CN115291166B - 井下高精度定位方法、装置、设备及存储介质 - Google Patents
井下高精度定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115291166B CN115291166B CN202211186346.6A CN202211186346A CN115291166B CN 115291166 B CN115291166 B CN 115291166B CN 202211186346 A CN202211186346 A CN 202211186346A CN 115291166 B CN115291166 B CN 115291166B
- Authority
- CN
- China
- Prior art keywords
- positioning
- value
- target
- undirected graph
- graph
- 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 37
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 238000013178 mathematical model Methods 0.000 claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 54
- 230000015654 memory Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 7
- 230000009191 jumping Effects 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 108091034117 Oligonucleotide Proteins 0.000 description 1
- 241000949477 Toona ciliata Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- 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
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- 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
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种井下高精度定位方法、装置、设备及存储介质。该方法包括:获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;基于第一无向图构建图优化数学模型;获取目标定位对象在第二无向图中的初始定位值;对初始定位值基于图优化数学模型进行优化求解,将求解得到的最优解作为目标定位对象的修正定位值。如此,可以不依赖于空间的运动状态方程实现井下定位的误差修正,提高井下定位精度。
Description
技术领域
本申请涉及井下定位领域,尤其涉及一种井下高精度定位方法、装置、设备及存储介质。
背景技术
矿山井下开采有一定的危险性,开采需要在井下布置大量的设备、车辆、人员,各种自然或人为因素造成的灾害、事故对井下工作人员的人身安全造成了极大的威胁。对井下人员、车辆有效的组织管理,以及事故、灾害的救援都需要掌握井下人员、车辆、设备的精确位置数据,井下设备的远程控制、智能控制更离不开井下设备的实时精确位置数据。
精确定位技术已成为矿井安全生产的重要技术支撑,相关技术中,往往基于UWB(Ultra Wide Band,超带宽)定位技术实现井下精确定位,在井下每隔一定距离布置UWB定位基站,人员、车辆或设备携带UWB定位标签,UWB定位基站与UWB定位标签之间通过测量脉冲信号的飞行时间(Time of flight,TOF),精确计算UWB定位标签到UWB定位基站之间的距离。由于UWB定位基站的坐标是已知的,根据UWB定位标签与多个UWB定位基站之间的精确距离,可精确计算出UWB定位标签的坐标。
UWB测距的精确性是相对于Wi-Fi、蓝牙或ZigBee而言的,UWB静态测距精度仍有30cm左右的误差,动态测距误差会更大。在UWB测距结果的基础上,经过基于测距的空间定位算法计算的定位对象空间坐标也相应的具有一定的误差。对UWB定位误差的修正通常采用卡尔曼滤波、扩展卡尔曼滤波、容积卡尔曼滤波、无迹卡尔曼滤波、粒子滤波、正则粒子滤波或高斯粒子滤波等方法,上述方法均依赖于定位对象空间运动状态方程的构建,由于井下定位对象三维空间运动状态的未知性,难以构建较准确的运动状态方程,故修正效果不理想。
发明内容
有鉴于此,本申请实施例提供了一种井下高精度定位方法、装置、设备及存储介质,旨在有效修正井下定位误差,提高井下定位精度。
本申请实施例的技术方案是这样实现的:
本申请实施例提供了一种井下高精度定位方法,包括:
获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;
基于所述第一无向图构建图优化数学模型;
获取目标定位对象在所述第二无向图中的初始定位值;
对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值。
在一些实施例中,所述图优化数学模型的损失函数如下:
在一些实施例中,所述对所述初始定位值基于所述图优化数学模型进行优化求解,包括:
对所述初始定位值沿所述损失函数的函数值下降的方向不断迭代,直至收敛于设定容差值之内,得到最优解。
在一些实施例中,所述获取目标定位对象在所述第二无向图中的初始定位值,包括:
获取目标定位对象在采样时刻t与覆盖范围内的定位基站之间的距离值;
针对各所述定位基站所处的位置及相应的所述距离值,在第二无向图中求取交点;
基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值。
在一些实施例中,所述基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值,包括:
若覆盖范围内的定位基站的数量为一个,则将邻近所述第二无向图中节点的交点的坐标值作为所述初始定位值;
若覆盖范围内的定位基站的数量为多个,则将对求取的交点基于聚类算法进行簇类划分,并求取交点数量最多的簇类中各交点的坐标值的均值,将所述均值作为所述初始定位值。
第二方面,本申请实施例提供了一种井下高精度定位装置,包括:
第一获取模块,用于获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;
建模模块,用于基于所述第一无向图构建图优化数学模型;
第二获取模块,用于获取目标定位对象在所述第二无向图中的初始定位值;
定位修正模块,用于对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值。
第三方面,本申请实施例提供了一种井下高精度定位设备,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器,用于运行计算机程序时,执行本申请实施例第一方面所述方法的步骤。
第四方面,本申请实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现本申请实施例第一方面所述方法的步骤。
本申请实施例提供的技术方案,获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;基于第一无向图构建图优化数学模型;获取目标定位对象在第二无向图中的初始定位值;对初始定位值基于图优化数学模型进行优化求解,将求解得到的最优解作为目标定位对象的修正定位值。如此,可以不依赖于空间的运动状态方程实现井下定位的误差修正,提高井下定位精度。
附图说明
图1为本申请实施例井下高精度定位方法的流程示意图;
图2为本申请一应用示例中第一无向图的示意图;
图3为本申请一应用示例第二无向图中t1时刻人员的初始位置的示意图;
图4为本申请一应用示例第二无向图中t2时刻人员的初始位置的示意图;
图5为本申请一应用示例第二无向图中t3时刻人员的初始位置的示意图;
图6为本申请实施例井下高精度定位装置的结构示意图;
图7为本申请实施例井下高精度定位设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
本申请实施例提供了一种井下高精度定位方法,可以应用于井下定位的数据处理设备中,如图1所示,该方法包括:
步骤101,获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图。
这里,无向图(undirected graph)是指边没有方向的图集,例如,无向图可以表示为G=<V,E>,其中,V是非空集合,称为顶点集;E是V中元素构成的无序二元组的集合,称为边集。
这里,第一无向图G可以将所有定位基站的位置和各时刻所有定位对象的位置作为节点,各定位基站位置与接收到该定位基站信号的定位对象位置的连线,及各定位对象任意时刻位置与该定位对象上一时刻位置的连线作为边。其中,定位基站可以为UWB定位基站。
这里,第二无向图G’基于井下巷道的中心线构建,其中,第二无向图G’的边为巷道,中间节点为巷道交叉口,端节点为巷道入口或巷道终点。
步骤102,基于所述第一无向图构建图优化数学模型。
这里,构建的图优化数学模型为受限空间图优化数学模型,下面对该模型涉及的相关参数定义如下:
示例性地,所述图优化数学模型的损失函数如下:
可以理解的是,第一约束参数用于基于待定位对象的最优估计值与测量值(即待
优化位置值)之间的差进行平滑性约束,第二约束参数用于基于相邻两个轨迹点之间的距
离差进行平滑性约束,上述空间受限约束表示最优估计值应在受限空间范围内,当最优估
计值偏离受限空间范围时,会以倍放大距离差。
步骤103,获取目标定位对象在所述第二无向图中的初始定位值。
示例性地,所述获取目标定位对象在所述第二无向图中的初始定位值,包括:
获取目标定位对象在采样时刻t与覆盖范围内的定位基站之间的距离值;
针对各所述定位基站所处的位置及相应的所述距离值,在第二无向图中求取交点;
基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值。
示例性地,所述基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值,包括:
若覆盖范围内的定位基站的数量为一个,则将邻近所述第二无向图中节点的交点的坐标值作为所述初始定位值;
若覆盖范围内的定位基站的数量为多个,则将对求取的交点基于聚类算法进行簇类划分,并求取交点数量最多的簇类中各交点的坐标值的均值,将所述均值作为所述初始定位值。
在一应用示例中,设待定位对象时刻与M个UWB定位基站测距,测距结
果为,以各UWB定位基站为圆心,测距结果为半径作圆,计算与UWB定位基站在无向图中所在的边的两个交点,得到交点集,待
定位对象时刻的初始值为,的计算准则如下:
(1)当待定位对象仅获得1个UWB定位基站的测距结果时:
(2)当待定位对象获得不少于2个UWB定位基站的测距结果时:
步骤104,对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值。
示例性地,所述对所述初始定位值基于所述图优化数学模型进行优化求解,包括:
对所述初始定位值沿所述损失函数的函数值下降的方向不断迭代,直至收敛于设定容差值之内,得到最优解。该最优解作为目标定位对象的修正定位值(即定位最优估计值)。
步骤1)、t=0,i=1;
步骤2)、t=t+1;
步骤5)、i=i+1;
步骤7)、当前待定位对象所处环境异常,算法终止并重启算法;
步骤8)、采用Levenberg–Marquardt(列文伯格-马夸尔特)算法或Gauss-Newton(高斯一牛顿)迭代法方法求解图优化数学模型,得到定位最优估计值,跳转至步骤2)。
可以理解的是,本申请实施例的方法,可以实现不依赖于空间运动状态方程的误差修正和井下受限空间高精度定位,且有效避免非视距误差造成的UWB测距异常值干扰,为井下人员、车辆、设备提供实时、稳定、精确的位置数据。
下面结合一应用示例对本申请实施例的井下高精度定位方法进行示例性说明。
图2示出了本应用示例中用于构建图优化数学模型的第一无向图G的示意图,该第一无向图中示意出了UWB定位基站1、待定位对象(即目标定位对象)2、无向图的边3、巷道中心线4及巷道边线5。
基于巷道中心线4构建第二无向图G’,其中,边为巷道中心线,中间节点为巷道交叉口,端节点为巷道入口或巷道终点。
以待定位对象为人员携带的定位标签为例,设定以下条件:井下视距条件下UWB测距误差的标准差为0.3m,人员移动的最大速度为5.0m/s,时间滑动窗口大小为30,非视距误差阈值系数为5,人员定位的实时定位频率为1,受限空间约束惩罚因子为10000,判断是否满足受限条件的阈值为0.1m。
如图4所示,人员在t2时刻,与2个UWB定位基站测距,以各UWB定位基站为圆心,测
距结果为半径作圆,计算与UWB定位基站在第二无向图G’中所在的边的两个交点,
得到交点集,聚类簇数为3,采用K-means聚类算法对交点集进行聚
类处理,得到3个簇划分结果,选取出中元素最多的簇,进而得到人
员t2时刻位置初始值为中元素的均值。
如图5所示,人员在t3时刻,与3个UWB定位基站测距,以各UWB定位基站为圆心,测
距结果为半径作圆,计算与UWB定位基站在第二无向图G’中所在的边的两个交点,
得到交点集,聚类簇数为4,采用K-means聚类算法对交点集进行聚类处理,得到4个簇划分结果,选取出
中元素最多的簇,进而得到人员t3时刻位置初始值为中元素的均值。
Step1、t=0,i=1;
Step2、t=t+1;
Step5、i=i+1;
Step7、当前待定位对象所处环境异常,算法终止并重启算法;
Step8、采用Levenberg–Marquardt或Gauss-Newton方法求解图优化数学模型,得到定位最优估计值,跳转至Step2。
为了实现本申请实施例的方法,本申请实施例还提供一种井下高精度定位装置,设置在井下高精度定位设备,如图6所示,该井下高精度定位装置包括:第一获取模块601、建模模块602、第二获取模块603和定位修正模块604。第一获取模块601用于获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;建模模块602用于基于所述第一无向图构建图优化数学模型;第二获取模块603用于获取目标定位对象在所述第二无向图中的初始定位值;定位修正模块604用于对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值。
在一些实施例中,建模模块602构建的图优化数学模型的损失函数如下:
在一些实施例中,定位修正模块604具体用于:
对所述初始定位值沿所述损失函数的函数值下降的方向不断迭代,直至收敛于设定容差值之内,得到最优解。
在一些实施例中,第二获取模块603具体用于:
获取目标定位对象在采样时刻t与覆盖范围内的定位基站之间的距离值;
针对各所述定位基站所处的位置及相应的所述距离值,在第二无向图中求取交点;
基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值。
在一些实施例中,第二获取模块603基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值,包括:
若覆盖范围内的定位基站的数量为一个,则将邻近所述第二无向图中节点的交点的坐标值作为所述初始定位值;
若覆盖范围内的定位基站的数量为多个,则将对求取的交点基于聚类算法进行簇类划分,并求取交点数量最多的簇类中各交点的坐标值的均值,将所述均值作为所述初始定位值。
实际应用时,第一获取模块601、建模模块602、第二获取模块603和定位修正模块604,可以由井下高精度定位设备中的处理器来实现。当然,处理器需要运行存储器中的计算机程序来实现它的功能。
需要说明的是:上述实施例提供的井下高精度定位装置在进行井下高精度定位时,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分处理。另外,上述实施例提供的井下高精度定位装置与井下高精度定位方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
基于上述程序模块的硬件实现,且为了实现本申请实施例的方法,本申请实施例还提供一种井下高精度定位设备。图7仅仅示出了该设备的示例性结构而非全部结构,根据需要可以实施图7示出的部分结构或全部结构。
如图7所示,本申请实施例提供的井下高精度定位设备700包括:至少一个处理器701、存储器702、用户接口703和至少一个网络接口704。井下高精度定位设备700中的各个组件通过总线系统705耦合在一起。可以理解,总线系统705用于实现这些组件之间的连接通信。总线系统705除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为总线系统705。
其中,用户接口703可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
本申请实施例中的存储器702用于存储各种类型的数据以支持井下高精度定位设备的操作。这些数据的示例包括:用于在井下高精度定位设备上操作的任何计算机程序。
本申请实施例揭示的井下高精度定位方法可以应用于处理器701中,或者由处理器701实现。处理器701可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,井下高精度定位方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(DSP,Digital SignalProcessor),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。处理器701可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器702,处理器701读取存储器702中的信息,结合其硬件完成本申请实施例提供的井下高精度定位方法的步骤。
在示例性实施例中,井下高精度定位设备可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable LogicDevice)、FPGA、通用处理器、控制器、微控制器(MCU,Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现,用于执行前述方法。
可以理解,存储器702可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM,Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM,ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM,Compact Disc Read-Only Memory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM,Random AccessMemory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM,Static Random Access Memory)、同步静态随机存取存储器(SSRAM,Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM,Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM,SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM,Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM,Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM,SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM,Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中,本申请实施例还提供了一种存储介质,即计算机存储介质,具体可以是计算机可读存储介质,例如包括存储计算机程序的存储器702,上述计算机程序可由井下高精度定位设备的处理器701执行,以完成本申请实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是:“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
另外,本申请实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种井下高精度定位方法,其特征在于,包括:
获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;
基于所述第一无向图构建图优化数学模型,所述图优化数学模型的损失函数如下:
获取目标定位对象在所述第二无向图中的初始定位值;
对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值;
2.根据权利要求1所述的方法,其特征在于,所述对所述初始定位值基于所述图优化数学模型进行优化求解,包括:
对所述初始定位值沿所述损失函数的函数值下降的方向不断迭代,直至收敛于设定容差值之内,得到最优解。
4.根据权利要求1所述的方法,其特征在于,所述获取目标定位对象在所述第二无向图中的初始定位值,包括:
获取目标定位对象在采样时刻t与覆盖范围内的定位基站之间的距离值;
针对各所述定位基站所处的位置及相应的所述距离值,在第二无向图中求取交点;
基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值。
5.根据权利要求4所述的方法,其特征在于,所述基于求取的交点,确定所述目标定位对象在采样时刻t的初始定位值,包括:
若覆盖范围内的定位基站的数量为一个,则将邻近所述第二无向图中节点的交点的坐标值作为所述初始定位值;
若覆盖范围内的定位基站的数量为多个,则将对求取的交点基于聚类算法进行簇类划分,并求取交点数量最多的簇类中各交点的坐标值的均值,将所述均值作为所述初始定位值。
6.一种井下高精度定位装置,其特征在于,包括:
第一获取模块,用于获取井下定位场景中基于定位基站和定位对象的位置构建的第一无向图及基于井下巷道中心线构建的第二无向图;
建模模块,用于基于所述第一无向图构建图优化数学模型,所述图优化数学模型的损失函数如下:
第二获取模块,用于获取目标定位对象在所述第二无向图中的初始定位值;
定位修正模块,用于对所述初始定位值基于所述图优化数学模型进行优化求解,将求解得到的最优解作为所述目标定位对象的修正定位值;
7.一种井下高精度定位设备,其特征在于,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,
所述处理器,用于运行计算机程序时,执行权利要求1至5任一项所述方法的步骤。
8.一种存储介质,所述存储介质上存储有计算机程序,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至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211186346.6A CN115291166B (zh) | 2022-09-28 | 2022-09-28 | 井下高精度定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211186346.6A CN115291166B (zh) | 2022-09-28 | 2022-09-28 | 井下高精度定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115291166A CN115291166A (zh) | 2022-11-04 |
CN115291166B true CN115291166B (zh) | 2023-01-06 |
Family
ID=83833282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211186346.6A Active CN115291166B (zh) | 2022-09-28 | 2022-09-28 | 井下高精度定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115291166B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984027B (zh) * | 2023-03-20 | 2023-06-06 | 长沙迪迈数码科技股份有限公司 | 基于uwb的井下人员聚集预警方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354435A (zh) * | 2008-09-05 | 2009-01-28 | 清华大学 | 基于距离大小顺序关系的传感器网络节点自定位方法 |
CN106851820A (zh) * | 2017-03-07 | 2017-06-13 | 西南石油大学 | 一种井下无线传感网络的定位方法 |
CN108650706A (zh) * | 2018-05-09 | 2018-10-12 | 桂林电子科技大学 | 基于二阶泰勒近似的传感器节点定位方法 |
CN109946649A (zh) * | 2019-03-24 | 2019-06-28 | 北京工业大学 | 低成本室内狭长环境二维uwb系统定位方法 |
CN110646761A (zh) * | 2019-09-25 | 2020-01-03 | 南京沃旭通讯科技有限公司 | 基于一维地图的煤矿隧道定位方法 |
CN112527941A (zh) * | 2020-12-18 | 2021-03-19 | 贵州黔西能源开发有限公司 | 基于PgRouting图计算的人员精准定位轨迹还原算法 |
WO2021202340A1 (en) * | 2020-04-01 | 2021-10-07 | Nec Laboratories America, Inc. | Infrastructure-free tracking and response |
CN114994600A (zh) * | 2022-05-31 | 2022-09-02 | 西北工业大学 | 基于高度辅助的大规模矿井下用户三维实时定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6473038B2 (en) * | 2001-01-05 | 2002-10-29 | Motorola, Inc. | Method and apparatus for location estimation |
-
2022
- 2022-09-28 CN CN202211186346.6A patent/CN115291166B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354435A (zh) * | 2008-09-05 | 2009-01-28 | 清华大学 | 基于距离大小顺序关系的传感器网络节点自定位方法 |
CN106851820A (zh) * | 2017-03-07 | 2017-06-13 | 西南石油大学 | 一种井下无线传感网络的定位方法 |
CN108650706A (zh) * | 2018-05-09 | 2018-10-12 | 桂林电子科技大学 | 基于二阶泰勒近似的传感器节点定位方法 |
CN109946649A (zh) * | 2019-03-24 | 2019-06-28 | 北京工业大学 | 低成本室内狭长环境二维uwb系统定位方法 |
CN110646761A (zh) * | 2019-09-25 | 2020-01-03 | 南京沃旭通讯科技有限公司 | 基于一维地图的煤矿隧道定位方法 |
WO2021202340A1 (en) * | 2020-04-01 | 2021-10-07 | Nec Laboratories America, Inc. | Infrastructure-free tracking and response |
CN112527941A (zh) * | 2020-12-18 | 2021-03-19 | 贵州黔西能源开发有限公司 | 基于PgRouting图计算的人员精准定位轨迹还原算法 |
CN114994600A (zh) * | 2022-05-31 | 2022-09-02 | 西北工业大学 | 基于高度辅助的大规模矿井下用户三维实时定位方法 |
Non-Patent Citations (2)
Title |
---|
A wireless sensor network coverage optimization algorithm based on particle swarm optimization and Voronoi diagram;Nor Azlina Bt. Ab Aziz 等;《2009 International Conference on Networking, Sensing and Control》;20090512;602-607 * |
面向矿井目标的双标签高精度定位方法;胡青松 等;《中国矿业大学学报》;20170315;第46卷(第02期);437-442 * |
Also Published As
Publication number | Publication date |
---|---|
CN115291166A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10244362B2 (en) | Use of RF-based fingerprinting for indoor positioning by mobile technology platforms | |
Cotera et al. | Indoor robot positioning using an enhanced trilateration algorithm | |
CN105606102B (zh) | 一种基于格网模型的pdr室内定位方法及系统 | |
CN110648529B (zh) | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 | |
Ren et al. | A fuzzy logic map matching for wheelchair navigation | |
US20170146349A1 (en) | Landmark location determination | |
CN109164411B (zh) | 一种基于多数据融合的人员定位方法 | |
Li et al. | Comparative analysis of robust extended Kalman filter and incremental smoothing for UWB/PDR fusion positioning in NLOS environments | |
CN115291166B (zh) | 井下高精度定位方法、装置、设备及存储介质 | |
US10001544B2 (en) | Method and electronic device identifying indoor location | |
CN105095617A (zh) | 构建对象的目标运动轨迹的缺失部分的方法和设备 | |
CN108020813A (zh) | 定位方法、定位装置和电子设备 | |
CN103399314B (zh) | 稀疏参考标签下的无收发器对象定位追踪方法 | |
Wei et al. | Map matching: comparison of approaches using sparse and noisy data | |
CN115265555B (zh) | 基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统 | |
Wang et al. | Indoor tracking by rfid fusion with IMU data | |
CN115209427A (zh) | 井下uwb定位基站优化布置方法、装置及设备 | |
Wang et al. | Deep neural network‐based Wi‐Fi/pedestrian dead reckoning indoor positioning system using adaptive robust factor graph model | |
Chen et al. | A hybrid cooperative navigation method for UAV swarm based on factor graph and Kalman filter | |
CN115267667B (zh) | 井下高精度定位修正方法、装置、设备及存储介质 | |
CN114185003B (zh) | 一种基于多源信号融合的室内定位方法及系统 | |
CN115209429B (zh) | 定位基站信号覆盖率评估方法、装置、设备及存储介质 | |
Wang et al. | High-precision and robust localization system for mobile robots in complex and large-scale indoor scenes | |
CN114430524A (zh) | 一种超宽带基站的标定方法、装置及电子设备 | |
CN114222365A (zh) | 一种基于单基站的超宽带定位方法、装置、计算单元、系统 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Patentee after: Changsha Dimai Technology Co.,Ltd. Address before: 410205 10th floor, C1 building, Lugu enterprise Plaza, 27 Wenxuan Road, Yuelu District, Changsha City, Hunan Province Patentee before: CHANGSHA DIGITAL MINE CO.,LTD. |