CN111414982A - 一种rfid标签定位方法及装置 - Google Patents
一种rfid标签定位方法及装置 Download PDFInfo
- Publication number
- CN111414982A CN111414982A CN202010198742.5A CN202010198742A CN111414982A CN 111414982 A CN111414982 A CN 111414982A CN 202010198742 A CN202010198742 A CN 202010198742A CN 111414982 A CN111414982 A CN 111414982A
- Authority
- CN
- China
- Prior art keywords
- data
- label
- reading unit
- rfid
- training
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明公开了一种RFID标签定位方法及装置,方法包括以下步骤:S10,获取指定RFID标签的状态数据;S20,对每组采集到的数据进行位置信息标注作为训练集;S30,根据训练集训练定位模型;S40,当需要定位的标签出现在检测区域时,定位装置根据标签的状态数据计算标签位置。本发明多台RFID读写器同时获取指定RFID标签的状态数据,使用位置信息对采集到的数据进行标注,从而获取到训练数据;使用训练数据训练位置计算模型,当设备部署后,位置计算模型根据配置计算指定RFID标签的位置。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种RFID标签定位方法及装置。
背景技术
RFID射频识别是一种非接触式的自动识别技术,它通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预,可工作于各种恶劣环境。RFID技术可识别高速运动物体并可同时识别多个标签,操作快捷方便。现在RFID标签已广泛应用在航空、服装、物流等领域,RFID可以实现对应货物的盘点、入库、出库等问题,节省了大量的人工。但是有很多场景,例如机场的行李标签在过安检时需要获取其位置信息并进行比对,如何获取RFID标签的位置是现有技术需要解决的问题。
现有技术中也可以计算RFID标签的位置,通过调节读写器的信号强度,判断标签所处的大概位置。
但是这种方法的定位精度比较低,并且由于RFID的多径效应信号受环境干扰较大,实际的实施效果无法保证。
发明内容
有鉴于此,本发明提供了一种RFID标签定位方法和装置,包括以下步骤:
S10,获取指定RFID标签的状态数据;
S20,对每组采集到的数据进行位置信息标注作为训练集;
S30,根据训练集训练定位模型;
S40,当需要定位的标签出现在检测区域时,定位装置根据标签的状态数据计算标签位置。
优选地,所述RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。
优选地,将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。
优选地,所述序列号采用EPC编码。
优选地,所述信号强度采用接收信号强度指示。
优选地,所述对每组采集到的数据进行位置信息标注作为训练集中,先对采集到的的数据进行清洗处理,去除有缺失或者差值大的数据。
优选地,所述对每组采集到的数据进行位置信息标注作为训练集中,在每组采集到的数据之后增加x,y值,其中,x,y是需要定位的空间坐标值。
优选地,所述根据训练集训练定位模型,为对采集到的数据构建循环神经网络使用循环神经网络算法。
基于上述目的,本发明还提供了一种上述方法中采用的RFID标签定位装置,其特征在于,包括依次连接的数据获取模块、数据存储模块、数据计算模块和数据输出模块,其中,
所述数据获取模块,用于获取指定RFID标签的状态数据;
所述数据存储模块,用于存储所述数据获取模块获取的所述指定RFID标签的状态数据;
所述数据计算模块,用于所述指定RFID标签的状态数据进行位置计算模型的训练以及训练后的结果的存储;
所述数据输出模块,用于所述位置计算模型针对指定RFID标签状态数据计算后的位置输出。
优选地,所述数据获取模块包括第一读取单元、第二读取单元、第三读取单元和第四读取单元,均用于通过无线通信协议读取指定标签的状态数据,位置均不同。
与现有技术相比,本发明公开的RFID标签定位装置及方法,相比于现有技术,本发明多台RFID读写器同时获取指定RFID标签的状态数据,使用位置信息对采集到的数据进行标注,从而获取到训练数据。使用机器学习技术使用训练数据训练位置计算模型,当设备部署后,位置计算模型根据配置计算指定RFID标签的位置,使用RFID标签的相位、信号强度和时间戳计算标签的位置信息,从而解决了RFID标签的室内定位问题。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明实施例RFID标签定位方法的步骤流程图;
图2为本发明实施例RFID标签定位装置的结构框图;
图3为本发明实施例RFID标签定位方法中循环神经网络模型图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
方法实施例
参见图1,包括以下步骤:
S10,获取指定RFID标签的状态数据;
S20,对每组采集到的数据进行位置信息标注作为训练集;
S30,根据训练集训练定位模型;
S40,当需要定位的标签出现在检测区域时,定位装置根据标签的状态数据计算标签位置。
具体实施例中
RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。
S10中将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。
通过RFID读写器采集数据,主要采集三相位、信号强度、时间戳、标签序列号,采集后数据以矩阵的方式存入存储设备,序列号采用EPC编码,信号强度采用接收信号强度指示(RSSI),相位用相位值表示,时间戳即当时的时间。
S20中,对每组采集到的数据进行位置信息标注作为训练集中,先对采集到的的数据进行清洗处理,去除有缺失或者差值大的数据。
再进行标注:在每组采集到的数据之后增加x,y值,其中,x,y是需要定位的空间坐标值。
S30中,根据训练集训练定位模型,为对采集到的数据构建循环神经网络使用循环神经网络算法,循环神经网络模型参见图3,其中,输入层(Input Layer)负责接收输入及分发数据到隐藏层(Hidden Layer)。隐藏层负责所需的计算及输出结果给输出层(OutputLayer),而输出层给出最终结果。
现有技术多是针对一台读写器采集到的数据进行分析,本发明使用天线阵列对采集到的数据进行分析,首先数据分析量上会有很大提高,对系统计算性能要求比较高。
另外现有技术针对的是移动的RFID产生的相位值变化进行计算,而本发明分为两部分,一部分是对静态数据进行分析,另外一部分是针对每个读写器获取到的动态数据进行计算,最终计算出位置信息。
基于上述目的,本发明还提供了一种上述方法中采用的RFID标签定位装置,包括依次连接的数据获取模块10、数据存储模块20、数据计算模块30和数据输出模块40,其中,
数据获取模块10,用于获取指定RFID标签的状态数据;
数据存储模块20,用于存储所述数据获取模块10获取的所述指定RFID标签的状态数据;
数据计算模块30,用于所述指定RFID标签的状态数据进行位置计算模型的训练以及训练后的结果的存储;
数据输出模块40,用于所述位置计算模型针对指定RFID标签状态数据计算后的位置输出。
具体实施例中
数据获取模块10包括第一读取单元、第二读取单元、第三读取单元和第四读取单元,均用于通过无线通信协议读取指定标签的状态数据,位置均不同。
数据计算模块30,用于标注存储数据的位置信息;对标注后的存储数据进行计算生成合适的位置计算模型;生成的位置计算模型存储在数据存储模块20中。
数据输出模块40调用数据计算模块30,针对需要计算的标签状态数据进行计算,并输出标签位置信息。当有多个标签状态数据时,可以计算多个标签的相对位置并输出。
多台RFID读写器组成的天线阵列同时获取指定RFID标签的状态数据,使用位置信息对采集到的数据进行标注,从而获取到训练数据。使用机器学习技术使用训练数据训练位置计算模型,当设备部署后,位置计算模型根据配置计算指定RFID标签的位置。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种RFID标签定位方法,其特征在于,包括以下步骤:
S10,获取指定RFID标签的状态数据;
S20,对每组采集到的数据进行位置信息标注作为训练集;
S30,根据训练集训练定位模型;
S40,当需要定位的标签出现在检测区域时,定位装置根据标签的状态数据计算标签位置。
2.根据权利要求1所述的方法,其特征在于,所述RFID标签的状态数据包括序列号、相位、信号强度、和时间戳。
3.根据权利要求1所述的方法,其特征在于,将所述获取指定RFID标签的状态数据以矩阵的方式存入数据存储模块。
4.根据权利要求2所述的方法,其特征在于,所述序列号采用EPC编码。
5.根据权利要求2所述的方法,其特征在于,所述信号强度采用接收信号强度指示。
6.根据权利要求1所述的方法,其特征在于,所述对每组采集到的数据进行位置信息标注作为训练集中,先对采集到的的数据进行清洗处理,去除有缺失或者差值大的数据。
7.根据权利要求6所述的方法,其特征在于,所述对每组采集到的数据进行位置信息标注作为训练集中,在每组采集到的数据之后增加x,y值,其中,x,y是需要定位的空间坐标值。
8.根据权利要求1所述的方法,其特征在于,所述根据训练集训练定位模型,为对采集到的数据构建循环神经网络使用循环神经网络算法。
9.一种权利要求1-8之一所述方法中采用的RFID标签定位装置,其特征在于,包括依次连接的数据获取模块、数据存储模块、数据计算模块和数据输出模块,其中,
所述数据获取模块,用于获取指定RFID标签的状态数据;
所述数据存储模块,用于存储所述数据获取模块获取的所述指定RFID标签的状态数据;
所述数据计算模块,用于所述指定RFID标签的状态数据进行位置计算模型的训练以及训练后的结果的存储;
所述数据输出模块,用于所述位置计算模型针对指定RFID标签状态数据计算后的位置输出。
10.根据权利要求9所述的RFID标签定位装置,其特征在于,所述数据获取模块包括第一读取单元、第二读取单元、第三读取单元和第四读取单元,均用于通过无线通信协议读取指定标签的状态数据,位置均不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198742.5A CN111414982A (zh) | 2020-03-20 | 2020-03-20 | 一种rfid标签定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010198742.5A CN111414982A (zh) | 2020-03-20 | 2020-03-20 | 一种rfid标签定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111414982A true CN111414982A (zh) | 2020-07-14 |
Family
ID=71494631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010198742.5A Pending CN111414982A (zh) | 2020-03-20 | 2020-03-20 | 一种rfid标签定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414982A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417911A (zh) * | 2020-11-19 | 2021-02-26 | 广东中世发智能科技股份有限公司 | 基于rfid智能优化群检方法 |
CN112800787A (zh) * | 2020-12-30 | 2021-05-14 | 深圳市联新移动医疗科技有限公司 | 药品定位方法及装置、处理器、存储介质 |
CN114139664A (zh) * | 2021-12-07 | 2022-03-04 | 中国建设银行股份有限公司 | 基于rfid技术的室内定位方法及装置 |
WO2022160293A1 (zh) * | 2021-01-29 | 2022-08-04 | 华为技术有限公司 | 标签定位方法及装置 |
-
2020
- 2020-03-20 CN CN202010198742.5A patent/CN111414982A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417911A (zh) * | 2020-11-19 | 2021-02-26 | 广东中世发智能科技股份有限公司 | 基于rfid智能优化群检方法 |
CN112800787A (zh) * | 2020-12-30 | 2021-05-14 | 深圳市联新移动医疗科技有限公司 | 药品定位方法及装置、处理器、存储介质 |
CN112800787B (zh) * | 2020-12-30 | 2023-07-25 | 深圳市联新移动医疗科技有限公司 | 药品定位方法及装置、处理器、存储介质 |
WO2022160293A1 (zh) * | 2021-01-29 | 2022-08-04 | 华为技术有限公司 | 标签定位方法及装置 |
CN114139664A (zh) * | 2021-12-07 | 2022-03-04 | 中国建设银行股份有限公司 | 基于rfid技术的室内定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414982A (zh) | 一种rfid标签定位方法及装置 | |
CN101840488B (zh) | 射频环境对象监视系统和使用方法 | |
CN110351678B (zh) | 商品定位方法及装置、设备和存储介质 | |
CN107145919B (zh) | 面向出入检测的开放式rfid门禁系统及其处理方法 | |
CN105404993A (zh) | 一种智能物资管理系统 | |
CN101344932A (zh) | 针对rfid标签的可读区域决定rfid天线放置的方法与系统 | |
CN109284799B (zh) | 一种基于深度学习的rfid标签相对位置定位方法 | |
US10586082B1 (en) | Advanced micro-location of RFID tags in spatial environments | |
CN111667216A (zh) | 一种无人机室内仓储自主盘点系统及方法 | |
CN101023373A (zh) | 传感环境属性与实体的自主相关的方法和系统 | |
CN103761494A (zh) | 一种识别rfid系统丢失标签的方法和系统 | |
CN108830344A (zh) | 仓库盘点货位定位方法和装置、计算设备和存储介质 | |
CN111537952B (zh) | 一种基于深度学习的rfid室内三维定位方法 | |
CN105865438A (zh) | 基于机器视觉的移动机器人的自主精确定位系统 | |
CN107526997A (zh) | 一种人员轨迹识别方法及装置 | |
CN103605995A (zh) | 识别装置 | |
CN202067282U (zh) | 用于检测rfid的pda | |
Melià-Seguí et al. | Human-object interaction reasoning using RFID-enabled smart shelf | |
CN110084336B (zh) | 一种基于无线定位的监所物品管理系统和方法 | |
CN111199258B (zh) | 商品定位系统及方法、带rfid读头的pda设备 | |
CN102542227A (zh) | 一种基于rfid的组合夹具装配检测方法 | |
CN109034293A (zh) | Rfid智能监管货架系统架构与方法 | |
KR20160104246A (ko) | 비행객체를 이용한 무인 재고 실사 시스템 및 그 방법 | |
CN115568015B (zh) | 一种船舶分段制造车间物料融合定位方法 | |
CN115169375B (zh) | 基于ar与枪球联动的高位物料可视化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200714 |