标签的定位，获得跟踪标签的货物商品在智能仓储中的位置，参考标签存储信息值包括标签ID(ref_tag_mn)和位置信息(m和n值)，跟踪标签存储信息值为标签ID(pos_tag_t)。
更具体的，在所述步骤S2中，无人机在设置有参考标签的智能仓储中根据设定路线飞行，通过与参考标签的位置对比得到无人机飞行平面坐标(x_uav，y_uav)的值，无人机飞行路线的高度h_uav值由无人机通过无人机携带的红外模块采集完成；无人机通过两间隔固定的UHF RFID阅读器阅读智能仓储中的参考标签、跟踪标签的RSSI值和标签存储信息值，完成采集点坐标的采集。
在具体实施过程中，无人机在设置有参考电子标签的智能仓储中根据设定路线飞行时，可以通过相应的定位算法，通过与参考标签的位置对比得到无人机飞行平面坐标(x_uav，y_uav)的值；无人机信号采集速度快，通过携带两间隔固定的UHF RFID阅读器阅读智能仓促中的电子标签(参考标签和跟踪标签)的RSSI值和电子标签存储信息值。
在具体实施过程中，通过红外模块(由红外发射器、采样器、计数器、时钟振荡器、光电探测器组成)的发射器往地面发射红外线信号，同时采样器向计数器发射脉冲信号并作为计数器的开门信号，计数器开始计时，时钟振荡器开始向计数器输入脉冲信号；地面反射回来的红外信号返回由广电探测器接收，并转成脉冲信号进入计数器，作为计数器的关门信号，计数器停止计时，计数器开门到关门时间段内统计的由时钟振荡器输入的脉冲信号个数，即可以转换为红外模块发射信号与返回信号的时间差t。由发射和返回时间差t，光速c，即可计算得到无人机高度h_uav＝ct/2，红外模块合作安装在无人机搭载平台的最下方，与地面之间没有任何阻挡。
在具体实施过程中，无人机保持在相同高度飞行，与所有参考标签的高度相同，测试过程中得到的参考标签RSSI值才具有可对比性和参考价值，才能作为算法处理的参考值。在对货物跟踪标签进行定位过程中，如果需要确定货物跟踪标签的高度，则无人机垂直飞行，结合红外模块，当被查找标签的RSSI值最大时，即可确定货物跟踪标签的高度值。
更具体的，在所述步骤S3中，无人机携带两个阅读器，每个阅读器读取参考标签，得到在两组阅读器在经验坐标(x_uav，y_uav)上采集到的参考标签的坐标集以及所有参考标签的RSSI经验数据矩阵；在每个无人机信号采集点位置(x_uav，y_uav)，两个阅读器对所有参考标签的RSSI记录表示为：
和
将所有参考标签的RSSI经验数据矩阵进行存储。
在具体实施过程中，在智能仓储存放货物后，无人机按照设定的飞行路线，两个UHF RFID阅读器采集各个参考标签的RSSI数据，得到RSSI分布经验模型矩阵数据集，为增加RSSI经验模型数据的可靠性，在经验数据采集阶段，无人机飞行速度偏慢，飞行速度控制为5m/s，对于飞行路线上的每个采集点，两个阅读器都会采集一次数据，保存为一个RSSI数据矩阵。
在具体实施过程中，无人机完成一次飞行得到的采集点间隔(采样精度)可以采取0.1m、0.2m或者0.5m间隔，具体要求根据仓储定位精度需求和后台服务器处理能力而定。无人机在飞行过程中每个采集点的位置(x_uav，y_uav)都有两个UHF RFID阅读器采集所有参考标签的RSSI数据集合，假设RSSI经验数据采集精度为0.1m，且无人机沿参考标签的中间位置飞行，则采集点个数为10*m*(n-1)个，无人机完成一次RSSI经验数据采集飞行，采集到的RSSI经验数据矩阵个数为2*10*m*(n-1)，采集点位置的坐标矩阵为：
每个行向量(x_uav，y_uav)表示一个采集点位置，都分别对应两个UHF RFID阅读器各一个RSSI经验数据矩阵；若要提高精度，可以采取无人机多次飞行采集参考标签的RSSI经验数据矩阵，每多采集一次数据，RSSI经验数据矩阵多2*10*m*(n-1)。
在具体实施过程中，由无人机和UHF RFID阅读器在数据采集过程中得到的RSSI数据矩阵集以及矩阵集中单个矩阵对应的无人机测试点位置(x_uav，y_uav)，存储到后台服务器数据存储模块中。
更具体的，所述步骤S4具体为：由采集到的参考标签RSSI数据，每个参考标签ref_tag_ab(1≤a≤m，1≤b≤n)的损耗模型RSSI-d分布规律都符合在某个距离d下，与UHF RFID阅读器最近，即每个参考标签在RSSI数据矩阵中存在一个最大值，在确保无人机定位精度在4m以内，即3个参考标签的实际间距2*2m以内的情况下，将参考标签的RSSI变化作为定位参考依据，快速确定无人机和UHF RFID阅读器的大概率范围。
在具体实施过程中，损耗模型RSSI-d具体为：UHF RFID阅读器工作在900MHz附近频段，一般工作距离为4-6m，在室内传播的传输损耗，与工作频率、传播距离和路径阻挡衰减有关。只考虑距离变化时的RSSI-d损耗模型与电磁波工作频率、阅读器射频链路增益、阅读器天线增益无关，与参考距离、实际距离和阻挡因子有关，模型公式为：
其中，p为实时测试功率(由RSSI值转换为实时测试功率值)，p0为阅读器发射功率，d是相对距离，γ是路径损耗因子，是遮蔽因子。
在具体实施过程中，由于UHF RFID阅读器的有效读取距离为4-6m，参考标签间隔距离为2m，上述RSSI_mn中有效个数不超过49个，其余RSSI值为无效值，因此在后续算法处理中，上述每个RSSI矩阵数据中的数据只需要有效数据部分参与计算；采集的参考标签RSSI数据，每个参考标签ref_tag_ab(1≤a≤m，1≤b≤n)的RSSI-d分布规律都符合在某个距离d下，与UHF RFID阅读器最近，即每个标签在RSSI数据矩阵中存在一个最大值，如图3所示。参考标签的RSSI变化可以作为定位参考依据，能快速确定无人机和UHF RFID阅读器的大概率范围，首先确保无人机定位精度在4m(3个参考标签的实际间距2*2m)以内。
在具体实施过程中，无人机沿设置路线飞行，两个UHF RFID阅读器分别采集路线附近的参考标签返回的RSSI值，结合已存储的RSSI经验数据矩阵，参考RSSI信号强度与距离关系，对无人机的位置进行算法计算。
更具体的，所述步骤S5具体为：UHF RFID阅读器采集到的附近9个最大参考标签的RSSI值，与已存储的RSSI经验数据矩阵进行计算，计算公式为：
坐标点(x_u,v,y_u,v)为无人机飞行过程中所在的位置，其中：
a和b是在坐标点位置处RSSI最大值的参考标签的坐标点下标值(1≤a≤m，1≤b≤n)，u和v的范围是(a-1，b-1)～(a+1，b+1)集合，最多9个参考标签；mea_RSSI1_u,v和mea_RSSI2_u,v分别表示两个阅读器在坐标点(x_u,v,y_u,v)上附近采集的有效参考标签的RSSI测试值，最多9个参考标签；ref_RSSI1_u,v和ref_RSSI1_u,v分别表示两个阅读器在经验坐标矩阵(x_uav，y_uav)中行向量坐标点所对应的各参考标签的RSSI经验数据值，最多9个参考标签RSSI值；R1和R2表示阅读器在位置点(x_u,v,y_u,v)飞行过程中采集点位置所采集的参考标签RSSI实测值和经验数据RSSI集的差值平方和，R1和R2值越小，说明采集点(x_u,v,y_u,v)坐标与经验数据RSSI集所对应的经验数据坐标集(x_uav，y_uav)中的坐标点更接近；
通过调用经验坐标矩阵(x_uav，y_uav)以及与之对应的位置点(x_u,v,y_u,v)的RSSI集参与运算，得到多个R1和R2，多个R1和R2中的最小值所对应的经验数据坐标集中的坐标矩阵(x_uav，y_uav)中的行向量即为无人机位置(x_u,v,y_u,v)的小范围精度位置，计算得到的这个坐标位置点记为定位无人机的坐标点(x_u,v,y_u,v)。
在具体实施过程中，可以调用无人机采集的多次经验数据集参与计算，得到多次测试的无人机位置点，将这些位置点的坐标进行平均，即为无人机位置(x_u,v,y_u,v)的定位位置。
更具体的，所述步骤S6具体为：采用虚拟网格消除算法VIRE将4个参考标签所围成的2*2m网格进一步划分，形成多个虚拟网格单元；
由于跟踪坐标周围4个参考标签的坐标是已知的，因此根据虚拟网格单元划分距离计算得到虚拟参考标签的坐标；
在无人机飞行过程中，VIRE虚拟参考标签的RSSI值是变化的，在无人机获得的货物跟踪标签的RSSI值最大位置时，根据步骤S5中得到的无人机的坐标点(x_u,v,y_u,v)确定无人机位置，从而确定阅读器的位置和周围4个参考标签以及虚拟网格的虚拟参考标签的位置，虚拟参考标签与无人机的位置关系图如图5所示。无人机位置点与RSSI矩阵一一对应，飞行过程中得到多组参考标签RSSI值与距离d变化关系式，具体表达式为：
根据实测RSSI值转换为实时测试功率值p、阅读器发射功率p0计算得到路径损耗因子γ、遮蔽因子的估计值，从而计算不同距离下虚拟网格中的虚拟参考标签的RSSI值。
在具体实施过程中，如图3(b)的RSSI-d曲线图可以看出，当无人机在货物跟踪标签定位飞行过程中，当货物跟踪标签距离无人机最近时，两个UHF RFID阅读器读取到的跟踪标签RSSI值最大，且货物跟踪标签与距离更近的哪个阅读器的RSSI值大于另外一个阅读器的RSSI值。在认无人机当前位置坐标已经确认的情况下，当货物跟踪标签的RSSI值最大时，即是与无人机距离最近，结合附近参考标签RSSI值与跟踪标签的RSSI值进行对比，可以得到货物跟踪标签的小范围精度定位位置。
在具体实施过程中，VIRE算法在不增加额外的参考标签的前提下，通过采用虚拟网格坐标决定法和排除小概率位置来得到货物跟踪标签更加准确的位置。货物跟踪标签在智能仓储中的位置是随机摆放的，而它周围始终都存在4个距离最近的参考标签，这4个参考标签按照2*2m间距摆放。使用VIRE算法，引入虚拟参考标签，将4个实际的参考标签所围成的2*2m网格进一步划分成更小的网格，形成多个虚拟网格单元。由COST231-Hata传播模型可知，UHF RFID在900MHz频段上，传播距离每增加1倍，传输损耗增加6dB，因此在进行虚拟网格划分时，按照距离增加1倍的原则进行划分，第一级网格选择0.5m范围，第二级网格选择1m范围，如图4所示。如果需要提高对货物跟踪标签的定位精度，网格划分时第一级网格可以选择0.1m范围，后面级别可以设置为0.2m/0.4m/0.8m/1.6m，增加定位精度的同时，增加了算法过程运算量。
更具体的，所述步骤S7具体为：按照实际要求的定位精度选择门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
在具体实施过程中，使用货物跟踪标签RSSI值域周围参考坐标和虚拟参考坐标的RSSI值，根据理论分析和测试经验，设定一个门限值thres_dB，如果货物跟踪标签RSSI值域虚拟网络区域所对应的RSSI值小于门限值thres_dB，则认为该货物跟踪标签有可能位于该虚拟网络区域；通过使用两个UHF RFID阅读器，同时调整门限值thres_dB值，即可通过交集函数将货物跟踪标签所处于的小概率区域进行排除，得到货物跟踪标签最有可能的位置区域，该区域即为货物跟踪标签的定位区域，使用两个UHF RFID阅读器结合改进的非线性VIRE算法进行定位，消除更多小概率网格，使得货物跟踪标签的定位精度更高。
在具体实施过程中，合适的门限值是VIRE算法中一个重要设计参数，可以通过不断减少门限值thres_dB来减少检测到的区域，算法具体步骤为：对每个阅读器，通过得到接近地图中的最大的区域得到一个门限值thres_dB作为初始门限值；逐步减少该阅读器的门限值直到某一特定区域能被保留；选择第二个阅读器重复上面的步骤；每个阅读器都能得到一个相同的门限值。若得到一个合适的门限值，就能够提高精度，该算法通过最小的可用门限值来得到待定位标签最小的区域，理论计算和实测过程中，该thres_dB一般为8dB。
在具体实施过程中，在定位精度要求较高的智能仓储中，可以采用成本较高的技术方案，在硬件方面，使用无人机和多个UHF RFID阅读器；在经验数据采集阶段，可以降低采集间隔、增加无人机采集点的密度；在定位算法计算阶段，虚拟网格划分可以更小，加大算法运算量，来提高货物跟踪标签定位的精度。
实施例2
更具体的，在实施例1的基础上，如图6所示，一种智能仓储UHF RFID标签的定位系统，包括智能仓储，还包括无人机，设置在无人机上的两个UHF RFID阅读器，设置在智能仓储中的参考标签和待定位的跟踪标签，以及后台服务器；其中：
参考标签按一定间隔设置在智能仓储中，并将跟踪标签放置在待定位货物上；
无人机在智能仓储中按照预设的飞行路线同高度飞行，由设置在无人机上的两个UHF RFID阅读器读取参考标签上的信息；
无人机将每次飞行获取的参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集发送给后台服务器；
后台服务器通过RSSI经验数据矩阵集对无人机和UHFRFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位和小范围精度；并对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；最后根据设置的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
更具体的，在所述参考标签和跟踪标签中均设置有印刷偶极子曲折线天线，所述UHF RFID阅读器设置与所述印刷偶极子曲折线天线实现能量耦合的全向线天线；所述UHFRFID阅读器中还设置有用于读取控制的控制电路，所述控制电路与无人机中设置的信息处理模块电性连接；
所述无人机及还包括控制器、飞行控制模块、第一无线通信模块；其中：
所述飞行控制模块输入端与所述控制器电性连接；
所述信息处理模块与所述第一无线通信模块电性连接；
所述控制器与所述第一无线通信模块电性连接，实现信息交互；
所述第一无线通信模块与所述后台服务器无线通信连接；
所述后台服务器包括第二无线通信模块、数据存储模块、算法处理模块和三维空间显示模块；其中：
所述第二无线通信模块与所述第一无线通信模块无线通信连接；
所述数据存储模块与所述第二无线通信模块电性连接；
所述算法处理模块输入端与所述数据存储模块电性连接；
所述算法处理模块输出端与所述三维空间显示模块电性连接。
上述方案中，系统的工作原理为：先操作无人机在智能仓储中飞行，采集位置坐标与参考标签的RSSI经验值矩阵数据集，然后在定位无人机位置的基础上，采用改进的非线性VIRE算法，选用合适门限值排除货物跟踪标签的小概率位置，最终对货物跟踪标签进行精确定位。
在具体实施过程中，智能仓储UHF RFID标签的定位系统具体组成为：UHF RFID电子标签采用UHF 900MHz超高频电子标签，由UHF RFID电子标签芯片和900MHz印刷偶极子曲折线天线组成，该UHF天线阻抗与标签芯片进行阻抗匹配设计，成本不足0.3元，适合大批量、低附加成本场景中使用；UHF RFID阅读器，主要由全向线天线、控制电路、UHF RFID射频收发芯片AS9331和HMC580功率放大器组成，具备高速无线链路通信，有防冲突功能，保证了更远的操作距离和更可靠的读写，提供了较大容量数据存储空间和可靠的数据存储。UHFRFID射频收发芯片AS9331为900MHz RFID高度集成芯片，发射端集成了功率放大器PA、压控振荡器VCO、锁相环PLL、调制器等模块，接收端集成了低噪放大器LNA、混频器、中频器、解调器等模块。功率放大器HMC580是外部功放，增加UHF RFID射频收发芯片AS9331输出功率，增加对电子标签的读写距离，使得该UHF RFID电子标签阅读器可读理论距离在12m，实际工作距离约为6m；UHF RFID射频收发芯片AS9331通过全向线天线读写电子标签的存储信息，控制电路模块控制UHF RFID射频收发芯片AS9331对电子标签进行收发通信，并将读取到的电子标签信息通过SPI接口上传到无人机信息处理模块。
在具体实施过程中，UHF RFID阅读器和电子标签之间采用ISO/IEC标准协议进行通信。在无人机携带阅读器进行工作时，射频参考标签和跟踪标签位于阅读器天线辐射远场区域内，标签与阅读器之间通过电磁耦合方式交互，阅读器天线辐射场为参考标签和跟踪标签提供射频能量，并将其唤醒，阅读器的阅读距离一般典型情况为4m～6m。当阅读器的阅读区域中同时出现多个射频标签时，阅读器支持支持多标签读写。
在具体实施过程中，无人机携带2个UHF RFID电子标签阅读器，同时还有飞行控制模块、信息处理模块、第一无线通信模块和红外模块。信息处理模块通过SPI接口接收电子标签阅读器读取的各个电子标签的信息，第一无线通信模块将这些电子标签信息通过无线WIFI方式传送给后台服务器进行处理、计算和显示。红外模块往地面发射红外线，通过计算发射和返回时间差，计算无人机高度，通过USB接口传递给第一无线通信模块，并回传到后台服务器上进行显示无人机飞行高度。操作人员需要定位货物或者查找特定货物时开启拍摄模块，获得无人机当前图像数据，通过USB接口传递给无线通信模块，再通过WIFI/4G/5G无线通信模块将图像数据回传给后台服务器上进行显示。两个UHF RFID阅读器之间间隔40cm，满足900MHz UHF RFID通信波段大于一个波长的隔离度要求，降低两个阅读器之间的干扰。
在具体实施过程中，后台服务器端包括第二无线通信模块、数据存储模块、算法处理模块、三维空间显示模块等。数据存储模块存储由UHF RFID阅读器采集的坐标矩阵和RSSI经验矩阵数据，算法处理模块将2个电子标签阅读器得到的标签信息进行分析、统计、定位计算，算法计算结果在服务器端的三维空间进行图形显示。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种智能仓储UHF RFID标签的定位方法，其特征在于，包括以下步骤：
S1：按一定间隔在采集点放置UHF RFID参考标签，在待定位货物上放置UHF RFID跟踪标签，并在无人机上安装两个UHF RFID阅读器；
S2：设定无人机飞行路线，令无人机在智能仓储中同高度飞行，通过UHF RFID阅读器对采集点坐标进行采集；
S3：每个采集点坐标都对应一组参考标签的RSSI分布矩阵，无人机在智能仓储中飞行完一次，得到参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集；
S4：通过RSSI经验数据矩阵集对无人机和UHF RFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位；其具体步骤包括：
由采集到的参考标签RSSI数据，每个参考标签ref_tag_ab的损耗模型RSSI-d分布规律都符合在某个距离d下，与UHF RFID阅读器最近，即每个参考标签在RSSI数据矩阵中存在一个最大值，在确保无人机定位精度在4m以内，即3个参考标签的实际间距2*2m以内的情况下，将参考标签的RSSI变化作为定位参考依据，快速确定无人机和UHF RFID阅读器的大概率范围；其中，1≤a≤m，1≤b≤n；
S5：通过RSSI经验数据矩阵集的均值统计计算，确定无人机的小范围精度；其具体步骤包括：
UHF RFID阅读器采集到的附近9个最大参考标签的RSSI值，与已存储的RSSI经验数据矩阵进行计算，计算公式为：
坐标点(x_u,v,y_u,v)为无人机飞行过程中所在的位置，其中：
a和b是在坐标点位置处RSSI最大值的参考标签的坐标点下标值，u和v的范围是(a-1，b-1)～(a+1，b+1)集合，最多9个参考标签；mea_RSSI1_u,v和mea_RSSI2_u,v分别表示两个阅读器在坐标点(x_u,v,y_u,v)上附近采集的有效参考标签的RSSI测试值，最多9个参考标签；ref_RSSI1_u,v和ref_RSSI1_u,v分别表示两个阅读器在经验坐标矩阵(x_uav，y_uav)中行向量坐标点所对应的各参考标签的RSSI经验数据值，最多9个参考标签RSSI值；R1和R2表示阅读器在坐标点(x_u,v,y_u,v)飞行过程中采集点位置所采集的参考标签RSSI实测值和经验数据RSSI集的差值平方和，R1和R2值越小，说明坐标点(x_u,v,y_u,v)坐标与经验数据RSSI集所对应的经验数据坐标集(x_uav，y_uav)中的坐标点更接近；
通过调用经验坐标矩阵(x_uav，y_uav)以及与之对应的坐标点(x_u,v,y_u,v)的RSSI集参与运算，得到多个R1和R2，多个R1和R2中的最小值所对应的经验数据坐标集中的坐标矩阵(x_uav，y_uav)中的行向量即为无人机位置坐标点(x_u,v,y_u,v)的小范围精度位置，计算得到的这个坐标位置点记为定位无人机的坐标点(x_u,v,y_u,v)；
S6：对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；
S7：选择合适的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
2.根据权利要求1所述的一种智能仓储UHF RFID标签的定位方法，其特征在于，在所述步骤S1中，所述参考标签在采集点上固定安放，每个参考标签之间的间距为2m；其中参考标签的标记为ref_tag_mn，货物的跟踪标签标记为pos_tag_t；所述无人机安装的两个UHFRFID阅读器间距为40cm；其中，m>1，n>1，t>1。
3.根据权利要求2所述的一种智能仓储UHF RFID标签的定位方法，其特征在于，在所述步骤S2中，无人机在设置有参考标签的智能仓储中根据设定路线飞行，通过与参考标签的位置对比得到无人机飞行平面坐标(x_uav，y_uav)的值，无人机飞行路线的高度h_uav值由无人机通过无人机携带的红外模块采集完成；无人机通过两间隔固定的UHF RFID阅读器阅读智能仓储中的参考标签、跟踪标签的RSSI值和标签存储信息值，完成采集点坐标的采集。
4.根据权利要求3所述的一种智能仓储UHF RFID标签的定位方法，其特征在于，在所述步骤S3中，无人机携带两个阅读器，每个阅读器读取参考标签，得到在两组阅读器在经验坐标(x_uav，y_uav)上采集到的参考标签的坐标集以及所有参考标签的RSSI经验数据矩阵；在每个无人机信号采集点位置(x_uav，y_uav)，两个阅读器对所有参考标签的RSSI记录表示为：
和
将所有参考标签的RSSI经验数据矩阵进行存储。
5.根据权利要求1所述的一种智能仓储UHF RFID标签的定位方法，其特征在于，所述步骤S6具体为：采用虚拟网格消除算法VIRE将4个参考标签所围成的2*2m网格进一步划分，形成多个虚拟网格单元；
由于跟踪坐标周围4个参考标签的坐标是已知的，因此根据虚拟网格单元划分距离计算得到虚拟参考标签的坐标；
在无人机飞行过程中，VIRE虚拟参考标签的RSSI值是变化的，在无人机获得的货物跟踪标签的RSSI值最大位置时，根据步骤S5中得到的无人机的坐标点(x_u,v,y_u,v)确定无人机位置，从而确定阅读器的位置和周围4个参考标签以及虚拟网格的虚拟参考标签的位置；无人机位置点与RSSI矩阵一一对应，飞行过程中得到多组参考标签RSSI值与距离d变化关系式，具体表达式为：
根据实测RSSI值转换为实时测试功率值p、阅读器发射功率p0计算得到路径损耗因子γ、遮蔽因子的估计值，从而计算不同距离下虚拟网格中的虚拟参考标签的RSSI值。
6.根据权利要求5所述的一种智能仓储UHF RFID标签的定位方法，其特征在于，所述步骤S7具体为：按照实际要求的定位精度选择门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
7.一种智能仓储UHF RFID标签的定位系统，应用于权利要求1～6任一项所述的定位方法，其包括智能仓储，其特征在于，还包括无人机，设置在无人机上的两个UHF RFID阅读器，设置在智能仓储中的参考标签和待定位的跟踪标签，以及后台服务器；其中：
参考标签按一定间隔设置在智能仓储中，并将跟踪标签放置在待定位货物上；
无人机在智能仓储中按照预设的飞行路线同高度飞行，由设置在无人机上的两个UHFRFID阅读器读取参考标签上的信息；
无人机将每次飞行获取的参考标签的坐标集以及与之对应的接收信号强度指示值RSSI经验数据矩阵集发送给后台服务器；
后台服务器通过RSSI经验数据矩阵集对无人机和UHF RFID阅读器进行定位，根据无人机周围最大RSSI值参考标签进行大范围精度定位和小范围精度；并对智能仓储进行虚拟网格划分，计算虚拟参考标签网格坐标和RSSI值；最后根据设置的门限值，对货物携带的跟踪标签小概率区域进行排除，最终得到货物跟踪标签位置，完成货物的定位。
8.根据权利要求7所述的一种智能仓储UHF RFID标签的定位系统，其特征在于：在所述参考标签和跟踪标签中均设置有印刷偶极子曲折线天线，所述UHF RFID阅读器设置与所述印刷偶极子曲折线天线实现能量耦合的全向线天线；所述UHF RFID阅读器中还设置有用于读取控制的控制电路，所述控制电路与无人机中设置的信息处理模块电性连接；
所述无人机及还包括控制器、飞行控制模块、第一无线通信模块、红外模块和拍摄模块；其中：
所述飞行控制模块输入端、红外模块、拍摄模块与所述控制器电性连接；
所述信息处理模块与所述第一无线通信模块电性连接；
所述控制器与所述第一无线通信模块电性连接，实现信息交互；
所述第一无线通信模块与所述后台服务器无线通信连接；
所述后台服务器包括第二无线通信模块、数据存储模块、算法处理模块和三维空间显示模块；其中：
所述第二无线通信模块与所述第一无线通信模块无线通信连接；
所述数据存储模块与所述第二无线通信模块电性连接；
所述算法处理模块输入端与所述数据存储模块电性连接；
所述算法处理模块输出端与所述三维空间显示模块电性连接。
CN201911214621.9A 2019-12-02 2019-12-02 一种智能仓储uhfrfid标签的定位方法和系统 Active CN111060869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911214621.9A CN111060869B (zh) 2019-12-02 2019-12-02 一种智能仓储uhfrfid标签的定位方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911214621.9A CN111060869B (zh) 2019-12-02 2019-12-02 一种智能仓储uhfrfid标签的定位方法和系统

Publications (2)

Publication Number Publication Date
CN111060869A CN111060869A (zh) 2020-04-24
CN111060869B true CN111060869B (zh) 2023-10-31

Family

ID=70299457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911214621.9A Active CN111060869B (zh) 2019-12-02 2019-12-02 一种智能仓储uhfrfid标签的定位方法和系统

Country Status (1)

Country Link
CN (1) CN111060869B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380535A (zh) * 2020-05-13 2020-07-07 广东星舆科技有限公司 基于视觉标签的导航方法、装置、移动式机器及可读介质
CN111796238A (zh) * 2020-07-15 2020-10-20 长春奥普光电技术股份有限公司 室内环境导航的定位方法及定位系统
CN112055409B (zh) * 2020-08-04 2022-02-18 暨南大学 一种基于功率控制的rfid室内定位方法
TWI809437B (zh) * 2021-07-02 2023-07-21 財團法人工業技術研究院 室內定位系統以及室內定位方法
CN114859291A (zh) * 2022-07-07 2022-08-05 广东师大维智信息科技有限公司 狭长空间定位方法、计算机可读存储介质及计算机设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349746A (zh) * 2008-09-06 2009-01-21 黄以华 一种基于虚拟参考标签算法的无线射频定位方法
CN101587182A (zh) * 2009-06-25 2009-11-25 华南理工大学 一种用于rfid室内定位系统的定位方法
EP3118786A1 (en) * 2015-07-13 2017-01-18 Promabis Sp. z o.o. System for identification and location of goods in a distribution centre
CN107576937A (zh) * 2017-07-28 2018-01-12 深圳市新科聚合网络技术有限公司 移动目标无线定位电子围栏系统及其操作方法
CN107992915A (zh) * 2017-12-08 2018-05-04 佛山职业技术学院 一种利用无人机的射频识别定位方法
CN108051657A (zh) * 2017-12-19 2018-05-18 北京计算机技术及应用研究所 一种基于uwb和uhf-rfid的射频场强检测系统
CN109388149A (zh) * 2018-09-26 2019-02-26 杭州电子科技大学 一种基于无人机的智能盘点系统的控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170185954A1 (en) * 2015-10-06 2017-06-29 CLARKE William McALLISTER Mobile aerial rfid scanner
US10373097B2 (en) * 2016-11-16 2019-08-06 Staples, Inc. Autonomous multimodal logistics
US10762251B2 (en) * 2017-02-22 2020-09-01 Middle Chart, LLC System for conducting a service call with orienteering

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349746A (zh) * 2008-09-06 2009-01-21 黄以华 一种基于虚拟参考标签算法的无线射频定位方法
CN101587182A (zh) * 2009-06-25 2009-11-25 华南理工大学 一种用于rfid室内定位系统的定位方法
EP3118786A1 (en) * 2015-07-13 2017-01-18 Promabis Sp. z o.o. System for identification and location of goods in a distribution centre
CN107576937A (zh) * 2017-07-28 2018-01-12 深圳市新科聚合网络技术有限公司 移动目标无线定位电子围栏系统及其操作方法
CN107992915A (zh) * 2017-12-08 2018-05-04 佛山职业技术学院 一种利用无人机的射频识别定位方法
CN108051657A (zh) * 2017-12-19 2018-05-18 北京计算机技术及应用研究所 一种基于uwb和uhf-rfid的射频场强检测系统
CN109388149A (zh) * 2018-09-26 2019-02-26 杭州电子科技大学 一种基于无人机的智能盘点系统的控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
丁善超.RFID与无人机结合在仓储管理信息化的应用.《互联网+技术》.2016,第第18卷卷(第第18卷期),第45页. *
管超等.新一代超高频RFID技术在智能制造领域的应用.《智能制造技术及其标准化专题》.2015,(第undefined期),第22~25页. *

Also Published As

Publication number Publication date
CN111060869A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN111060869B (zh) 一种智能仓储uhfrfid标签的定位方法和系统
CN108696932B (zh) 一种利用csi多径及机器学习的室外指纹定位方法
Peng et al. Deep convolutional neural network for passive RFID tag localization via joint RSSI and PDOA fingerprint features
Zou et al. Platform and algorithm development for a rfid-based indoor positioning system
CN104330771B (zh) 一种室内rfid精准定位方法和装置
CN101363910B (zh) 一种基于贝叶斯理论的无线射频定位方法
CN103777174A (zh) 基于有源多功能rfid标签室内定位系统
CN107179449B (zh) 一种短波接收天线三维立体方向图空中移动测量系统及方法
CN111667216A (zh) 一种无人机室内仓储自主盘点系统及方法
CN110297213A (zh) 基于装载互质线阵的无人机平台的辐射源定位装置及方法
Suroso et al. Distance-based indoor localization using empirical path loss model and RSSI in wireless sensor networks
CN112511976B (zh) 定位无人机控制端的处理方法、装置、设备与介质
CN113794991B (zh) 一种基于UWB和LoRa的单基站无线定位系统
CN109660303B (zh) 短波天线性能评估系统
Reza et al. Tracking via square grid of RFID reader positioning and diffusion algorithm
CN107908989A (zh) 基于多个射频卡的射频定位方法
CN107071708A (zh) 智能移动终端被动无线信号采集及定位方法
CN109254264A (zh) 一种改进的uhf-rfid定位方法
CN101902686A (zh) 使用软信息提高无线通信系统的定位精确度的方法及装置
KR102226690B1 (ko) 비콘 신호에 기반한 IoT 기기 위치 추정 방법 및 장치
CN101924986A (zh) 用于无线通信系统的定位方法及其相关装置
CN103198284A (zh) 一种基于微带阵列指向天线阵定位的有源rfid定位读卡器
Jikyo et al. A study on outdoor localization method based on deep learning using model-based received power estimation data of low power wireless tag
Inoue et al. Learning-based path loss estimation using multiple spatial data and system parameters
CN113740832A (zh) 一种定位方法及装置、设备、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