CN117250583B - 智能购物车的定位方法、系统、计算机设备和存储介质 - Google Patents
智能购物车的定位方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117250583B CN117250583B CN202311505182.3A CN202311505182A CN117250583B CN 117250583 B CN117250583 B CN 117250583B CN 202311505182 A CN202311505182 A CN 202311505182A CN 117250583 B CN117250583 B CN 117250583B
- Authority
- CN
- China
- Prior art keywords
- shopping cart
- price tag
- commodity
- heartbeat
- positioning
- 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 64
- 238000004891 communication Methods 0.000 claims abstract description 71
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000531116 Blitum bonus-henricus Species 0.000 description 1
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
-
- 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
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
- G01S5/02525—Gathering the radio frequency fingerprints
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Cash Registers Or Receiving Machines (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的一种智能购物车的定位方法、系统、计算机设备和存储介质，所述方法包括：根据所述智能设备采集到的商品属性和所述通信模块接收到的价签心跳信号，构建所述智能购物车的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息；本发明基于门店内已部署的电子价签系统实现对购物车的指纹定位方法，降低了定位技术的硬件安装复杂度和维护成本的同时，还提高了定位精度和稳定性。
Description
技术领域
本发明涉及定位技术领域，具体涉及一种智能购物车的定位方法、系统、计算机设备和存储介质。
背景技术
目前全球大型商超均在做数字化升级改造，在数字化应用中电子货架标签会替代传统的纸质标签；电子货架标签除了显示普通的信息外，还可以做很多应用，比如快速拣货、缺货管理、快速盘点和用户之间的人机交互等等。对于购物车在货架区域行走，往往需要能够定位购物车的位置，进行购物车导航，以及基于购物车位置的推荐服务。
目前对购物车的定位通常采用蓝牙定位技术，为了覆盖大型商超中所有货架通道，需要部署数量庞大的蓝牙信标，存在安装复杂和维护成本高的问题。
发明内容
针对现有技术中所存在的不足，本发明提供的一种智能购物车的定位方法、系统、计算机设备和存储介质，其解决了现有技术中购物车定位方法存在安装复杂和维护成本高的问题，本发明基于门店内已部署的电子价签系统实现对购物车的指纹定位方法，降低了定位技术的硬件安装复杂度和维护成本的同时，还提高了定位精度和稳定性。
第一方面，本发明提供一种智能购物车的定位方法，应用于部署有电子价签系统的门店中的智能购物车，所述电子价签系统包括已知位置信息且发送心跳数据包的电子价签和服务器，所述智能购物车包括购物车本体，以及设置在购物车本体上的用于接收心跳数据包的通信模块、用于采集移动数据的运动传感器和用于采集商品属性的智能设备，所述方法包括：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
可选地，所述价签心跳信号包括价签ID和上报时间；所述目标位置信息对应的指纹数据包括多个价签ID和每个价签ID对应的一个RSSI加权均值。
可选地，所述第一预设时间窗=智能设备采集到商品属性之前的T1时长+智能设备采集到商品属性之后到购物车开始移动之间的T2时长+购物车开始移动后的T3时长，所述第二预设时间窗=所述运动传感器采集到所述移动数据之前的T4时长。
可选地，所述服务器根据所述商品属性获取到所述商品的目标位置信息，包括：若所述服务器根据所述商品属性获取到多个位置信息时，根据购物车在上一时刻的定位信息对所述多个位置信息进行筛选，得到所述商品的目标位置信息。
可选地，在构建出所述门店对应的定位指纹数据库之后，所述方法还包括：当所述智能设备继续采集到商品属性时，获取到所述商品所在位置对应的指纹数据；将所述商品所在位置对应的指纹数据对所述定位指纹数据库进行更新。
可选地，在构建出所述门店对应的定位指纹数据库之前，所述方法还包括：所述服务器根据在所述第二预设时间窗接收到的所有价签心跳信号中的价签ID，获取每个电子价签对应的货架编号和货架节索引；根据所述货架编号和所述货架节索引，将同一货架节上的价签心跳信号进行聚合统计，得到每一个货架节对应的统计指标；根据对每一个货架节对应的统计指标进行综合分析得到目标货架节，将所述目标货架节的坐标位置作为所述智能购物车的定位信息。
可选地，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，在构建出所述门店对应的定位指纹数据库之前，所述方法还包括：根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；根据至少三个不共线的电子价签的位置信息和所述至少三个不共线的电子价签对应的方位角，计算出所述智能购物车的定位信息。
可选地，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，在所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息之后，所述方法还包括：根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；根据所述方位角对所述智能购物车的定位信息进行修订，得到所述智能购物车的目标定位信息。
可选地，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，所述方法还包括：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有价签心跳信号、接收到每个价签心跳信号的方位角和所述商品属性发送到电子价签系统中的服务器；所述服务器根据所述商品属性获取到所述商品对应的位置信息，根据价签心跳信号中的价签ID得到价签对应的位置信息；将所述价签对应的位置信息和所述方位角保存到输入数据集，将所述商品对应的位置信息保存到输出数据集；根据所述输入数据集和所述输出数据集对机器学习算法进行训练，得到购物车定位模型；将所述通信模块将当前接收到价签心跳信号对应的价签位置信息和方位角输入所述购物车定位模型中进行识别，得到所述智能购物车的当前定位信息。
第二方面，本发明提供一种智能购物车的定位系统，所述定位系统包括已知位置信息的电子价签、服务器和智能购物车，所述智能购物车包括购物车本体，以及设置在购物车本体上的用于接收心跳数据包的通信模块、用于采集移动数据的运动传感器和用于采集商品属性的智能设备；所述电子价签用于发送心跳数据包；其中，所述心跳数据包中包括价签心跳信号；所述通信模块用于当所述智能设备采集到任意商品的商品属性时，将在第一预设时间窗内接收到的所有心跳数据包和所述商品属性发送到电子价签系统中的服务器；所述服务器用于根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；所述通信模块还用于当所述运动传感器采集到所述购物车本体的移动数据时，将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器还用于将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
第三方面，本发明提供一种计算机设备，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，所述处理器执行所述计算机程序时实现以下步骤：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
第四方面，本发明提供一种可读存储介质，其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以下步骤：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
相比于现有技术，本发明具有如下有益效果：
本发明基于门店内已部署的电子价签系统，通过购物车上的智能设备采集到的商品属性和所述通信模块接收到的价签心跳信号，构建出包括每个商品位置对应指纹数据的定位指纹数据库；在对购物车进行定位时，将采集到的价签心跳信号与所述定位指纹数据库进行匹配，实现对购物车的实时定位；因此，本发明基于门店内已部署的电子价签系统实现对购物车的指纹定位方法，不仅降低了定位技术的硬件安装复杂度和维护成本的同时，还提高了定位精度和稳定性，适用范围广。
附图说明
图1所示为本发明实施例提供的第一种智能购物车的定位方法的流程示意图；
图2所示为本发明实施例提供的一种电子价签系统的结构示意图；
图3所示为本发明实施例提供的一种电子价签放置示意图；
图4所示为本发明实施例提供的一种智能购物车的结构示意图；
图5所示为本发明实施例提供的一种第一预设时间窗的定义示意图；
图6所示为本发明实施例提供的第二种智能购物车的定位方法的流程示意图；
图7所示为本发明实施例提供的第三种智能购物车的定位方法的流程示意图；
图8所示为本发明实施例提供的一种购物车与两个电子价签的关系示意图；
图9所示为本发明实施例提供的一种6天线版本的天线阵列示意图；
图10所示为本发明实施例提供的一种8天线版本的天线阵列示意图；
图11所示为本发明实施例提供的一种9天线版本的天线阵列示意图；
图12所示为本发明实施例提供的一种购物车的定位场景示意图；
图13所示为本发明实施例提供的另一种购物车的定位场景示意图；
图14所示为本发明实施例提供的第四种智能购物车的定位方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
第一方面，本发明提供一种智能购物车的定位方法，具体包括以下实施例：
实施例一
图1所示为本发明实施例提供的第一种智能购物车的定位方法的流程示意图；如图1所示，所述方法具体包括以下步骤：
步骤S101、当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；
需要说明的是，本实施例提供的智能购物车的定位方法应用于部署有电子价签系统的门店中的智能购物车，所述电子价签系统包括已知位置信息且发送心跳数据包的电子价签和服务器；其中，所述电子价签系统还包括基站，如图2所示，电子价签通过所述基站与所述服务器进行通信，在构建电子价签系统时已经基于现有技术中的邻居学习定位算法对门店中的每个电子价签进行精度为货架级别的定位，也就是本实施例中的每个电子价签的位置信息是已知的；图2中的服务器保存每个电子价签的位置信息，并利用邻居数据和心跳数据对电子价签和智能购物车进行定位，服务器还通过基站管理电子价签的行为，基站直接与电子价签连接，负责传输消息和数据；电子价签定期广播心跳，并在收到定位指令后进行巡检，收集到相邻价签的信号作为邻居信息，购物车可以接收到电子价签的心跳，并缓存起来，当需要定位时，使用缓存的数据对其进行定位。
电子价签在货架上的安装方式如图3所示：1、水平摆放在平面上，2、挂在挂勾上，3、倾斜挂在层板上。每个电子价签按照一定的时间间隔在广播频点上发送心跳数据包，一个2.4G的接收模块只要配置在这个广播频点就可以接收到心跳数据包。
如图4所示，本实施例中的智能购物车包括购物车本体4，以及设置在购物车本体上的用于接收心跳数据包的通信模块5、用于采集移动数据的运动传感器6和用于采集商品属性的智能设备7，其中通信模块5、运动传感器6和智能设备7的设置位置不局限于图4所示，所述通信模块5为2.4G通信模块，当用户推着购物车在商场中购买商品时，通信模块可以接收到周围货架上价签发射的心跳数据包；智能设备7可以扫描商品条形码并自动加入购买订单，该智能设备可以连接到后台的服务器；当购物车被推动时，运动传感器6能感受到并将运动的信息上传给智能设备。
在本实施例对购物车进行指纹定位之前，需要建立门店对应的指纹数据库：在顾客购买商品或门店工作人员特意采集商品属性时，利用购物车上安装的智能设备扫描商品的条形码的同时，触发通信模块收集一段时间内附近电子价签发送的心跳数据包，并将所有心跳数据包括和所述商品属性上报到所述服务器；为了尽可能多的收集到确定位置的心跳数据包，该一段时间为上述所说的第一预设时间窗，而这第一预设时间窗的定义如图5所示，所述第一预设时间窗=智能设备采集到商品属性之前的T1时长+智能设备采集到商品属性之后到购物车开始移动之间的T2时长+购物车开始移动后的T3时长，其中，T2时长为智能设备扫描完商品后购物车在原地停留的时长，假如扫描完商品后购物车不停留，那么T2时长为0；在本实施例中，T1时长和T3时长分别各取值为10S；也就是收集的心跳数据包分为三部分：一部分为触发商品扫描的前10s接收到的心跳数据包，第二部分为触发商品扫描开始到运动传感器检测到购物车重新移动之间Ns接收到的心跳数据包；第三部分为购物车重新移动后10s接收到的心跳数据包；其中，所述心跳数据包中包括的是价签心跳信号。
在本实施例中，所述价签心跳信号包括价签ID和上报时间，价签为了保证正常的刷屏任务，会把心跳发射功率设置在0dbm。对于购物车定位，这种设置模式会导致很远距离的价签也被购物车收集到进而影响指纹库的建立。因此，在上报数据之前，智能设备会通过设置门限的方式对接收到所述价签心跳信号的RSSI值进行筛选，只有信号强度超过一定门限，即保证为近距离的价签的心跳才会被上报到服务器。
步骤S102、所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；
在本实施例中，服务器根据接收到的商品属性，确定出商品所在的目标位置信息，所述目标位置信息通过商品和价签的绑定关系进行确定，也就是利用绑定的电子价签的位置信息作为所述目标位置信息；服务器再将所述目标位置信息与第一预设时间窗接收到的所有价签心跳信号进行绑定，从而可以得到所述目标位置信息对应的指纹数据；需要说明的是，在所述目标位置信息对应的心跳信号中，存在接收到同一个电子价签发送的多次价签心跳信号，而每次接收到的价签心跳信号的RSSI值可能相同，也可能不同，因此需要根据价签ID对接收到同一个电子价签发送的多次价签心跳信号的多个RSSI值取加权均值，所以目标位置信息对应的指纹数据包括价签ID和RSSI加权均值。当获取到预定比例的指纹数据后，表示定位指纹数据库建立完成，所述预定比例可以是总的指纹数据的70%、80%等任意比例。
需要说明的是，在购物车的指纹定位中，整个门店会被划分为若干个方格，在这个场景下，当用户扫描商品后，商品的位置与方格相对应，定位指纹数据库的构建具有以下几个特点：
（1）需要设置一个时间阈值，只有在这个时间阈值以内的心跳数据会被用来构建指纹，原因是防止价签被移动，影响指纹库的可信度。处于时间阈值以内的心跳数据需要根据获取的时间被分成若干份，距离当前时刻越接近的心跳数据，其可信度越高，并分配其对应的权重。每个心跳数据的权重的分配可以基于下面的公式：
其中，x为分配的时间份数也是权值的最大值，t为时间阈值，为当前时间，/>为心跳包上报的时间。
对于指纹库中单个位置上对应的同一价签的RSSI加权均值，可以根据以下公式计算：
其中，是指纹库中对应位置对应价签的RSSI的加权均值，/>是第i个心跳数据对应的权值，/>是第i个心跳数据对应的RSSI值。
在进行指纹匹配时如果在同一位置收到多次同一价签的心跳数据，也可利用公式对心跳数据计算加权均值。
在计算指纹相似度时，可以使用欧氏距离：
其中，n代表该区域中有n个价签的加权均值，代表本次收到的价签的RSSI值，距离越大相似度越小。
（2）一个位置的指纹数据，包括<价签ID，RSSI值，上报时间>三部分组成，最后根据时间阈值进行筛选，构建指纹数据库的指纹数据包括价签ID和RSSI加权均值。
（3）随着用户不断采集商品，指纹数据库是被不断更新的。
（4）指纹库包括两个维度，单一位置的指纹和全场指纹：1）对于单一位置的指纹，可能有若干个商品绑定在该位置上。需要满足该位置上采集到的商品超过一定的比例或者超过一定的数量，才能认为该位置时可信的；2） 对于全场指纹，当可信的位置超过一定比例我们认为全场指纹基本构建完成。
（5）如果一个位置上没有指纹，则购物车不能定位到该位置上。
需要说明的是，对于心跳数据的权重，根据实际场景，可以令权重在时间阈值t以内的都等于1，时间阈值t以外的都等于0，此时RSSI的加权均值就是RSSI的均值：
Weight公式可以根据实际情况进行调整。
需要说明的是，在计算指纹相似度时，根据实际场景，除了欧式距离还可以使用其他计算方式，如：
曼哈顿距离：；
切比雪夫距离：。
在本发明的另一个实施例中，在构建出所述门店对应的定位指纹数据库之后，所述方法还包括：当所述智能设备继续采集到商品属性时，获取到所述商品所在位置对应的指纹数据；将所述商品所在位置对应的指纹数据对所述定位指纹数据库进行更新。
需要说明的是，对所述定位指纹数据库的更新包括新增指纹数据，也包括对已构建的指纹数据进行更新。
在本发明的又一个实施例中，所述服务器根据所述商品属性获取到所述商品的目标位置信息，包括：若所述服务器根据所述商品属性获取到多个位置信息时，根据购物车在上一时刻的定位信息对所述多个位置信息进行筛选，得到所述商品的目标位置信息。
需要说明的是，在门店的实际运营过程中，一个商品可能会在多个地方放置，例如洗衣液在正常的品类存放货架上放置，还可能在促销区放置；这导致扫描出的商品属性会对应这门店的多个位置；因此，当所述服务器根据所述商品属性获取到多个位置信息时，根据购物车在上一时刻的定位信息对所述多个位置信息进行筛选，得到所述商品的目标位置信息；也就是上一时刻的定位信息离多个位置信息中最近的位置信息作为所述目标位置信息。
步骤S103、当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；
步骤S104、所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
其中，所述第二预设时间窗为所述运动传感器采集到所述移动数据之前的T4时长。
需要说明的是，构建出所述门店对应的定位指纹数据库之后，推动购物车就可以触发购物车的实时定位功能；当所述运动传感器采集到所述购物车本体的移动数据时，购物车上的智能设备可以将最近一个窗口接收到的所有价签心跳信号发送到服务器，服务器通过大数据匹配方法或机器学习算法对购物车的位置进行实时定位。
在本实施例的一个实现方式中，所述大数据匹配方法为一种基于传统贝叶斯的指纹定位方法，根据收到的信号，可以得到一个信号向量m，m=（<esl_id1,rssi_avg1>,<esl_id2,rssi_avg2>,…,<esl_idn,rssi_avgn>）。根据定位指纹数据库，得到所有的位置p，所以目标就是需要求出一个最大的概率P(p|m)，即当信号向量是m时，定位在p这个位置的概率最大；对该公式进行贝叶斯转换就可以得到。因为对于一次采样时，采样得到信号向量m的概率是一个常量，所以/>。在此场景中，通过分析数据得到/>随即可以求出一个信号向量最大可能性所对应的位置。
在本实施例的另一个实现方式中，所述机器学习算法为KNN算法（K NearestNeighbors），该算法是一种简单的机器学习算法，其原理是根据与采集到的信号向量m距离最近的k个位置计算出采集位置的坐标。其中两个关键点是，1）利用定位指纹数据库选择最适合的k值，2）采用欧式距离、曼哈顿距离或切比雪夫距离等方式计算m与其他位置的向量指纹间距离。
与现有技术相比，本实施例具有以下有益效果：
本发明基于门店内已部署的电子价签系统，通过购物车上的智能设备采集到的商品属性和所述通信模块接收到的价签心跳信号，构建出包括每个商品位置对应指纹数据的定位指纹数据库；在对购物车进行定位时，将采集到的价签心跳信号与所述定位指纹数据库进行匹配，实现对购物车的实时定位；因此，本发明基于门店内已部署的电子价签系统实现对购物车的指纹定位方法，降低了定位技术的硬件安装复杂度和维护成本的同时，还提高了定位精度和稳定性，适用范围广。
实施例二
图6所示为本发明实施例提供的第二种智能购物车的定位方法的流程示意图；如图6所示，在构建出所述门店对应的定位指纹数据库之前，对购物车的定位还包括以下步骤：
步骤S201、所述服务器根据在所述第二预设时间窗接收到的所有价签心跳信号中的价签ID，获取每个电子价签对应的货架编号和货架节索引；
步骤S202、根据所述货架编号和所述货架节索引，将同一货架节上的价签心跳信号进行聚合统计，得到每一个货架节对应的统计指标；
步骤S203、根据对每一个货架节对应的统计指标进行综合分析得到目标货架节，将所述目标货架节的坐标位置作为所述智能购物车的定位信息。
需要说明的是，当购物车出发定位时且在定位指纹数据库未建立完毕时，购物车的智能设备可以将最近一个窗口接收到的心跳数据发送到服务器，服务器通过特殊定位流程对购物车的位置进行定位。
在本实施例中特殊定位流程的一种实现方式为：服务器的数据库中存储了每个电子价签的定位位置，货架号以及货架节索引。购物车的智能设备可以根据一段时间窗口内采集到的心跳数据计算并确定购物车当前所在的通道。具体的算法流程如下：（1）数据预处理，对购物车上传的心跳数据进行预处理，包括去除异常值、噪声和重复数据，以提高数据质量和准确性。（2）查询电子价签信息，根据购物车心跳数据中的电子价签身份ID，查询服务器中电子价签对应的货架编号和货架节索引。（3）聚合统计，基于查询到的货架编号和货架节索引，将同一排面货架上的电子价签心跳数据进行聚合统计；其中，聚合统计包括计算每一货架排面心跳数据的平均值、倒数均值、方差等统计指标，用于判断购物车位置信息。（4）通道判断，将聚合统计的数据进行加权求和，并结合货架的位置关系进行综合分析，可以推断购物车所在的通道；货架的位置关系是根据超市地图和布局确定的，如货架的相对位置、排列方式等；其中，所述综合分析包括对每个货架节的统计指标进行排序，将排序最靠前的那个货架节作为所述目标货架节。（5）返回定位结果，返回购物车当前所在的通道信息，为智能购物车提供实时定位服务。
实施例三
图7所示为本发明实施例提供的第三种智能购物车的定位方法的流程示意图；如图7所示，在构建出所述门店对应的定位指纹数据库之前，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，对购物车的定位还包括以下步骤：
步骤S301、根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；
步骤S302、根据至少三个不共线的电子价签的位置信息和所述至少三个不共线的电子价签对应的方位角，计算出所述智能购物车的定位信息。
需要说明的是，每个电子价签在发送价签心跳信号的尾部会发送一段预定已知序列的信号，便于购物车的通信模块接收到这段已知序列信号时解算方位角；购物车上具有AOA定位功能的通信模块包含一个由多个天线构成的天线阵，该通信模块可以精准的控制每根天线的接收时间窗，并通过不同天线接收信号的基带信号特征计算发射信号源的方位角；不论购物车的车头方向朝向哪个方向，都可以通过至少三个不共线的已知价签的位置就可以计算出购物车的位置，其中，三个不共线的电子价签表示三个电子价签的位置不在一条直线上；如图8所示，（X,Y）表示购物车的定位坐标，（）表示第一电子价签的位置坐标，（/>）表示第二电子价签的位置坐标，（/>）表示第三电子价签的位置坐标，表示第一电子价签发射信号源的方位角，/>表示第二电子价签发射信号源的方位角，/>表示第三电子价签发射信号源的方位角，/>表示第一电子价签到购物车的方向向量，/>表示第二电子价签到购物车的方向向量，/>表示第三电子价签到购物车的方向向量，/>表示第一电子价签到第二电子价签的方向向量，/>表示第二电子价签到第三电子价签的方向向量，/>表示第三电子价签到第一电子价签的方向向量，具有如下等式：
由于、/>、/>、/>、/>、/>、已知，因此，可以通过上述公式解算出/>、、/>的值，再由以下方程组：
可以解出购物车坐标。
需要说明的是，利用AOA定位出来的手推车，我们也可以使用其定位前后（第一预设时间窗）收集到的心跳数据来更新指纹库；其中，通信模块中多个天线包括但不限于图9中6天线版本的天线阵列、图10中8天线版本的天线阵列和图11中9天线版本的天线阵列。
实施例四
在本实施例中，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，在所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息之后，所述方法还包括：
根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；
根据所述方位角对所述智能购物车的定位信息进行修订，得到所述智能购物车的目标定位信息。
需要说明的是，如图12所示，附图标记8指示的半圆弧是电子价签发送心跳数据包的方向示意，附图标记9指示的灰色方块代表电子价签，附图标记10指示的白色长方形代表货架，附图标记11指示的购物车，附图标记12指示的购物车上通信模块接收信号的辐射范围；电子价签发射信号的方向主要朝向通道内，且较难穿透货架中间的隔板，购物车上通信模块能收到电子价签发射的信号，其信号强度也在一定范围以内。所以当购物车处于通道中间，利用其收到的电子价签的心跳信号，可以对其进行实时定位。
在本实施例中，具有AOA定位功能的通信模块包含一个由多个天线构成的天线阵。该通信模块可以精准的控制每根天线的接收时间窗，并通过不同天线接收信号的基带信号特征计算发射信号源的方位角；利用方位角，可以获得价签相对于购物车的方向，如图13所示，进而判断出购物车的朝向、运动方向等，从而获得购物车更精确的位置信息。图13中的附图标记13指示的购物车所在通道，附图标记14指示的是根据方位角确定的购物车所在范围。当对购物车进行定位时，由于信号强度的波动，定位精度只能保证在通道中，也就是附图标记13所指示的灰色部分；增加方位角后，可以通过电子价签相对于购物车的位置关系，将购物车定位到附图标记14指示的浅灰色三角区域中，以此提高定位精度。
实施例五
图14所示为本发明实施例提供的第四种智能购物车的定位方法的流程示意图；如图14所示，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，所述方法还包括：
步骤S401、当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有价签心跳信号、接收到每个价签心跳信号的方位角和所述商品属性发送到电子价签系统中的服务器；
步骤S402、所述服务器根据所述商品属性获取到所述商品对应的位置信息，根据价签心跳信号中的价签ID得到价签对应的位置信息；
步骤S403、将所述价签对应的位置信息和所述方位角保存到输入数据集，将所述商品对应的位置信息保存到输出数据集；
步骤S404、根据所述输入数据集和所述输出数据集对机器学习算法进行训练，得到购物车定位模型；
步骤S405、将所述通信模块将当前接收到价签心跳信号对应的价签位置信息和方位角输入所述购物车定位模型中进行识别，得到所述智能购物车的当前定位信息；
需要说明的是，智能购物车发送到服务器的心跳数据与记录的方位角信息除了构建定位指纹数据库以外，还可以用来自动训练指纹匹配算法；把购物车当前收到的心跳数据与记录的方位角信息作为输入，匹配结果作为输出，商品所处位置作为标签，就可以对指纹匹配算法进行优化训练；在对购物车进行实时定位时，根据当前接收到价签心跳信号获取到价签位置信息和方位角，将所述价签位置信息和方位角输入到训练好的指纹匹配算法中进行识别，即可得出购物车的当前定位信息。
第二方面，本发明提供一种智能购物车的定位系统，所述定位系统包括已知位置信息的电子价签、服务器和智能购物车，所述智能购物车包括购物车本体，以及设置在购物车本体上的用于接收心跳数据包的通信模块、用于采集移动数据的运动传感器和用于采集商品属性的智能设备；
所述电子价签用于发送心跳数据包；其中，所述心跳数据包中包括价签心跳信号；
所述通信模块用于当所述智能设备采集到任意商品的商品属性时，将在第一预设时间窗内接收到的所有心跳数据包和所述商品属性发送到电子价签系统中的服务器；
所述服务器用于根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；
所述通信模块还用于当所述运动传感器采集到所述购物车本体的移动数据时，将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；
所述服务器还用于将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
第三方面，本发明提供一种计算机设备，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，所述处理器执行所述计算机程序时实现以下步骤：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
第四方面，本发明提供一种可读存储介质，其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以下步骤：当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (12)
1.一种智能购物车的定位方法，其特征在于，应用于部署有电子价签系统的门店中的智能购物车，所述电子价签系统包括已知位置信息且发送心跳数据包的电子价签和服务器，所述智能购物车包括购物车本体，以及设置在购物车本体上的用于接收心跳数据包的通信模块、用于采集移动数据的运动传感器和用于采集商品属性的智能设备，所述方法包括：
当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有心跳数据包、接收每个心跳数据包的RSSI值和所述商品属性发送到电子价签系统中的服务器；其中，所述心跳数据包中包括价签心跳信号；
所述服务器根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号和接收每个心跳数据包的RSSI值进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；
当所述运动传感器采集到所述购物车本体的移动数据时，所述通信模块将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；
所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
2.如权利要求1所述的智能购物车的定位方法，其特征在于，所述价签心跳信号包括价签ID和上报时间；
所述目标位置信息对应的指纹数据包括多个价签ID和每个价签ID对应的一个RSSI加权均值。
3.如权利要求2所述的智能购物车的定位方法，其特征在于，所述第一预设时间窗=智能设备采集到商品属性之前的T1时长+智能设备采集到商品属性之后到购物车开始移动之间的T2时长+购物车开始移动后的T3时长，所述第二预设时间窗=所述运动传感器采集到所述移动数据之前的T4时长。
4.如权利要求2所述的智能购物车的定位方法，其特征在于，所述服务器根据所述商品属性获取到所述商品的目标位置信息，包括：
若所述服务器根据所述商品属性获取到多个位置信息时，根据购物车在上一时刻的定位信息对所述多个位置信息进行筛选，得到所述商品的目标位置信息。
5.如权利要求1所述的智能购物车的定位方法，其特征在于，在构建出所述门店对应的定位指纹数据库之后，所述方法还包括：
当所述智能设备继续采集到商品属性时，获取到所述商品所在位置对应的指纹数据；
将所述商品所在位置对应的指纹数据对所述定位指纹数据库进行更新。
6.如权利要求1所述的智能购物车的定位方法，其特征在于，在构建出所述门店对应的定位指纹数据库之前，所述方法还包括：
所述服务器根据在所述第二预设时间窗接收到的所有价签心跳信号中的价签ID，获取每个电子价签对应的货架编号和货架节索引；
根据所述货架编号和所述货架节索引，将同一货架节上的价签心跳信号进行聚合统计，得到每一个货架节对应的统计指标；
根据对每一个货架节对应的统计指标进行综合分析得到目标货架节，将所述目标货架节的坐标位置作为所述智能购物车的定位信息。
7.如权利要求1所述的智能购物车的定位方法，其特征在于，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，在构建出所述门店对应的定位指纹数据库之前，所述方法还包括：
根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；
根据至少三个不共线的电子价签的位置信息和所述至少三个不共线的电子价签对应的方位角，计算出所述智能购物车的定位信息。
8.如权利要求1所述的智能购物车的定位方法，其特征在于，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，在所述服务器将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息之后，所述方法还包括：
根据每个天线接收到所述预定序列信号的基带信号特征，计算出每个电子价签发射信号源的方位角；
根据所述方位角对所述智能购物车的定位信息进行修订，得到所述智能购物车的目标定位信息。
9.如权利要求1所述的智能购物车的定位方法，其特征在于，当所述通信模块包括多个天线，且所述心跳数据包还包括预定序列信号时，所述方法还包括：
当所述智能设备采集到任意商品的商品属性时，将所述通信模块在第一预设时间窗内接收到的所有价签心跳信号、接收到每个价签心跳信号的方位角和所述商品属性发送到电子价签系统中的服务器；
所述服务器根据所述商品属性获取到所述商品对应的位置信息，根据价签心跳信号中的价签ID得到价签对应的位置信息；
将所述价签对应的位置信息和所述方位角保存到输入数据集，将所述商品对应的位置信息保存到输出数据集；
根据所述输入数据集和所述输出数据集对机器学习算法进行训练，得到购物车定位模型；
将所述通信模块将当前接收到价签心跳信号对应的价签位置信息和方位角输入所述购物车定位模型中进行识别，得到所述智能购物车的当前定位信息。
10.一种智能购物车的定位系统，其特征在于，所述定位系统包括已知位置信息的电子价签、服务器和智能购物车，所述智能购物车包括购物车本体，以及设置在购物车本体上的用于接收心跳数据包的通信模块、用于采集移动数据的运动传感器和用于采集商品属性的智能设备；
所述电子价签用于发送心跳数据包；其中，所述心跳数据包中包括价签心跳信号；
所述通信模块用于当所述智能设备采集到任意商品的商品属性时，将在第一预设时间窗内接收到的所有心跳数据包和所述商品属性发送到电子价签系统中的服务器；
所述服务器用于根据所述商品属性获取到所述商品的目标位置信息，并将所述商品的目标位置信息和所述通信模块在第一预设时间窗内接收到的所有价签心跳信号进行绑定，作为所述目标位置信息对应的指纹数据；当获取到门店中预设比例的指纹数据时，构建出所述门店对应的定位指纹数据库；
所述通信模块还用于当所述运动传感器采集到所述购物车本体的移动数据时，将在第二预设时间窗接收到的所有价签心跳信号发送到服务器；
所述服务器还用于将在第二预设时间窗接收到的所有价签心跳信号与所述定位指纹数据库进行匹配，得到所述智能购物车的定位信息。
11.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项方法的步骤。
12.一种可读存储介质，其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9中任一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311505182.3A CN117250583B (zh) | 2023-11-13 | 2023-11-13 | 智能购物车的定位方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311505182.3A CN117250583B (zh) | 2023-11-13 | 2023-11-13 | 智能购物车的定位方法、系统、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117250583A CN117250583A (zh) | 2023-12-19 |
| CN117250583B true CN117250583B (zh) | 2024-04-09 |
Family
ID=89137152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311505182.3A Active CN117250583B (zh) | 2023-11-13 | 2023-11-13 | 智能购物车的定位方法、系统、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117250583B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117596566B (zh) * | 2024-01-19 | 2024-04-09 | 广州宇翊鑫医疗科技有限公司 | 基于物联网的医疗器械精准定位方法及系统 |
| CN118154990B (zh) * | 2024-05-08 | 2024-07-23 | 汉朔科技股份有限公司 | 基于定位信息的商品识别方法、系统、购物车及处理器 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105373907A (zh) * | 2015-10-20 | 2016-03-02 | 合肥工业大学 | 一种基于无线传感物联网技术的超市产品管理系统及其方法 |
| CN108616811A (zh) * | 2018-07-09 | 2018-10-02 | 上海晶曦微电子科技有限公司 | 一种管理服务器、电子价格标签及定位终端 |
| CN109951483A (zh) * | 2019-03-20 | 2019-06-28 | 广东工业大学 | 一种基于联盟链和机器学习算法的室内商铺定位系统及其方法 |
| CN111182449A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 基于商超购物车跟踪定位监测方法 |
| CN211831165U (zh) * | 2020-03-17 | 2020-10-30 | 杭州十域科技有限公司 | 一种提高定位效率的室内定位系统 |
| WO2021003595A1 (zh) * | 2019-07-05 | 2021-01-14 | 浙江汉朔电子科技有限公司 | 电子价签移动位置确定方法、装置及系统 |
| CN112351479A (zh) * | 2019-08-09 | 2021-02-09 | 浙江汉朔电子科技有限公司 | 电子价签通信系统、方法及装置 |
| CN112801241A (zh) * | 2020-12-29 | 2021-05-14 | 西安超嗨网络科技有限公司 | 基于电子价签实现智能购物车室内精准定位系统及方法 |
| CN114339981A (zh) * | 2021-12-30 | 2022-04-12 | 努比亚技术有限公司 | 移动通信设备、智能购物车以及电子价签数据同步方法 |
| WO2022262790A1 (zh) * | 2021-06-16 | 2022-12-22 | 盒马(中国)有限公司 | 室内定位方法、装置、设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3054417A1 (en) * | 2017-03-08 | 2018-09-13 | Gatekeeper Systems, Inc. | Navigation systems for wheeled carts |
| US20210282033A1 (en) * | 2020-03-09 | 2021-09-09 | Psj International Ltd. | Positioning system for integrating machine learning positioning models and positioning method for the same |
-
2023
- 2023-11-13 CN CN202311505182.3A patent/CN117250583B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105373907A (zh) * | 2015-10-20 | 2016-03-02 | 合肥工业大学 | 一种基于无线传感物联网技术的超市产品管理系统及其方法 |
| CN108616811A (zh) * | 2018-07-09 | 2018-10-02 | 上海晶曦微电子科技有限公司 | 一种管理服务器、电子价格标签及定位终端 |
| CN109951483A (zh) * | 2019-03-20 | 2019-06-28 | 广东工业大学 | 一种基于联盟链和机器学习算法的室内商铺定位系统及其方法 |
| WO2021003595A1 (zh) * | 2019-07-05 | 2021-01-14 | 浙江汉朔电子科技有限公司 | 电子价签移动位置确定方法、装置及系统 |
| CN112351479A (zh) * | 2019-08-09 | 2021-02-09 | 浙江汉朔电子科技有限公司 | 电子价签通信系统、方法及装置 |
| CN111182449A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 基于商超购物车跟踪定位监测方法 |
| CN211831165U (zh) * | 2020-03-17 | 2020-10-30 | 杭州十域科技有限公司 | 一种提高定位效率的室内定位系统 |
| CN112801241A (zh) * | 2020-12-29 | 2021-05-14 | 西安超嗨网络科技有限公司 | 基于电子价签实现智能购物车室内精准定位系统及方法 |
| WO2022262790A1 (zh) * | 2021-06-16 | 2022-12-22 | 盒马(中国)有限公司 | 室内定位方法、装置、设备和存储介质 |
| CN114339981A (zh) * | 2021-12-30 | 2022-04-12 | 努比亚技术有限公司 | 移动通信设备、智能购物车以及电子价签数据同步方法 |
Non-Patent Citations (2)
| Title |
|---|
| Leveraging Logical Anchor into Topology Optimization for Indoor Wireless Fingerprinting;Lin Wang et al.;《CMC-COMPUTERS MATERIALS & CONTINUA》;第58卷(第2期);437-449 * |
| 基于ESLS的顾客定位系统的设计与实现;丁磊等;《计算机工程与应用》;第54卷(第11期);249-253 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117250583A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117250583B (zh) | 智能购物车的定位方法、系统、计算机设备和存储介质 | |
| Ibrahim et al. | CNN based indoor localization using RSS time-series | |
| Alhomayani et al. | Deep learning methods for fingerprint-based indoor positioning: A review | |
| CN107071743B (zh) | 一种基于随机森林的快速KNN室内WiFi定位方法 | |
| Motamedi et al. | Localization of RFID-equipped assets during the operation phase of facilities | |
| Zou et al. | Platform and algorithm development for a rfid-based indoor positioning system | |
| US9068836B2 (en) | Real-time location information system using multiple positioning technologies | |
| CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
| US20150379366A1 (en) | Article management system, information processing apparatus, and control method and control program of information processing apparatus | |
| US9633328B2 (en) | Imputed probabilistic product location based on shopper path and transaction log data | |
| US9977112B2 (en) | Object localization with RFID infrastructure | |
| CN101840488A (zh) | 射频环境对象监视系统和使用方法 | |
| Wang et al. | HMRL: Relative localization of RFID tags with static devices | |
| CN103068035A (zh) | 一种无线网络定位方法、装置及系统 | |
| Geng et al. | Indoor tracking with RFID systems | |
| JP2021519470A (ja) | 商品位置特定方法及び装置、デバイス、及び記憶媒体 | |
| Ding et al. | Human object estimation via backscattered radio frequency signal | |
| Han et al. | Improving accuracy for 3D RFID localization | |
| US20160146934A1 (en) | Real-time rfid localization using uniform, high-performance tags and related method thereof | |
| US20230379068A1 (en) | Location Sensing Technology For Detecting Asset Location | |
| Shimosaka et al. | ZigBee based wireless indoor localization with sensor placement optimization towards practical home sensing | |
| Nguyen | A performance guaranteed indoor positioning system using conformal prediction and the WiFi signal strength | |
| Chowdhury et al. | A dynamic HMM-based real-time location tracking system utilizing UHF passive RFID | |
| CN107071708A (zh) | 智能移动终端被动无线信号采集及定位方法 | |
| Lin et al. | Double polling-based tag information collection for sensor-augmented RFID systems |
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 |