CN115943321A - 超精确对象定位系统和使用该系统的自定位方法 - Google Patents
超精确对象定位系统和使用该系统的自定位方法 Download PDFInfo
- Publication number
- CN115943321A CN115943321A CN202180031718.5A CN202180031718A CN115943321A CN 115943321 A CN115943321 A CN 115943321A CN 202180031718 A CN202180031718 A CN 202180031718A CN 115943321 A CN115943321 A CN 115943321A
- Authority
- CN
- China
- Prior art keywords
- nodes
- target
- node
- subset
- distance
- 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
- 238000000034 method Methods 0.000 title description 68
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 description 48
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 16
- 238000002604 ultrasonography Methods 0.000 description 12
- 238000009529 body temperature measurement Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000282320 Panthera leo Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000000275 quality assurance Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 108010015780 Viral Core Proteins Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 210000000707 wrist Anatomy 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
- G01S5/0273—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 using multipath or indirect path propagation signals in position 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/16—Systems for determining distance or velocity not using reflection or reradiation using difference in transit time between electrical and acoustic signals
-
- 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
- G01S5/0205—Details
- G01S5/0221—Receivers
- G01S5/02213—Receivers arranged in a network for determining the position of a transmitter
-
- 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
- G01S5/0252—Radio frequency fingerprinting
-
- 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
- G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
- G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
-
- 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
- G01S5/0284—Relative positioning
- G01S5/0289—Relative positioning of multiple transceivers, e.g. in ad hoc networks
-
- 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
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种对象定位系统,具有多个参考设备,一个或多个目标设备位于未知位置并通过一个或多个无线信号集与多个参考设备通信,至少一个处理单元;以及一个或多个信号重发设备,每个信号重发设备与多个参考设备的至少一个子集、一个或多个目标设备的至少一个子集以及至少一个处理单元的至少一个子集通信,用于在其间填充对象定位相关数据。至少一个处理单元被配置为:对于一个或多个目标设备中的每一个,基于所述参考和目标设备之间通信的无线信号集确定目标设备和多个参考设备中的每一个之间的距离,以及基于确定的距离确定所述目标设备的位置。
Description
相关申请的交叉引用
本申请要求2020年3月12日提交的美国临时专利申请序列62/988,833号的利益,其内容通过引用全文并入本文。
技术领域
本发明总体上涉及对象定位系统,且特别涉及高精度定位系统以及使用该系统定位参考节点和目标节点的方法。
背景技术
已知室内/室外定位系统。例如,室外定位系统的一类是美国的全球定位系统(GPS)、俄罗斯的全球导航卫星系统(GLONASS)、欧盟的伽利略定位系统、以及中国的北斗导航卫星系统等全球导航卫星系统
(GNSS)。
室内/室外定位系统的其他示例包括使用接收信号强度(RSS)的定位系统,使用运动传感器(例如,加速度计)和旋转传感器(例如,陀螺仪)进行对象定位的惯性导航系统(INS)、使用加速度计作为计步器和磁强计作为行人导航罗盘的行人航位推算(PDR)、由美国华盛顿州贝尔维尤的Valve Corporation开发的光学位置跟踪技术(SteamVR是Valve Corporation的注册商标)、由美国加州欧文的Oculus VR开发的Oculus星座跟踪技术以及由美国Corvallis的Natural Point Inc.开发的基于摄像机的定位系统(OPTITRACK是Natural Point Inc.的注册商标)。
另一种定位系统是由爱尔兰都柏林的DecaWave有限公司开发的基于超宽带(UWB)的系统,它使用UWB信号的双向测距、到达时间差(TDoA)或到达相位差(PDoA)来确定目标对象的位置。
虽然上述定位系统已成功部署和使用,但它们仍面临各种挑战,例如:
·多径;
·费力的设置和校准程序;
·费用高;和
·精度低。
因此,希望提供一种新颖的高精度定位系统和使用该系统定位对象的方法。
发明内容
根据本公开的一个方面,提供了一种超精确协作对象定位系统,该系统包括彼此无线和/或有线通信的多个设备或节点。一些节点位于已知位置,且可以用作参考节点或锚点。一些其他节点可能处于未知位置,并且可能被表示为目标节点。该系统使用在多个节点和参考节点的位置之间传输的无线信号来确定一个或多个目标节点的位置。
在一些实施例中,系统还可以包括与多个参考和目标节点的至少一个子集以及至少一个处理单元通信的多个中继器,用于在其间填充对象定位相关数据。
在一些实施例中,系统还可以包括与多个参考和目标节点的至少一个子集、至少一个信号重传设备或节点、以及至少一个处理单元通信的一个或多个网关设备或节点,用于在其间填充对象定位相关数据。
在一些实施例中,该系统还可以包括一个或多个测距器,其协同地执行同时定位和映射(SLAM)方法,以在公共坐标系内对参考和目标节点进行自定位。
根据本公开的一个方面,提供了一种对象定位系统,包括:位于已知位置的多个参考节点;位于未知位置的一个或多个目标节点,所述一个或多个目标节点经由一个或多个无线信号集与多个参考节点通信;至少一个处理单元;以及一个或多个信号重传节点,每个与多个参考节点的至少一个子集、一个或多个目标节点的至少一个子集以及至少一个处理单元中的至少一个子集通信,用于在其间填充对象定位相关数据。至少一个处理单元被配置为:对于一个或多个目标节点中的每一个,基于所述参考和目标节点之间通信的无线信号集确定目标节点和多个参考节点中的每一个之间的距离;以及基于确定的距离确定所述目标节点的位置。
在一些实施例中,对象定位系统还包括:一个或多个网关节点,其与多个参考节点中的至少一个子集、信号重传节点的至少一个子集以及至少一个处理单元通信,用于在其间填充对象定位相关数据。
根据本公开的一个方面,提供了对象定位系统,包括:至少一个处理单元;具有与其相关联的坐标系的多个参考节点,所述多个参考节点位于未知位置;位于未知位置的一个或多个目标节点,所述一个或多个目标和所述多个参考节点进一步包括诸如申请人的美国专利No.10,448,357的测距器,其内容在此通过引用完整地结合,以及所述参考和目标节点被配置用于测量多个参考节点的全部或子集之间的距离,并进一步在一个或多个目标节点和多个参考节点的全部或子集之间进行一个或多个距离测量。至少一个处理单元被配置为:基于多个参考节点之间的距离以及多个参考节点与一个或多个目标节点之间的距离,估计在所述坐标系中位置未知的参考节点的位置;以及基于确定的距离确定所述参考节点和目标节点在所述坐标系中的位置。
在一些实施例中,对象定位系统还包括一个或多个网关节点,其与多个参考节点中的至少一个子集、信号重传节点的至少一个子集通信,以及至少一个处理单元通信,用于在其间填充对象定位相关数据。
附图说明
图1是示出根据本公开的一个实施例的定位系统的示意图,其在站点中具有一个或多个参考设备和一个或多个目标设备;
图2是示出图1的系统的参考设备和目标设备之间的距离的确定的示意图;
图3是示出根据本公开的另一实施例的定位系统的示意图,其在站点中具有一个或多个参考设备、一个或多个目标设备和多个中继器;
图4是示出根据本公开的又一实施例的定位系统的示意图,其在站点中具有一个或多个参考设备、一个或多个目标设备、多个中继器和一个或多个网关;
图5A和图5B是示出同时定位和映射(SLAM)方法的步骤的流程图;
图6是示出用于估计声音速度的过程的步骤的流程图;
图7A至7C是示出用于确定移动对象的位置的多点法的示意图;
图8A和8B示出了用于缩小移动节点的位置估计的多个距离测量,其中,图8A示出了在确定区域内的位置估计,以及图8B示出了优化后在单个位置处的位置估计;
图9说明设计的测距性能,其特征是在沿轨道的多个距离处,激光测距仪的精度为2mm;
图10示出超声波和激光测距测量的比较,其中,测量值平均相差2毫米(mm),这在激光测距仪的精度距离内;
图11A和11B示出测量臂和超声波系统的报告的三维(3D)位置(图11A),以及每个3D轴的超声波位置误差(图11B);
图12A至12D示出申请人的室内定位系统(IPS)解决方案的各种形状因素,其中
图12A示出申请人的硬币电池供电的移动/节点,
图12B示出申请人的通用串行总线(USB)或电池供电锚点,
图12C示出申请人的USB或电池供电的移动设备,以及
图12D示出申请人的以太网供电(POE)锚点;
图13示出装配站部署,其中锚点跟踪使用手腕安装的移动电话的手;
图14示出使用POE菊花链锚点在地面以上7.2米(m)的天花板部署;
图15示出从天花板开始的墙壁展开菊花链;
图16A和16B示出用户界面监视和控制的示例;
图17示出申请人的行业标准虚拟现实(VR)平台的定位集成的测试;
图18是示出大型室内定位网络系统的示意图;
图19、20A、20B是网络连接操作顺序图;
图21是指示超声波时隙的图;
图22是示出无线电协议帧定义的示意图;
图23示出无线电中继器网络的时隙;
图24和24A至25F示出场景序列图;以及
图26示出仪表板网站。
具体实施方式
对象定位系统
多点定位(MLAT)对象定位系统通常涉及测距,即测量一组节点之间的距离。这里,节点是对象定位系统的功能组件、模块、设备等,并且可以固定、可重定位或可移动地定位在一个站点中。节点可以包括电路系统(其可以包括一个或多个单独的电路和/或集成电路),例如电路系统和/或光学电路,并且可以使用适当的信号(例如电信号、射频(RF)信号、光学信号、声学信号和/或等)经由适当的有线或无线技术与其他节点通信。
图1是示出根据本公开的一个实施例的定位系统100的示意图,其在站点中具有一个或多个参考设备和一个或多个目标设备。
如图所示,系统100包括多个节点102和104。节点102和104中的至少一些每个包括测距器,用于确定自身和附近节点之间的点到点距离。在申请人的美国专利No.10,448,357中公开了具有测距仪的此类节点的示例,该专利的内容通过引用全文并入本文。此外,节点102和104中的至少一些还可以包括用于执行指令的处理单元(也表示为“处理器”或“处理结构”)和用于系统通信的双向无线电台。这里,处理单元可以是电路、光学电路或其组合的形式。
在各种实施例中,节点102和104可被分类为部署在站点106中的一个或多个参考设备102(也表示为“锚点”)和一个或多个目标设备104(也表示为“移动设备”)。参考设备102可以在固定位置或可移动的位置,并且其位置可以通过校准过程和/或通过测距和/或定位方法(例如本文描述的方法、申请人的US10,448,357中公开的方法和/或任何其他合适的方法)来预定、确定。目标设备104通常是可移动的,并且其位置可以如本公开中所描述的那样确定。在一些实施例中,参考设备102可被考虑或成为用于确定其位置的目标设备。在一些实施例中,目标设备104在其位置被确定之后,可用作用于确定其他目标设备的位置的参考设备。
在本实施例中,目标设备104传输无线信号集108,并且参考设备102接收无线信号集108。因此,参考设备102经由无线信号集108与目标设备104通信,以确定目标设备104的距离。在此,对象的距离至少指对象与参考点(例如,参考设备102)之间的距离。
在该实施例中,一个或多个参考设备102部署在站点106的已知位置,并且可以是例如为本文所述目的而专门设计的一个或多个设备、一个或多个接入点(WI-FI是美国德克萨斯州Austin的Wi-Fi联盟的注册商标)、一个或多个接入点(BLUETOOTH是美国华盛顿州Kirkland的BLUETOOTH SIG Inc.的注册商标)、一个或多个基站等。如下面将更详细地描述的,每个参考设备102还包括能够传输和接收声学信号的声学换能器。
目标设备104与相应的可移动对象(例如人、系绳、ID徽章、工具、安全帽、购物车、包裹、机器人、自主引导车辆(AGV’s)、用户的手等)相关联,从而可在站点106内移动。目标设备104可以是具有如下所述的功能并且适合于与可移动对象相关联的任何设备,例如,为本文所述目的而专门设计的信号接收设备,诸如的智能手机(Apple和iPhone是美国加利福尼亚州库比蒂诺市苹果公司的注册商标),AndroidTM手机(Android是美国加利福尼亚州山景城Google LLC的商标),手机(Windows是美国华盛顿州雷德蒙的Microsoft Corporation的注册商标)和其他智能手机、诸如的平板电脑(iPad是美国加利福尼亚州库比蒂诺市苹果公司的注册商标)、AndroidTM平板电脑、(微软是美国华盛顿州雷德蒙市微软公司的注册商标)平板电脑和其他平板电脑、笔记本电脑、个人数字助理(PDA)、视频游戏控制器、人机界面设备、用于虚拟现实应用的三维(3D)界面设备、增强现实设备,例如(HoloLens是美国华盛顿州雷德蒙市微软公司的注册商标),平视显示器,例如Google Glass和/或类似设备。
在该实施例中,在参考设备102和目标设备104之间传输的无线信号集108至少包括第一类型、高速无线信号(下文中也表示为“第一速度信号”),例如射频(RF)信号,例如信号、信号、增强的(ShockBurst是挪威特隆赫姆北欧半导体公司的注册商标)信号、5G蜂窝信号等,以及第二类型、低速无线信号(下文中也表示为“第二速度信号”),例如声学信号。
如本领域技术人员所理解的,在各种实施例中,参考设备102可以同时与一个或多个目标设备104通信,并且目标设备104可以同时与一个或多个参考设备102通信。当然,至少在一些时间段中,可能存在不与任何目标设备104通信的一个或多个参考设备102;并且至少在一些时间段中还可能存在不与任何参考设备102通信的一个或多个目标设备104。
合适的信号复用技术,例如频分复用、时分复用、码分复用和/或类似技术,可用于一个或多个参考设备102和一个或多个目标设备104之间的通信。由于这些信号多路复用技术中的许多是本领域已知的,并且由于新的信号多路复用技术同样适用于本文公开的定位系统,因此为了说明目的,以下的描述仅使用与目标设备104通信的参考设备102的简单系统描述作为示例。
如图2所示,参考设备102包括处理单元112A,其经由总线或个别电路(未示出)耦合到存储器组件114A并控制存储器组件114A;以及一组信号发射机,其包括RF收发器116A、信号发生器120A和声学换能器122A(例如扬声器)。RF收发器116A耦合到天线118A,用于经由诸如RF信号124的高速无线信号与目标设备104通信。如本领域中已知的,RF收发器能够传输和接收RF信号。
信号发生器120A耦合到声学换能器122A,用于传输诸如声学信号126的低速无线信号。在该实施例中,信号发生器120A包括数模转换器(DAC),产生模拟信号以驱动换能器122A并产生低速无线信号126。
在各种实施例中,参考设备102可根据实施方式进一步包括其他合适的组件和电路。例如,在一些实施例中,参考设备102可包括适当的信号处理组件和电路,用于处理用于传输的RF和/或声学信号。在另一示例中,参考设备102可包括用于对信号发生器120A的输出滤波的适当信号处理组件和电路。
从功能性的观点来看,处理单元112A也被表示为发射机逻辑层。RF收发器116A、天线118A、信号发生器120A和声学换能器122A被共同表示为发射机物理层。
相应地,目标设备104包括处理单元112B,其经由总线或个别电路(未示出)耦合到存储器组件114B并控制存储器组件114B,以及一组信号接收机,其包括RF收发器116B和声学接收机120B。RF收发器116B还耦合到天线118B,用于经由RF(无线)连接124(即,RF信号124;以下,为了简单起见,术语“RF信号”和“RF连接”可互换使用)与参考设备102通信。声学接收机120B还耦合到诸如麦克风的声学换能器122B,用于接收从参考设备102传输的声学信号。在该实施例中,声学接收机120B包括模数转换器(ADC),将麦克风122B的输出转换为数字信号以用于进一步处理。在一些实施例中,目标设备104还包括温度传感器132。
从功能性的观点来看,处理单元112B也被表示为接收机逻辑层。RF收发器116B、天线118B、声学接收机120B和声学换能器122B被共同表示为接收机物理层。
这里,处理单元112A和112B中的每一个可以是使用例如编程现场可编程门阵列(FPGA)、专用集成电路(ASIC)等的特别设计的控制器芯片。或者,每个处理单元112A和112B可以是一个或多个单核或多核计算处理器,例如微处理器(英特尔是美国加利福尼亚州圣克拉拉市英特尔公司的注册商标)、微处理器(AMD是美国加利福尼亚州圣克拉拉市高级微设备公司的注册商标)、由各种制造商在架构下制造的微处理器(ARM是英国剑桥ARM有限公司的注册商标)、微控制器(AVR和Atmel是美国加利福尼亚州圣何塞市Atmel公司的注册商标)等。存储器组件114A和114B中的每一个可以是RAM、ROM、EEPROM、固态存储器、硬盘、CD、DVD、闪存等。
参考设备102和目标设备104使用RF信号124和声学信号126来测量其间的距离128。在该实施例中,参考设备102和目标设备104还可以将RF连接124用于其他通信目的,例如相互发送和接收命令和数据。然而,本领域技术人员理解,在一些替代实施例中,图2所示的RF连接124可仅用于距离测量,并且参考设备102和目标设备104不为其他目的彼此通信。在一些其他实施例中,图2中所示的RF连接124可仅用于距离测量,并且参考设备102和目标设备104可使用不同的无线设备,例如,不同的无线信道和/或不同的无线通信技术,用于为了其他目的而彼此通信,例如相互发送和接收命令和数据。作为示例,在一个实施例中,参考设备102和目标设备104使用增强的ShockBurstTM信号作为用于距离测量的RF信号124,并使用连接用于彼此发送和接收命令和数据。
图3是示出根据本公开的另一实施例的定位系统100的示意图。本实施例中的定位系统100类似于图1中所示的定位系统,并且包括一个或多个参考设备或锚点102、一个或多个目标设备或移动物体104、以及站点中的一个或多个中继器202。这里,中继器202是从一个或多个第一设备接收一个或多个信号并将接收到的一个或多个信号重发到一个或多个第二设备的信号重传节点或设备。在一些实施例中,中继器202可以形成参考或目标设备102/104的一部分。换句话说,参考或目标设备102/104可以包括中继器的功能,并且在需要时充当中继器202。
在该实施例中,中继器202相互协作,并根据需要在整个系统100中填充节点102和/或104(例如距离、位置、温度、接收信号强度指示器(RSSI)等)的测距/定位信息和可观察物,例如,将一个或多个节点102/104的测距/定位信息和可观察物传输到一个或多个其他中继器202'、一个或多个其他节点102'/104'或一个或多个服务器(未示出)。
图4是示出根据本公开的另一实施例的定位系统100的示意图。本实施例中的定位系统100类似于图1中所示的定位系统,并且包括一个或多个参考设备或锚点102、一个或多个目标设备或移动物体104、多个中继器202、以及站点中的一个或多个网关节点或设备(或简单地“网关”)204。取决于实现,网关204可以是以太网网关、USB网关和/或任何合适类型的网关。
一个或多个网关204在系统网络206和一个或多个服务器208之间中继数据和命令。服务器208还可以包括数据库、处理引擎和应用程序编程接口(API)。最终用户还可以通过仪表板网站经由客户端计算设备210访问数据。本领域技术人员理解,存在服务器208和数据库架构的显著变化(例如,云部署、本地部署、边缘部署等),并且这些变化不偏离本文公开的距离。
在一些实施例中,网络中的目标节点104在本地计算它们的位置,然后通过网络206将计算出的位置中继到服务器208。在其他实施例中,网络中的目标节点104不计算它们的位置。相反,节点102和/或104可以向服务器208传输它们的可观察物(距离、信号波形、温度、RSSI等),并且服务器208计算目标节点104的位置。
在一个实施例中,参考节点102还包括用于与以太网网络通信的以太网端口和相关电路,并且通过所述以太网网络与一个或多个服务器通信。在一些实施例中,以太网端口还被配置用于经由以太网供电标准接收电力。在其他实施例中,参考节点102包括用于与内部以太网交换机或集线器连接的两个以太网端口,一个用于上行通信和/或电源,以及另一个用于以菊花链配置向其他参考节点102提供下行以太网通信和/或电源。
在另一实施例中,参考节点102和目标节点104的初始位置是未知的。图1和图2所示的系统100为节点102和104建立公共坐标系,并使用图5A和图5B所示的校准过程300来使用本文所述的同时定位和映射(SLAM)方法同时定位参考节点102和可选地目标节点104的位置。
在图5A和图5B所示的过程300中,系统100首先初始化网络(步骤302)以建立参考节点102之间的测距通信。然后,控制设备例如服务器查询网络上的所有参考节点102(304),并作为响应,系统100内的所有参考节点102广播它们的存在(步骤306)。在预定的超时时间段之后,响应参考节点102的列表被确定地排序,例如,通过根据它们的MAC地址对参考节点102进行排序(步骤308)。
在步骤310,确定性列表中的选定参考节点102(也表示为“活动参考节点”)向所有其他节点广播测量信号,以允许接收机节点(即,其他参考节点102)建立飞行时间(TOF)测量。在步骤312,所有接收机节点测量TOFs并确定到发射活动节点的距离。在步骤314,通过网络从接收机节点向控制设备(例如,服务器)广播距离测量值和其他可观察物(例如,温度测量值、RSSI、信号波形等)。
系统100检查确定性列表中的所有节点是否广播了它们的测量信号(步骤316)。如果不是,则过程300从确定性列表中选择另一个参考节点(即,使其成为活动节点),然后在步骤310用新选择的节点重复该过程。
如果确定列表中的所有节点都广播了它们的测量信号,则系统进行到图5B所示的第二阶段,其中一个或多个目标节点104开始以顺序方式传输测量信号(步骤342),并且所有参考节点102测量TOF以确定它们到广播目标节点的距离(步骤344)。目标节点在覆盖区域(例如,站点)中移动,同时广播其测量信号(重复地),以从唯一位置创建几个空间不同的测量集。利用由目标节点传输的每个测量信号集,所有接收节点计算TOF并确定该特定历元到目标节点的距离。在每个测量历元之后,通过网络将距离测量与其他可观察物(例如温度、RSSI、信号波形等)一起广播回控制设备(步骤346),控制设备检查所有历元的完整数据集的总体质量(步骤348)。如果数据集包含的数据不足以有效解析参考节点位置,或者不满足预置质量阈值(其足以将参考节点的位置解析到某个最大允许误差内(步骤350的“否”分支)),则过程300回到步骤342。一旦达到足够的数据质量(步骤350的“是”分支),在控制设备上运行的解算器引擎使用最小二乘法(见等式6-12)确定所有参考节点的位置(步骤352),尽管许多方法是已知的,并且可以替代地用于求解或估计产生的方程组的解,例如梯度下降法等。在一些实施例中,仅确定具有足够要求解的数据的参考节点的位置,并且一些参考节点保持不固定。在一些实施例中,从接收节点传输到服务器的RSSI可观察物与确定的位置一起存储在数据库或其他存储器中,和/或被处理以形成RSSI指纹。
在步骤354,将所确定的位置广播到网络,并且完成系统初始化。然后过程300结束。
在过程300中,不需要为每个节点获得到所有其他节点的距离,但是需要获得比系统的未知变量的数目(例如,每个节点的x、y和z坐标)更多的距离测量。
在一些实施例中,在图5A所示的过程300的第一阶段中,一些或所有目标节点也可以响应该查询(步骤304),并被包括在确定性列表中,从而参与校准的第一阶段。
在一些实施例中,当参考节点102被移动或重新定位时执行校准过程300。
有时,进行同时定位和映射方法的类似但可供选择的方法是可取的。在该方法的该次要变型中,跳过处理300的步骤308至318,并且不执行参考节点到参考节点的测量。在参考节点相距太远超过所支持的最大测距距离的情况下,或者在障碍物阻止直接测距的情况下,或者在多径条件异常恶劣的情况下,这可能是可取的。在这种情况下,缺乏参考节点到参考节点的距离有时可能会引起解的歧义,这取决于由实际参考节点位置创建的几何条件。通过指示用户在初始化过程步骤342至350期间限制目标节点104的移动,例如通过将节点的高度保持在+/-0.5m内,来解决或估计这些模糊性。
在系统初始化后,参考节点已经在一个公共坐标系中自定位,然而通常需要和有用的是将该坐标系转换到另一个坐标系,如建筑坐标系或地球坐标系。本领域中公知的方法用于确定两个坐标系中的公共控制点并导出变换。
如申请人的US10,448,357所述,可以收集温度测量值作为测距过程的一部分,以校正声速的变化。然而,众所周知,建筑物内的空气分层导致非线性热梯度,从而影响两个节点102/104之间的空气柱的平均温度。
可以使用一种更精确的估计声速的方法。图6是示出用于估计音速的处理400的步骤的流程图。所示的过程400收集空间中不同点的温度测量值。最初,如申请人的US10,448,357所述,采用传统的温度校正音速的方法。然后,过程400采用将温度测量值存储在地图数据库中的附加步骤。在随后的距离测量中,每个相关的温度测量值与从该历元开始的计算位置一起存储在地图数据库中。然后,通过利用在一些实施例中可以被过滤的历史温度(例如,移动窗口平均值,或最近的测量值),可以确定更精确的点对点热梯度模型并将其用于进一步温度以校正给定定位时期的声速估计。
这样的模型允许更精确的音速计算,然后使用该音速计算来细化所确定的距离,并用于此后确定节点的位置。
特别地,在定位历元开始之后(步骤402),如上所述传输距离测量信号。此后,一些或所有节点102和/或104进行温度测量(步骤406)。例如服务器的控制设备从接收机节点(可以是参考节点102和/或目标节点104)接收TOF和温度测量值(步骤408)。当计算每个节点的位置时,控制设备检查其先前的位置是否已知(步骤410)。如果是,则控制设备然后使用分层方法计算声速(步骤412),并使用如上所述的相关距离测量计算节点的位置(步骤414)。然后,控制设备将温度测量值和节点位置记录在地图数据库中(步骤420)。
如果在步骤410,节点的先前位置未知,则控制设备然后使用传输和接收节点上的移动平均温度的平均值计算音速(步骤416),并使用如上所述的相关距离测量计算节点的位置(步骤418)。然后,处理400进入步骤412,使用分层方法重新计算音速,并且使用如上所述的相关距离测量重新计算节点的位置(步骤414)。然后,控制设备将温度测量值和节点位置记录在地图数据库中(步骤420)。
在一些实施例中,精确的距离信息(例如,从TOF测量获得的距离信息)在足够数量的节点之间可能无法用于解析位置。在这些实施例中,设备可以独立地或通过数据融合利用来自其无线电通信的RSSI测量来确定粗精度距离。适当地使用将RSSI与数值距离相关联的已知方法,例如路径损耗模型或已知RSSI指纹方法。虽然已知RSSI测量的准确度远低于声学TOF测量,但由于参考节点102已经在利用TOF测量的SLAM过程中定位到的精度,与传统的仅基于RSSI的系统相比,该系统的精度仍然显着提高。此外,在一些情况下,TOF和RSSI测量可能不能提供足够的数据来确定目标节点104的3D位置。在这些情况下,可以确定节点104位置的较低维度(例如,二维(2D)或一维(1D)(即邻近度))。
在一些实施例中,该系统可进一步包括计算设备、图形处理单元(GPU)和监视器,用于使用图形引擎和可视化应用程序对节点的移动进行数字孪生。
在一些实施例中,该系统还包括与包含历史位置数据的数据库耦合的分析引擎。对位置数据进行分析以完成时间研究、过程优化、事件分析、质量保证等。可以由分析引擎生成各种输出,包括对象的可播放时间序列3D可视化、过程对准和差分、热图图表等。
在一些实施例中,诸如人工神经网络、卷积神经网络等的机器学习算法可用于从中继到服务器的位置数据以及从诸如仓库管理系统、企业资源规划系统等的其他外部源确定事件。在另外的实施例中,这种机器学习算法还可以响应于确定的事件自主地发布动作或命令,例如,通过将仓库工人分派到仓库中的位置,或者通过向供应商发布产品订单。在图13和16A所示的一些其他实施例中,实时处理数据并与工作流过程相关,以确定在所述工作流中是否发生错误,或测量过程的某些方面,例如完成工作流的每个步骤的时间等。当测量过程在定义的参数之外运行时,可以确定用户定义的事件,这可以生成通过移动应用程序、桌面应用程序、电子邮件、集成警报系统等发送给负责人的警报。终端用户通过系统训练模式为给定的过程定义特定的事件和参数,在该模式下过程正常进行,记录的位置数据作为模板存储在内存中。通过用户界面(图16A),可以调整所记录模板中的某些特定事件以允许预期的过程差异。
在一些实施例中,该系统还包括在危险环境中使用的用户佩戴的可穿戴目标节点104(或简单地表示为“可穿戴节点”)。可穿戴节点104跟踪穿戴者的位置。如图26所示,环境中的区域可以被定义并与不同类别的空间相关联,例如禁区、危险区域、仅授权人员区域、安全区域等。每个可穿戴节点104将其确定的位置传输到服务器。可穿戴节点104的位置可以在仪表板网站(图26)上可视化,可根据需要由管理者或其他方访问。如果可穿戴节点104位于或变成位于所定义区域之一内,则进行数据库查询以确定是否允许相关联的用户进入给定区域。如果未确认授权,则生成警报,并可将警报发送给用户,以提醒他们注意潜在的危险,和/或发送给适当的保管人。区域不需要是静态的,并且可以在某些过程被手动启动或由进入给定空间的另一目标节点104启动时被激活或定义,例如,在一个场景中,当桥式起重机处于活动操作中时,位于有效载荷上的目标节点104指示它已经通过其报告的位置被提升离地,并且结果,在有效载荷下方自动激活禁区,当起重机调整其位置时,所述禁区自动重新定位在有效载荷上。
在一些实施例中,所有事件和位置数据存储在数据库中,该数据库可在稍后被审查以提供对诸如事件分析、过程优化、召回分析等各种任务有用的客观记录。
在一些实施例中,一个或多个目标节点104可进一步包括用于提醒用户事件的振动马达。
在一些实施例中,一个或多个目标节点104可进一步包括用于提醒用户事件的照明灯。
在一些实施例中,一个或多个目标节点104可进一步包括用于提醒用户事件的蜂鸣器。
在一些实施例中,机器学习算法,例如人工神经网络,可用于估计信号的到达时间。
在一些实施例中,一个或多个节点102和/或104可进一步包括GNSS接收机。在该实施例中,对参考节点102的距离测量和对GNSS卫星的距离测量被融合以确定高精度位置。
在一些实施例中,一个或多个节点102和/或104可进一步包括超宽带收发器。
对象定位系统的实现
许多室内定位系统(IPS)正在出现,以满足行业的需求,这些行业正在寻求跟踪人员、自动车辆、人工工作流和资产,以提高工人的安全和过程效率。本文公开的对象定位系统,在一些实施例中可以部署为IPS,可以在非常大的环境中提供毫米级的消费者就绪的三维定位精度。本节描述申请者的IPS和实验室测试结果,以验证性能。对定位问题进行了数学描述,并给出了传统的解决方法。专有设备的测距性能可与大地测量级光学仪器(例如全站仪)相媲美,静止多维定位性能是同类中最好的,精度可达毫米。真实世界的试验显示了在仓库、工厂和物流中心等大型工业环境中的毫米级性能(在某些情况下为亚厘米级)。该技术的灵活外形允许菊花链式永久安装或灵活的电池供电部署。随附的软件提供灵活的用户体验,可轻松与从传统计算硬件到最新虚拟和增强现实平台的设备进行交互。
I.导言
全球导航卫星系统(GNSS)和室内定位系统是当今导航定位革命的两大核心技术。虽然GNSS是一种强大的3维地理定位技术,可提供4米(m)RMS(均方根)数量级的民用定位精度,但对来自卫星的视距信号的依赖限制了在户外和晴朗的天空环境中的可靠使用[1]。因此,在室内环境中提供可靠定位的解决方案和在GNSS拒绝区域提供室外解决方案的前景越来越广阔。正如精确的户外定位系统(例如GPS)使大量新产品和服务成为可能一样,类似的经济机会等待着应对呈指数增长的室内定位市场的解决方案。据估计,到2024年,市场机会将达到每年100亿美元[2]。
提供IPS的技术多种多样,从射频设备(例如蜂窝5G网络、Wi-Fi网络、超宽带(UWB)收发器和蓝牙低功耗(BLE)设备)到使用相机或激光的光学解决方案,再到用于超声波的声波。
大多数非基于摄像机的IPS解决方案通常通过确定被跟踪对象到已知参考设备的距离来操作。这是通过将接收信号功率或飞行时间与距离相关来实现的。在BLE和Wi-Fi解决方案中,对象定位依赖于RSSI,并提供米量级(例如70厘米至20米)的定位精度[3][4]。超宽带系统通过测量从一个对象到几个接收机(锚点节点)的电磁(EM)波的TOF具有更好的精度,实现精确到几十厘米的测量[5]。基于摄像机的计算机视觉提供15厘米到1米的精度[6],这取决于环境和照明条件。超声波与UWB类似,使用TOF信息,但由于与EM波相比声速相对较慢,因此可以在2cm以下进行定位[7][8]。
基于TOF的定位类似于TOF成像,如医学超声成像,其中,能量以波的形式传输到一个区域,以由接收机阵列恢复。测量飞行时间并将其转换为距离以计算位置。在成像的情况下,距离可以表示到反射器的距离,反射器将波重定向到接收机,其通常位于发射机附近,作为相同成像设备的补充组件。
在定位系统的上下文中,在发射机和每个接收设备之间存在空间分离,使得计算的距离表示设备之间的分离距离。利用产生距离阵列的接收机阵列,假设接收机的位置已知,则可以使用多点测量方法来确定发射机的位置。
发射机和接收机之间的分离使距离计算变得复杂,因为接收机和发射机不共享一个共同的时钟,这是测量信号飞行时间的要求。TOF成像通常不存在这个问题,因为发射机和接收机位于同一位置,时钟在同一设备内共享。
为了克服未知时间信息带来的挑战,通常采用两种解决方案之一。一种解决方案要求接收机(或发射机)具有同步时钟,使得到达时间差(TDOA)可用于恢复时钟信息[9]。第二种解决方案采用双向测距,其中,往返信令交换用于将TOF信息传输到始发设备,该设备维护一个在其传输和接收组件之间共享的单个时钟[9]。不幸的是,在这两种情况下,时钟漂移或系统延迟引起的定时误差都是显著的,并与波传播速度相乘。在EM的情况下,由于其极快的传播速度,即光速(2.99×108m/s),即使很小的定时误差也会导致非常大的距离误差。在GNSS中,这一问题是通过使用高度精确和同步的原子钟来解决的,其是每一颗GNSS卫星的关键组成部分。这种方法对于卫星数量有限的系统是可行的。然而,对于具有大量参考设备的室内系统,例如数千个参考设备,在每个设备中都包括原子钟显然是不可行的。
II.用于精确IPS的混合实现
目标节点或设备104(下文中也称为移动节点或设备)与参考节点或设备102(下文中也称为锚点节点或设备)之间的精确距离测量是精确3D定位的限制因素。申请人的解决方案融合了最可靠和准确的测距技术。超声波和电磁波之间的大传播速度差允许使用电磁波作为时间基准,同时使用较慢的超声波进行距离测量[14]。与EM对应物相比,超声波的主要优势在于增加了分配给在声波传输和接收之间收集信号样本的时间。距离误差与波传播速度成反比,对于点对点传输来说,由以下因素决定:
δr=dT×c (1)
其中δr是以米为单位的距离误差,c是以m/s为单位的波传播速度,以及dT是以秒为单位的定时误差。为了精确定位,需要最小的可实现δr。很明显,如果定时误差是由硬件的质量和成本决定的,那么它可以被认为在同一产品类别内的设备之间是一致的。因此,为了达到最小δr,声波的传播速度(~343m/s)比电磁波的传播速度(2.99×108m/s)要低得多。
使用声学信号进行测距的第二个优点是改进的多径特性,即波的波长指示能量如何被环境中的对象吸收、反射和衍射的方式。例如,附近移动的叉车或储物架的反射对高频电磁波来说是镜面反射,但对超声波来说是漫反射。镜面反射是一个问题,因为它们作为发射信号的重叠时移副本到达,从而破坏原始信号和计算的距离[11]。在漫反射的情况下,发射的能量在多个方向上散射,最终在接收机处表现为较低水平的多径噪声。
II.A.实施概况
当具有不同传播速度的两个信号从移动设备104发送到固定锚点102时,其间的距离可由以下确定:
其中r是移动设备104和锚点设备102之间的距离,crf是较快的传播速度,ca是较慢的第二速度信号的传播速度,Δt是两个信号到达时间之间的差[14]。一旦在移动设备104和锚点设备102之间确定了距离,则所确定的距离可以与移动设备104的位置相关或以其他方式用于确定移动设备104的位置,这取决于位置的期望维度和可用距离的数量。随着可用距离数量的增加,可以将移动设备104定位到如图7A至7C所示的日益特定的位置。
图7A示出,当锚点节点102用于确定移动节点104的位置时,圆504上以锚点节点102为中心的半径为r1的任何位置502(其是锚点节点与移动节点102和104之间的距离)可以是移动节点104的可能位置。
图7B示出,当使用两个锚点节点102来确定移动节点104的位置时,两个圆504(每个以相应的锚点节点102为中心,其半径为相应的锚点节点102和移动节点104之间的距离)的两个交点502可以是移动节点104的可能位置。
图7C示出,当三个锚点节点102用于确定移动节点104在其同一平面上的位置时,三个圆504(每个以相应锚点节点102为中心,其半径为相应锚点节点102与移动节点104之间的距离)的交点502可以是移动节点104的位置。
方便地,移动设备104只需要为所有锚点设备102发送一个EM和声学信号对来检测,即,每个锚点设备102不需要单独寻址,因此可以同时计算多个相关距离。
由于环境噪声和其他噪声源,在计算距离内可能存在精度损害,从而对计算位置产生不利影响。用于估计移动位置的现代GNSS技术中使用的方法(例如卡尔曼滤波、贝叶斯估计器、最小二乘法等)也可用于本文公开的对象定位系统100中,以导出移动设备104的位置的最佳估计。与图8B所示的计算距离精确的情况相反,图8A示出了由误差破坏的距离测量引起的解模糊性。
II.B.误差最小化
为了从不完全距离的集合中导出移动设备104的位置的最佳估计,研究位置误差的表达式:
其中,e是各个距离误差的平方之和,rmi是移动设备104和第i个锚点设备之间的实际距离,并且ri是基于传输和接收信号的计算距离。最小化误差的一种方法是将方程(3)的导数设为零。这需要组成e以下组件的扩展版本:
其中,xm,ym,zm表示移动设备104的未知坐标、xn,yn,zn表示第n个锚点设备102的已知坐标,rn是基于TOF测量到第n个锚点设备102的计算距离。因此,过确定的线性方程组的解以如下形式存在:
R=Am (6)
其中,在这种情况下:
和
由于m包含未知数方程(6),该方程被重写以隔离它们:
m=A-1R. (10)
在大多数情况下,A不是正方形的,因此不是可逆的。矩阵A乘以它的转置得到可逆方阵。在对等式的两边应用转置后:
ATR=ATAm, (11)
和
m=(ATA)-1ATR. (2)
ATAm项是可逆的[9];因此可以解决m。解是最小二乘解,因为得到的位置是最小化实际和测量距离之间差异的平方的位置。
II.C.定时校正
使距离内的误差最小化还需要正确地检测输入信号的到达时刻。接收机通常采用能量检测器[12]的形式,该能量检测器检测高于某一阈值的能量级。
为了精确地确定距离,可以使用各种方法来提供改进的性能,如下节所示。
III.实施性能
本文公开的解决方案包括一个或多个移动设备104、多个锚点设备102和一个或多个USB或以太网连接的网关模块204。测距精度和三维定位精度两个性能指标是系统验证的重点。
对于距离验证,系统100的目标是与精度在+/-2毫米内的常规激光测距仪一样精确。为了测试性能,移动设备104被附接到机器人轨道车上,其沿着轨道携带移动设备104和激光测距仪,同时测量轨道车与固定锚点设备102之间的距离。该设置如图9所示。在每个期望的距离上,通过激光和超声波移动锚点对测量距离,同时注入噪声以模拟现实世界的条件。图10A和10B示出在0.4米至3米距离内进行的典型实验运行的结果。当在移动设备104和锚点设备102之间存在清晰的视线路径时,典型的结果在激光测距器的测距精度之内。
3D定位精度的验证需要具有移动设备104、网关设备204和多个锚点设备102的系统。法罗铂金臂是由美国佛罗里达州玛丽湖的法罗技术公司提供的一个地面真相系统,用于保持和准确报告移动物体的位置在0.073mm以内。六(6)个锚点设备102放置在地面上的固定位置中。包含移动设备104的臂的探针在3D空间中被重新定位多次,并且记录和比较来自测量臂和系统100的报告位置。图11A和11B示出3D定位结果以及测试期间每个笛卡儿轴的误差。尽管单个测距精度在2毫米量级,但在对所有6个锚点设备的六(6)个距离进行卡尔曼滤波融合后,最终估计的位置误差平均优于+/-1毫米。
IV.部署示例
许多应用程序可能需要精确定位和定位员工、自动/自主引导的车辆、工具和其他动产。虽然传统的解决方案难以(有时可能无法)满足精度规范,通常形状因子大,并且需要复杂的安装过程,但本文公开的系统100提供了改进的性能、易用性、灵活性、尺寸和便携性。参考文献[14][15][16]中公开的技术可以在系统100中(例如,在锚点设备102和/或移动设备104中)以多个形状因素使用,如图12A至12D所示,以适合各种部署场景的需要;从纽扣电池供电的手机和节点到以太网供电(POE)驱动的锚点。
当前的部署展示了系统100从小规模工作台应用到大型建筑规模工厂和仓库的灵活性。图13示出了在小规模上工作的系统的示例,其中,移动设备104戴在操作者的手腕上并用于跟踪操作者的手运动以用于员工培训和工作流优化应用。在该示例中,移动设备104由电池供电,而锚点设备102由USB连接供电。
大规模部署包括工厂和仓库,例如图14和15中所示的工厂和仓库,其中,锚点设备102部署在地面以上超过7米的高度上。在诸如这些的场景中,各种形式的多个锚点设备102以菊花链形式链接在一起,并使用以太网供电(POE)供电,从而提供方便且低成本的安装。本文公开的系统100的另一优点是,尽管这些类型的安装规模很大,但精度仍然在毫米量级。这种对工厂空间的增强监控可以减少潜在的停机时间并提高过程效率。系统100的部署和使用跨越几个行业,包括供应链管理和物流、先进制造以及健康和安全,这证明了本文公开的技术的可行性,将本地化的工作流监控扩展到包括工厂过程的整个生产线的规模。
系统100还可以包括为诸如台式PC和Android设备的各种平台开发的应用软件,用于终端用户的控制和可视化。图16A和16B示出其接口的一些示例。如图16A所示,示出实时质量保证数字孪生用例,其中,技术人员在零件的组装过程中得到指导,同时对他们的手、工具和耗材进行监控,验证是否准确遵循了正确的程序。如图16B所示,在Android平台上示出IPS数据的通用可视化。
包括其硬件和软件的系统100是敏捷的,并且可以与标准第三方平台接口,包括各种虚拟现实(VR)平台,例如Unity、三星SXR、Google Glass和MicrosoftHololens,以获得如图17所示的沉浸式交互体验。
V.摘要
上述实现基于对定位问题的稳健分析描述,随后是经过严格测试的严格数学和创新解决方案,以产生超越同类行业现任者的结果。
VI.参考资料
[1]Global Positioning System Standard Positioning Service PerformanceStandard,4th Edition,September 2008.Accessed on:March 8,2020.[Online]Available:https://www.gps.gov/technical/ps/2008-SPS-performance-standard.pdf
[2]Dardari,Davide,Pau Closas,and Petar M.“Indoor tracking:Theory,methods,and technologies.”IEEE Transactions on Vehicular Technology64,no.4(2015):1263-1278.
[3]Rai,Anshul,Krishna Kant Chintalapudi,Venkata N.Padmanabhan,andRijurekha Sen.“Zee:Zero-effort crowdsourcing for indoor localization.”InProceedings of the 18th annual international conference on Mobile computingand networking,pp.293-304.2012.
[4]Jenny,Peilin Zhang,Mohamed Abdelaal,and Oliver Theel.“Animproved BLE indoor localization with Kalman-based fusion:An experimentalstudy.”Sensors 17,no.5(2017):951.
[5]Kuhn,Michael,Cemin Zhang,Brandon Merkl,Depeng Yang,Yazhou Wang,Mohamed Mahfouz,and Aly Fathy.“High accuracy UWB localization in dense indoorenvironments.”In 2008 IEEE International Conference on Ultra-Wideband,vol.2,pp.129-132.IEEE,2008.
[6]Mulloni,Alessandro,Daniel Wagner,Istvan Barakonyi,and DieterSchmalstieg.“Indoor positioning and navigation with camera phones.”IEEEPervasive Computing 8,no.2(2009):22-31.
[7]Qi,Jun,and Guo-Ping Liu.“A robust high-accuracy ultrasound indoorpositioning system based on a wireless sensor network.”Sensors 17,no.11(2017):2554.
[8]Medina,Carlos,JoséCarlos Segura,and Angel De la Torre.“Ultrasoundindoor positioning system based on a low-power wireless sensor networkproviding sub-centimeter accuracy.”Sensors 13,no.3(2013):3501-3526.
[9]Silva,Bruno,Zhibo Pang,JohanJonas Neander,and GerhardHancke.“Experimental study of UWB-based high precision localization forindustrial applications.”In 2014 IEEE International Conference on Ultra-WideBand(ICUWB),pp.280-285.IEEE,2014.
[10]Williams,Gareth.“Overdetermined systems of linear equations.”TheAmerican Mathematical Monthly 97,no.6(1990):511-513.
[11]Leitinger,Erik,Paul Meissner,Christoph Rüdisser,Gregor Dumphart,and Klaus Witrisal.“Evaluation of position-related information in multipathcomponents for indoor positioning.”IEEE Journal on Selected Areas incommunications 33,no.11(2015):2313-2328.
[12]Kay,Steven M.Fundamentals of statistical signalprocessing.Prentice Hall PTR,1993.
[13]Gueuning,Francis,Mihai Varlan,Christian Eugene,and Pascal Dupuis.“Accurate distance measurement by an autonomous ultrasonic system combiningtime-of-flight and phase-shift methods.”In Quality Measurement:TheIndispensable Bridge between Theory and Reality(No Measurements?No Science!Joint Conference-1996:IEEE Instrumentation and Measurement TechnologyConference and IMEKO Tec,vol.1,pp.399-404.IEEE,1996.
[14]Lowe,Matthew William,and Vahid Dehghanian.“Range-finding andobject-positioning systems and methods using same.”U.S.Patent No.10,051,599,issued August 14,2018.
[15]Dehghanian,Vahid,and Matthew Lowe.“Method of determining positionand cooperative positioning system using same.”U.S.Patent No.9,977,113,issuedMay 22,2018.
[16]Lowe,Matthew William,and Vahid Dehghanian.“Method for determiningthe position of an object and system employing same.”U.S.Patent ApplicationSer.No.15/982,750,filed November 22,2018.
申请人智慧空间室内定位网络系统的大规模架构
I.导言
本部分描述了一些实施例中系统100的两个体系结构,其中系统100被实现为定位网络系统形式的大规模室内定位系统(IPS)部署,并且要求定位性能和通信,尽管系统规模增加,但仍保持最小性能规范。
在本节中,描述了一组架构原则,用于解决将IPS 100扩展到大面积部署的技术挑战,并实现健壮和内聚的架构,该架构可能对各种领域如健康、安全和环境(HSE)应用程序有商业价值。
II.系统概述
图18示出了与图4所示的系统100相似的申请者的大规模IPS的体系结构。图19、20A和20B示出网络连接操作的顺序图。该体系结构利用了几个不同的组件:锚点节点、移动节点、网关,以及在某些变体中,还有中继器节点。这方面的描述只集中在系统的正常操作上,而省略了诸如安装或校准等其他阶段。
该架构的基本原理是移动节点订阅本地定位锚点节点,以利用其声学信道的一部分进行距离测量。该订阅可以通过服务应用程序以集中方式(变体A)管理,也可以通过由单个锚点节点直接代理订阅的分散方式(变体B)管理。当移动节点穿越跟踪区域时,本地区域可能包括可能自动订阅的新节点,并且类似地,本地区域可能不再包括可能自动取消订阅的先前订阅的节点。
III.基本系统架构(变体A2)
在小规模系统中,网关设备(也称为“控制器”)可用于管理连接到网络的所有节点。然而,由于这种奇异控制器的RF距离的限制,出现了规模问题。通过增加额外的网关可以扩展距离,但总是会引起网关之间的同步问题。为了解决这个问题,这种体系结构的变体在服务器应用程序中包含了系统的控制功能。可以配置许多网关以通过IP连接和/或USB连接连接到应用程序。这保证了系统的所有状态信息是集中的,并且可以做出正确的决策来向移动节点提供信道资源。
这种体系结构的一个关键因素是通过中继器设备在整个网络中进行数据通信的可用性。这些设备通过环境部署以充当网关和网络节点之间的中继。理想情况下,大多数中继和节点的位置是已知的,因此最优的点对点路由可用于大多数数据通信。
作为一种提高信道带宽的方法,特别是在预期多个中继跳时,每个中继器和网关可以包含在不同信道上工作的两个无线电。其中一个信道可用于锚点与移动物体之间的正常通信,以及另一个信道可用于中继器与网关之间的数据中继。
使用该体系结构,系统可以以与小规模系统几乎相同的方式运行,同时具有一些关键改进,如:
·可将时隙定义为帧,如下文在无线电协议部分所述。
·超声波定时可能不依赖于无线电时隙。
·最后一个移动节点位置可能与位置请求一起传输。
·RSSI值可能包含在所有数据包中,用于确定最近跳和避免过度使用通用时隙所需的低精度定位。
·可以使用快速通道切换。
·服务器应用程序可以在整个系统中以统一的方式提供时隙,然后在不再有唯一时隙时,向空间分开的节点提供重叠时隙。
·服务器应用程序可以监视所有节点的位置,并且如果节点在预定距离内会聚,则重新提供特定的时隙。
·可以通过分配或撤销额外的时隙来动态地改变移动节点更新速率的调整。
·定位引擎只能在必要时在移动节点中运行。在移动物体需要知道其位置的情况下,它可以监听属于目标中继器的管道,以捕捉从锚点转发到中继器/网关的距离结果测量。
IV.超声波时隙
超声时隙没有复杂的帧结构。如图21所示,声学信道被简单地划分为N个时隙,其中N是本地区域支持的最大节点数乘以最小更新速率(以赫兹为单位)。
V.主网络无线电协议
无线电协议是围绕TDMA方法设计的,并受以下考虑因素的指导:
·时隙指示给定设备可以传输的时间。
·每个时隙必须足够长,以容纳最大可能的空中分组,并且时隙两侧的填充缓冲器等于最大预期时钟漂移的一半。
·无线信道被划分为时隙,时隙被分组为帧,帧被分组为超帧。这允许调整时隙类型的比率,同时保持一致的时隙宽度。
·在最大密度时,超帧必须为一个区域中的每个移动台提供一个帧。
·每个帧可以具有至少以预期锚点密度的最小值分配的用于锚点的时隙:1。
·每个中继器和网关设备每个超帧必须有一个时隙。
·对于没有指定时隙的设备,每个超帧可以具有一个通用时隙。
·超帧可以保持得尽可能小,以确保帧比超声波时隙更快地消失。
·锚点在报告测距时使用的响应帧将来可能是固定数量的帧。
·共享时隙的任何使用,例如通用时隙,都可能伴随一些随机化,以减少冲突的机会。
图22示出无线电协议帧定义。每种类型的时隙可以在长度上保持一致;然而,超帧内的不同时隙类型不一定相同。时隙宽度的调整最好通过实验或通过高度逼真的模拟来完成。可以将较长的时隙分解成较窄的时隙并通过超帧交织以优化通信延迟。
VI.中继器网络无线电协议
图23示出无线电中继器网络的时隙。有一个帧,它被分成N个时隙,其中N是系统上的中继器和网关的数量。时隙宽度可以根据部署用例进行调整,以实现吞吐量和延迟的平衡。较小的时隙可以提供较低的等待时间,因为中继器可能不必等待传输数据那么长时间。每个时隙的带宽减少,更多的时间损失在空中协议的开销上。
图24和25A到25F示出场景序列图。
VIII.分散式系统架构(变体B2)
根据定义,分散体系结构问题是一个不完全信息问题。与所有不完全信息问题的情况一样,本文描述的体系结构可能在所有场景中都不是万无一失的。然而,构思良好的解决方案可以在目标用例的某些约束条件下提供统计上可接受的性能。
体系结构中的有限信息问题表现为一个主要挑战;相邻锚点节点可能不知道系统上的所有节点,但是,必须适当地向移动节点提供信道时隙,而不会引起与其他移动节点的冲突。此外,锚点必须协商从系统的一个区域单元到可能发生进一步冲突的另一个区域单元的稳健和无缝的过渡。信道时间必须在每个节点的局部半径内的所有节点之间共享。
在分散模型下,在一定的移动节点密度下(即使有可用的信道时间),在最坏的情况下,不存在有效的解决方案来服务系统上的所有节点。
VIIII.单通道扩展(变体A1和B1)
上面描述的两种系统架构都依赖于双信道中继器设备,其减轻了主RF网络上的时隙拥塞。在单信道网络上保持相同功能的简单但非最优的解决方案是简单地向超帧添加保留的中继器时隙。结果是减少了定位功能的通道时间,但在某些用例中,这可能是降低硬件复杂性的可接受折衷。
Claims (4)
1.一种定位系统,包括:
多个参考节点;
位于未知位置的一个或多个目标节点,所述一个或多个目标节点经由一个或多个无线信号集与所述多个参考节点中的一个或多个通信;
至少一个处理单元;以及
一个或多个信号重传节点,每个信号重传节点与所述多个参考节点的至少一个子集、所述一个或多个目标节点的至少一个子集以及所述至少一个处理单元的至少一个子集通信,用于在其间传输定位相关数据;
其中,所述至少一个处理单元被配置为:对于所述一个或多个目标节点中的每一个,
基于在所述目标节点与所述一个或多个参考节点中的每一个之间通信的无线信号集,确定所述目标节点和与其通信的所述一个或多个参考节点中的每一个之间的距离;以及
基于所确定的距离确定所述目标节点的位置。
2.根据权利要求1所述的对象定位系统,还包括:
一个或多个网关节点,与所述多个参考节点中的至少一个子集、所述信号重传节点的至少一个子集以及所述至少一个处理单元通信,用于在其间填充对象定位相关数据。
3.一种对象定位系统,包括:
具有与其相关联的坐标系的多个参考节点,所述多个参考节点中的至少一个位于所述坐标系中的未知位置;
位于所述坐标系中的未知位置的一个或多个目标节点,所述一个或多个目标节点经由一个或多个无线信号集与所述多个参考节点通信,每个无线信号集至少包括具有第一传输速度的第一速度信号和具有第二传输速度的第二速度信号,并且所述第一传输速度高于所述第二传输速度;
至少一个处理单元;以及
一个或多个信号重传节点,每个重传节点与所述多个参考节点的至少一个子集、所述一个或多个目标节点的至少一个子集以及所述至少一个处理单元中的至少一个子集通信,用于在其间填充对象定位相关数据;
其中,所述至少一个处理单元被配置用于:
基于所述多个参考节点之间的距离,计算位置未知的参考节点在所述坐标系中的位置;并且对于每个目标节点,
基于在参考节点和目标节点之间通信的无线信号集的所述第一速度信号的接收时间和所述第二速度信号的接收时间之间的时间差,确定所述目标节点与所述多个参考节点中的每一个之间的距离;以及
基于所确定的距离确定所述目标节点在所述坐标系中的位置。
4.根据权利要求3所述的对象定位系统,还包括:
一个或多个网关节点,与所述多个参考节点的至少一个子集、所述信号重传节点的至少一个子集以及所述至少一个处理单元通信,用于在其间填充所述对象定位相关数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062988833P | 2020-03-12 | 2020-03-12 | |
US62/988,833 | 2020-03-12 | ||
PCT/CA2021/050338 WO2021179093A1 (en) | 2020-03-12 | 2021-03-12 | Hyper-accurate object-positioning system and method of self-localization using same |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115943321A true CN115943321A (zh) | 2023-04-07 |
Family
ID=77670410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180031718.5A Pending CN115943321A (zh) | 2020-03-12 | 2021-03-12 | 超精确对象定位系统和使用该系统的自定位方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230105698A1 (zh) |
EP (1) | EP4118447A4 (zh) |
JP (1) | JP2023518215A (zh) |
KR (1) | KR20230020385A (zh) |
CN (1) | CN115943321A (zh) |
CA (1) | CA3171443A1 (zh) |
WO (1) | WO2021179093A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230069236A1 (en) * | 2021-08-24 | 2023-03-02 | Juniper Networks, Inc. | Wifi location enhancement |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1181836B1 (en) * | 1999-05-05 | 2003-04-02 | Nokia Corporation | A method for positioning a mobile station |
US8400292B2 (en) * | 2010-03-01 | 2013-03-19 | Andrew Llc | System and method for location of mobile devices in confined environments |
US9689958B1 (en) * | 2013-03-20 | 2017-06-27 | Ben Wild | Device positioning using acoustic and radio signals |
US9977113B2 (en) * | 2015-10-29 | 2018-05-22 | Zerokey Inc. | Method of determining position and cooperative positioning system using same |
CA3011922C (en) * | 2016-01-20 | 2024-06-18 | Zerokey Inc. | Range-finding and object-positioning systems and methods using same |
US10627479B2 (en) * | 2017-05-17 | 2020-04-21 | Zerokey Inc. | Method for determining the position of an object and system employing same |
-
2021
- 2021-03-12 KR KR1020227035103A patent/KR20230020385A/ko unknown
- 2021-03-12 CN CN202180031718.5A patent/CN115943321A/zh active Pending
- 2021-03-12 JP JP2022555095A patent/JP2023518215A/ja active Pending
- 2021-03-12 CA CA3171443A patent/CA3171443A1/en active Pending
- 2021-03-12 WO PCT/CA2021/050338 patent/WO2021179093A1/en unknown
- 2021-03-12 EP EP21768228.5A patent/EP4118447A4/en active Pending
- 2021-03-12 US US17/910,863 patent/US20230105698A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2023518215A (ja) | 2023-04-28 |
KR20230020385A (ko) | 2023-02-10 |
US20230105698A1 (en) | 2023-04-06 |
EP4118447A4 (en) | 2024-04-10 |
CA3171443A1 (en) | 2021-09-16 |
WO2021179093A1 (en) | 2021-09-16 |
EP4118447A1 (en) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Top 10 technologies for indoor positioning on construction sites | |
Asaad et al. | A comprehensive review of indoor/outdoor localization solutions in IoT era: Research challenges and future perspectives | |
JP6940214B2 (ja) | ポジショニングシステム | |
Yang et al. | A novel NLOS error compensation method based IMU for UWB indoor positioning system | |
Khudhair et al. | Wireless indoor localization systems and techniques: survey and comparative study | |
Amundson et al. | A survey on localization for mobile wireless sensor networks | |
Zhuang et al. | A pervasive integration platform of low-cost MEMS sensors and wireless signals for indoor localization | |
CN107479513B (zh) | 一种定位方法及系统、电子设备 | |
US11102746B2 (en) | Positioning system | |
Zwirello et al. | Sensor data fusion in UWB-supported inertial navigation systems for indoor navigation | |
KR101537742B1 (ko) | 실내 측위 시스템용 비콘 및 리스너 | |
Cheng et al. | Real time indoor positioning system for smart grid based on uwb and artificial intelligence techniques | |
Savić et al. | Constrained localization: A survey | |
Skibniewski et al. | Simulation of accuracy performance for wireless sensor‐based construction asset tracking | |
Thio et al. | Experimental evaluation of the Forkbeard ultrasonic indoor positioning system | |
Danjo et al. | A theoretical error analysis on indoor TOA localization scheme using unmanned aerial vehicles | |
US20230105698A1 (en) | Hyper-accurate object-positioning system and method of self-localization using same | |
Gikas et al. | Collaborative positioning for urban intelligent transportation systems (ITS) and personal mobility (PM): Challenges and perspectives | |
Raja et al. | High accuracy indoor localization for robot-based fine-grain inspection of smart buildings | |
JP2007533968A5 (zh) | ||
KR101553715B1 (ko) | 무선 측위 방법 | |
Cil et al. | A comparative analysis of indoor positioning technologies in shipyard digitalization context | |
Tyagi et al. | Review of indoor positioning system: Technologies and applications | |
Atia | Nonlinear Estimation Techniques for High-Resolution Indoor Positioning Systems | |
Zhang et al. | Ultra Wideband Based Real-Time Positioning With Cascaded Wireless Clock Synchronization Method |
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 |