CN113120713A - 电梯定位方法 - Google Patents
电梯定位方法 Download PDFInfo
- Publication number
- CN113120713A CN113120713A CN202110487864.0A CN202110487864A CN113120713A CN 113120713 A CN113120713 A CN 113120713A CN 202110487864 A CN202110487864 A CN 202110487864A CN 113120713 A CN113120713 A CN 113120713A
- Authority
- CN
- China
- Prior art keywords
- elevator
- state
- sensor
- function
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 65
- 238000012546 transfer Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/28—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3446—Data transmission or communication within the control system
- B66B1/3461—Data transmission or communication within the control system between the elevator control system and remote or mobile stations
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本申请是关于一种电梯定位方法、电子设备及存储介质,通过根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测;通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数;读取UWB传感器的数据,得到电梯的状态测量函数;根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据;根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解,以此来对电梯的速度,位置,楼层进行判定,为乘坐电梯的服务机器人提供准确的位置。
Description
技术领域
本申请涉及电梯状态估计的技术领域,尤其涉及一种电梯定位方法、电子设备及存储介质。
背景技术
目前电梯定位多采用安装在电梯上的旋转编码器和楼层开关构成,对于需要乘坐电梯的服务机器人,需要知道当前电梯的停靠的位置,在不和电梯进行通信获得位置信息的情况下,需要使用外置传感器进行电梯定位。
其中一种现有的电梯定位方法为:基于UWB传感器的电梯定位系统。
这种方法单独采用UWB传感器的电梯定位系统会受到UWB信号的限制,如果UWB系统在电梯系统中受到干扰,会出现大量的丢包,因此无法持续稳定的提供位置结果,同时UWB测距的误差和噪声较大,在20cm~50cm左右,这个会导致距离测量有很大的抖动,不利于电梯系统速度的估计。同时,UWB传感器的数据会受到复杂环境的干扰,会产生错误的距离数据,因此会对电梯状态的正确估计带来挑战。
其中第二种现有的电梯的定位方法为:单独使用加速度计进行电梯状态的估计,是通过对加速度计进行积分得到一定时间内的相对速度,同时对速度进行再一次积分得到一定时间内的相对距离。因此会遇到两个缺陷:一:需要知道电梯当前的位置和当前的速度二:加速度计的积分的误差会迅速的累计,在很短的时间内的结果就不可信,使用高精度的加速度计的成本会非常的高,并不具有商用的可能。
因此,期望提供电梯定位方法,实现准确地对电梯定位。
发明内容
为克服相关技术中存在的问题,本申请提供一种电梯定位方法、电子设备及存储介质,旨在解决单一的UWB传感器用于电梯定位时,UWB传感器绝对定位噪声较大,数据帧率较低,响应较慢,同时,受到UWB传感器的信号限制,受到干扰后,结果会偏离正确值的问题。
本申请解决上述技术问题的技术方案如下:1、一种电梯定位方法,其包括以下步骤:步骤1,设定电梯的初始状态,初始状态包括:电梯的位置以及电梯的速度;步骤2,根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测;步骤3,通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数;步骤4,读取UWB传感器的数据,得到电梯的状态测量函数;步骤5,根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据;步骤6,根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解。
优选的,还包括:步骤7,通过中央服务器将电梯的位置的最优解发送给机器人,控制机器人移动到目标位置。
优选的,电梯的初始状态为:
xi={vi,pi};
x0={v0,p0};
P0=R0 -1R0 -T;
其中,xi表示电梯在i时刻的系统状态真实值,pi表示电梯在i时刻的位置真实值,vi表示电梯在i时刻的速度真实值,x0表示电梯在初始时刻的系统状态真实值,P0表示系统状态的初始协方差矩阵,R0表示初始状态的信息矩阵的平方根。
优选的,系统状态的时序转移函数为:
系统协方差函数为:
优选的,通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数具体包括:通过cholesky分解将i时刻的系统的协方差矩阵转换为i时刻的系统信息矩阵的平方根Ri,其中
优选的,读取UWB传感器的数据,得到电梯的状态测量函数具体包括:在i时刻使用UWB传感器的数据,得到电梯的系统状态测量值;根据电梯的系统状态测量值,联合电梯在i时刻的系统状态预测值建立代价项,得到电梯在i时刻的系统状态代价项。
优选的,电梯在i时刻的系统状态代价项的函数为:
优选的,对系统状态代价项的代价矩阵进行边缘化,得到边缘化后的i时刻的系统代价项。
优选的,据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据具体包括:根据马氏距离测试优化UWB传感器的异常值,得到每一次UWB传感器的测量值的马氏距离。
本申请实施例的第二方面提供了一种电子设备,包括:
处理器;以及一个或多个处理器;一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行如上所述的方法的指令。
本申请第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
本申请提供一种电梯定位方法、电子设备及存储介质,通过根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测;通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数;读取UWB传感器的数据,得到电梯的状态测量函数;根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据;根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解;以此通过使用一个包含UWB传感器和惯性测量传感器的加速度计两种传感器的外置硬件,和使用平方根信息滤波的方法来融合UWB传感器和惯性测量传感器的数据来对电梯的速度,位置,楼层进行判定,为乘坐电梯的服务机器人提供电梯准确的位置,同时也增加了电梯运动状态的精度和稳定性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的电梯定位方法的流程示意图;
图2a是本申请实施例示出的使用UWB传感器的电梯的估计曲线的示意图;
图2b是本申请实施例示出的使用惯性测量传感器的加速度计的电梯的估计曲线的示意图;
图2c是本申请实施例示出的使用融合算法的电梯的估计曲线的示意图;
图3是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以下结合附图详细描述本申请实施例的技术方案。
请参阅图1,图1为本申请第一实施例示出的电梯定位方法的流程示意图,如图1所示,方法包括以下步骤:
步骤S1,设定电梯的初始状态,初始状态包括:电梯的位置以及电梯的速度。
具体的,电梯的初始状态为:
xi={vi,pi};
x0={v0,p0};
P0=R0 -1R0 -T;
其中,xi表示电梯在i时刻的系统状态真实值,pi表示电梯在i时刻的位置真实值,vi表示电梯在i时刻的速度真实值,x0表示电梯在初始时刻的系统状态真实值,P0表示系统状态的初始协方差矩阵,R0表示初始状态的信息矩阵的平方根。
其中,电梯系统的状态有当前时刻的速度和位置以及上一时刻的速度和位置。
步骤S2,根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测。
具体的,在本实施例中,采用惯性测量传感器测量电梯的位置以及电梯的速度,以及采用UWB传感器(超宽带传感器)测量电梯的位置。所述惯性测量传感器包括加速度计和陀螺仪,加速度计的常见的指标值有:量程,分辨率,零偏,刻度系数,交叉耦合系数,刻度系数的非线性度,零偏稳定性,零偏重复性,带宽,工作温度等。
根据电梯的初始状态,以及通过传感器的数据,比如通过惯性测量传感器测量得到电梯的速度,以此可以推测得到电梯下一时刻的状态,即是根据电梯的初始状态预测电梯的下一个系统状态,得到电梯的状态预测。通过惯性测量传感器测量得到电梯的速度为:读取惯性测量传感器中的加速度计的数据,通过对加速度计进行一次积分,得到电梯的速度,以此得到电梯的速度为:
Δv=a×Δt;
vi=vi-1+Δv=vi-1+ai-1×Δt;
而后再对电梯的速度积分,即对加速度计的数据进行两次积分,得到电梯的位移:
其中ai为电梯在i时刻的加速度,Δt为两个时刻的时间间隔,vi为电梯在i时刻的速度,pi为电梯在i时刻的位移。
步骤S3,通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数。
具体的,系统状态的时序转移函数为:
系统状态转移是指,根据上一时刻的速度和位置加上传感器的数据,计算出当前时刻的速度和位置。由于每一个时刻的速度和位置都是由上一个时刻转移过来的,因此就会有一个初始状态,之后的状态都是从初始状态一步一步的转移过来的。
系统协方差函数为:
在其中一个实施例中,通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数具体包括:通过cholesky分解将i时刻的系统的协方差矩阵转换为i时刻的系统信息矩阵的平方根Ri,其中
步骤S4,读取UWB传感器的数据,得到电梯的状态测量函数。
具体的,读取UWB传感器的数据,得到电梯的状态测量函数具体包括:
在i时刻使用UWB传感器的数据,得到电梯的系统状态测量值;
根据电梯的系统状态测量值,联合电梯在i时刻的系统状态预测值建立代价项,得到电梯在i时刻的系统状态代价项。电梯在i时刻的系统状态代价项的函数为:
最后,对系统状态代价项的代价矩阵进行边缘化,得到边缘化后的i时刻的系统代价项。边缘化后的i时刻的系统代价项的函数如下:
步骤S5,根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据。
具体的,根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据具体包括:根据马氏距离测试优化UWB传感器的异常值,得到每一次UWB传感器的测量值的马氏距离。
再使用UWB传感器的观测更新电梯的状态之前,我们使用标准马氏距离测试来改善模型对UWB传感器的异常值的免疫能力,对每一次UWB传感器的测量的马氏距离定义如下:
其中γ表示马氏距离,表示测量残差,S为测量残差的协方差,H为测量雅克比矩阵,P为协方差矩阵,σ为UWB传感器测量的噪声标准差。当一次UWB传感器的测量不满足标准马氏距离测试的时候,则判断UWB传感器的测量是不合理的,需要剔除此次的UWB传感器的数据。
步骤S6,根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解。
具体的,UWB传感器只能获得电梯的位置信息,没有速度信息,同时UWB传感器的数据并不稳定,会由于干扰产生比较大的波动,同时数据的帧率低,实时性差。惯性测量传感器IMU可以用于测量电梯的速度和位置信息,但是误差较大,只能够稍微准确0.5秒左右的状态,需要不断的通过UWB传感器的距离信息来修正惯性测量传感器IMU估计的速度和位置信息。UWB传感器获取的数据的特点是距离测量比较准,但是偶尔会出现错误的数据,本实施例中通过惯性测量传感器IMU得到的数据去判断UWB传感器的数据是否是一个正确的数据,如果是错误的就需要去掉。
通过UWB传感器观测构建当前电梯的系统状态的代价项,其中系统状态的代价项函数为:
具体的,UWB传感器的优势是具有绝对定位,缺陷是绝对定位噪声较大,数据帧率较低,响应较慢,同时,受到UWB传感器的信号限制,受到干扰后,结果会偏离正确值;同时惯性测量传感器的加速度计的优势具有很高的采样频率,能够快速响应,同时加速度计测量自身内部状态不易受到外界环境的干扰。在本实施例中,通过使用平方根信息滤波器来融合UWB传感器和成本低廉的惯性测量传感器的加速度计来得到快速响应,高精度,平滑的电梯状态估计,为需要乘坐电梯的服务机器人的提供电梯的准确位置。
然后将步骤4中的边缘化后的i时刻的系统代价项的函数以及步骤5中的每一次UWB传感器的测量的马氏距离函数联立,更新得到新的系统代价项:
由于由于边缘化之后的Ri M本身是上三角矩阵,因此我们使用QR分解便能够快速得到式(10)的最优解,进而可以得到系统当前状态的最优估计,即是得到电梯的位置的最优解。
在其中一个实施例中,还包括:步骤7,通过中央服务器将电梯的位置的最优解发送给机器人,控制机器人移动到目标位置。
请参照图2a、2b、2c,图2a为使用UWB传感器的电梯的估计曲线;图2b为使用惯性测量传感器的加速度计的电梯的估计曲线;图2c使用融合算法的电梯的估计曲线;由此可以看到,UWB传感器的优势是具有绝对定位,缺陷是绝对定位噪声较大,数据帧率较低,响应较慢,同时,受到UWB传感器的信号限制,受到干扰后,结果会偏离正确值;加速度计的优势具有很高的采样频率,能够快速响应,同时加速度计测量自身内部状态不易受到外界环境的干扰。本实施例通过使用平方根信息滤波器来融合UWB传感器和成本低廉的惯性测量传感器的加速度计来得到快速响应,高精度,平滑的电梯状态估计。本实施例在一个72Mhz主频的stm32单片机上实现,由于原始的卡尔曼滤波计算量大,浮点精度低,因此采用平方根信息滤波。
在本实施例中,通过使用平方根信息滤波技术实现UWB传感器和惯性测量传感器的融合定位。本实施例的方法相比于信息滤波技术,由于采用平方根形式来表示信息矩阵,在同样的问题下,平方根信息滤波技术的矩阵条件数(condition number)比信息滤波技术要小一半,可以使用单精度浮点数实现计算,而对信息滤波来讲,需要使用双精度浮点来计算,因此可以实现更高的数值稳定性和更小的运算资源需求。而相比于卡尔曼滤波技术,信息矩阵形式在多传感器融合时,具有更好的表达形式,卡尔曼滤波需要进行矩阵的求逆,其计算复杂度为O(n^3),而平方根信息滤波器求解矩阵并不需要进行矩阵求逆,只需对矩阵进行增量式的Givens Rotation QR分解,计算复杂度为O(n^2),显著的降低了计算量,在工程应用上有更高的实用价值。
在本实施例中,通过根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测;通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数;读取UWB传感器的数据,得到电梯的状态测量函数;根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据;根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解,以此来对电梯的速度,位置,楼层进行判定,为乘坐电梯的服务机器人提供准确的位置。
图3是本申请实施例示出的电子设备的结构示意图。
参见图3,电子设备400包括存储器410和处理器420。
处理器420可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器410可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器410可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器410可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器410上存储有可执行代码,当可执行代码被处理器420处理时,可以使处理器420执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本申请所必须的。另外,可以理解,本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种电梯定位方法,其特征在于,包括以下步骤:
步骤1,设定电梯的初始状态,初始状态包括:电梯的位置以及电梯的速度;
步骤2,根据电梯的初始状态,通过对惯性测量传感器的加速度计进行积分,得到电梯的状态预测;
步骤3,通过平方根信息滤波器对电梯的状态预测进行优化,得到系统状态的时序转移函数和系统协方差函数;
步骤4,读取UWB传感器的数据,得到电梯的状态测量函数;
步骤5,根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据;
步骤6,根据系统状态的时序转移函数、系统协方差函数以及状态测量函数,通过UWB传感器观测构建当前电梯的系统状态的代价项,得到电梯的位置的最优解。
2.根据权利要求1所述的电梯定位方法,其特征在于,还包括:步骤7,通过中央服务器将电梯的位置的最优解发送给机器人,控制机器人移动到目标位置。
3.根据权利要求2所述的电梯定位方法,其特征在于,电梯的初始状态为:
xi={vi,pi};
x0={v0,p0};
P0=R0 -1R0 -T;
其中,xi表示电梯在i时刻的系统状态真实值,pi表示电梯在i时刻的位置真实值,vi表示电梯在i时刻的速度真实值,x0表示电梯在初始时刻的系统状态真实值,P0表示系统状态的初始协方差矩阵,R0表示初始状态的信息矩阵的平方根。
6.根据权利要求5所述的电梯定位方法,其特征在于,读取UWB传感器的数据,得到电梯的状态测量函数具体包括:
在i时刻使用UWB传感器的数据,得到电梯的系统状态测量值;
根据电梯的系统状态测量值,联合电梯在i时刻的系统状态预测值建立代价项,得到电梯在i时刻的系统状态代价项。
8.根据权利要求7所述的电梯定位方法,其特征在于,对系统状态代价项的代价矩阵进行边缘化,得到边缘化后的i时刻的系统代价项。
9.根据权利要求1所述的电梯定位方法,其特征在于,根据惯性测量传感器的数据,通过马氏距离优化UWB传感器的数据具体包括:
根据马氏距离测试优化UWB传感器的异常值,得到每一次UWB传感器的测量值的马氏距离。
10.一种电子设备,包括:存储器;一个或多个处理器;一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1-9所述方法中的任一方法的指令。
11.一种存储介质,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1-9任一项所述电梯定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110487864.0A CN113120713B (zh) | 2021-04-28 | 2021-04-28 | 电梯定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110487864.0A CN113120713B (zh) | 2021-04-28 | 2021-04-28 | 电梯定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113120713A true CN113120713A (zh) | 2021-07-16 |
CN113120713B CN113120713B (zh) | 2023-09-08 |
Family
ID=76781155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110487864.0A Active CN113120713B (zh) | 2021-04-28 | 2021-04-28 | 电梯定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113120713B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114212636A (zh) * | 2021-12-01 | 2022-03-22 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN107539852A (zh) * | 2017-09-29 | 2018-01-05 | 上海有个机器人有限公司 | 一种电梯楼层自动识别方法、系统及控制终端 |
CN108919181A (zh) * | 2018-09-05 | 2018-11-30 | 成都精位科技有限公司 | 基于惯导的uwb定位方法、装置及定位标签 |
CN109916410A (zh) * | 2019-03-25 | 2019-06-21 | 南京理工大学 | 一种基于改进平方根无迹卡尔曼滤波的室内定位方法 |
CN110375730A (zh) * | 2019-06-12 | 2019-10-25 | 深圳大学 | 基于imu和uwb融合的室内定位导航系统 |
CN110926460A (zh) * | 2019-10-29 | 2020-03-27 | 广东工业大学 | 一种基于IMU的uwb定位异常值处理方法 |
CN112073909A (zh) * | 2020-08-20 | 2020-12-11 | 哈尔滨工程大学 | 基于uwb/mems组合的uwb基站位置误差补偿方法 |
FR3100895A1 (fr) * | 2019-09-12 | 2021-03-19 | Dronisos | Procédé et système de positionnement automatique de drones en essaim |
CN112989625A (zh) * | 2021-04-02 | 2021-06-18 | 上海有个机器人有限公司 | Uwb传感器异常值的剔除方法 |
-
2021
- 2021-04-28 CN CN202110487864.0A patent/CN113120713B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN107539852A (zh) * | 2017-09-29 | 2018-01-05 | 上海有个机器人有限公司 | 一种电梯楼层自动识别方法、系统及控制终端 |
CN108919181A (zh) * | 2018-09-05 | 2018-11-30 | 成都精位科技有限公司 | 基于惯导的uwb定位方法、装置及定位标签 |
CN109916410A (zh) * | 2019-03-25 | 2019-06-21 | 南京理工大学 | 一种基于改进平方根无迹卡尔曼滤波的室内定位方法 |
CN110375730A (zh) * | 2019-06-12 | 2019-10-25 | 深圳大学 | 基于imu和uwb融合的室内定位导航系统 |
FR3100895A1 (fr) * | 2019-09-12 | 2021-03-19 | Dronisos | Procédé et système de positionnement automatique de drones en essaim |
CN110926460A (zh) * | 2019-10-29 | 2020-03-27 | 广东工业大学 | 一种基于IMU的uwb定位异常值处理方法 |
CN112073909A (zh) * | 2020-08-20 | 2020-12-11 | 哈尔滨工程大学 | 基于uwb/mems组合的uwb基站位置误差补偿方法 |
CN112989625A (zh) * | 2021-04-02 | 2021-06-18 | 上海有个机器人有限公司 | Uwb传感器异常值的剔除方法 |
Non-Patent Citations (1)
Title |
---|
王春琦, 基于无迹卡尔曼滤波的 IMU 和 UWB 融合定位算法研究, vol. 34, no. 3, pages 8 - 17 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114212636A (zh) * | 2021-12-01 | 2022-03-22 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
CN114212636B (zh) * | 2021-12-01 | 2023-12-26 | 北京云迹科技股份有限公司 | 基于移动机器人的电梯监测方法、装置、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113120713B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113091770B (zh) | 惯性测量传感器的零偏的补偿方法 | |
US10012517B2 (en) | Method and system for calibrating components of an inertial measurement unit (IMU) using scene-captured data | |
CN112461269B (zh) | 惯性测量单元标定方法、设备及服务器 | |
CN111928869B (zh) | 车辆运动轨迹估计方法、装置及电子设备 | |
CN112989625B (zh) | Uwb传感器异常值的剔除方法 | |
CN111928847A (zh) | 惯性测量单元位姿数据优化方法、装置及电子设备 | |
JP2007086076A (ja) | ジャイロセンサの補正方法及び補正装置 | |
CN112985462B (zh) | 基于卷积神经网络模型的惯性测量数据校正方法及装置 | |
CN112146683B (zh) | 惯性测量单元标定参数调整方法、装置及电子设备 | |
CN112762933A (zh) | 基于神经网络模型的车辆定位方法及装置 | |
CN111982158B (zh) | 一种惯性测量单元标定方法及装置 | |
CN113120713B (zh) | 电梯定位方法 | |
CN113252060B (zh) | 基于神经网络模型的车辆轨迹推算方法及装置 | |
CN111380499B (zh) | 转动角度的检测方法及装置 | |
CN113607176A (zh) | 组合导航系统轨迹输出方法及装置 | |
CN113375668B (zh) | 卫星导航系统的天线安装角标定方法及装置 | |
CN112461258A (zh) | 一种参数修正的方法及装置 | |
CN113917512B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN112985463B (zh) | 基于卷积神经网络模型的惯性测量单元标定方法及装置 | |
CN114543800B (zh) | 一种用于车辆移动轨迹估计的处理方法及相关装置 | |
CN112762932B (zh) | 基于神经网络模型的轨迹推算方法及装置 | |
US11415590B2 (en) | Method and apparatus with posture estimation | |
CN113124884B (zh) | 基于lstm神经网络模型的车辆定位方法及装置 | |
CN112284421A (zh) | 一种imu内参调整方法及相关装置 | |
CN111928865B (zh) | 轨迹计算方法、装置、电子设备及存储介质 |
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 |