CN115308684A - 一种uwb超宽带室内定位方法及装置 - Google Patents
一种uwb超宽带室内定位方法及装置 Download PDFInfo
- Publication number
- CN115308684A CN115308684A CN202210787155.9A CN202210787155A CN115308684A CN 115308684 A CN115308684 A CN 115308684A CN 202210787155 A CN202210787155 A CN 202210787155A CN 115308684 A CN115308684 A CN 115308684A
- Authority
- CN
- China
- Prior art keywords
- positioning
- robot
- point cloud
- cloud image
- indoor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- 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
- G01S5/0268—Hybrid positioning by deriving positions from different combinations of signals or of estimated positions in a single positioning system
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种uwb超宽带室内定位方法及装置,属于定位技术领域,该方法包括:基于第一uwb定位标签获取定位机器人的定位信息、基于惯性测量单元获取定位机器人的姿态信息、以及基于激光雷达获取定位机器人所处的室内的点云图像;基于定位机器人的定位信息以及定位机器人的姿态信息,获取点云图像中各个激光点的定位坐标;基于点云图像中的各个激光点的定位坐标,生成定位机器人所处的室内的参考定位图;将所述参考定位图发送至目标终端。通过该方式,在实现待定位目标准确地定位的同时,也便于知悉整个室内环境的位置关系。
Description
技术领域
本申请涉及定位技术领域,具体而言,涉及一种uwb超宽带室内定位方法及装置。
背景技术
全球卫星导航定位系统已经发展的较为完善,在信号良好的室外环境下能够提供较高精度的定位,比如北斗卫星导航系统服务范围已经扩展到全球,基本上能够满足对室外环境高精度的定位要求。但对于室内环境而言,卫星信号由于受到遮挡而严重衰减,无法实现高精度定位,因此,如何实现室内的准确定位成为现阶段主要的研究方向。
发明内容
本申请实施例的目的在于提供一种uwb超宽带室内定位方法及装置,以实现对于室内环境的精度定位。
本发明是这样实现的:
第一方面,本申请实施例提供一种uwb超宽带室内定位方法,其特征在于,应用于定位机器人,所述定位机器人上设置有第一uwb定位标签、惯性测量单元及激光雷达;所述方法包括:基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像;基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标;基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图;将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
在本申请实施例中,定位机器人基于第一uwb定位标签获取的定位数据以及惯性测量单元获取的姿态数据,得到机器人的定位以及准确的姿态,再通过机器人的定位以及准确的姿态获取点云图像中的各个激光点的定位坐标,进而通过各个激光点的定位坐标完成建图,通过该方式能够得到用于定位的参考定位图更加准确。然后,再将该参考定位图发送给至目标终端,以使得目标终端同时基于参考定位图及第二uwb定位标签来对待定位目标进行定位,通过该方式,在实现待定位目标准确地定位的同时,也便于知悉整个室内环境的位置关系。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;其中,所述室内坐标系为二维坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离以及位置信息;通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置;基于所述定位机器人在所述室内坐标系下的位置,获取所述定位机器人的定位信息。
在本申请实施例中,定位机器人通过变增益卡尔曼滤波器对距离以及位置信息进行处理,可以有效地降低室内环境中NLOS误差对于定位结果的影响,得到最准确的定位机器人的定位信息。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置,包括:通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,得到预测值;计算所述预测值与所述距离之间的差值;根据所述差值与预设阈值之间的大小确定是否存在NLOS误差,进而确定所述定位机器人在所述室内坐标系下的位置。
在本申请实施例中,通过变增益卡尔曼滤波器对距离以及位置信息进行处理,得到预测值;然后计算预测值与所述距离之间的差值,以便于根据差值与预设阈值之间的大小确定是否存在NLOS误差,也即,本申请实施例提供一种确定NLOS误差的方式,以有效地对NLOS误差进行检测。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离;将所述第一uwb定位标签到各个所述定位基站的距离作为卡尔曼算法的输入激励,对所述第一uwb定位标签的定位坐标进行连续的预测和更新,进而得到所述定位机器人的定位信息。
在本申请实施例中,通过将第一uwb定位标签到各个定位基站的距离作为卡尔曼算法的输入激励,对第一uwb定位标签的定位坐标进行连续的预测和更新,以保证定位机器人的定位信息得到及时地修正,进而使得该方法可以适应不同场景下的精度需求。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述激光雷达获取所述定位机器人所处的室内的点云图像,包括:基于所述激光雷达获取所述定位机器人所处的室内的初始点云图像;基于所述初始点云图像与校正图像的转换公式计算在满足预设约束条件下的不同校正参数对应下的校正图像的对数强度熵;从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵,作为目标对数强度熵;基于所述目标对数强度熵对应的校正参数获取所述点云图像。
在本申请实施例中,先基于初始点云图像与校正图像的换算公式计算在满足预设条件下的不同校正参数对应下的校正图像的对数强度熵,再从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵作为目标对数强度熵,最后基于目标对数强度熵对应的校正参数求得的校正图像作为点云图像。该方法在对初始点云图像的校正中,在约束条件下增加了一个预设阈值作为约束条件,防止出现图像过度校正的情况,进而提高了初始点云图像校正的准确性。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述方法还包括:对所述初始点云图像进行卷积处理,得到模拟参数;对所述初始点云图像与所述模拟参数作商,得到模拟图像;将所述模拟图像的对数强度熵,确定为所述预设阈值。
在本申请实施例中,通过对初始点云图像进行卷积处理,得到模拟参数;再对初始点云图像与模拟参数作商,得到模拟图像,模拟图像的对数强度熵,确定为预设阈值,通过该方式,以便针对不同的初始点云图像确定出不同的预设阈值,提高校正的合理性和准确性。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述初始点云图像与校正图像的换算公式为Ic=Ivga,b,c(r);其中,ga,b,c(r)=1+ar2+br4+cr6,IC表示所述校正图像,IV表示所述初始点云图像,r为所述初始点云图像中某一像素点到所述初始点云图像的光学中心的径向距离,(ic,jc)为所述初始点云图像的光学中心,(t1,t2)为离所述光学中心最远的所述初始点云图像的顶点;a,b,c为校正参数,其中,ga,b,c(r)在区间(0,1)上递增。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述预设约束条件包括以下约束条件中的任意一种条件:
第一种约束条件:a≥0^b>0∧c=0;
第二种约束条件:c=0^b<0^-a≤2b;
第三种约束条件:c>0^b2<3ac;
第四种约束条件:c>0^b2=3ac^b≥0。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标,包括:将所述定位机器人的定位信息以及所述定位机器人的姿态信息与所述点云图像进行时间同步对准,得到相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像;基于相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像,获取所述点云图像中各个激光点的定位坐标。
在本申请实施例中,通过将定位信息以及姿态信息与点云图像进行时间同步对准,保证了获取的数据之间在时间上是匹配的,进而提高了基于定位信息、姿态信息以及点云图像所构建参考定位图的准确性。
第二方面,本申请实施例提供一种uwb超宽带室内定位装置,应用于定位机器人,所述定位机器人上设置有第一uwb定位标签、惯性测量单元及激光雷达;所述装置包括:第一获取模块,用于基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像;第二获取模块,用于基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标;生成模块,用于基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图;定位模块,用于将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第一获取模块具体用于基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;其中,所述室内坐标系为二维坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离以及位置信息;通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置;基于所述定位机器人在所述室内坐标系下的位置,获取所述定位机器人的定位信息。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第一获取模块还具体用于通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,得到预测值;计算所述预测值与所述距离之间的差值;根据所述差值与预设阈值之间的大小确定是否存在NLOS误差,进而确定所述定位机器人在所述室内坐标系下的位置。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第一获取模块具体用于基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离;将所述第一uwb定位标签到各个所述定位基站的距离作为卡尔曼算法的输入激励,对所述第一uwb定位标签的定位坐标进行连续的预测和更新,进而得到所述定位机器人的定位信息。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第一获取模块具体用于基于所述激光雷达获取所述定位机器人所处的室内的初始点云图像;基于所述初始点云图像与校正图像的转换公式计算在满足预设约束条件下的不同校正参数对应下的校正图像的对数强度熵;从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵,作为目标对数强度熵;基于所述目标对数强度熵对应的校正参数获取所述点云图像。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第一获取模块还具体用于对所述初始点云图像进行卷积处理,得到模拟参数;对所述初始点云图像与所述模拟参数作商,得到模拟图像;将所述模拟图像的对数强度熵,确定为所述预设阈值。
结合上述第二方面提供的技术方案,在一些可能的实现方式中,第二获取模块还具体用于将所述定位机器人的定位信息以及所述定位机器人的姿态信息与所述点云图像进行时间同步对准,得到相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像;基于相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像,获取所述点云图像中各个激光点的定位坐标。
第三方面,本申请实施例提供一种定位机器人,包括:处理器和存储器,所述处理器和所述存储器连接;所述存储器用于存储程序;所述处理器用于调用存储在所述存储器中的程序,执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器运行时执行如上述第一方面实施例和/或结合上述第一方面实施例的一些可能的实现方式提供的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请实施例提供的一种定位机器人的模块框图。
图2为本申请实施例提供的一种uwb超宽带室内定位方法的步骤流程图。
图3为本申请实施例提供的一种uwb超宽带室内定位装置的模块框图。
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描述。
请参阅图1,本申请实施例提供的一种应用uwb(ultrawideband,超宽带)超宽带室内定位方法及装置的定位机器人的示意性结构框图。
在结构上,定位机器人可以包括处理器、存储器。
定位机器人上还设置有第一uwb定位标签、惯性测量单元及激光雷达。
处理器110其他模块直接或间接地电性连接,以实现数据的传输或交互,例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。uwb超宽带室内定位装置包括至少一个可以软件或固件(Firmware)的形式存储在存储器中或固化在定位机器人的操作系统(Operating System,OS)中的软件模块。处理器用于执行存储器中存储的可执行模块,例如,uwb超宽带室内定位装置所包括的软件功能模块及计算机程序等,以实现uwb超宽带室内定位方法。处理器可以在接收到执行指令后,执行计算机程序。
其中,处理器可以是一种集成电路芯片,具有信号处理能力。处理器也可以是通用处理器,例如,可以是中央处理器(Central Processing Unit,CPU)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、分立门或晶体管逻辑器件、分立硬件组件,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。此外,通用处理器可以是微处理器或者任何常规处理器等。
存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦可编程序只读存储器(Erasable Programmable Read-Only Memory,EPROM),以及电可擦编程只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)。存储器用于存储程序,处理器在接收到执行指令后,执行该程序。
需要说明的是,图1所示的结构仅为示意,本申请实施例提供的定位机器人还可以具有比图1更少或更多的组件,或是具有与图1所示不同的配置。此外,图1所示的各组件可以通过软件、硬件或其组合实现。
请参阅图2,图2为本申请实施例提供的uwb超宽带室内定位方法的步骤流程图,该方法应用于图1所示的定位机器人100。需要说明的是,本申请实施例提供的uwb超宽带室内定位方法不以图2及以下所示的顺序为限制,该方法包括:步骤S101-步骤S104。
步骤S101:基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像。
步骤S102:基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标。
需要说明的是,点云图像中的各个激光点的定位坐标是以激光雷达的位置作为坐标原点所生成的第一空间坐标系中的坐标;
上述步骤S102可以具体包括:将第一空间坐标系中的各个激光点的坐标转换到以定位机器人作为坐标原点的本体空间坐标系中;其中,坐标转换是基于激光雷达在定位机器人上的设置位置进行的转换;将定位信息中的经度、纬度和高程转换到第二空间坐标系中,以使第二空间坐标系中的每个坐标点包含经度、纬度和高程这三个物理量;其中,第二空间坐标系以第一uwb定位标签的位置作为坐标原点;基于定位机器人的姿态信息以及第一uwb定位标签在定位机器人上的设置位置,将第二空间坐标系中的坐标转换到包含激光点的本体空间坐标系中,进而得到点云图像中各个激光点的定位坐标。
通过上述坐标转换,使得生成的点云图像中各个激光点的定位坐标更加准确。
步骤S103:基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图。
具体的,上述步骤包括:将点云图像的各个激光点的定位坐标进行二维投影,获取投影后的各个激光点的投影坐标;基于投影后的各个激光点的投影坐标,生成定位机器人所处的室内的参考定位图。
步骤S104:将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
目标终端可以是终端或者服务器,终端可以是,但不限于个人计算机(PersonalComputer,PC)、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、移动上网设备(Mobile Internet Device,MID)等。服务器可以是但不限于网络服务器、数据库服务器、云服务器或由多个子服务器构成的服务器集成等。当然,上述列举的设备仅用于便于理解本申请实施例,其不应作为对本实施例的限定。
当然,待定位目标可以是但不限于用户,车辆,物品等等,本申请不作限定。
可见,在本申请实施例中,定位机器人基于第一uwb定位标签获取的定位数据以及惯性测量单元获取的姿态数据,得到机器人的定位以及准确的姿态,再通过机器人的定位以及准确的姿态获取点云图像中的各个激光点的定位坐标,进而通过各个激光点的定位坐标完成建图,通过该方式,能够得到用于定位的参考定位图更加准确。然后,再将该参考定位图发送给至目标终端,以使得目标终端同时基于参考定位图及第二uwb定位标签来对待定位目标进行定位,通过该方式,在实现待定位目标准确地定位的同时,也便于知悉整个室内环境的位置关系。
可选地,步骤S101中,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;其中,所述室内坐标系为二维坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离以及位置信息;通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置;基于所述定位机器人在所述室内坐标系下的位置,获取所述定位机器人的定位信息。
由于变增益卡尔曼滤波器为本领域所熟知的一种滤波器,对此,本申请不作过多说明。
在本申请实施例中,定位机器人通过变增益卡尔曼滤波器对距离以及位置信息进行处理,可以有效地降低室内环境中NLOS(Non Line of Sight,非视距)误差对于定位结果的影响,得到最准确的定位机器人的定位信息。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置,包括:通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,得到预测值;计算所述预测值与所述距离之间的差值;根据所述差值与预设阈值之间的大小确定是否存在NLOS误差,进而确定所述定位机器人在所述室内坐标系下的位置。
在本申请实施例中,通过变增益卡尔曼滤波器对距离以及位置信息进行处理,得到预测值;然后计算预测值与所述距离之间的差值,以便于根据差值与预设阈值之间的大小确定是否存在NLOS误差,也即,本申请实施例提供一种确定NLOS误差的方式,以有效地对NLOS误差进行检测。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离;将所述第一uwb定位标签到各个所述定位基站的距离作为卡尔曼算法的输入激励,对所述第一uwb定位标签的定位坐标进行连续的预测和更新,进而得到所述定位机器人的定位信息。
具体的,对所述第一uwb定位标签的定位坐标进行连续的预测和更新可以包括如下步骤:
S1:将第k时刻的第一uwb定位标签到定位基站距离作为卡尔曼算法的输入激励。
S2:根据第k-1时刻的状态预测第k时刻的状态。
S3:根据第k-1时刻的系统误差协方差预测第k时刻的系统误差协方差。
S4:计算第k时刻的卡尔曼增益。
S5:计算第k时刻的系统最优估算值。
S6:计算第k时刻的系统误差协方差,并回到S1(最终不断预测更新得到定位信息)。
在本申请实施例中,通过将第一uwb定位标签到各个定位基站的距离作为卡尔曼算法的输入激励,对第一uwb定位标签的定位坐标进行连续的预测和更新,以保证定位机器人的定位信息得到及时地修正,进而使得该方法可以适应不同场景下的精度需求。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述激光雷达获取所述定位机器人所处的室内的点云图像,包括:基于所述激光雷达获取所述定位机器人所处的室内的初始点云图像;基于所述初始点云图像与校正图像的转换公式计算在满足预设约束条件下的不同校正参数对应下的校正图像的对数强度熵;从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵,作为目标对数强度熵;基于所述目标对数强度熵对应的校正参数获取所述点云图像。
其中,上述的预设阈值通过如下步骤得到:对所述初始点云图像进行卷积处理,得到模拟参数;对所述初始点云图像与所述模拟参数作商,得到模拟图像;将所述模拟图像的对数强度熵,确定为所述预设阈值。
在本申请实施例中,通过对初始点云图像进行卷积处理,得到模拟参数;再对初始点云图像与模拟参数作商,得到模拟图像,模拟图像的对数强度熵,确定为预设阈值,通过该方式,以便针对不同的初始点云图像确定出不同的预设阈值,提高校正的合理性和准确性。
上述的初始点云图像与校正图像的换算公式为:
Ic=Ivga,b,c(r) (1)
在公式(1)中,ga,b,c(r)=1+ar2+br4+cr6,IC表示所述校正图像,IV表示所述初始点云图像,r为所述初始点云图像中某一像素点到所述初始点云图像的光学中心的径向距离,(ic,jc)为所述初始点云图像的光学中心,(t1,t2)为离所述光学中心最远的所述初始点云图像的顶点;a,b,c为校正参数,其中,ga,b,c(r)在区间(0,1)上递增。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述预设约束条件包括以下约束条件中的任意一种条件:
第一种约束条件:a≥0^b>0^c=0;
第二种约束条件:c=0^b<0^-a≤2b;
第三种约束条件:c>0^b2<3ac;
第四种约束条件:c>0^b2=3ac^b≥0。
综上所述,在本申请实施例中,先基于初始点云图像与校正图像的换算公式计算在满足预设条件下的不同校正参数对应下的校正图像的对数强度熵,再从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵作为目标对数强度熵,最后基于目标对数强度熵对应的校正参数求得的校正图像作为点云图像。该方法在对初始点云图像的校正中,在约束条件下增加了一个预设阈值作为约束条件,防止出现图像过度校正的情况,进而提高了初始点云图像校正的准确性。
结合上述第一方面提供的技术方案,在一些可能的实现方式中,所述基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标,包括:将所述定位机器人的定位信息以及所述定位机器人的姿态信息与所述点云图像进行时间同步对准,得到相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像;基于相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像,获取所述点云图像中各个激光点的定位坐标。
在本申请实施例中,通过将定位信息以及姿态信息与点云图像进行时间同步对准,保证了获取的数据之间在时间上是匹配的,进而提高了基于定位信息、姿态信息以及点云图像所构建参考定位图的准确性。
请参阅图3,基于同一发明构思,本申请实施例还提供一种装置,该装置包括:
第一获取模块,用于基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像。
第二获取模块,用于基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标。
生成模块,用于基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图。
定位模块,用于将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
可选地,第一获取模块具体用于基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;其中,所述室内坐标系为二维坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离以及位置信息;通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置;基于所述定位机器人在所述室内坐标系下的位置,获取所述定位机器人的定位信息。
可选地,第一获取模块还具体用于通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,得到预测值;计算所述预测值与所述距离之间的差值;根据所述差值与预设阈值之间的大小确定是否存在NLOS误差,进而确定所述定位机器人在所述室内坐标系下的位置。
可选地,第一获取模块具体用于基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;获取所述第一uwb定位标签到各个所述定位基站的距离;将所述第一uwb定位标签到各个所述定位基站的距离作为卡尔曼算法的输入激励,对所述第一uwb定位标签的定位坐标进行连续的预测和更新,进而得到所述定位机器人的定位信息。
可选地,第一获取模块具体用于基于所述激光雷达获取所述定位机器人所处的室内的初始点云图像;基于所述初始点云图像与校正图像的转换公式计算在满足预设约束条件下的不同校正参数对应下的校正图像的对数强度熵;从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵,作为目标对数强度熵;基于所述目标对数强度熵对应的校正参数获取所述点云图像。
可选地,第一获取模块还具体用于对所述初始点云图像进行卷积处理,得到模拟参数;对所述初始点云图像与所述模拟参数作商,得到模拟图像;将所述模拟图像的对数强度熵,确定为所述预设阈值。
可选地,第二获取模块还具体用于将所述定位机器人的定位信息以及所述定位机器人的姿态信息与所述点云图像进行时间同步对准,得到相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像;基于相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像,获取所述点云图像中各个激光点的定位坐标。
需要说明的是,由于所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
基于同一发明构思,本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被运行时执行上述实施例中提供的方法。
该存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本申请实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本申请实施例的描述中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请实施例的描述中,术语“多个”指的是两个以上(包括两个),同理,“多组”指的是两组以上(包括两组),“多片”指的是两片以上(包括两片)。
在本申请实施例的描述中,技术术语“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请实施例的限制。
在本申请实施例的描述中,除非另有明确的规定和限定,技术术语“安装”“相连”“连接”“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请实施例中的具体含义。
以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,其均应涵盖在本申请的权利要求和说明书的范围当中。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种uwb超宽带室内定位方法,其特征在于,应用于定位机器人,所述定位机器人上设置有第一uwb定位标签、惯性测量单元及激光雷达;所述方法包括:
基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像;
基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标;
基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图;
将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:
基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;其中,所述室内坐标系为二维坐标系;
获取所述第一uwb定位标签到各个所述定位基站的距离以及位置信息;
通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置;
基于所述定位机器人在所述室内坐标系下的位置,获取所述定位机器人的定位信息。
3.根据权利要求2所述的方法,其特征在于,所述通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,获取所述定位机器人在所述室内坐标系下的位置,包括:
通过变增益卡尔曼滤波器对所述距离以及位置信息进行处理,得到预测值;
计算所述预测值与所述距离之间的差值;
根据所述差值与预设阈值之间的大小确定是否存在NLOS误差,进而确定所述定位机器人在所述室内坐标系下的位置。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一uwb定位标签获取所述定位机器人的定位信息,包括:
基于所述定位机器人所处的室内的定位基站的摆放位置,构建室内坐标系;
获取所述第一uwb定位标签到各个所述定位基站的距离;
将所述第一uwb定位标签到各个所述定位基站的距离作为卡尔曼算法的输入激励,对所述第一uwb定位标签的定位坐标进行连续的预测和更新,进而得到所述定位机器人的定位信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述激光雷达获取所述定位机器人所处的室内的点云图像,包括:
基于所述激光雷达获取所述定位机器人所处的室内的初始点云图像;
基于所述初始点云图像与校正图像的转换公式计算在满足预设约束条件下的不同校正参数对应下的校正图像的对数强度熵;
从计算出的校正图像的对数强度熵中选取不小于预设阈值且最小的对数强度熵,作为目标对数强度熵;
基于所述目标对数强度熵对应的校正参数获取所述点云图像。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对所述初始点云图像进行卷积处理,得到模拟参数;
对所述初始点云图像与所述模拟参数作商,得到模拟图像;
将所述模拟图像的对数强度熵,确定为所述预设阈值。
8.根据权利要求7所述的方法,其特征在于,所述预设约束条件包括以下约束条件中的任意一种条件:
第一种约束条件:a≥0∧b>0∧c=0;
第二种约束条件:c=0∧b<0∧-a≤2b;
第三种约束条件:c>0∧b2<3ac;
第四种约束条件:c>0∧b2=3ac∧b≥0。
9.根据权利要求1所述的方法,其特征在于,所述基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标,包括:
将所述定位机器人的定位信息以及所述定位机器人的姿态信息与所述点云图像进行时间同步对准,得到相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像;
基于相同时刻下的所述定位机器人的定位信息、所述定位机器人的姿态信息以及所述定位机器人所处的室内的点云图像,获取所述点云图像中各个激光点的定位坐标。
10.一种uwb超宽带室内定位装置,其特征在于,应用于定位机器人,所述定位机器人上设置有第一uwb定位标签、惯性测量单元及激光雷达;所述装置包括:
第一获取模块,用于基于所述第一uwb定位标签获取所述定位机器人的定位信息、基于所述惯性测量单元获取所述定位机器人的姿态信息、以及基于所述激光雷达获取所述定位机器人所处的室内的点云图像;
第二获取模块,用于基于所述定位机器人的定位信息以及所述定位机器人的姿态信息,获取所述点云图像中各个激光点的定位坐标;
生成模块,用于基于所述点云图像中的各个激光点的定位坐标,生成所述定位机器人所处的室内的参考定位图;
定位模块,用于将所述参考定位图发送至目标终端,以使所述目标终端基于所述参考定位图及第二uwb定位标签确定待定位目标的室内定位;其中,所述待定位目标上携带有所述第二uwb定位标签。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210787155.9A CN115308684A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
CN202410205711.6A CN118011315A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210787155.9A CN115308684A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410205711.6A Division CN118011315A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115308684A true CN115308684A (zh) | 2022-11-08 |
Family
ID=83856621
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410205711.6A Pending CN118011315A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
CN202210787155.9A Pending CN115308684A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410205711.6A Pending CN118011315A (zh) | 2022-07-05 | 2022-07-05 | 一种uwb超宽带室内定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN118011315A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116242372A (zh) * | 2023-01-03 | 2023-06-09 | 东南大学 | 一种gnss拒止环境下的uwb-激光雷达-惯导融合定位方法 |
CN117804448A (zh) * | 2024-02-23 | 2024-04-02 | 北京理工大学 | 一种自主系统定位方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633537A (zh) * | 2018-12-27 | 2019-04-16 | 浙江绿晶环境服务有限公司 | 一种基于uwb测距的员工定位系统 |
CN110111284A (zh) * | 2019-05-14 | 2019-08-09 | 四川大学 | 一种渐晕图像校正的方法、装置、电子设备和存储介质 |
CN111121754A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 移动机器人定位导航方法、装置、移动机器人及存储介质 |
CN111427061A (zh) * | 2020-06-15 | 2020-07-17 | 北京云迹科技有限公司 | 一种机器人建图方法、装置,机器人及存储介质 |
CN112595327A (zh) * | 2020-12-25 | 2021-04-02 | 燕山大学 | 一种基于uwb室内定位系统的定位方法及装置 |
-
2022
- 2022-07-05 CN CN202410205711.6A patent/CN118011315A/zh active Pending
- 2022-07-05 CN CN202210787155.9A patent/CN115308684A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633537A (zh) * | 2018-12-27 | 2019-04-16 | 浙江绿晶环境服务有限公司 | 一种基于uwb测距的员工定位系统 |
CN110111284A (zh) * | 2019-05-14 | 2019-08-09 | 四川大学 | 一种渐晕图像校正的方法、装置、电子设备和存储介质 |
CN111121754A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 移动机器人定位导航方法、装置、移动机器人及存储介质 |
CN111427061A (zh) * | 2020-06-15 | 2020-07-17 | 北京云迹科技有限公司 | 一种机器人建图方法、装置,机器人及存储介质 |
CN112595327A (zh) * | 2020-12-25 | 2021-04-02 | 燕山大学 | 一种基于uwb室内定位系统的定位方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116242372A (zh) * | 2023-01-03 | 2023-06-09 | 东南大学 | 一种gnss拒止环境下的uwb-激光雷达-惯导融合定位方法 |
CN117804448A (zh) * | 2024-02-23 | 2024-04-02 | 北京理工大学 | 一种自主系统定位方法、装置、计算机设备及存储介质 |
CN117804448B (zh) * | 2024-02-23 | 2024-04-30 | 北京理工大学 | 一种自主系统定位方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118011315A (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115308684A (zh) | 一种uwb超宽带室内定位方法及装置 | |
CN110764111B (zh) | 雷达坐标与大地坐标的转换方法、装置、系统及介质 | |
CN109613543B (zh) | 激光点云数据的修正方法、装置、存储介质和电子设备 | |
CN108036793B (zh) | 基于点云的定位方法、装置及电子设备 | |
US8838409B2 (en) | Installation error estimating device and installation error estimating method | |
KR101286169B1 (ko) | 무선 통신 단말의 위치 측정 장치, 위치 측정 방법 및 핑거프린트 정보 수집 방법, 핑거프린트 서버 및 그의 위치 제공 방법 | |
US20130053061A1 (en) | Terminal, localization system, and method for determining location | |
US20130178226A1 (en) | Method of Positioning Using Wireless Signals and Inertial Measurement Units, Electronic Device, and Positioning System Using the Same Method | |
US9660740B2 (en) | Signal strength distribution establishing method and wireless positioning system | |
US11067694B2 (en) | Locating method and device, storage medium, and electronic device | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN113923772A (zh) | 基站标定方法和装置、计算机设备以及存储介质 | |
WO2013096209A1 (en) | System and method for probablistic wlan positioning | |
CN111369622A (zh) | 虚实叠加应用的相机世界坐标位置获取方法、装置和系统 | |
CN110274600B (zh) | 获取机器人gps信息的方法、装置及系统 | |
US20160223675A1 (en) | Mobile terminal, position identification method, and position identification device | |
CN114814875A (zh) | 一种机器人定位建图方法、装置、可读存储介质及机器人 | |
CN114443679A (zh) | 一种地图数据更新方法、装置、设备以及存储介质 | |
CN109116342B (zh) | 定位方法、装置、介质和计算设备 | |
CN109902193B (zh) | 小区搜索方法、装置、设备及计算机可读存储介质 | |
CN115529549A (zh) | 蓝牙定位方法、相关装置、电子设备以及存储介质 | |
CN114630416B (zh) | 用于对移动终端进行定位的方法、装置及设备 | |
CN112752340A (zh) | 基站位置标定方法、存储介质及定位基站 | |
CN110072189B (zh) | 一种终端设备所处楼层的确定方法及装置 |
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 |