CN114526741A - 对象定位方法、电子设备以及存储介质 - Google Patents
对象定位方法、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN114526741A CN114526741A CN202210249912.7A CN202210249912A CN114526741A CN 114526741 A CN114526741 A CN 114526741A CN 202210249912 A CN202210249912 A CN 202210249912A CN 114526741 A CN114526741 A CN 114526741A
- Authority
- CN
- China
- Prior art keywords
- target object
- estimated
- positioning
- estimated position
- error
- 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 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 91
- 230000000717 retained effect Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 230000005021 gait Effects 0.000 claims description 10
- 230000004807 localization Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请实施例公开了一种对象定位方法、电子设备以及存储介质，包括：获取目标对象对应的声波定位信号；根据所述声波定位信号，计算所述目标对象在起始时刻的初始位置；基于第一预设算法和第二预设算法分别预估所述目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，其中，所述预估时刻在所述起始时刻之后；根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置，该方案可以提高定位的准确率。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种对象定位方法、电子设备以及存储介质。
背景技术
目前，在室内环境中，需要通过专门的室内对象定位技术实现室内位置的对象定位。室内对象定位是指在室内环境中实现位置对象定位，主要采用无线通讯、基站对象定位、惯导对象定位等多种技术集成形成一套室内位置对象定位体系，从而实现人员、物体等在室内空间中的位置监控。
目前，室内对象定位的方案是利用经纬度信息进行室内对象定位的，在该方案中，信号容易受到墙壁格挡的影响，导致经纬度通常存在较大的误差，无法进行精确对象定位。
发明内容
本申请实施例提供一种对象定位方法、电子设备以及存储介质，可以提高定位的准确性。
本申请实施例提供了一种对象定位方法，包括：
获取目标对象对应的声波定位信号；
根据所述声波定位信号，计算所述目标对象在起始时刻的初始位置；
基于第一预设算法和第二预设算法分别预估所述目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，其中，所述预估时刻在所述起始时刻之后；
根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置。
可选的，在一些实施例中，所述根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置，包括：
计算所述初始位置与所述第一预估位置之间的第一误差，以及；
计算所述初始位置与所述第二预估位置之间的第二误差；
根据所述第一误差和第二误差，确定所述目标对象的位置。
可选的，在一些实施例中，所述根据所述第一误差和第二误差，确定所述目标对象的位置，包括：
在同一预估时刻中，保留所述第一误差满足预设值的第一预估位置和所述第二误差满足预设值的第二预估位置；
基于保留的第一预估位置和保留的第二预估位置，确定所述目标对象的位置。
可选的，在一些实施例中，所述基于保留的第一预估位置和保留的第二预估位置，确定所述目标对象的位置，包括：
获取所述预估时刻对应的参考坐标；
根据所述参考坐标分别对保留的第一预估位置的坐标权重和保留的第二预估位置的坐标权重进行更新，得到更新后第一位置和更新后第二位置；
基于更新后第一位置和更新后第二位置，确定所述目标对象的位置。
可选的，在一些实施例中，所述根据所述声波定位信号，计算所述目标对象起始时刻的初始位置，包括：
获取预设锚节点；
基于所述锚节点以及声波定位信号，计算所述目标对象起始时刻的初始位置。
可选的，在一些实施例中，所述基于所述锚节点以及声波定位信号，计算所述目标对象在起始时刻的初始位置，包括：
基于所述锚节点以及声波定位信号，预估所述目标对象在起始时刻的至少两个候选位置；
对所述候选位置对应的坐标进行平均处理，得到所述目标对象在起始时刻的初始位置。
可选的，在一些实施例中，所述基于第一预设算法预估所述目标对象在预估时刻的位置，得到第一预估位置，包括：
基于第一预设算法确定在预估时刻所述目标对象与各预设锚节点的到达时间差、以及所述目标对象与所述预设锚节点连线方向上的径向速度；
根据所述起始位置、到达时间差以及径向速度预估所述目标对象在预估时刻的位置，得到第一预估位置。
可选的，在一些实施例中，所述基于第二预设算法预估所述目标对象在预估时刻的位置，得到第二预估位置，包括：
获取所述目标对象对应的传感器信号；
采用第二预设算法对所述传感器信号进行处理，得到所述目标对象对应的步态信息和方向信息；
根据所述步态信息和方向信息预估所述目标对象在预估时刻的位置，得到第二预估位置。
相应的，本申请还提供一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时如上任一所述方法的步骤。
本申请还提供一种计算机可读存储介质，所述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任一所述方法的步骤。
本申请实施例在获取目标对象对应的声波定位信号后，根据所述声波定位信号，计算所述目标对象在起始时刻的初始位置，然后，基于第一预设算法和第二预设算法分别预估所述目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，最后，根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置。本申请提供的对象定位的方案，利用第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，可以避免经纬度存在较大的误差时，无法进行精确对象定位，由此，提高了定位的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的对象定位方法的场景示意图；
图2是本申请实施例提供的Chan定位测试场地平面图；
图3是本申请实施例提供的Chan定位轨迹图；
图4是本申请实施例提供的PDR测试场地平面图；
图5是本申请实施例提供的步频检测结果图；
图6是本申请实施例提供的步伐数与步长关系图；
图7是本申请实施例提供的方向测试图；
图8是本申请实施例提供的PDR定位轨迹图；
图9是本申请实施例提供的对象定位装置的结构示意图；
图10是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种对象定位方法、装置、电子设备和存储介质。
其中，该对象定位装置具体可以集成在服务器或者终端中，服务器可以包括一个独立运行的服务器或者分布式服务器，也可以包括由多个服务器组成的服务器集群，终端可以包括手机、平板电脑或个人计算机(PC，Personal Computer)。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。
一种对象定位方法，包括：获取目标对象对应的声波定位信号，根据声波定位信号，计算目标对象在起始时刻的初始位置，基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，根据初始位置、第一预估位置和第二预估位置，确定目标对象的对象定位。
请参阅图1，图1为本申请实施例提供的对象定位方法的流程示意图。该对象定位方法的具体流程可以如下：
101、获取目标对象对应的声波定位信号。
其中，声波定位信号可以是超声波，超声波信号是一种波长极短的机械波，在空气中波长一般短于2cm(厘米)。它必须依靠介质进行传播，无法存在于真空(如太空)中。超声波的振幅很小，加速度非常大，因而可以产生较大的能量，而且对液体和固体的穿透力强，并且，对于外界的光线和电磁场不敏感，可以用于黑暗、有灰尘或烟雾、电磁干扰强以及有毒的环境中，故，可以获取目标对象对应的超声波信号，以便后续进行对象定位。
目标对象可以是人或设备，当目标对象为人时，则获取该目标对象对应设备的声波定位信号；当目标对象为设备时，则可以获取该目标对象的声波定位信号。
需要说明的是，当需要对室内移动的目标对象进行定位时，可以预先根据室内空间大小，对室内空间进行区域划分，可选的，需要对目标对象进行三维定位时，需要在每个定位区域部署至少三个网络同步但频率不同的声波定位收发器，且至少三个声波定位收发器还可以与目标对象对应的设备同步，以用于每个区域中对目标对象的设备进行定位，从而确定目标对象的位置；当该区域中部署三个以上的声波定位收发器时，可以将三个声波定位收发器视为一组，便于后续根据声波定位信号，计算目标对象在起始时刻的初始位置。可以理解的是，需要对目标对象进行二维定位时，需要在每个定位区域部署至少两个网络同步但频率不同的声波定位收发器，且至少两个声波定位收发器还可以与目标对象对应的设备同步，以用于每个区域中对目标对象的设备进行定位，从而确定目标对象的位置。
可选的，声波定位收发器发射的声波频率为15KHz～23KHz，这个频段的声波信号是人耳无法听见，但是可以被设备接收到，因此可以保证在所述定位区域环境中不产生噪声污染，而且还可以采用两个以上不同频率的声波信号，两个以上不同频率的声波信号的使用，也有效地克服了单频率编码技术产生噪声污染以及定位不准确的缺陷。
当目标对象进入定位区域后，其可以通过其麦克风等声波信号采集模块来接收该定位区域中部署的声波定位收发器发出的声波信号，进而对接收到的各个声波信号进行解调，从而得到声波定位信号。
102、根据声波定位信号，计算目标对象在起始时刻的初始位置。
例如，具体的，可以根据声波定位信号对应的声波定位器对应的位置坐标以及信号传输时间，采用到达时间(Time Of Arrival，TOA)算法计算目标对象在起始时刻的初始位置。可选的，还可以到达时间差(Time Difference Of Arrival，TDOA)算法计算目标对象在起始时刻的初始位置，具体可以根据实际情况进行选择。
可选的，在一些实施例中，可以根据CHAN式算法和声波定位信号，计算目标对象在起始时刻的初始位置，其中，CHAN式算法一种基于TDOA技术、具有解析表达式解的定位算法，在TDOA误差服从理想高斯分布时性能良好，在众多基于TDOA的定位算法中，Chan氏算法得到了广泛的应用。这主要是因为该算法具备三大优势：①算法不需要初值；②仅进行两次迭代就可求得最终结果；③算法的定位精度在视距环境下能够达到克拉美罗下限。可见，Chan氏定位算法是一种相当实用的方法，适合实际工程，该算法的特点是计算量小，在噪声服从高斯分布的环境下，定位精度高。但在非视距环境下，Chan氏算法的定位精度下降。
该算法的推导前提是基于测量误差为零均值高斯随机变量，对于实际环境中误差较大的测量值，比如在有非视距误差的环境下，该算法的性能会有显著下降。二维情况下，可分为只有三个点参与定位和三个点以上参与定位。
其中，Chan算法的本质是根据未知节点到第i个锚节点和到第一个锚节点之间的距离值，锚节点在无线传感器网络节点定位技术中，根据节点是否已知自身的位置，把传感器节点分为锚节点(也称信标节点)和未知节点(unknown node)，即，步骤“根据声波定位信号，计算目标对象在起始时刻的初始位置”，具体可以包括：
(11)获取预设锚节点；
(12)基于锚节点以及声波定位信号，计算目标对象起始时刻的初始位置。
例如，可以预先设置多个锚节点，通过计算设备与锚节点之间的距离，从而确定目标对象在起始时刻的初始位置。具体的，首先，确定各锚节点的位置坐标，测量目标对象在起始时刻与各锚节点间的到达时间差，利用起始时刻的到达时间差，计算移动终端在起始时刻与各测量单元间的位置差，利用计算出的位置差，迭代计算出目标对象在起始时刻与各锚节点的距离估计值，并确定距离估计值对角阵，根据所确定的距离估计值对角阵，计算目标对象的初始位置的可选解，并从可选解中选择一个最优解作为该目标对象的初始位置。
可选的，在一些实施例中，为了提高后续定位的准确性，可以利用Chan算法进行多次定位，随后，再将每次定位的位置进行平均，得到目标对象在起始时刻的初始位置，即，步骤“基于锚节点以及声波定位信号，计算目标对象起始时刻的初始位置”，具体可以包括：
(21)基于锚节点以及声波定位信号，预估目标对象在起始时刻的至少两个候选位置；
(22)对候选位置对应的坐标进行平均处理，得到目标对象在起始时刻的初始位置。
其中，利用Chan算法进行定位的次数可以是5次、10次或者是12次，具体可以根据实际情况进行选择，可选的，当采用Chan算法连续定位的位置之间的误差在一个范围时，则将每次定位的位置进行平均，得到目标对象在起始时刻的初始位置。
103、基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置。
其中，预估时刻在起始时刻之后，比如，起始时刻为t1时刻，预估时刻可以是t2时刻、t3时刻、t4时刻或t5时刻，在此不作限制。可选的，本申请的第一预设算法可以为Chan算法，第二预设算法可以是步行者航位推算算法(Pedestrian Dead Reckoning，PDR)。
在基于第一预设算法预估目标对象在预估时刻的位置的过程中，可以利用前述得到的起始位置、目标对象到达锚节点的时间差以及预设锚节点连线方向上的径向速度，预估目标对象在预估时刻的位置，即，步骤“第一预设算法预估目标对象在预估时刻的位置，得到第一预估位置”，具体可以包括：
(31)基于第一预设算法确定在预估时刻目标对象与各预设锚节点的到达时间差、以及目标对象与预设锚节点连线方向上的径向速度；
(32)根据起始位置、到达时间差以及径向速度预估目标对象在预估时刻的位置，得到第一预估位置。
例如，具体的，可以采用前述方法测量在预估时刻时目标对象与各预设锚节点的到达时间差，然后，按照预设的多普勒方式，测量在预估时刻时目标对象与各个锚节点连线方向上的径向速度，即，多普勒参数。随后，根据测量的径向速度，计算目标对象在预估时刻的移动速度矢量，紧接着，根据预估时刻的移动速度矢量、到达时间差以及目标对象在前一时刻的位置，迭代出目标对象在预估时刻与各锚节点的距离估计值，并确定距离估计值对角阵，最后，根据所确定的距离估计值对角阵，计算目标对象在预估时刻的位置的可选解，并从可选解中选择一个最优解作为该目标对象在预估时刻的位置(即第一预估位置)。
在基于第二预设算法预估目标对象在预估时刻的位置的过程中，利用PDR算法预估目标对象在预估时刻的位置，PDR算法主要是在无信标环境下使用惯性测量单元(Inertial Measurement Unit，IMU)感知人员在行进过程中的加速度、角速度、磁力和压力等数据，并利用这些数据对行进人员进行步长与方向的推算，从而达到对人员进行定位跟踪的目的，即，需要获取相应的传感器信号，随后，采用第二预设算法对获取的传感器信号进行处理，以得到第二预估位置，即，可选的，在一些实施例中，步骤“基于第二预设算法预估目标对象在预估时刻的位置，得到第二预估位置”，具体可以包括：
(41)获取目标对象对应的传感器信号；
(42)采用第二预设算法对所述传感器信号进行处理，得到目标对象对应的步态信息和方向信息；
(43)根据步态信息和方向信息预估目标对象在预估时刻的位置，得到第二预估位置。
步态信息可以包括步频和步长，方向信息可以携带有航向角。其中，步态检测目前使用的方法都比较一致：利用用户在行走时加速度轨迹在是与上呈周期性变化的特点使用移动设备中加速度传感器三轴的模值，从中检测阈值进行计步。主要步骤为：1.使用简单移动平均法用一个长度为k的滑动窗口对加速度的三轴数据分别进行平滑处理；2.对三轴数据取模值，当检测到波峰且两次波峰时间差大于某时间阈值，波峰波谷差值大于动态阈值则步数+1。动态阈值的计算方式是使用一个滑动窗口，当波峰波谷差值大于某值时将差值加入窗口，不断计算窗口平均值作为动态阈值，使用动态阈值是为了保证自适应。对于步长推算一般使用线性频率模型或者经验模型，具体可以根据实际情况进行选择，在此不再赘述。由于陀螺仪测得的航向角会存在累积误差，本申请可以利用扩展卡尔曼滤波算法融合各传感器的数据，以提高航向角的解算精度。
104、根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置。
例如，初始位置为t1时刻的位置，第一预估位置为t2时刻的位置，第二预估位置也为t2时刻的位置，然后，可以计算第一预估位置与初始位置之间的误差、以及计算第二预估位置与初始位置之间的误差，保留误差小于预设值的预估位置，并将该保留的预估位置确定为目标对象的定位，即，可选的，在一些实施例中，步骤“根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置”，具体可以包括：
(51)计算初始位置与第一预估位置之间的第一误差，以及计算初始位置与第二预估位置之间的第二误差；
(52)根据第一误差和第二误差，确定目标对象的位置。
具体的，可以根据实时步长设定预设，可选的，将1.5倍步长设为临界值，当第一预估位置与初始位置之间的距离小于1.5倍步长时，则保留该第一预估位置；当第二预估位置与初始位置之间的距离小于1.5倍步长时，则保留该第二预估位置。
需要说明的是，若两者的误差均小于预设值，即，第一预估位置和第二预估位置均满足预设条件，比如，当第一预估位置与初始位置之间的距离小于1.5倍步长，且第二预估位置与初始位置之间的距离小于1.5倍步长，此时，则保留第一预估位置和第二预估位置，并基于保留的第一预估位置和保留的第二预估位置，确定目标对象的位置。还需要说明的是，当第一预估位置与初始位置之间的距离大于1.5倍步长，且第二预估位置与初始位置之间的距离大于1.5倍步长时，则去除第一预估位置和第二预估位置。
进一步的，可以获取一个参考坐标，基于参考坐标与第一预估位置之间的距离，更新第一预估位置的对应的权重；以及基于参考坐标与第二预估位置之间的距离，更新第二预估位置的对应的权重，最后，基于更新后第一位置和更新后第二位置，确定目标对象的位置，即，可选的，在一些实施例中，步骤“基于保留的第一预估位置和保留的第二预估位置，确定目标对象的位置”，具体可以包括：
(61)获取预估时刻对应的参考坐标；
(62)根据参考坐标分别对保留的第一预估位置的坐标权重和保留的第二预估位置的坐标权重进行更新，得到更新后第一位置和更新后第二位置；
(63)基于更新后第一位置和更新后第二位置，确定目标对象的位置。
例如，具体的，假设第k时刻参考坐标为mk＝(xk，yk)，利用该参考坐标与Chan算法的定位(即第一预估位置)坐标确定一个参考测量距离
另外，参考坐标与PDR算法定位(即第二预估位置)坐标确定的参考测量距离
于是，可得Chan与PDR算法定位第k时刻的位置坐标权重分别
和
更新位置坐标权重之后，对所有权重进行归一化处理。可得Chan与PDR算法定位第k时刻归一化的位置坐标权重分别为：
和
位置估计。在估计阶段，行人的位置坐标估计值由所有位置坐标加权求和计算，估计的行人位置为
以上完成对目标对象的定位。
为了便于对本申请提供的对象定位方案的理解，基于声信号定位结果分析，请参阅图2，首先在房间内设置了24个信标，将行人的实时位置设置为声源信号，最后将得到的数据通过MATLAB仿真可得到参考轨迹与Chan算法定位轨迹如图3所示。基于PDR算法定位结果分析，用MATLAB软件进行仿真实验，选择华为手机为数据采集设备。本发明选择一个房间作为实验场地，其平面结构图如4所示。人物标图为起点，围绕走廊行走的虚线是预先设定的参考轨迹，实验人员手持手机沿着该轨迹进行数据测试，最后将得到的数据信息在MATLAB软件中利用上述算法进行处理，其中长32.4米，宽15米。对于步频检测方法，本申请选择了算法实现简单，复杂度低的峰值检测来确定行人的步频，检测到的峰值个数即为行人的步频。对加速度数据处理后的仿真结果如图5所示。加速度波形中的小星号表示检测到的峰值。统计星号的个数即可得到步频。该结果表明步频检测的准确率接近100％。本申请采用的是Weinberg步长估计模型，其步伐数与步长关系如图6所示。在图6得到步数和步长的实时关系，平均每步的步长为0.6m左右，这与实际行走按0.6m每步来进行实验的步长基本一致。
本次试验招募了高矮胖瘦不同体型的5位志愿者，每位志愿者分别采集20次数据，最后利用每组20次数据的平均值来检测步长估计算法的性能，每次测试者行走的总长度是30m。表1是5组平均值数据分别对应的解算距离以及误差。
表1的数据表明该步长估计算法的精度可以达到1m。
| 测试序号 | 参考距离/m | 解算距离/m | 绝对误差/m |
| 1 | 30 | 30.6327 | 0.6327 |
| 2 | 30 | 29.9400 | 0.0600 |
| 3 | 30 | 29.7737 | 0.2263 |
| 4 | 30 | 30.4875 | 0.4875 |
| 5 | 30 | 30.4826 | 0.4826 |
由于陀螺仪测得的航向角会存在累积误差，本申请利用EKF算法融合各传感器的数据，以提高航向角的解算精度。图7是未经处理的方向角与由EKF算法得到的行人方向角。由此表明EKF算法可以解算出较高精度的方向角。测试之前实验人员先在走廊进行磁力计校准和步长估计模型的训练，完成后沿预定的参考轨迹行走一圈，最终回到起点。将测量到的数据在MATLAB仿真软件中进行处理，由PDR算法得到的行走轨迹如图8所示。
本申请提出了一种声音信号和PDR融合的室内定位系统。与单独使用单个定位系统相比，所提出的位置估计算法实现了更高的精度。Chan系统最大的误差为1.217米，PDR系统的最大误差为1.732米。与参考值相比，我们提出的系统具有0.540米的位置误差。该算法利用Chan和PDR系统的互补特性进行室内定位。来自PDR系统的累积误差由声音信号补偿。PDR算法可以克服来自Chan系统产生的偶然误差。
本申请实施例在获取目标对象对应的声波定位信号后，根据声波定位信号，计算目标对象在起始时刻的初始位置，然后，基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，最后，根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置。本申请提供的对象定位的方案，利用第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，可以避免经纬度存在较大的误差时，无法进行精确对象定位，由此，提高了定位的准确性。
为便于更好的实施本申请实施例的对象定位方法，本申请实施例还提供一种基于上述对象定位装置(简称定位装置)。其中名词的含义与上述对象定位方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图9，图9为本申请实施例提供的对象定位装置的结构示意图，其中该定位装置可以包括获取模块201、计算模块202、预估模块203以及确定模块204，具体可以如下：
获取模块201，用于获取目标对象对应的声波定位信号。
目标对象可以是人或设备，当目标对象为人时，则获取该目标对象对应设备的声波定位信号；当目标对象为设备时，则可以获取该目标对象的声波定位信号。
当目标对象进入定位区域后，获取模块201可以通过麦克风等声波信号采集模块来接收该定位区域中部署的声波定位收发器发出的声波信号，进而对接收到的各个声波信号进行解调，从而得到声波定位信号。
计算模块202，用于根据声波定位信号，计算目标对象在起始时刻的初始位置。
可选的，在一些实施例中，可以根据CHAN式算法和声波定位信号，计算目标对象在起始时刻的初始位置，Chan算法的本质是根据未知节点到第i个锚节点和到第一个锚节点之间的距离值，锚节点在无线传感器网络节点定位技术中，根据节点是否已知自身的位置，把传感器节点分为锚节点(也称信标节点)和未知节点(unknown node)，即，计算模块201具体可以包括：
获取单元，用于获取预设锚节点；
第一计算单元，用于基于锚节点以及声波定位信号，计算目标对象起始时刻的初始位置。
可选的，在一些实施例中，第一计算单元具体可以用于：基于锚节点以及声波定位信号，预估目标对象在起始时刻的至少两个候选位置，对候选位置对应的坐标进行平均处理，得到目标对象在起始时刻的初始位置。
预估模块203，用于基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置。
可选的，在一些实施例中，预估模块203具体可以用于：基于第一预设算法确定在预估时刻目标对象与各预设锚节点的到达时间差、以及目标对象与预设锚节点连线方向上的径向速度。
可选的，在一些实施例中，预估模块203具体可以用于：获取目标对象对应的传感器信号，采用第二预设算法对所述传感器信号进行处理，得到目标对象对应的步态信息和方向信息，根据步态信息和方向信息预估目标对象在预估时刻的位置，得到第二预估位置。
确定模块204，用于根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置。
例如，初始位置为t1时刻的位置，第一预估位置为t2时刻的位置，第二预估位置也为t2时刻的位置，然后，可以计算第一预估位置与初始位置之间的误差、以及计算第二预估位置与初始位置之间的误差，保留误差小于预设值的预估位置，并将该保留的预估位置确定为目标对象的定位，即，可选的，在一些实施例中，确定模块203具体可以包括：
第二计算单元，用于计算初始位置与第一预估位置之间的第一误差，以及计算初始位置与第二预估位置之间的第二误差；
确定单元，用于根据第一误差和第二误差，确定目标对象的位置。
可选的，在一些实施例中，确定单元具体可以包括：
保留子单元，用于在同一预估时刻中，保留所述第一误差满足预设值的第一预估位置和所述第二误差满足预设值的第二预估位置；
确定子单元，用于基于保留的第一预估位置和保留的第二预估位置，确定目标对象的位置。
可选的，在一些实施例中，确定子单元具体可以用于：获取所述预估时刻对应的参考坐标，根据所述参考坐标分别对保留的第一预估位置的坐标权重和保留的第二预估位置的坐标权重进行更新，得到更新后第一位置和更新后第二位置，基于更新后第一位置和更新后第二位置，确定所述目标对象的位置。
本申请实施例的获取模块201在获取目标对象对应的声波定位信号后，计算模块202根据声波定位信号，计算目标对象在起始时刻的初始位置，然后，预估模块203基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，最后，确定模块204根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置。本申请提供的对象定位的方案，利用第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，可以避免经纬度存在较大的误差时，无法进行精确对象定位，由此，提高了定位的准确性。
此外，本申请实施例还提供一种电子设备，如图10所示，其示出了本申请实施例所涉及的电子设备的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解，图10中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器301是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器301可包括一个或多个处理核心；优选的，处理器301可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块，处理器301通过运行存储在存储器302的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器302还可以包括存储器控制器，以提供处理器301对存储器302的访问。
电子设备还包括给各个部件供电的电源303，优选的，电源303可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元304，该输入单元304可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器301会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能，如下：
获取目标对象对应的声波定位信号，根据声波定位信号，计算目标对象在起始时刻的初始位置，基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，根据初始位置、第一预估位置和第二预估位置，确定目标对象的对象定位。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
本申请实施例在获取目标对象对应的声波定位信号后，根据声波定位信号，计算目标对象在起始时刻的初始位置，然后，基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，最后，根据初始位置、第一预估位置和第二预估位置，确定目标对象的位置。本申请提供的对象定位的方案，利用第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，可以避免经纬度存在较大的误差时，无法进行精确对象定位，由此，提高了定位的准确性。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种对象定位方法中的步骤。例如，该指令可以执行如下步骤：
获取目标对象对应的声波定位信号，根据声波定位信号，计算目标对象在起始时刻的初始位置，基于第一预设算法和第二预设算法分别预估目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，根据初始位置、第一预估位置和第二预估位置，确定目标对象的对象定位。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种对象定位方法中的步骤，因此，可以实现本申请实施例所提供的任一种对象定位方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种对象定位方法、装置、电子设备以及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种对象定位方法，其特征在于，包括：
获取目标对象对应的声波定位信号；
根据所述声波定位信号，计算所述目标对象在起始时刻的初始位置；
基于第一预设算法和第二预设算法分别预估所述目标对象在预估时刻的位置，得到第一预估位置和第二预估位置，其中，所述预估时刻在所述起始时刻之后；
根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述初始位置、第一预估位置和第二预估位置，确定所述目标对象的位置，包括：
计算所述初始位置与所述第一预估位置之间的第一误差，以及；
计算所述初始位置与所述第二预估位置之间的第二误差；
根据所述第一误差和第二误差，确定所述目标对象的位置。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一误差和第二误差，确定所述目标对象的位置，包括：
在同一预估时刻中，保留所述第一误差满足预设值的第一预估位置和所述第二误差满足预设值的第二预估位置；
基于保留的第一预估位置和保留的第二预估位置，确定所述目标对象的位置。
4.根据权利要求3所述的方法，其特征在于，所述基于保留的第一预估位置和保留的第二预估位置，确定所述目标对象的位置，包括：
获取所述预估时刻对应的参考坐标；
根据所述参考坐标分别对保留的第一预估位置的坐标权重和保留的第二预估位置的坐标权重进行更新，得到更新后第一位置和更新后第二位置；
基于更新后第一位置和更新后第二位置，确定所述目标对象的位置。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述声波定位信号，计算所述目标对象起始时刻的初始位置，包括：
获取预设锚节点；
基于所述锚节点以及声波定位信号，计算所述目标对象起始时刻的初始位置。
6.根据权利要求5所述的方法，其特征在于，所述基于所述锚节点以及声波定位信号，计算所述目标对象在起始时刻的初始位置，包括：
基于所述锚节点以及声波定位信号，预估所述目标对象在起始时刻的至少两个候选位置；
对所述候选位置对应的坐标进行平均处理，得到所述目标对象在起始时刻的初始位置。
7.根据权利要求1至4任一项所述的方法，其特征在于，所述基于第一预设算法预估所述目标对象在预估时刻的位置，得到第一预估位置，包括：
基于第一预设算法确定在预估时刻所述目标对象与各预设锚节点的到达时间差、以及所述目标对象与所述预设锚节点连线方向上的径向速度；
根据所述起始位置、到达时间差以及径向速度预估所述目标对象在预估时刻的位置，得到第一预估位置。
8.根据权利要求1至4任一项所述的方法，其特征在于，所述基于第二预设算法预估所述目标对象在预估时刻的位置，得到第二预估位置，包括：
获取所述目标对象对应的传感器信号；
采用第二预设算法对所述传感器信号进行处理，得到所述目标对象对应的步态信息和方向信息；
根据所述步态信息和方向信息预估所述目标对象在预估时刻的位置，得到第二预估位置。
9.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1-8任一项所述对象定位方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述对象定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249912.7A CN114526741B (zh) | 2022-03-14 | 对象定位方法、电子设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249912.7A CN114526741B (zh) | 2022-03-14 | 对象定位方法、电子设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114526741A true CN114526741A (zh) | 2022-05-24 |
| CN114526741B CN114526741B (zh) | 2024-05-24 |
Family
ID=
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170176188A1 (en) * | 2015-12-18 | 2017-06-22 | Invensense, Inc. | Apparatus and methods for ultrasonic sensor navigation |
| WO2019136918A1 (zh) * | 2018-01-11 | 2019-07-18 | 华为技术有限公司 | 一种室内定位的方法、服务器及定位系统 |
| KR20200044420A (ko) * | 2018-10-19 | 2020-04-29 | 삼성전자주식회사 | 위치 추정 방법 및 장치 |
| CN112924935A (zh) * | 2021-02-25 | 2021-06-08 | 浙江大学 | 基于单声波基站的移动智能终端室内定位方法及装置 |
| CN113091742A (zh) * | 2021-03-30 | 2021-07-09 | 北京邮电大学 | 一种融合定位方法、装置、电子设备及存储介质 |
| CN113189541A (zh) * | 2021-04-23 | 2021-07-30 | 北京邮电大学 | 一种定位方法、装置及设备 |
| CN113566820A (zh) * | 2021-06-17 | 2021-10-29 | 电子科技大学 | 一种基于位置指纹和pdr算法的融合人行定位方法 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170176188A1 (en) * | 2015-12-18 | 2017-06-22 | Invensense, Inc. | Apparatus and methods for ultrasonic sensor navigation |
| WO2019136918A1 (zh) * | 2018-01-11 | 2019-07-18 | 华为技术有限公司 | 一种室内定位的方法、服务器及定位系统 |
| KR20200044420A (ko) * | 2018-10-19 | 2020-04-29 | 삼성전자주식회사 | 위치 추정 방법 및 장치 |
| CN112924935A (zh) * | 2021-02-25 | 2021-06-08 | 浙江大学 | 基于单声波基站的移动智能终端室内定位方法及装置 |
| CN113091742A (zh) * | 2021-03-30 | 2021-07-09 | 北京邮电大学 | 一种融合定位方法、装置、电子设备及存储介质 |
| CN113189541A (zh) * | 2021-04-23 | 2021-07-30 | 北京邮电大学 | 一种定位方法、装置及设备 |
| CN113566820A (zh) * | 2021-06-17 | 2021-10-29 | 电子科技大学 | 一种基于位置指纹和pdr算法的融合人行定位方法 |
Non-Patent Citations (5)
| Title |
|---|
| DENG, ZHONGLIANG ET AL.: "A TDOA and PDR Fusion Method for 5G Indoor Localization Based on Virtual Base Stations in Unknown Areas", 《IEEE ACCESS》, vol. 8, pages 225123 - 225133, XP011828545, DOI: 10.1109/ACCESS.2020.3044812 * |
| 冯振宇: "基于声传感器阵列的移动目标定位技术研究", 万方中国学位论文数据库, 31 December 2013 (2013-12-31) * |
| 罗豪龙;李广云;欧阳文;杨啸天;向奉卓;: "基于自适应卡尔曼滤波的TDOA定位方法", 测绘科学技术学报, no. 03, pages 36 - 41 * |
| 陈锐志等: "智能手机音频信号与MEMS传感器的紧耦合室内定位方法", 《测绘学报》, vol. 50, no. 2, pages 143 - 152 * |
| 黄逸帆: "基于声信号与PDR的智能手机室内融合定位方法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, pages 135 - 149 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhuang et al. | Evaluation of two WiFi positioning systems based on autonomous crowdsourcing of handheld devices for indoor navigation | |
| Seitz et al. | A hidden markov model for pedestrian navigation | |
| CN102209382A (zh) | 一种基于rssi的无线传感器网络节点定位方法 | |
| Li et al. | An indoor ultrasonic positioning system based on TOA for Internet of Things | |
| Song et al. | Implementation of android application for indoor positioning system with estimote BLE beacons | |
| Sinha et al. | Range based improved localization scheme in densely populated wireless sensor network | |
| Kuxdorf-Alkirata et al. | Reliable and low-cost indoor localization based on bluetooth low energy | |
| Guidara et al. | A real-time indoor localization platform based on wireless sensor networks | |
| Alamleh et al. | A weighting system for building RSS maps by crowdsourcing data from smartphones | |
| Jose et al. | Taylor series method in TDOA approach for indoor positioning system. | |
| TWI583984B (zh) | 區域性定位系統與方法 | |
| Cao | A localization algorithm based on particle swarm optimization and quasi-newton algorithm for wireless sensor networks | |
| CN114526741B (zh) | 对象定位方法、电子设备以及存储介质 | |
| CN114526741A (zh) | 对象定位方法、电子设备以及存储介质 | |
| Cao et al. | Improving the tracking accuracy of TDMA-based acoustic indoor positioning systems using a novel error correction method | |
| CN112954591B (zh) | 一种协同分布式定位方法及系统 | |
| Ismail et al. | Comparison of wireless sensor node localisation between trilateration and multi-lateration methods using rssi | |
| Mythili et al. | Innovative Localization Algorithm Using the Line of Intersection Technique in Wireless Sensor Networks | |
| He et al. | Target Localization in ISAC System Based on BP Neural Network | |
| Go et al. | An efficient non-line-of-sight error mitigation method for TOA measurement in indoor environments | |
| Chen et al. | A new indoor positioning technique based on neural network | |
| Amer et al. | A survey of recent indoor positioning systems using wireless networks | |
| US11852721B1 (en) | Method for locating and finding items based on acoustic signal | |
| Zaki et al. | An indoor location positioning algorithm for portable devices and autonomous machines | |
| WO2024007352A1 (zh) | 一种基于音频的定位寻物方法、系统及设备 |
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 |