CN113596989B - 一种用于智慧车间的室内定位方法及系统 - Google Patents
一种用于智慧车间的室内定位方法及系统 Download PDFInfo
- Publication number
- CN113596989B CN113596989B CN202110890772.7A CN202110890772A CN113596989B CN 113596989 B CN113596989 B CN 113596989B CN 202110890772 A CN202110890772 A CN 202110890772A CN 113596989 B CN113596989 B CN 113596989B
- Authority
- CN
- China
- Prior art keywords
- positioning
- point
- bluetooth
- points
- coordinate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 12
- 230000006855 networking Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000026676 system process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- 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
- G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
-
- 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
- G01S5/12—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 by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
-
- 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
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种用于智慧车间的室内定位方法系统,属于室内定位技术领域,该方法包括利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。本发明解决了汽车4S店中车位内的车辆不能全覆盖定位,且对于车位外的地方无法定位或只能模糊定位的问题。
Description
技术领域
本发明属于室内定位技术领域,尤其涉及一种用于智慧车间的室内定位方法及系统。
背景技术
近年来,随着智慧城市、物联网的蓬勃发展,人们对复杂室内环境的定位需求与日俱增,室内定位技术逐渐成为研究热点。目前主流室内定位技术包括红外定位、蓝牙定位、UWB(超宽带)定位、WLAN定位、RFID定位、ZigBee定位、超声波定位及LED可见光定位等。蓝牙室内定位技术依靠蓝牙来进行短距离的室内定位,蓝牙技术(Bluetooth)是一种无线数据和语音通信开放的全球规范,是基于低成本的近距离无线连接,为固定和移动设备建立通信环境的一种特殊的近距离无线技术连接,得益于苹果公司的基于BLE4.0的iBeacon技术的面世,基于蓝牙RSSI的室内定位技术逐渐兴起。蓝牙室内定位技术目前主要分为基于位置指纹的定位方法和基于信号传播模型的定位方法。基于位置指纹的定位方法需要事先在各个位置搜集记录无线信号特征以建立“指纹库”,离线存储在服务器中,当需要定位时,实时搜集所处位置的无线信号特征样本并与服务器中的“指纹库”进行比对来对所处位置进行定位。由于信号的多径传播特性与环境有着较强关联性,因此该方法能够较好提取复杂环境的特征。但该方法需要预先采集离线“指纹库”,当覆盖面积较大时,工作量也会相应增加,并且当环境发生变化时,不能很好地适应环境的改变。基于信号传播模型的定位方法,是根据低功耗蓝牙衰减模型和室内多径效应衰减来建立蓝牙信号室内传播模型,测量RSSI(接收信号强度)来计算目标点到蓝牙信标的距离来进行定位。该方法在理想环境下定位精度较高,但容易受到快衰落和传输环境的变化导致RSSI产生严重震荡。
汽车4S店作为整车销售(Sale)、零配件(Sparepart)、售后服务(Service)、信息反馈(Survey)四位一体的专卖店,公开透明的服务流程对客户的满意程度有着很大的影响。而如今在大部分4S店中,车辆维修流程的跟踪与管理还停留在传统的人为管理,往往造成车辆管理混乱、寻车困难、维修流程不清晰等问题,因此基于物联网的智慧车间系统逐渐兴起,让整个车间流程的管理变得有序透明。目前的汽车4S店场景下的智慧车间系统一般由定位跟踪系统、后台管理系统、客户报警系统组成。定位跟踪系统多采用视频车牌识别、RFID射频识别等方法,对于车位内的车辆能较好定位,但对于车位外的地方则无法定位或只能模糊定位。
发明内容
针对现有技术中的上述不足,本发明提供的一种用于智慧车间的室内定位方法及系统,解决了汽车4S店中车位内的车辆不能较好定位,且对于车位外的地方无法定位或只能模糊定位的问题。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种用于智慧车间的室内定位方法,包括以下步骤:
S1、利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;
S2、根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
本发明的有益效果是:本发明提出了一种基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法,通过聚类与自适应权值消除定位结果的离群点,提升定位精度。可以实时监测车辆位置,将车辆位置信息上传到云端服务器,便于云端智能分析维修进度,后台管理系统实时跟进处理每个车辆订单,使得车间管理高效有序,本发明对于规范化车间操作流程、智能化车间管理系统具有很大的价值。
进一步地,在所述步骤S1前还包括以下步骤:
S01、构建蓝牙信号室内传输模型:
其中,PL(d0)表示参考收发方距离为d0时的路径损耗,n表示路径损耗指数,PL(d)表示收发方距离为d时的路径损耗,Xσ表示标准差为σ的正态随机变量,N表示正态随机变量Xσ服从正态分布;
S02、基于所述蓝牙信号室内传输模型,将蓝牙信标以矩形组网的方式布置在矩形区域的四个顶点上,并建立蓝牙库,其中,所述蓝牙库包含用于保存蓝牙设备地址与位置信息的蓝牙设备数据库,以及用于对定位区域进行划分的区域数据库。
上述进一步方案的有益效果是:本发明中蓝牙信号室内传输模型考虑了路径损耗以及信号在室内传输时的波动误差,提升了算法的准确度。利用蓝牙信标矩形组网对定位区域进行划分,各个区域编号后录入数据库,以便与得到的定位结果一一对应,可更加直接清晰地展示车辆目前所在区域。
再进一步地,所述步骤S1包括以下步骤:
S101、由定位终端以采样周期T=200ms对接收到的蓝牙信标beacon信号强度值Rssi进行采样,生成列表beacon_buf,并将每一个信号强度值Rssi加入至相应蓝牙信标beacon信号的滤波窗口UuidRssiWindows,连续采样10个周期,其中,所述列表beacon_buf包含采样周期内所有接收到信号的蓝牙信标beacon信号强度值Rssi;
上述进一步方案的有益效果是:本发明将Rssi值降序排列后选取前n个离定位终端最近的beacon,以三个为一组进行后续处理,可以排除个别beacon的测量误差,提升算法准确度。
再进一步地,所述步骤S102包括以下步骤:
S1021、当收集的信号强度值Rssi数目Rssi_num=10,则对信号强度值Rssi滤波窗口UuidRssiWindows进行中值滤波处理,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1022、当收集的信号强度值Rssi数目Rssi_num∈(0,10),则对信号强度值Rssi滤波窗口UuidRssiWindows进行均值滤波,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1023、当收集的信号强度值Rssi数目Rssi_num=0,则将所述信号强度值Rssi滤波窗口UuidRssiWindows滤波处理后的信号强度值设为默认值-100:
再进一步地,所述步骤S104包括以下步骤:
S1042、将所述空间距离d1、d2和d3转换成其一一对应的平面距离r1、r2和r3,并判断平面距离r1、r2和r3是否均小于10m,若是,则进入步骤S1043,否则,结束三边质心定位,并返回定位失败事件;
所述平面距离r1的表达式如下:
所述平面距离r2的表达式如下:
所述平面距离r3的表达式如下:
其中,r1表示空间距离d1对应的平面距离,r2表示空间距离d2对应的平面距离,r3表示空间距离d3对应的平面距离,h0表示蓝牙信标beacon的布置高度,h表示定位终端;
S1043、以步骤S1042中得到的平面距离r1、r2和r3为半径作圆,由两个圆两两确定一点,共确定三个点所围成的三边质心为定位终端所在位置,其中,所述两个圆两两确定一点包括以下几种情况:
第一种情况:
当两圆外切时,选取切点Q1作为所求点;
第二种情况:
当两圆相交时,选取两圆交点MN连线与圆心连线的交点Q2作为所求点;
第三种情况:
当两圆相离时,将两圆成比例扩大至两圆外切,其中,扩大后的两圆切点Q3即为所求点,其中,所述成比例扩大两圆半径按以下公式进行调整:
其中,r1'表示扩大后其中一圆的半径,r2'表示扩大后其另一圆的半径;
第四种情况:
当两圆内切时,在两圆心连线上在两圆心连线OAOB上选取M点即为所求点,其中,所述M点满足的条件如下:
其中,MOA表示M点到圆A的圆心OA的线段,MOB表示M点到圆B的圆心OB的线段;
第五种情况:
当两圆存在包含关系时,将大圆A缩小、小圆B扩大至两新圆相切,且扩大后相切的两圆按两圆内切时确定所求点,其中,所述将大圆A缩小、小圆B扩大满足的比例条件为:
S1044、重复执行Np次步骤S1043的三边质心定位,将集合S中所有组合均计算出相应的定位坐标(x,y),得到包含离群点的初始定位点集P={(x1,y1),(x2,y2),…,(xN,yN)},并对初始定位点集进行聚类处理,消除离群点;
S1045、初始化聚类半径参数ε等于3,领域密度阈值MinPts等于4;
S1046、确定初始定位点集P中每个定位点Pj的ε-领域内所包含的定位点组成定位点集Nε(Pj),并判断所述定位点集Nε(Pj)中点的个数|Nε(Pj)|是否满足|Nε(Pj)|≥MinPts,若是,则将定位点Pj加入核心定位点集合Ω=Ω∪{Pj},否则,将定位点Pj标记为离群噪声点,对初始定位点集P中所有定位点都完成判断后,进入步骤S1047;
S1047、判断所述核心定位点集合Ω是否等于空集若是,则聚类失败,并在初始定位点集P选择由三个最大信号强度值得到的定位点Pi(xi,yi)作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点Pi(xi,yi)作为定位结果输出,并进入步骤S2,否则,所述核心定位点集合Ω不等于空集则在核心定位点集合Ω中选择由三个最大信号强度值得到的定位点作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点作为初始核心对象P0(x0,y0),并进入步骤S1048;
所述定位点Pi(xi,yi)的表达式如下:
所述初始核心对象P0(x0,y0)的表达式如下:
S1048、为所述初始核心对象P0(x0,y0)创建一个新簇C0,并将初始核心对象P0(x0,y0)的ε-领域中所有的对象均添加至候选集合Nc中,对于候选集合Nc中的每个点Ni,若点Ni的ε-领域中点的个数|Nε(Pj)|≥MinPts,则将点Ni的ε-领域对象添加至候选集合Nc中,并将候选集合Nc中不属于其他簇的对象添加到新簇C0中,直到新簇C0不能扩展,且候选集合Nc中所有对象均访问时所述新簇C0完成生成并输出,并更新核心定位点集合Ω=Ω-C0:
所述新簇C0的表达式如下:
其中,P(x,y)表示组成新簇C0的对象,P1、P2表示新簇C0中任意两个定位点;
S10410、将所述聚类簇集合C中含有定位点数量最多的簇作为排除离群点后的定位组合结果点集D;
S10411、将所述定位组合结果点集D中的坐标点按多定权因子排序法进行加权平均处理,得到最终定位坐标,其中,将所述选用点集D中坐标点对应的蓝牙信标beacon组合的信号强度值的均值和标准差作为定权因子。
上述进一步方案的有益效果是:本发明通过以上设计排除了初始定位点集P中的离群点,提升了结果的可靠性和准确度。
再进一步地,所述步骤S10411中包括以下步骤:
S104111、计算定位组合结果点集D中坐标点对应蓝牙信标beacon组合中三个点的r的均值和标准差:
其中,ul表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的均值,rlm表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合中第m个点的平面距离,Sl表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的标准差,r为定位终端到三个蓝牙信标beacon的平面距离;
S104112、根据所述均值和标准差,计算得到均值权值向量Wμ和标准差权值向量WS:
S104113、根据所述均值权值向量Wμ和标准差权值向量WS,将所述定位组合结果点集D中的坐标点进行加权平均,得到最终定位坐标:
W=ωμWμ+ωsWs,ωμ+ωS=1
上述进一步方案的有益效果是:本发明按照均值和标准差所反映的与真实数据之间的差异分配权值,对定位组合结果点集D中的坐标点进行加权平均,进一步提升了数据的可靠性和准确度。
再进一步地,所述步骤S2中包括以下步骤:
S201、将所述最终定位坐标结果与车位进行匹配;
S202、重复步骤S1和步骤S201五次,获取五次车位匹配结果,并按五重复码规则判断是否有一个车位匹配成功三次以上,若是,则车位匹配成功,并输出车位匹配结果,进入步骤S205,否则,车位匹配失败,进入步骤S203;
S203、进行全景蓝牙定位,并判断所述全景蓝牙定位是否成功,若是,则输出全景蓝牙定位坐标,进入步骤S205,否则,全景蓝牙定位失败,进入步骤S204;
S204、进行GPS定位,并判断GPS定位是否成功,若是,则输出GPS定位坐标,并进入步骤S205,否则,GPS定位失败,输出定位失败信息,进入步骤S205;
S205、通过通信传输模块上报定位结果,得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
上述进一步方案的有益效果是:本发明考虑了车位中、室内道路、室外场景三种情况,分别使用三种不同的定位算法,可以对整个智慧车间进行全覆盖定位,提升产品的适用性。
再进一步地,所述步骤S201包括以下步骤:
S2012、由矢量的外积性质确定定位点是否在车位内,完成最终定位坐标结果与车位的匹配。
上述进一步方案的有益效果是:本发明将所获得的最终定位结果进行有效性判定,保证定位结果的可靠性。
再进一步地,所述步骤S2012中是否在车位内应满足的条件如下:
本发明还提供了一种用于智慧车间的室内定位系统,包括:
最终定位坐标模块,用于利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;
全覆盖定位模块,用于根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
本发明的有益效果是:本发明提出了一种基于DBSCAN聚类和自适应权值的改良蓝牙三边定位系统,通过聚类与自适应权值消除定位结果的离群点,提升定位精度。可以实时监测车辆位置,将车辆位置信息上传到云端服务器,便于云端智能分析维修进度,后台管理系统实时跟进处理每个车辆订单,使得车间管理高效有序。本发明对于规范化车间操作流程、智能化车间管理系统具有很大的价值。
附图说明
图1为本发明的方法流程图。
图2为本实施例中蓝牙信标矩形组网示意图。
图3为本实施例中两圆外切时所求点示意图。
图4为本实施例中两圆相交时所求点示意图。
图5为本实施例中两圆相离时所求点示意图。
图6为本实施例中两圆内切时所求点示意图。
图7为本实施例中两圆存在包含关系时所求点示意图。
图8为本实施例中实验场景示意图。
图9为本实施例中Beacon部署图示意图。
图10为本实施例中测试场景地图及测试点位置示意图。
图11为本实施例中定位算法对比实验A点结果示意图。
图12为本实施例中定位算法对比实验B点结果示意图。
图13为本实施例中定位算法对比实验C点结果示意图。
图14为本发明的系统结构示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
在对本发明进行说明前,对DBSCAN密度聚类算法进行说明。
DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)是一种基于密度的聚类算法,这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本,他们之间的紧密相连的,也就是说,在该类别任意样本周围不远处一定有同类别的样本存在,通过将紧密相连的样本划为一类,这样就得到了一个聚类类别,通过将所有各组紧密相连的样本划为各个不同的类别,则得到了最终的所有聚类类别结果。
DBSCAN密度定义:DBSCAN是基于一组邻域来描述样本集的紧密程度的,参数(ε,MinPts)用来描述邻域的样本分布紧密程度。其中,ε描述了某一样本的邻域距离阈值,如果样本点的相互距离小于或等于指定的ε,那么它们将是同一类的,ε是DBSCAN用来确定两个点是否相似和属于同一类的距离,更大的ε将产生更大的簇(包含更多的数据点),更小的ε将构建更小的簇。MinPts描述了某一样本的距离为ε的邻域中样本个数的阈值,在一个邻域的半径内MinPts数的邻域被认为是一个簇。一个较低的MinPts帮助算法建立更多的集群与更多的噪声或离群值,较高的MinPts将确保更健壮的集群,但如果集群太大,较小的集群将被合并到较大的集群中。假设样本集是D=(x1,x2,...,xm),则DBSCAN具体的密度描述定义如下:
ε-邻域:对于xj∈D,其ε-邻域包含样本集D中与xj的距离不大于ε的子样本集,即N∈(xj)={xi∈D|distance(xi,xj)≤ε},这个子样本集的个数记为|N∈(xj)|;
核心点:对于任一样本xj∈D,如果其ε-邻域对应的N∈(xj)至少包含MinPts个样本,即如果|N∈(xj)|≥MinPts,则xj是核心点;
密度直达:如果xi位于xj的∈-邻域中,且xj是核心对象,则称xi由xj密度直达,注意反之不一定成立,即此时不能说xj由xi密度直达,除非且xi也是核心对象;
密度可达:对于xi和xj,如果存在样本样本序列p1,p2,...,pT,满足p1=xi,pT=xj,且pt+1由pt密度直达,则称xj由xi密度可达,也就是说,密度可达满足传递性,此时序列中的传递样本p1,p2,...,pT-1均为核心对象,因为只有核心对象才能使其他样本密度直达,注意密度可达也不满足对称性,这个可以由密度直达的不对称性得出;
密度相连:对于xi和xj,如果存在核心对象样本xk,使xi和xj均由xk密度可达,则称xi和xj密度相连,注意密度相连关系是满足对称性的;
边界点:边界点是落在某个核心点的ε-邻域之内的,当然它可能会属于多个邻域,但要注意的是,边界点不能是核心点;
噪声点:噪声点是在整个对象区域中除了核心点、边界点之外的任意一点。
在现有的车间管理系统中,由于无法对车辆进行跟踪定位,车辆的维修进度难以做到实时透明,且管理人员难以把控车辆的维修交付流程,从而造成车间管理混乱,影响维修效率,使得客户满意度下降,因此室内定位技术对于车间的管理具有很大作用。传统的蓝牙室内定位技术采用三边定位算法,由于信号的快衰落和RSSI的波动特性,定位结果常常会出现较大的波动,为了消除定位结果的波动,本发明提出了一种用于智慧车间的室内定位方法(基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法),通过聚类与自适应权值消除定位结果的离群点,提升定位精度,可以实时监测车辆位置,将车辆位置信息上传到云端服务器,便于云端智能分析维修进度,后台管理系统实时跟进处理每个车辆订单,使得车间管理高效有序,本发明对于规范化车间操作流程、智能化车间管理系统具有很大的价值。如图1所示,一种用于智慧车间的室内定位方法,其实现方法如下:
S1、利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;
本实施例中,本发明基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法使用定位终端获取蓝牙信标发射的信号强度,选取多组蓝牙进行改良三边质心定位,并对初始定位结果进行聚类处理以消除离群点,再将消除离群点后的定位点集做自适应加权平均得到最终定位坐标。该算法需要事先做如下准备工作:
S01、构建蓝牙信号室内传输模型:
本实施例中,接收信号强度指示RSSI(Received Signal Strength Indicator)测距原理是利用数学模型将信号收发方之间的信号强度衰减计算转化为两者之间的距离。室内无线信道相比于传统无线信道,覆盖范围小、环境影响大,因此室内无线信号衰减模型相比于传统无线信号衰减模型有所不同。很多研究表明,室内无线信号衰减常遵从以下模型:
其中,PL(d0)表示参考收发方距离为d0时的路径损耗,n表示路径损耗指数,PL(d)表示收发方距离为d时的路径损耗,Xσ表示标准差为σ的正态随机变量,N表示正态随机变量Xσ服从正态分布;
S02、基于所述蓝牙信号室内传输模型,将蓝牙信标以矩形组网的方式布置在矩形区域的四个顶点上,并建立蓝牙库,其中,所述蓝牙库包含用于保存蓝牙设备地址与位置信息的蓝牙设备数据库,以及用于对定位区域进行划分的区域数据库。
本实施例中,为了实现终端蓝牙定位,需要在定位区域里布置蓝牙信标进行组网覆盖。传统组网方式多使用蜂窝组网,这种组网方式能够使用最少的信标覆盖最大的区域,然而在汽车4S店场景下,需要定位的车间、工位多为矩形,采用蜂窝组网不能很好划分工位区域。因此采用矩形组网,如图2所示,将蓝牙信标布置在矩形区域的四个顶点,能更好划分区域,实现对定位区域的无缝覆盖。
本实施例中,蓝牙库分为两组:车位蓝牙与全景蓝牙。车位蓝牙用于对车辆维修、停放的车位进行覆盖,全景蓝牙用于对车位以外的区域与道路进行覆盖,两组蓝牙共同对定位区域进行无缝覆盖。为了进行定位,需要建立以下数据库:
(1)蓝牙数据库:用于保存蓝牙的设备地址与位置信息:
{(Uuid1,X1,Y1,H1),(Uuid1,X1,Y1,H1),…(Uuidn,Xn,Yn,Hn)}
其中,Uuid为每个蓝牙信标特有的标识,X为横坐标,Y为纵坐标,H为信标离地面高度。
(2)区域数据库:用于对定位区域进行划分:
{(Id1,Uuid11,Uuid12,Uuid13,Uuid14),(Id2,Uuid21,Uuid22,Uuid23,Uuid24),…(Idm,Uuidm1,Uuidm2,Uuidm3,Uuidm4)}
其中,Id为区域编号,Uuidi1为区域左上的信标Uuid,Uuidi2为区域右上的信标Uuid,Uuidi3为区域右下的信标Uuid,Uuidi4为区域左下的信标Uuid。
所述步骤S1包括以下步骤:
S101、由定位终端以采样周期T=200ms对接收到的蓝牙信标beacon信号强度值Rssi进行采样,生成列表beacon_buf,并将每一个信号强度值Rssi加入至相应蓝牙信标beacon信号的滤波窗口UuidRssiWindows,连续采样10个周期,其中,所述列表beacon_buf包含采样周期内所有接收到信号的蓝牙信标beacon信号强度值Rssi;
S1021、当收集的信号强度值Rssi数目Rssi_num=10,则对信号强度值Rssi滤波窗口UuidRssiWindows进行中值滤波处理,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1022、当收集的信号强度值Rssi数目Rssi_num∈(0,10),则对信号强度值Rssi滤波窗口UuidRssiWindows进行均值滤波,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1023、当收集的信号强度值Rssi数目Rssi_num=0,则所述信号强度值Rssi滤波窗口UuidRssiWindows滤波处理后的信号强度值设为默认值-100:
S1042、将所述空间距离d1、d2和d3转换成其一一对应的平面距离r1、r2和r3,并判断平面距离r1、r2和r3是否均小于10m,若是,则进入步骤S1043,否则,结束三边质心定位,并返回定位失败事件;
所述平面距离r1的表达式如下:
所述平面距离r2的表达式如下:
所述平面距离r3的表达式如下:
其中,r1表示空间距离d1对应的平面距离,r2表示空间距离d2对应的平面距离,r3表示空间距离d3对应的平面距离,h0表示蓝牙信标beacon的布置高度,h表示定位终端;
S1043、以步骤S1042中得到的平面距离r1、r2和r3为半径作圆,由两个圆两两确定一点,共确定三个点所围成的三边质心为定位终端所在位置;
本实施例中,分别以B1、B2、B3为圆心,r1、r2、r3为半径作圆。三个圆两两确定一点,一共三个点所围成的三角形质心即为定位终端所在位置。理想情况下两圆外切于一点,该点即为所求点,然而实际上由于测量误差、信号波动等原因,两个圆的交点情况往往比较复杂,现做以下分类处理以改良传统三边定位的不足,其中,所述两个圆两两确定一点包括以下几种情况:
第一种情况,如图3所示:
当两圆外切时,选取切点Q1作为所求点;
第二种情况,如图4所示:
当两圆相交时,选取两圆交点MN连线与圆心连线的交点Q2作为所求点;
第三种情况,如图5所示:
当两圆相离时,将两圆成比例扩大至两圆外切,其中,扩大后的两圆切点Q3即为所求点,其中,所述成比例扩大两圆半径按以下公式进行调整;
其中,r1'表示扩大后其中一圆的半径,r2'表示扩大后其另一圆的半径;
第四种情况,如图6所示:
当两圆内切时,在两圆心连线上在两圆心连线OAOB上选取M点即为所求点,其中,M点满足的条件如下:
其中,MOA表示M点到圆A的圆心OA的线段,MOB表示M点到圆B的圆心OB的线段;
第五种情况,如图7所示:
当两圆存在包含关系时,将大圆A缩小、小圆B扩大至两新圆相切,且扩大后相切的两圆按两圆内切时确定所求点,其中,所述将大圆A缩小、小圆B扩大满足的比例条件为:
S1045、初始化聚类半径参数ε等于3,领域密度阈值MinPts等于4;
S1046、确定初始定位点集P中每个定位点Pj的ε-领域内所包含的定位点组成定位点集Nε(Pj),并判断所述定位点集Nε(Pj)中点的个数|Nε(Pj)|是否满足|Nε(Pj)|≥MinPts,若是,则将定位点Pj加入核心定位点集合Ω=Ω∪{Pj},否则,将定位点Pj标记为离群噪声点,对初始定位点集P中所有定位点都完成判断后,进入步骤S1047;
S1047、判断所述核心定位点集合Ω是否等于空集若是,则聚类失败,并在初始定位点集P选择由三个最大信号强度值得到的定位点Pi(xi,yi)作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点Pi(xi,yi)作为定位结果输出,并进入步骤S2,否则,所述核心定位点集合Ω不等于空集则在核心定位点集合Ω中选择由三个最大信号强度值得到的定位点作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点作为初始核心对象P0(x0,y0),并进入步骤S1048;
所述定位点Pi(xi,yi)的表达式如下:
所述初始核心对象P0(x0,y0)的表达式如下:
S1048、为所述初始核心对象P0(x0,y0)创建一个新簇C0,并将初始核心对象P0(x0,y0)的ε-领域中所有的对象均添加至候选集合N中,对于候选集合N中的每个点Ni,若点Ni的ε-领域中点的个数|Nε(Pj)|≥MinPts,则将点Ni的ε-领域对象添加至候选集合N中,并将候选集合N中不属于其他簇的对象添加到新簇C0中,直到新簇C0不能扩展,且候选集合N中所有对象均访问时所述新簇C0完成生成并输出,并更新核心定位点集合Ω=Ω-C0:
所述新簇C0的表达式如下:
其中,P(x,y)表示组成新簇C0的对象,P1、P2表示新簇C0中任意两个定位点;
S10410、将所述聚类簇集合C中含有定位点数量最多的簇作为排除离群点后的定位组合结果点集D;
本实施例中,不同于传统蓝牙三边定位算法只选取一组信号最强的beacon进行定位,此处选取多组beacon进行改良质心三边定位,再将初始定位点集进行DBSCAN聚类以消除传统三边定位算法的离群点是本专利独有的想法。
S10411、将所述定位组合结果点集D中的坐标点按多定权因子排序法进行加权平均处理,得到最终定位坐标,其中,将所述选用点集D中坐标点对应的蓝牙信标beacon组合的信号强度值的均值和标准差作为定权因子。
本实施例中,将定位点集D中的坐标点按多定权因子排序法进行加权平均,选用每一组的均值和标准差作为定权因子。坐标点计算时选取的3个beacon的r越小,代表离定位终端越近,置信度越高,因此均值越小就赋予其越高的权值;3个r值越接近,三边定位时画出的圆越规范,更能避免特殊情况的出现,因此标准差越小就赋予其越高的权值。具体步骤如下:
S104111、计算定位组合结果点集D中坐标点对应蓝牙信标beacon组合中三个点的r的均值和标准差:
其中,ul表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的均值,rlm表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合中第m个点的平面距离,Sl表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的标准差,r为定位终端到三个蓝牙信标beacon的平面距离;
S104112、根据所述均值和标准差,计算得到均值权值向量Wμ和标准差权值向量WS:
S104113、根据所述均值权值向量Wμ和标准差权值向量WS,将所述定位组合结果点集D中的坐标点进行加权平均,得到最终定位坐标:
W=ωμWμ+ωsWs,ωμ+ωS=1
其中,[x y]表示最终定位坐标,ωμ表示均值所占权值,ωs表示标准差所占权值,表示定位组合结果点集D中第ND个坐标点,ND表示定位组合结果点集D中点的个数,W表示最终的权值向量,D(x,y)表示定位组合结果点集D中的坐标点。
上述加权平均后的坐标(x,y)即为最终定位坐标。
S2、根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
本实施例中,为了实现定位终端定位区域室内外全覆盖,采用了蓝牙+GPS混合定位算法。车位蓝牙定位采用前文改良后的基于RSSI的三边定位算法,并结合车位匹配算法与五重复码以提升定位精度;当车位蓝牙定位失败时进行全景蓝牙定位以覆盖室内车位外的区域;当全景蓝牙定位也失败时进行GPS定位以覆盖室外区域,其实现方法如下:
S201、将所述最终定位坐标结果与车位进行匹配,其实现方法如下:
S2012、由矢量的外积性质确定定位点是否在车位内,完成最终定位坐标结果与车位的匹配;
是否在车位内应满足的条件如下:
S202、重复步骤S1和步骤S201五次,获取五次车位匹配结果,并按五重复码规则判断是否有一个车位匹配成功三次以上,若是,则车位匹配成功,并输出车位匹配结果,进入步骤S205,否则,车位匹配失败,进入步骤S203;
S203、进行全景蓝牙定位,并判断所述全景蓝牙定位是否成功,若是,则输出全景蓝牙定位坐标,进入步骤S205,否则,全景蓝牙定位失败,进入步骤S204;
S204、进行GPS定位,并判断GPS定位是否成功,若是,则输出GPS定位坐标,并进入步骤S205,否则,GPS定位失败,输出定位失败信息,进入步骤S205;
S205、通过通信传输模块上报定位结果,得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
本实施例中,对于本文提出的基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法与系统,进行实际场景测试。测试场景为图8-图9所示的80m*40m的汽车4S店维修车间。蓝绿色区域为车位区域,共有24个维修车位,每个维修车位为4m*6m的矩形区域,四角各在3.2m高处部署一个Beacon。白色区域为全景蓝牙覆盖区域,Beacon以约8m间距、3.2m高度部署。测试区域的墙壁均为混凝土构造,对Beacon的信号具有一定的影响。定位设备分别在A、B、C、D四个点进行测试,每个点进行20次定位测试,并与传统蓝牙三角定位算法进行比较以验证算法准确性,并进行。
本实施例中,ABCD四个点的定位结果如图10到图13所示,由以上实验结果可以看出,改良的蓝牙定位算法与传统的蓝牙定位算法都能取得较好的定位结果,在A、B、C点规整的矩形车位里的定位误差在2m以下,在D点全景蓝牙区域定位误差在3m以下。由于混凝土墙壁带来信号反射衰减与多径干扰,两种算法的定位结果都存在一定偏差,整体都趋近于墙壁的方向。由于蓝牙信号存在空间和时间上的波动性,同一个点的RSSI可能存在较大波动,基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法利用多个Beacon的RSSI值进行计算与聚类处理,相比于传统蓝牙三边定位算法采用KNN的方式选择Beacon计算位置能够很好地降低定位误差,并抑制蓝牙信号波动导致的跳变点的出现。如表1(平均定位误差对比)与表2(平均定位误差方差对比)所示,由实验环境的上百组测试数据中,对比发现基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法相比于传统蓝牙三边定位算法,定位误差均值下降了33.9%,定位误差方差下降了47.4%。
表1
表2
车位匹配结果如表3(车位匹配正确率对比)所示,改良蓝牙定位算法取得了100%的匹配正确率,能够提供更准确更可信的车位匹配结果。
表3
基于上述实验结果分析,证明本文提出的基于DBSCAN聚类和自适应权值的改良蓝牙三边定位算法与系统能够取得很好的定位效果,在定位区域具有良好蓝牙覆盖的情况下,能够完成对车辆的实时跟踪与监控。本发明对于透明化维修流程、规范化车间管理具有很高的价值。
实施例2
如图14所示,本发明提供了一种用于智慧车间的室内定位系统,包括:最终定位坐标模块,用于利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;全覆盖定位模块,用于根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
如图14所示,本实施例提供的用于智慧车间的室内定位系统可以执行上述方法实施例所示的技术方案,其实现原理与有益效果类似,此处不再赘述。
Claims (8)
1.一种用于智慧车间的室内定位方法,其特征在于,包括以下步骤:
S1、利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;
所述步骤S1包括以下步骤:
S101、由定位终端以采样周期T=200ms对接收到的蓝牙信标beacon信号强度值Rssi进行采样,生成列表beacon_buf,并将每一个信号强度值Rssi加入至相应蓝牙信标beacon信号的滤波窗口UuidRssiWindows,连续采样10个周期,其中,所述列表beacon_buf包含采样周期内所有接收到信号的蓝牙信标beacon信号强度值Rssi;
所述步骤S104包括以下步骤:
S1042、将所述空间距离d1、d2和d3转换成其一一对应的平面距离r1、r2和r3,并判断平面距离r1、r2和r3是否均小于10m,若是,则进入步骤S1043,否则,结束三边质心定位,并返回定位失败事件;
所述平面距离r1的表达式如下:
所述平面距离r2的表达式如下:
所述平面距离r3的表达式如下:
其中,r1表示空间距离d1对应的平面距离,r2表示空间距离d2对应的平面距离,r3表示空间距离d3对应的平面距离,h0表示蓝牙信标beacon的布置高度,h表示定位终端;
S1043、以步骤S1042中得到的平面距离r1、r2和r3为半径作圆,由两个圆两两确定一点,共确定三个点所围成的三边质心为定位终端所在位置,其中,所述两个圆两两确定一点包括以下几种情况:
第一种情况:
当两圆外切时,选取切点Q1作为所求点;
第二种情况:
当两圆相交时,选取两圆交点MN连线与圆心连线的交点Q2作为所求点;
第三种情况:
当两圆相离时,将两圆成比例扩大至两圆外切,其中,扩大后的两圆切点Q3即为所求点,其中,所述成比例扩大两圆半径按以下公式进行调整:
其中,r'1表示扩大后其中一圆的半径,r'2表示扩大后其另一圆的半径;
第四种情况:
当两圆内切时,在两圆心连线上在两圆心连线OAOB上选取M点即为所求点,其中,所述M点满足的条件如下:
其中,MOA表示M点到圆A的圆心OA的线段,MOB表示M点到圆B的圆心OB的线段;
第五种情况:
当两圆存在包含关系时,将大圆A缩小、小圆B扩大至两新圆相切,且扩大后相切的两圆按两圆内切时确定所求点,其中,所述将大圆A缩小、小圆B扩大满足的比例条件为:
S1045、初始化聚类半径参数ε等于3,领域密度阈值MinPts等于4;
S1046、确定初始定位点集P中每个定位点Pj的ε-领域内所包含的定位点组成定位点集Nε(Pj),并判断所述定位点集Nε(Pj)中点的个数|Nε(Pj)|是否满足|Nε(Pj)|≥MinPts,若是,则将定位点Pj加入核心定位点集合Ω=Ω∪{Pj},否则,将定位点Pj标记为离群噪声点,对初始定位点集P中所有定位点都完成判断后,进入步骤S1047;
S1047、判断所述核心定位点集合Ω是否等于空集若是,则聚类失败,并在初始定位点集P选择由三个最大信号强度值得到的定位点Pi(xi,yi)作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点Pi(xi,yi)作为定位结果输出,并进入步骤S2,否则,所述核心定位点集合Ω不等于空集则在核心定位点集合Ω中选择由三个最大信号强度值得到的定位点作为定位结果输出,即将离定位终端最近的3个蓝牙信标beacon组合得到的定位点作为初始核心对象P0(x0,y0),并进入步骤S1048;
所述定位点Pi(xi,yi)的表达式如下:
所述初始核心对象P0(x0,y0)的表达式如下:
S1048、为所述初始核心对象P0(x0,y0)创建一个新簇C0,并将初始核心对象P0(x0,y0)的ε-领域中所有的对象均添加至候选集合Nc中,对于候选集合Nc中的每个点Ni,若点Ni的ε-领域中点的个数|Nε(Pj)|≥MinPts,则将点Ni的ε-领域对象添加至候选集合Nc中,并将候选集合Nc中不属于其他簇的对象添加到新簇C0中,直到新簇C0不能扩展,且候选集合Nc中所有对象均访问时所述新簇C0完成生成并输出,并更新核心定位点集合Ω=Ω-C0:
所述新簇C0的表达式如下:
其中,P(x,y)表示组成新簇C0的对象,P1、P2表示新簇C0中任意两个定位点;
S10410、将所述聚类簇集合C中含有定位点数量最多的簇作为排除离群点后的定位组合结果点集D;
S10411、将所述定位组合结果点集D中的坐标点按多定权因子排序法进行加权平均处理,得到最终定位坐标,其中,将所述定位组合结果点集D中坐标点对应的蓝牙信标beacon组合的信号强度值的均值和标准差作为定权因子;
S2、根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
3.根据权利要求1所述的用于智慧车间的室内定位方法,其特征在于,所述步骤S102包括以下步骤:
S1021、当收集的信号强度值Rssi数目Rssi_num=10,则对信号强度值Rssi滤波窗口UuidRssiWindows进行中值滤波处理,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1022、当收集的信号强度值Rssi数目Rssi_num∈(0,10),则对信号强度值Rssi滤波窗口UuidRssiWindows进行均值滤波,得到滤波处理后的信号强度值;
所述滤波处理后的信号强度值的表达式如下:
S1023、当收集的信号强度值Rssi数目Rssi_num=0,则所述信号强度值Rssi滤波窗口UuidRssiWindows为:
4.根据权利要求1所述的用于智慧车间的室内定位方法,其特征在于,所述步骤S10411中包括以下步骤:
S104111、计算定位组合结果点集D中坐标点对应蓝牙信标beacon组合中三个点的r的均值和标准差:
其中,ul表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的均值,rlm表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合中第m个点的平面距离,Sl表示定位组合结果点集D中第l个坐标点对应蓝牙信标beacon组合的标准差,r为定位终端到三个蓝牙信标beacon的平面距离;
S104112、根据所述均值和标准差,计算得到均值权值向量Wμ和标准差权值向量WS:
其中,μND表示定位组合结果点集D中第ND个坐标点对应蓝牙信标beacon组合的均值,SND表示定位组合结果点集D中第ND个坐标点对应蓝牙信标beacon组合的标准差,ND表示定位组合结果点集D中点的个数;
S104113、根据所述均值权值向量Wμ和标准差权值向量WS,将所述定位组合结果点集D中的坐标点进行加权平均,得到最终定位坐标:
W=ωμWμ+ωsWs,ωμ+ωS=1
5.根据权利要求1所述的用于智慧车间的室内定位方法,其特征在于,所述步骤S2中包括以下步骤:
S201、将所述最终定位坐标结果与车位进行匹配;
S202、重复步骤S1和步骤S201五次,获取五次车位匹配结果,并按五重复码规则判断是否有一个车位匹配成功三次以上,若是,则车位匹配成功,并输出车位匹配结果,进入步骤S205,否则,车位匹配失败,进入步骤S203;
S203、进行全景蓝牙定位,并判断所述全景蓝牙定位是否成功,若是,则输出全景蓝牙定位坐标,进入步骤S205,否则,全景蓝牙定位失败,进入步骤S204;
S204、进行GPS定位,并判断GPS定位是否成功,若是,则输出GPS定位坐标,并进入步骤S205,否则,GPS定位失败,输出定位失败信息,进入步骤S205;
S205、通过通信传输模块上报定位结果,得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
8.一种如权利要求1-7任一所述的用于智慧车间的室内定位方法的室内定位系统,其特征在于,包括:
最终定位坐标模块,用于利用定位终端获取蓝牙信标发射的信号强度,根据所述信号强度选取多组蓝牙进行改良三边质心定位,得到初始定位结果,并对初始定位结果进行DBSCAN聚类处理以消除离群点,并对消除离群点后的初始定位点集进行自适应加权平均处理,得到最终的定位坐标;
全覆盖定位模块,用于根据所述最终的定位坐标,并利用全景定位和GPS定位得到智慧车间的全覆盖定位,完成智慧车间的室内定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110890772.7A CN113596989B (zh) | 2021-08-04 | 2021-08-04 | 一种用于智慧车间的室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110890772.7A CN113596989B (zh) | 2021-08-04 | 2021-08-04 | 一种用于智慧车间的室内定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113596989A CN113596989A (zh) | 2021-11-02 |
CN113596989B true CN113596989B (zh) | 2022-08-23 |
Family
ID=78254860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110890772.7A Active CN113596989B (zh) | 2021-08-04 | 2021-08-04 | 一种用于智慧车间的室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113596989B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114126042A (zh) * | 2021-11-22 | 2022-03-01 | 中大检测(湖南)股份有限公司 | 一种基于tdoa的wlan定位方法 |
CN115392310B (zh) * | 2022-08-26 | 2023-06-13 | 东土科技(宜昌)有限公司 | 蓝牙信标信号的过滤方法及装置、计算设备和存储介质 |
CN115604658B (zh) * | 2022-09-28 | 2023-08-22 | 东土科技(宜昌)有限公司 | 信号源的定位方法、装置、电子设备及可读介质 |
CN115604659A (zh) * | 2022-09-29 | 2023-01-13 | 东土科技(宜昌)有限公司(Cn) | 基于蓝牙rssi的位置定位方法、装置以及电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106535124B (zh) * | 2016-11-08 | 2019-07-19 | 安徽师范大学 | 一种在nlos环境下的基于toa的无线网络定位方法 |
CN106412841A (zh) * | 2016-11-23 | 2017-02-15 | 沈阳航空航天大学 | 一种基于dbscan算法的室内定位方法 |
US10834600B2 (en) * | 2017-05-22 | 2020-11-10 | Apple Inc. | Managing moving wireless access points in wireless network positioning system |
CN107222925A (zh) * | 2017-07-31 | 2017-09-29 | 广东工业大学 | 一种基于聚类优化的节点定位方法 |
US11150322B2 (en) * | 2018-09-20 | 2021-10-19 | International Business Machines Corporation | Dynamic, cognitive hybrid method and system for indoor sensing and positioning |
US10555130B1 (en) * | 2019-04-09 | 2020-02-04 | Sprint Communications Company L.P. | Pre-processing of mobile communication device geolocations according to travel mode in traffic analysis |
KR102284438B1 (ko) * | 2019-08-14 | 2021-08-02 | 한국철도기술연구원 | 다양한 데이터 조합을 이용한 단말의 위치측정 방법 및 장치 |
CN110572777B (zh) * | 2019-10-22 | 2020-07-21 | 电子科技大学 | 一种基于蜂窝区域限制辅助定位的方法 |
CN112444778A (zh) * | 2020-11-18 | 2021-03-05 | 安徽理工大学 | 一种基于dbscan的参考点加权三边质心定位方法 |
-
2021
- 2021-08-04 CN CN202110890772.7A patent/CN113596989B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113596989A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113596989B (zh) | 一种用于智慧车间的室内定位方法及系统 | |
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
Campos et al. | Wi-Fi multi-floor indoor positioning considering architectural aspects and controlled computational complexity | |
Honkavirta et al. | A comparative survey of WLAN location fingerprinting methods | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
US9134398B2 (en) | Wireless location using network centric location estimators | |
CN103197280B (zh) | 一种基于射频信号强度的ap位置估计方法 | |
CN101778399B (zh) | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN110351660B (zh) | 一种基于双步指纹匹配架构的蓝牙室内定位方法 | |
Borenovic et al. | Vehicle positioning using GSM and cascade-connected ANN structures | |
Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
Zhong et al. | WiFi indoor localization based on K-means | |
CN110290455A (zh) | 基于场景识别的目标场景确定方法及系统 | |
Laska et al. | Multi-task neural network for position estimation in large-scale indoor environments | |
CN108260076A (zh) | 无人机运行轨迹监控的方法、平台和系统 | |
Li et al. | Outdoor location estimation using received signal strength feedback | |
Tennekes et al. | A Bayesian approach to location estimation of mobile devices from mobile network operator data | |
KR20120048375A (ko) | Knn과 gg방법을 이용한 pcm 군집화 기반의 혼합된 무선 실내 측위 방법 | |
Afousi et al. | Wi-Fi RSS indoor positioning system using online layer clustering and weighted DCP-KNN | |
Zhong et al. | A wifi positioning algorithm based on deep learning | |
Abraha et al. | MRILoc: Multiresolution indoor localization from crowdsourced samples | |
Aydin et al. | Faster Wi-Fi fingerprinting using feature selection |
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 |