CN117980761A - 传感器阵列、用于构建磁图的系统和方法、以及基于磁图对移动设备进行本地化的系统和方法 - Google Patents
传感器阵列、用于构建磁图的系统和方法、以及基于磁图对移动设备进行本地化的系统和方法 Download PDFInfo
- Publication number
- CN117980761A CN117980761A CN202280062345.2A CN202280062345A CN117980761A CN 117980761 A CN117980761 A CN 117980761A CN 202280062345 A CN202280062345 A CN 202280062345A CN 117980761 A CN117980761 A CN 117980761A
- Authority
- CN
- China
- Prior art keywords
- magnetic field
- localization
- ambient
- candidate
- mobile device
- 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 claims abstract description 99
- 230000004807 localization Effects 0.000 claims description 198
- 239000013598 vector Substances 0.000 claims description 102
- 238000013507 mapping Methods 0.000 claims description 49
- 238000009826 distribution Methods 0.000 claims description 43
- 230000033001 locomotion Effects 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 4
- 239000011800 void material Substances 0.000 claims description 4
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000005355 Hall effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 241000820057 Ithone Species 0.000 claims 1
- 238000003491 array Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 17
- 238000002474 experimental method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/0094—Sensor arrays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/0005—Geometrical arrangement of magnetic sensor elements; Apparatus combining different magnetic sensor types
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
- G01R33/10—Plotting field distribution ; Measuring field distribution
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
根据本发明的实施方式,提供了一种传感器阵列。该传感器阵列包括多个磁场传感器,多个该磁场传感器被配置成基本上同时操作用于构建表示环境的磁图。每个磁场传感器可以被配置成对磁场传感器的定位处的周围磁场进行测量,该定位处于环境内或者处于磁场传感器距环境的边缘边界的工作距离内。每个磁场传感器可以被布置成与相邻的磁场传感器间隔开一距离,使得由该磁场传感器和相邻的磁场传感器测得的相应的周围磁场被消歧。根据本发明的另外的实施方式,还提供了磁图、以及用于构建磁图的系统和方法、以及用于对移动设备进行本地化的系统和方法。
Description
相关申请的交叉引用
本申请要求于2021年9月15日提交的新加坡专利申请第10202110176U号的优先权的益处,该申请的全部内容通过引用并入本文,用于所有目的。
技术领域
各种实施方式涉及传感器阵列、磁图、用于构建磁图的系统和方法、以及用于对移动设备进行本地化的系统和方法,以及用于对用于构建磁图的旋转不变的周围磁场矢量进行确定的方法。
背景技术
现有的用于移动设备在GNSS挑战的环境(例如酒店、医院、机场、工业仓库、集装箱海港,等等)中本地化的方法在很大程度上依赖于预安装的缺乏灵活性的基础设施(例如Wi-Fi路由器、RFID、UWB、QR码、磁性引导带,等等),并且需要巨大的用于部署和维护的成本。日常生活中我们周围的磁场(即周围磁场,AMF)在不同位置表现出高度的独特性和普遍性,这被证明是一种可行的无基础设施的本地化解决方案,并已逐渐用于广泛的应用,诸如导航、地图、辅助智能操作等。
现有的基于AMF的映射的方法利用单个磁力计传感器/惯性测量单元来对与3D定向相关的AMF数据进行测量并构建磁图,其效率显著地低,因此不适用于大规模环境。
现有的基于AMF的本地化的方法主要利用与3D定向相关的AMF数据进行2D空间中基于单一指纹的匹配,其中,现有的基于AFM的本地化的方法对定向误差是敏感的,并且本地化准确性是不佳的。
因此,需要至少解决上面提及的问题的用于构建磁图的新颖的传感器、系统和方法以及用于对移动设备进行本地化的新颖的传感器、系统和方法。
发明内容
根据实施方式,提供了一种传感器阵列。传感器阵列可以包括多个磁场传感器,多个该磁场传感器被配置成基本上同时操作用于构建表示环境的磁图。每个磁场传感器可以被配置成对磁场传感器的定位处的周围磁场进行测量,该定位处于环境内或者处于磁场传感器距所述环境的边缘边界的工作距离内。每个磁场传感器可以被布置成与相邻的磁场传感器间隔开一距离,使得由磁场传感器和相邻的磁场传感器测得的相应的周围磁场被消歧。
根据实施方式,提供了一种用于构建表示环境的磁图和对移动设备进行本地化的系统。该系统可以包括:传感器阵列,该传感器阵列被配置成提供对环境中的周围磁场的测量结果;映射模块,该映射模块被配置成:接收周围磁场,以及基于所接收到的周围磁场而对旋转不变的周围磁场矢量进行确定,以构建表示所述环境的磁图;以及本地化模块。本地化模块可以被配置成:基于由多个磁场传感器在一段时间内测得的周围磁场,根据磁图中的候选位置对移动设备的候选初始姿态进行推断,多个所述磁场传感器以可释放的方式与移动设备耦接;基于候选初始姿态和在一段时间内的所测得的周围磁场的变化,对移动设备的精细姿态进行推断;以及基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。
根据实施方式,提供了一种用于构建表示环境的磁图的系统。该系统可以包括:传感器阵列,该传感器阵列被配置成提供对所述环境中的周围磁场的测量结果;以及映射模块,该映射模块被配置成:接收周围磁场,以及基于所接收到的周围磁场对旋转不变的周围磁场矢量进行确定,以构建表示所述环境的磁图。
根据实施方式,提供了一种用于对移动设备进行本地化的系统。该系统可以包括:多个磁场传感器,多个该磁场传感器以可释放的方式与移动设备耦接,其中,多个该磁场传感器可以被配置成在一段时间内对周围磁场进行测量;以及本地化模块。本地化模块可以被配置成:基于所测得的周围磁场,根据磁图中的候选位置对移动设备的候选初始姿态进行推断;基于候选初始姿态和在一段时间内的所测得的周围磁场的变化,对移动设备的精细姿态进行推断;以及基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。
根据实施方式,提供了一种表示环境的磁图。磁图可以包括:针对环境中的多个位置中的每个位置而建立的坐标;以及在每个位置处的旋转不变的周围磁场指纹。
根据实施方式,提供了一种用于对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定的方法。该方法可以包括:将由磁场传感器测得的处于环境内或者处于距环境的边缘边界的工作距离内的定位处的周围磁场适配为周围磁场矢量;基于周围磁场矢量,对磁场传感器的定向进行推断;基于推断出的定向,将局部坐标系中的周围磁场矢量对准到全局坐标系,以生成旋转不变的周围磁场矢量。旋转不变的周围磁场矢量可以包括两个正交分量和所测得的周围磁场的积分强度。磁场传感器可以以可释放的方式与移动至该定位的移动设备耦接。
根据实施方式,提供了一种用于构建表示环境的磁图的方法。该方法可以包括:针对所述环境中的多个位置中的每个位置建立坐标;收集每个位置处的旋转不变的周围磁场矢量,该旋转不变的周围磁场矢量是根据在该位置处测得的周围磁场而确定的;基于所收集的旋转不变的周围磁场矢量,来对针对每个位置的周围磁场指纹进行确定;以及针对多个位置中的多于一个位置,选择相应的周围磁场指纹,以及将相应的周围磁场指纹中的每个周围磁场指纹与对应的坐标相关联。
根据实施方式,提供了一种用于对移动设备进行本地化的方法。该方法可以包括:基于周围磁场执行粗略本地化,以根据磁图中的候选位置对移动设备的候选初始姿态进行推断,其中,所述周围磁场可以是由多个磁场传感器在一段时间内测得的,多个所述磁场传感器以可释放的方式与移动设备耦接;基于候选初始姿态和在一段时间内的所测得的周围磁场的变化来执行精细本地化,以对移动设备的精细姿态进行推断;以及基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。
根据一个实施方式,提供了一种计算机可读存储介质,该计算机可读存储介质包括计算机可读指令,当计算机可读指令由计算机执行时,该计算机可读指令能够操作以执行下述操作中的至少一者:对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定;对表示环境的磁图进行构建;或者对移动设备进行本地化。
附图说明
在附图中,相同的附图标记在不同的视图中通常指的是相同的部件。附图不一定按比例绘制,而是通常将重点放在说明本发明的原理上。在下面的描述中,参照以下附图对本发明的各种实施方式进行描述,在附图中:
图1A示出了根据各种实施方式的传感器阵列的示意图。
图1B示出了根据各种实施方式的用于构建磁图和对移动设备进行本地化的系统的示意图。
图1C示出了根据各种实施方式的用于构建磁图的系统的示意图。
图1D示出了根据各种实施方式的用于对移动设备进行本地化的系统的示意图。
图1E示出了根据各种实施方式的磁图的示意图。
图2A示出了图示根据各种实施方式的用于对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定的方法的流程图。
图2B示出了图示根据各种实施方式的用于构建表示环境的磁图的方法的流程图。
图2C示出了图示根据各种实施方式的用于对移动设备进行本地化的方法的流程图。
图3A示出了根据示例性实施方式的多个磁力计传感器阵列的示意性表示。
图3B示出了图3A的示意性透视图。
图4示出了描绘根据一个示例的涉及与图3A的多个磁力计传感器阵列一起工作的映射模块的特征的磁图构建策略的流程图。
图5示出了图示示例性本地化框架的流程图。
图6示出了磁图的示例性实施方式。
图7A示出了根据示例的全局坐标系中的周围磁场的图形表示。
图7B示出了根据示例的在无磁场干扰环境的同一位置处的以耦接至移动设备的磁力计传感器的不同定向所测得的x/y轴周围磁场数据的图形表示。
图8A示出了图示根据各种示例的磁力计传感器坐标和移动设备的不同定向候选的示意图。
图8B示出了图示根据示例的从局部坐标系到全局坐标系的坐标变换的示意图。
图9A示出了图示根据示例的安装在具有呈单线形状的磁力计的模拟移动设备上的多个磁力计传感器阵列的透视图。
图9B示出了根据示例的安装在具有呈单线形状的磁力计的真实移动设备上的多个磁力计传感器阵列的照片。
图10A和图10B分别示出了通过图2B的磁图构建方法或基于图4的磁图构建策略构建的模拟工业仓库环境和真实办公室走廊环境的基于插值(IP)的磁图。
图11A、图11B和图11C示出了图示根据各种示例的分别具有呈单线形状的三个、五个和七个磁力计传感器的、且条长度为0.5m、1.0m和1.5m的多个磁力计传感器阵列的配置的前透视图。
图11D、图11E和图11F分别示出了图示根据各种示例的具有呈多线形状的九个、十五个和二十一个磁力计传感器的、且条长度为1.0m的多个磁力计传感器阵列的配置的前透视图。
图12A示出了图示根据一个示例的在用于移动设备在线本地化的Gazebo模拟器中的具有单个磁力计和2D LiDAR配置的模拟移动设备的透视图。
图12B示出了图示根据一个示例的用于移动设备在线本地化的具有单个磁力计和2D LiDAR配置的真实移动设备的透视图。
图13A和图13B示出了根据各种示例的模拟工业仓库环境(图13A的右侧)的基于融合插值(IP)的磁图和2D占据栅格地图(OGM)(图13A的左侧)以及真实办公室走廊环境(图13B的顶部)的基于融合插值(IP)的磁图和2D占据栅格地图(OGM)(图13B的底部)。
图14A和图14B示出了图示针对根据各种示例的通过正确的本地化率(CLR)分别估算的模拟工业仓库环境和真实办公室走廊环境的本地化鲁棒性的直方图。
图14C和14D分别示出了根据各种示例的针对模拟工业仓库环境和真实办公室走廊环境的整体本地化误差的累积分布函数(CDF)图。
图15A、图15B和图15C分别示出了描绘针对根据各种示例的模拟仓库环境中三个随机选择的路点(WP)的精细本地化(即姿态跟踪)阶段中的定位误差的均方根(RMS)的图表。
图15D、图15E和图15F分别示出了描绘针对根据各种示例的真实走廊环境中三个随机选择的WP的精细本地化(即姿态跟踪)阶段中的定位误差的均方根(RMS)的图表。
具体实施方式
以下详细描述参考了附图,附图以图示的方式示出了可以实践本发明的具体细节和实施方式。这些实施方式被足够详细地描述以使本领域技术人员能够实践本发明。在不脱离本发明的范围的情况下,可以利用其他实施方式并且可以进行结构、逻辑和电的改变。各种实施方式不一定是相互排斥的,因为一些实施方式可以与一个或更多个其他实施方式组合以形成新的实施方式。
在方法或设备中的一者的上下文中所描述的实施方式对于其他方法或设备类似地有效。类似地,在方法的上下文中所描述的实施方式对于设备同样有效,在设备的上下文中所描述的实施方式对于设备同样有效。
在实施方式的上下文中所描述的特征可以对应地适用于其他实施方式中的相同或相似的特征。在实施方式的上下文中所描述的特征可以对应地适用于其他实施方式,即使在这些其他实施方式中没有明确地描述。此外,针对实施方式的上下文中的特征如所描述的添加和/或组合和/或替代可以对应地适用于其他实施方式中的相同或相似的特征。
在各种实施方式的上下文中,关于特征或元件使用的冠词“一”、“一个”和“该”包括对一个或更多个特征或元件的引用。
在各种实施方式的上下文中,术语“基本上”可以包括“精确地”和合理的方差。
在各种实施方式的上下文中,应用于数值的术语“约”涵盖精确值和合理的方差。
如本文所使用的,术语“和/或”包括相关列出的项中一个或更多个的任何和所有组合。
如本文所使用的,“A或B中的至少一者”形式的短语可以包括A、或B、或者A和B两者。对应地,“A或B或C中的至少一者”形式的短语或者包括另外的列出的项的短语可以包括相关列出的项中的一个或更多个的任何和所有组合。
如本文所使用的,表述“被配置成”可以意指“被构造成”或“被布置成”。表述“系统”可以互换地称为装置。
可以针对基于周围磁场的映射和本地化来对各种实施方式进行描述。
更具体地,各种实施方式可以提供用于对配备有磁力计传感器(或具有磁场感测功能的任何其他传感器,诸如惯性测量单元(IMU)、数字罗盘等)的移动设备(例如,自主机器人、自动引导车辆、无人驾驶地面车辆等)进行基于周围磁场(AMF)的映射和本地化的系统和方法。表述“周围磁场”及其缩写形式“AMF”在本文的整个上下文中可以互换使用。例如,用于基于AMF的映射和本地化的系统可以包括:映射模块/子模块,映射模块/子模块被配置成利用多个磁力计传感器阵列来对AMF进行测量以构建具有某些属性的磁图;以及本地化子模块,该本地化子模块被配置成对移动设备在二维(2D)或三维(3D)空间中的唯一的位置或定位进行确定。
图1A示出了根据各种实施方式的传感器阵列100的示意图。传感器阵列100可以包括多个磁场传感器102,多个该磁场传感器102被配置成基本上同时操作用于构建表示环境的磁图(例如图1E的180)。每个磁场传感器102可以被配置成对磁场传感器102的定位处的周围磁场进行测量,该定位处于所述环境内或者处于磁场传感器102距所述环境的边缘边界的工作距离内。当该定位处于磁场传感器102距所述环境的边缘边界的工作距离内时,磁场传感器102可以正好位于所述环境外部或足够靠近所述环境,使得磁场传感器102仍然能够对在所述环境内(例如边缘边界附近)传播的周围磁场进行测量。每个磁场传感器102可以被布置成与相邻的磁场传感器102间隔开一距离,使得由磁场传感器102和相邻的磁场传感器102测得的相应的周围磁场被消歧。
在各种实施方式的上下文中,术语“被消歧(disambiguated)”可以意指以各个磁场不会对另一磁场造成干扰的方式区分。术语“环境”可以指的是感兴趣的物理区域,例如,具有数百米大小、面临全球导航卫星系统或全球定位系统信号不可用或受到严重挑战的问题的大型环境。对于2维或3维本地化问题,所述环境可以包括室内环境和室外环境两者。
传感器阵列100可以是q维传感器阵列,其中,q为1、2或3。传感器阵列100可以以可释放的方式与移动设备耦接,该移动设备可移动至该定位。
在各种实施方式中,多个磁场传感器102可以以基本上规则的空间间隔布置。
可以对多个磁场传感器102进行校准以获得有利于构建磁图的校准参数。可以单独地以及作为整个阵列对多个磁场传感器102进行校准以获得传感器内参数和传感器间参数。然后,可以使用传感器内参数和传感器间参数进行调整或补偿以构建具有更高准确度的磁图。
多个磁场传感器102可以包括以下中的至少一者:多个磁力计传感器、多个惯性测量单元、多个数字罗盘、多个磁阻传感器、多个磁感应传感器、多个霍尔效应传感器、或者多个超导量子干涉设备。
应当理解的是,根据各种实施方式的传感器阵列100与现有阵列不同,例如,现有阵列具有带有单个(非多个)IMU和2D LiDAR传感器的层次本地化框架。在某种意义上,传感器阵列100被设计成以快得多且有效得多的方式构建大规模环境的3D磁图。
例如,传感器阵列100可以包括3D的多个磁力计传感器阵列以以高效且准确地对AMF数据进行测量。与现有的基于单磁力计传感器/IMU的方法相比,通过所述多个磁力计传感器阵列进行的AMF数据收集的效率得到显著地提高。
图3A和图3B分别示出了根据示例性实施方式的多个磁力计传感器阵列300的示意性表示和示意性透视图。多个磁力计传感器阵列300可以是任何形式,多个磁力计传感器阵列300可以诸如是立方体的、圆形的、L形的等等。在立方体的示例实施方式中,阵列300可以包括在不同高度处的多个磁力计传感器302,并且每个高度上的磁力计传感器302的精确数目可以基于不同场景中的不同要求而改变。不同磁力计传感器302的竖向高度间隔(每个竖向高度间隔为h1…hN-1)以及同一高度上的任意两个磁力计传感器302之间的横向间隔(每个横向间隔为d1、d2…dN-1)可以根据不同的实现而变化,但可能足够长以使AMF消歧。
如图3B所示,多个磁力计传感器阵列300可以是三维的,并且多个磁力计传感器阵列300可以包括:多个传感器层303,层303间隔开预定的高度;以及至少一个磁力计传感器302,该至少一个磁力计传感器302设置在每个层303中。阵列300中的多个磁力计传感器302可以被配置成同时对AMF进行测量,并且可以通过标准校准程序来对阵列300中的多个磁力计传感器302进行校准。然后,在将所获得的校准参数传输至移动设备并且与对应的坐标数据进行融合之前,可以将所获得的校准参数用于对所测得的旋转不变AMF矢量进行处理。在操作中,每个磁力计传感器302对其对应的位置处的AMF进行测量并且阵列中的所有磁力计传感器302对其对应的位置处的AMF进行同时测量。图中未示出的多个磁力计传感器阵列的其他配置/布局可以是适用的。
图1B示出了根据各种实施方式的用于构建磁图和对移动设备进行本地化的系统120的示意图。系统120可以包括:传感器阵列100,传感器阵列100被配置成提供对环境中的周围磁场的测量结果;映射模块124,该映射模块124被配置成:接收周围磁场,以及基于所接收到的周围磁场而对旋转不变的周围磁场矢量进行确定,以构建表示所述环境的磁图;以及本地化模块126。关于如何对旋转不变的周围磁场矢量进行确定的细节将在下面的相关部分处进行描述。应当理解的是,由于旋转不变的周围磁场矢量具有良好的可区分性,因此系统120可以被配置成在没有额外的无线电源基础设施(例如,Wi-Fi、蓝牙、有源RFID)的情况下操作来对移动设备进行准确地本地化。
本地化模块126可以被配置成:基于由多个磁场传感器(图1B中未示出)在一段时间内测得的周围磁场,根据磁图中的候选位置对移动设备的候选初始姿态进行推断,多个所述磁场传感器以可释放的方式与移动设备(图1B中未示出)耦接;基于候选初始姿态和在一段时间内的所测得的周围磁场的变化,对移动设备的精细姿态进行推断;以及基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。特定姿态的误差可能很小或可以忽略不计。
在一些实施方式中,传感器阵列100可以包括由本地化模块126使用的多个磁场传感器。传感器阵列100可以与映射模块124以及可选地与本地化模块126通信,如线128、130所示。映射模块124可以与本地化模块126通信,如线130所示。
映射模块
在各种实施方式中,映射模块124还可以被配置成:对环境中的多个位置中的每个位置的坐标进行估计;对每个位置处的旋转不变的周围磁场矢量进行收集;基于所收集的旋转不变的周围磁场矢量,来对针对每个位置的周围磁场指纹进行确定;以及针对多个位置中的多于一个位置,选择相应的周围磁场指纹以及将相应的周围磁场指纹中的每个周围磁场指纹与对应的坐标相关联。
在各种实施方式的上下文中,短语“旋转不变(rotation-invariant)”可以意指没有定向误差。
系统120还可以包括辅助传感器,所述辅助传感器与映射模块124通信。辅助传感器可以被配置成提供用于建立坐标的测量结果。例如,辅助传感器可以包括全球导航卫星系统(GNSS)/全球定位系统(GPS)接收器、光检测和测距(LiDAR)系统或相机。
在各种实施方式中,周围磁场指纹可以包括旋转不变的周围磁场指纹。
映射模块124还可以被配置成:通过对每个位置内的所收集的旋转不变的周围磁场矢量进行平均,来对所述每个位置的周围磁场指纹进行确定。
在一个实施方式中,映射模块124还可以被配置成:对所收集的旋转不变的周围磁场矢量中的一个与所收集的相邻的旋转不变的周围磁场矢量之间的至少一个空位进行填充。映射模块124还可以被配置成:通过对所收集的旋转不变的周围磁场矢量执行插值,来对所述至少一个空位进行填充。
在另一实施方式中,映射模块124还可以被配置成:对所测得的周围磁场中的一个周围磁场与所测得的相邻的周围磁场之间的至少一个空位进行填充。映射模块124还可以被配置成:通过对所测得的周围磁场执行插值,来对所述至少一个空位进行填充。
空位的填充可以是由映射模块124执行的插值过程,以增强感兴趣的数据,例如增强所收集的旋转不变的周围磁场矢量或所测得的周围磁场。
换言之,系统120可以被配置成:将由传感器阵列100(例如,多个磁力计传感器阵列300)收集的旋转不变AMF数据与由辅助传感器获得的对应坐标数据系统地相关联,构建磁图,并且对一个或更多个移动设备进行本地化。磁图可以在两种模式之间切换,即磁图可以在基于快速指纹的磁图与基于准确插值的磁图之间切换。
图4示出了描绘根据一个示例的涉及与多个磁力计传感器阵列300一起工作的映射模块424的特征的磁图构建策略400的流程图。可以以与图1B的映射模块124类似的上下文对映射模块424进行描述。映射模块424和多个磁力计传感器阵列300可以分别包括与图1B的映射模块124和图1A、图1B的传感器阵列100的那些元件或组件相同或相似的元件或组件,并且因此,分配了相似的结束数字,并且相似的元件可以如在图1B的映射模块124和图1A、图1B的传感器阵列100的上下文中所描述的,并且因此此处可以省去对应的描述。
由于磁力计传感器302的测量范围可能是窄的并且移动设备对环境中的每个单一位置进行勘测可能不太可行,因此可以利用在不同的期望勘测路线上进行远程操作的移动设备来收集旋转不变的AMF矢量(即,AMF特征450的至少一部分)。根据移动设备平台的速度和磁力计传感器302的能力,可以沿着期望移动设备勘测路线以预定的(例如,每l cm)间隔对旋转不变的AMF矢量450进行收集。针对一个指定的栅格位置/立方位置,可能仅有一个AMF指纹452,该AMF指纹452可以通过对由目标环境形成的该栅格/立方体内的多个所测得的AMF矢量450进行平均来得到。2D栅格坐标数据或3D立方坐标数据可以由辅助传感器454提供。在收集到所有AMF指纹452之后,可以实施处理以选择不同栅格/立方位置处的AMF指纹452,从而构建具有不同栅格/立方尺寸的磁图。
上述旋转不变的AMF指纹452可以直接用于构成磁图,该磁图被称为基于指纹(FP)的磁图458a。除了基于FP的方法456a之外,还可以实现基于插值(IP)的方法456b(例如,双线性插值、高斯过程回归、克里金插值,等等)来对期望的移动设备勘测路线之间的测量空位进行填充,从而构建更完整和更准确的基于IP的磁图458b。基于FP的方法456a可以是最快且最直观的方式,其花费最少的时间来构建磁图458a,而基于IP的方法456b可以以更高的计算负担提供更准确的磁图458b。磁图构建策略400可以根据实际需要在上述两种方法456a、456b之间切换。
本地化模块
为了本地化目的,可以预先构建磁图。换言之,预先构建的磁图可以由映射模块124(或者甚至由本文未描述的不同映射过程)构建并存储以供本地化模块126将来使用。本地化模块126可以基于预先构建的磁图和所测得的旋转不变的AMF序列数据执行从粗略到精细本地化,以准确且稳健地对移动设备进行本地化。在本地化的初始阶段中,磁图中的每个单一位置可以被认为是候选位置(例如,候选位置可以是磁图中任何可能的随机位置)。由多个磁场传感器测得的周围磁场数据构成磁场序列,该磁场序列可以与预先构建的磁图对准和匹配。所测得的磁场序列和存储在磁图中的候选磁场序列具有基本上相似的模式。可以对所测得的磁场序列的磁场值与存储在磁图中的候选磁场序列的磁场值之间的欧几里德距离进行计算。可以针对该欧几里德距离设置标准,从而对存储在磁图中的候选磁场序列进行识别,因而相应地对符合条件的候选初始姿态/位置进行确定。
在一个实施方式中,由本地化模块126使用的多个磁场传感器可以是传感器阵列100的多个磁场传感器102。在另一实施方式中,由本地化模块126使用的多个磁场传感器可以是独立的/与传感器阵列100的多个磁场传感器102不同的,在这种情况下,由本地化模块126使用的多个磁场传感器仍然可以以与多个磁场传感器102类似的上下文进行描述。
在各种实施方式中,本地化模块162可以被配置成:通过基于用于粗略本地化的归一化常数、候选初始姿态的先验分布和用于粗略本地化的观测模型对候选初始姿态的概率分布进行计算,来对候选初始姿态进行推断。候选初始姿态的先验分布可以是均匀分布。
可以通过p(z0|x0,MB)来表示用于粗略本地化的观测模型,其中,
表示式(1),
z0表示在初始时间步长处多个磁场传感器的周围磁场观测值,
x0表示候选初始姿态,
MB表示磁图,
N表示用于本地化的磁场传感器的数目,
并且表示所测得的第i个磁场传感器的周围磁场数据,
并且表示关于第i个磁场传感器在磁图中的第k个候选位置处的对应的周围磁场数据,以及
为在初始时间步长处的第i个磁场传感器在第k个候选位置处的所测得的周围磁场数据的对角协方差矩阵,对角协方差矩阵的对角元素显示为方差和
在各种实施方式中,系统120还可以包括辅助本地化装置,该辅助本地化装置与本地化模块126通信,其中,辅助本地化装置可以被配置成:对根据磁图中的候选位置对移动设备的候选初始姿态的推断进行加速。例如,辅助本地化装置可以包括:基于激光的本地化装置、基于视觉的本地化装置、或基于GNSS/GPS的本地化装置。辅助本地化装置可以补充测量数据,例如,以减少磁图上具有特定姿态可能存在的较高概率的目标区域并且从而减少所需的候选初始姿态的数目,以及/或者以对移动设备的定向进行估计,从而消除定向误差的影响或至少使定向误差的影响最小化。
本地化模块126可以被配置成:通过基于用于精细本地化的归一化常数、用于精细本地化的观测模型和用于精细本地化的运动模型对精细姿态的概率分布进行计算,来对移动设备的精细姿态进行推断。
用于精细本地化的观测模型可以从多维周围磁场序列匹配模块得到,该多维周围磁场序列匹配模块用于将具有基本上相似的模式和幅度的两个时间序列的周围磁场序列对准。多维周围磁场序列匹配模块可以被配置成:对移动设备的定向进行估计;将根据在一段时间内以预定的时间间隔测得的周围磁场和所估计的移动设备的定向而确定的旋转不变的周围磁场矢量作为两个时间序列的周围磁场序列中的一个周围磁场序列;通过用于精细本地化的运动模型对两个时间序列的周围磁场序列中的在预定的时间间隔处且在磁图中的候选位置中的一个候选位置处的另一个周围磁场序列进行推导;以及基于多元多维高斯分布通过利用两个时间序列的周围磁场序列以及两个时间序列的周围磁场序列在各自的候选位置处的正协方差来对用于精细本地化的观测模型进行推导。多维周围磁场序列匹配模块可以被配置成:通过对多个磁场传感器的偏航角进行平均来对移动设备的定向进行估计,其中,针对每个磁场传感器,偏航角表示基于周围磁场矢量而推断出的磁场传感器的定向。周围磁场矢量可以根据通过磁场传感器测得的周围磁场进行适配。
用于精细本地化的运动模型可以是基于利用所推断出的精细姿态、候选初始姿态和用于精细本地化的控制输入而得到的概率分布的。
用于精细本地化的观测模型由p(zt|xt,MB)表示,其中,
zt表示在时间步长t处的多个磁场传感器的周围磁场观测值,
xt表示在时间步长t处的移动设备的特定姿态,
MB表示磁图,
N表示用于本地化的磁场传感器的数目,
并且表示所测得的第i个磁场传感器的周围磁场序列,并且表示在时间t处所测得的旋转不变的3D周围磁场矢量,
并且表示根据用于精细本地化的第i个磁场传感器在第k个候选位置处的运动模型所推导出的对应的周围磁场序列,并且表示在时间t处对应的旋转不变的3D周围磁场矢量,
并且为第i个磁场传感器在第k个候选位置处所测得的周围磁场的对角协方差矩阵序列,时间t处的对角协方差矩阵的对角元素显示为方差和
可以通过下式对移动设备在时间步长t处的特定姿态进行估计:
其中,R包括所选择的候选位置,
k对应于第k个候选位置,
z0表示在初始时间步长处的多个磁场传感器的周围磁场观测值,
z1:t表示从时间步长1至时间步长t的多维周围磁场序列观测值,
表示基于初始时间步长处的第k个候选位置的候选姿态,
表示基于时间步长t处的第k个候选位置的候选姿态,
u1:t是从时间步长1至时间步长t的控制输入,以及
MB为磁图。
本地化模块126还可以被配置成:基于时间步长t处的特定姿态和由用于精细本地化的运动模型提供的在时间步长t至时间步长t+1期间的数据,来对移动设备在时间步长t+1处的估计姿态进行计算;基于所估计的姿态来在磁图中选择一区域;按照基本上相似的模式和幅度,将对应于所选择的区域内的位置的第一时间序列的周围磁场序列同与根据所测得的周围磁场而确定的旋转不变的周围磁场矢量相关联的第二时间序列的周围磁场序列进行匹配,以对候选后续位置进行识别;基于所识别出的候选后续位置来对后续姿态进行推断,从而使得能够对移动设备的姿态进行基本上连续的跟踪。
可以通过下式对移动设备在时间步长t+1处的后续姿态进行估计:
其中,R'包括所识别出的候选后续位置,
k对应于第k个候选后续位置,
zt表示在时间步长t处的多个磁场传感器的周围磁场观测值,
z1:t+1表示从时间步长1至时间步长t+1的多维周围磁场序列观测值,
表示基于时间步长t处的第k个候选后续位置的候选姿态,
表示基于时间步长t+1处的第k个候选后续位置的候选姿态,
u1:t+1为从时间步长1至时间步长t+1的控制输入,以及
MB为磁图。
下面将参照图5的流程图中所示的示例性本地化框架500对与本地化模块126相关的细节进行更详细地描述。示例性本地化框架500可以包括与图1B的本地化模块126的那些元件或组件相同或相似的元件或组件,并且因此,分配了相同的结束数字,并且相似的元件可以如在图1B的本地化模块126的上下文中所描述的,并且因此此处可以省去对应的描述。
通常使用的基于AMF的本地化算法可能具有诸如与相似的AMF指纹不匹配和计算开销较高的问题。另外,在这种基于AMF的本地化算法中使用的与3D AMF矢量的与定向相关的特征可能是一个麻烦的限制,该限制显著阻碍了基于3D AMF矢量的本地化应用。因此,考虑到旋转不变的AMF序列匹配的低计算复杂度和高准确性的特征,因此设计新颖的概率本地化框架(例如500)来解决或至少解决移动设备全局本地化的问题。在该框架500中,可以利用辅助本地化方法572(例如,基于激光的本地化、基于视觉的本地化、基于GNSS的本地化等)来加速本地化过程,从而提高本地化效率和准确性。
可以将初始移动设备姿态x0作为隐藏状态引入以增强移动设备本地化性能,这可以由粗略本地化560通过利用多个基于AMF数据的初始化推导。因此,从粗略到精细概率本地化的挑战可以表述为对联合概率分布的估计,其由下式给出:
假设每个传感器观测是独立的,可以将传感器观测描绘为z=[z0,z1:t]T,其中,z0和z1:t分别表示多个磁力计传感器在时间步长0处的粗略本地化的AMF观测以及从时间步长1至时间步长t的精细本地化的多维AMF序列观测。表示候选初始姿态并且K表示所选择的候选的总数目。表示与x0相对应的精细姿态。u是精细本地化子模块的控制输入。MB表示预先构建的磁图。引入x0的优点在于为本地化提供准确且高效的初始化。
粗略本地化
式(5)右侧的第一项是初始姿态概率p(x0|z0,MB)。粗略本地化560的目标是对候选初始姿态x0进行推断,该候选初始姿态x0可以通过遵循贝叶斯定理推导为:
p(x0|z0,MB)=η0p(x0)p(z0|x0,MB),表示式(6),
其中,η0为归一化常数,项p(x0)和p(z0|x0,MB)分别是粗略本地化560子模块的先验分布和观测模型。
可以将候选初始姿态的先验分布p(x0)假设为均匀分布。可以假设利用N个磁力计传感器502进行本地化任务。然后,多个磁力计传感器502的旋转不变的AMF数据可以在时间步长0处在观测模型中用于基于AMF序列的初始化564,其中,所测得的第i个磁力计传感器502的AMF数据为并且相对于第i个磁场传感器502在磁图458a、458b中的第k个候选位置处的对应的AMF数据为观测模型可以如上面讨论的式(1)中那样提供。然后可以将所获得的初始候选姿态作为用于精细本地化562子模块的输入进行发送。
精细本地化
式(5)右侧的第二项是精细姿态推断。精细本地化562的重点是通过应用贝叶斯定理来对准确的移动设备姿态xt进行估计:
p(xt|x0,z1:t,u1:t,MB)=ηtp(zt|xt,x0,z1:t-1,u1:t,MB)p(xt|x0,z1:t-1,u1:t,MB),表示式(7),
其中,ηt是另一归一化常数。由于可以应用马尔可夫性质,可以得到以下式:
ηtp(zt|xt,x0,z1:t-1,u1:t,MB)p(xt|x0,z1:t-1,u1:t,MB)=ηtp(zt|xt,MB)p(xt|x0,u1:t),表示式(8),
其中,p(zt|xt,MB)和p(xt|x0,u1:t)分别是精细本地化562子模块的观测模型和运动模型566。可以针对特定移动设备采用对应的运动模型。至于观测模型,其可以通过如基于多维AMF序列的本地化568中提供的多维AMF序列匹配来进行推导。多维AMF序列匹配的细节将在下面的相关部分中进行讨论。
(a)定向估计
因为每个单一磁力计传感器502的磁场干扰和测量噪声,所以基于一个单一磁力计传感器502来对移动设备的定向进行确定可能不够准确。因此,可以使用每个磁力计传感器的上述偏航角γ的平均值来对移动设备的定向进行初始估计。基于所述初始估计,后续的多维AMF序列匹配可以以更高的效率实现,并且最终的匹配结果反过来减少了定向估计误差。另外,移动设备的定向也可以通过辅助传感器(例如,IMU、LiDAR、相机)(图5中未示出)来进行测量,以进一步减少误差并提高估计准确度。
(b)多维AMF序列匹配
在一定时间间隔收集的旋转不变的3D AMF数据可以被视为时间序列数据。可以观察到的是,当移动设备访问环境中的相似地方时,AMF数据遵循相似的模式,但由于坐标的微小变化而导致AMF强度发生变化。另外,由于移动设备可能不遵循与先前的磁图构建阶段类似的移动模式(例如,移动设备在构建磁图时直线移动,而移动设备在进行本地化时沿之字形/曲线路线移动),传统的基于动态时间规整(DTW,dynamic time warping)的AMF序列路线匹配(dynamic time warping(DTW)-based AMF sequential route matching)将会失败。因此,多维AMF序列匹配被设计成将具有基本上相似的模式和幅度的两个时间序列的AMF序列对准。还可以假设将利用N个磁力计传感器502进行本地化任务。一般来说,考虑到从时间步长t-n至时间步长t(即n+1维)的两个多维AMF序列:所测得的第i个磁力计传感器的AMF序列为其中,表示在时间t处所测得的旋转不变的3D AMF矢量,并且由运动模型566所推导出的相对于第i个磁力计传感器502在磁图中的第k个候选位置处的序列为其中,此后,可以基于如上面讨论的式(2)中提供的多元多维高斯分布来对精细本地化子模块的观测模型进行推导。
在进行多维AMF序列匹配之后,设置经验标准以消除误差较大的错误匹配。然后,在所测得的AMF序列与所选择的在磁图458a、458b中的第k个候选位置处的序列之间选择符合条件的匹配。最终,通过将粗略本地化(式(6))和精细本地化(式(7))进行组合,可以通过R个选定的候选位置(如ε[xt]上面讨论的式(3)中所提供的)来对式(5)中限定的准确移动设备姿态570进行估计。
在不同的方面中,各种实施方式可以提供如图1C所示的用于构建磁图的系统140。系统140可以包括:传感器阵列100,该传感器阵列100被配置成提供对环境中的周围磁场的测量结果;映射模块124,该映射模块124被配置成:接收所述周围磁场,以及基于所接收到的周围磁场对旋转不变的周围磁场矢量进行确定,以构建表示环境的磁图。系统140关于映射模块124共享与系统120(图1B)相似的特征,并且此处省去了对应的描述。应当理解的是,系统140不包括系统120的本地化模块126。
在又一不同的方面中,各种实施方式可以提供如图1D所示的用于对移动设备进行本地化的系统160。系统160可以包括:多个磁场传感器162,多个磁场传感器162以可释放的方式与移动设备耦接,其中,多个磁场传感器162可以被配置成在一段时间内对周围磁场进行测量;以及本地化模块126。本地化模块126可以被配置成:基于所测得的周围磁场,根据磁图中的候选位置对移动设备的候选初始姿态进行推断;基于候选初始姿态和在一段时间内的所测得的周围磁场的变化,对移动设备的精细姿态进行推断;以及基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。系统160关于本地化模块126共享与系统120(图1B)相似的特征,并且此处省去了对应的描述。应当理解的是,系统160不包括系统120的映射模块124。在一个示例中,由本地化模块126使用的多个磁场传感器162可以独立于传感器阵列100(图1A)的多个磁场传感器102(但以相似的上下文进行描述)。在另一示例中,由本地化模块126使用的多个磁场传感器162可以是多个磁场传感器102。多个磁场传感器162可以与本地化模块126通信,如线170所示。
磁图
图1E示出了根据各种实施方式的磁图180的示意图。为了本地化目的,可以预先构建磁图180。磁图180可以包括:针对环境中的多个位置中的每个位置而建立的坐标181;以及在每个位置处的旋转不变的周围磁场指纹183。每个坐标181和每个旋转不变的周围磁场指纹183可以与彼此相关,如线185所示。
在一个实施方式中,坐标181可以为2维栅格坐标,并且磁图180可以为2维磁图。在另一实施方式中,坐标181可以为3维立方坐标,以及磁图180可以为3维磁图。
可以使用下面描述的方法220(图2B)来构建或预构建磁图180。旋转不变的周围磁场指纹183可以是基于旋转不变的周围磁场矢量而确定的,所述旋转不变的周围磁场矢量是根据在该位置处测得的周围磁场而确定的。
在本文讨论的各种实施方式的上下文中,旋转不变的周围磁场矢量可以使用下面描述的方法200(图2A)来确定。周围磁场可以由传感器阵列100(图1A)进行测量。
磁图可以不受几何限制并且可以在几乎任何环境中实现。
图6示出了磁图600的示例性实施方式。可以以与图1E的磁图180类似的上下文对磁图600进行描述。由MB={fpj=(pj,qj)|j=1,...,J}表示的磁图600被限定为在每个指定的方形栅格位置/立方位置(即具有特定大小的2D栅格坐标qj=[xj,yj]T或3D立方坐标qj=[xj,yj,zj]T(例如181))处的一组旋转不变的AMF指纹(例如183)首先,可以将目标环境划分成边长为k厘米(cm)的栅格/立方体,并且可以收集每个栅格/立方体内的旋转不变的AMF矢量。
旋转不变的周围磁场矢量
图2A示出了图示根据各种实施方式的用于对用于构建环境的磁图(例如图1E的180)的旋转不变的周围磁场矢量进行确定的方法200的流程图。在步骤201中,可以将由磁场传感器测得的处于环境内或者处于磁场传感器距环境的边缘边界的工作距离内的定位处的周围磁场适配为周围磁场矢量。磁场传感器可以是传感器阵列100的磁场传感器102(图1A、图1B、图1C)中的一个磁场传感器或每个磁场传感器。在步骤203中,基于周围磁场矢量,可以对磁场传感器的定向进行推断。在步骤205中,基于推断出的定向,可以将局部坐标系中的周围磁场矢量对准到全局坐标系,以生成旋转不变的周围磁场矢量。旋转不变的周围磁场矢量可以包括两个正交分量和所测得的周围磁场的积分强度。
旋转不变的AMF数据(矢量)可以有利地没有定向误差,并且与通过现有方法收集的与3D定向相关的AMF数据相比,旋转不变的AMF数据(矢量)可以花费显著更少的时间来收集,例如,磁场数据库是相对于局部坐标系利用与3D定向相关的MF矢量限定的。
一般来说,在相同位置处的3D AMFBe∈R3可以在全局坐标系(GCS)内被建模为其中,正交分量710、716和712分别表示地理北、地理东和竖向向下方向(即,北-东-下(NED)坐标系)上的磁场强度。竖向分量与地球重力场的单位矢量n平行,这可以通过移动设备的加速度计检测到。如果没有强磁场干扰,710和716的矢量和指向磁北B北718。AMF积分强度Fe 714可以表示为这在图7A的图形表示700中示出。
在各种实施方式中,所测得的周围磁场可以取决于磁传感器的定向,并且所测得的周围磁场表示为:
WRz(γ)Ry(θ)Rx(φ)Be+V,表示式(9),
其中,Rz(γ)、Ry(θ)和Rx(φ)分别为偏航、俯仰、横滚中对应的旋转矩阵;
W和V分别为磁场传感器的软铁效应矩阵和硬铁效应偏移矢量;以及在全局坐标系内,和为分别代表地理北、地理东和竖向向下方向上的磁场强度的正交分量,并且与地球重力场的单位矢量平行。
所测得的周围磁场可以表示为Bm并且可互换地称为在传感器/局部坐标系(LCS)中所测得的经校准的AMF。
AMF是有方向性的,因此所测得的x轴/y轴AMF分量和分量高度依赖于磁力计传感器的定向(即与定向相关的特征)。为了示出该特征,可以在没有磁场干扰的环境的相同位置处但是利用磁力计传感器的不同定向来对AMF数据进行测量,其中,结果在图7B的图形表示730中示出。可以观察到的是,在不同定向处所测得的AMF数据表现出x/y轴上的显著变化,而磁场水平分量(即,圆732的半径734)保持稳定。
由于上述AMF的与定向相关的特征,直接使用3D AMF矢量可能是一个具有挑战性且棘手的问题。只有在确定航向之后,磁力计的LCS中所测得的AMF才可以概括为描述矢量测量。然而,在实际任务中,安装在移动设备801上的磁力计传感器阵列(例如300)的磁力计传感器(例如302)可以使航向朝向具有偏航角ψ∈[0,2π]的任何方向,如图8A的示意图800中所示。其中,0度是相对于磁北方向限定的。AMF数据在Bm在LCS中测量并且可以在统一GCS中对准,这在图8B的示意图830中示出。
周围磁场矢量可以包括局部坐标系中的三个正交分量和所测得的周围磁场的积分强度,所述周围磁场矢量表示为:
其中,为x方向分量;为y方向分量;为z方向分量;以及
由于映射阶段和本地化阶段两者的高度都已设定,因此Ry(θ)和Rx(φ)两者均设置为1。根据经验,和的值可以用于对没有强MF干扰的环境中的移动设备定向ψ进行推断。
推断出的磁场传感器(例如102)或磁力计传感器(例如302)的定向可以由偏航角ψ表示,其中,
表示式(11),并且ψ在0弧度与2π弧度之间的范围内,0弧度是相对于磁北的方向限定的。
由于已经针对每个磁力计传感器进行了校准,因此GCS中变换后的旋转不变的AMF矢量可以分别被描述为:
GCS中变换后的AMF数据可以表示为:表示式(13)。换句话说,旋转不变的周围磁场矢量的两个正交分量中的一个正交分量可以是与地球重力场的单位矢量n平行的竖向分量,旋转不变的周围磁场矢量的两个正交分量中的另一正交分量可以是与竖向分量正交的旋转不变的水平分量。旋转不变的水平分量可以为表示为式(13),并且竖向分量可以为应该注意的是,旋转不变的AMF矢量包含了关键的旋转不变的水平分量以提供高水平的唯一性,从而使相似磁场特征消歧。
为了进一步提高空间局部性,可以包括AMF积分强度Fm。当移动设备旋转而没有任何平移运动时,GCS中表示的AMF矢量可以是静止的。
用于构建磁图的方法
各种实施方式还可以提供用于构建表示环境的磁图(例如180)的方法220,如图2B的流程图所示。引入这种灵活的磁图构建方法220,其中,方法220可以在两种模式之间切换,即在基于指纹的极快模式与基于插值的高准确度模式之间切换。在步骤221中,可以针对环境中的多个位置中的每个位置建立坐标(例如181)。在步骤223中,可以收集每个位置处的旋转不变的周围磁场矢量。旋转不变的周围磁场矢量可以是根据在该位置处测得的周围磁场而确定的。在一个示例中,每个位置可以是栅格位置,并且坐标可以是2D栅格坐标。在另一示例中,每个位置可以是立方位置,并且坐标可以是3D立方坐标。在步骤225中,基于所收集的旋转不变的周围磁场矢量,可以对针对每个位置的周围磁场指纹进行确定。在步骤227中,针对多个位置中的多于一个位置,可以选择相应的周围磁场指纹,以及可以将相应的周围磁场指纹中的每个周围磁场指纹与对应的坐标相关联。
关于映射模块124,系统120、140可以执行方法220。方法220可以包括分别与图1B和图1C的系统120、140的那些元件或组件相同或相似的元件或组件,并且因此,分配了相同的结束数字,并且相似的元件可以如在图1B和图1C的系统120、140的上下文中所描述的,并且因此此处省去了对应的描述。
用于对移动设备进行本地化的方法
各种实施方式还可以提供用于对移动设备进行本地化的方法240,如图2C的流程图所示。将所测得的旋转不变的AMF序列数据与预先构建的磁图(例如180)进行匹配的该本地化方法240示出了与现有方法相比显著地改进的本地化性能。应当理解的是,本地化过程仅需要磁图(而不需要其他类型的图)。在步骤241中,可以基于周围磁场执行粗略本地化,以根据磁图中的候选位置对移动设备的候选初始姿态进行推断。周围磁场可以是由多个磁场传感器(例如,图1D的162)在一段时间内测得的,多个磁场传感器以可释放的方式与移动设备耦接。在步骤243中,可以基于候选初始姿态和在一段时间内的所测得的周围磁场的变化来执行精细本地化,以对移动设备的精细姿态进行推断。在步骤245中,可以基于候选初始姿态的概率分布和精细姿态的概率分布来对联合概率分布进行评估,以对移动设备的特定姿态进行估计。
在各种实施方式中,方法240还可以包括:将辅助本地化方法应用至执行粗略本地化的步骤,以对根据磁图中的候选位置对移动设备的候选初始姿态的推断进行加速。辅助本地化方法可以包括例如基于激光的本地化方法、基于视觉的本地化方法、或基于GNSS/GPS的本地化方法。
方法240还可以包括:通过基于候选后续位置对后续姿态进行递归地推断来执行对移动设备的姿态的基本上连续的跟踪。可以通过下述操作对一个候选后续位置进行识别:基于时间步长t处的特定姿态和由用于精细本地化的运动模型提供的在时间步长t至时间步长t+1期间的数据来对移动设备在时间步长t+1处的估计姿态进行计算;基于所估计的姿态来在磁图中选择一区域;以及按照基本上相似的模式和幅度,将对应于所选择的区域内的位置的第一时间序列的周围磁场序列同与根据所测得的周围磁场而确定的所述旋转不变的周围磁场矢量相关联的第二时间序列的周围磁场序列进行匹配,以对所述候选后续位置进行识别。
关于本地化模块126,系统120、160可以执行方法240。方法240可以包括与图1B和图1D的系统120、160的那些元件或组件相同或相似的元件或组件,并且因此,分配了相同的结束数字,并且相似的元件可以如在图1B和图1D的系统120、160的上下文中所描述的,并且因此此处省去对应的说明。
虽然上面所描述的方法被图示和描述为一系列步骤或事件,但是应当理解的是,此类步骤或事件的任何顺序不应被解释为限制性的。例如,一些步骤可以以不同的顺序发生和/或与除本文所示和/或所描述的那些之外的其他步骤或事件同时发生。另外,并非所有示出的步骤都是实现本文所描述的一个或更多个方面或实施方式所必需的。此外,本文所描绘的一个或更多个步骤可以在一个或更多个单独的动作和/或阶段中执行。
各种实施方式还可以提供一种计算机可读存储介质,该计算机可读介质包括计算机可读指令,该计算机可读指令由计算机执行时,所述计算机可读指令能够操作以执行下述操作中的至少一者:对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定,该计算机可读指令被配置成执行方法200;对表示环境的磁图进行构建,该计算机可读指令被配置成执行方法220;或者对移动设备进行本地化,该计算机可读指令被配置成执行方法240。
模拟与实验
下面将对模拟和真实世界实验的示例进行描述,以展示多个磁力计传感器阵列对周围磁场(AMF)数据进行测量并构建磁图的可行性和实用性。
图9A示出了图示安装在具有呈单线形状的七个磁力计的模拟移动设备905a上的多个磁力计传感器阵列900a的透视图。图9B示出了安装在具有呈单线形状的三个磁力计的真实移动设备905b上的多个磁力计传感器阵列900b的照片。便携式计算机903被提供给真实移动设备905b以至少接收和/或操纵来自多个磁力计传感器阵列900b的数据。根据经验,任意两个相邻的磁力计之间的横向距离设置为0.5m,以平衡磁映射准确性和效率。
图10A和图10B分别示出了通过磁图构建方法(例如,如基于图2B所描述的)构建的模拟工业仓库环境(区域为约85m x 75m)的基于插值(IP)的磁图1001和真实办公室走廊环境(区域为约112m x 21m)的基于插值(IP)的磁图1003。AMF数据由多个磁力计传感器阵列300(图3A)收集。在融合图中的每个融合图中,阴影描绘了基于图10A和图10B中提供的图例的磁场积分强度。
多个磁力计传感器阵列的其他示例性实施方式可以如图11A至图11F中所示。更具体地,图11A、图11B和图11C示出了图示分别具有呈单线形状的三个、五个和七个磁力计传感器的、且条长度为0.5m、1.0m和1.5m以分别给出上述条长度中的每个条长度的1×3阵列、1×5阵列、1×7阵列的多个磁力计传感器阵列的配置的透视图。图11D、图11E和图11F分别示出了图示具有呈多线形状的九个、十五个和二十一个磁力计传感器的、且条长度为1.0m以分别给出3×3阵列、3×5阵列、3×7阵列的多个磁力计传感器阵列的配置的顶视图。
下面将对展示基于AMF的本地化的鲁棒性和准确性的大量模拟和真实实验的示例进行描述。
图12A示出了图示具有用于移动设备在线本地化的Gazebo模拟器中的具有单个磁力计1202a和2D LiDAR 1207a配置的模拟移动设备1205a的透视图。图12B示出了图示用于移动设备在线本地化的具有单个磁力计1202b(VN-100T IMU)和Hokuyo 2D LiDAR 1207b配置的真实移动设备1205b的透视图。便携式计算机1203被提供给真实移动设备1205b以至少接收和/或操纵来自单个磁力计1202b的数据。由具有设计的滑动机构(例如1209)的单个磁力计传感器1202a、1202b收集的AMF数据模拟由多个磁力计传感器收集的AMF数据。
图13A和图13B分别示出了模拟工业仓库环境(区域为约85m x 75m)(图13A的右侧)的基于融合插值(IP)的磁图和2D占据栅格地图(OGM)(图13A的左侧)以及真实办公室走廊环境(区域为约112m x 21m)(图13B的顶部)的基于融合插值(IP)的磁图和2D占据栅格地图(OGM)(图13B的底部)。真实的办公室走廊可能具有与集装箱海港或工业仓库中的路径相似的形状,这可以作为开发本文所描述的本地化技术的适当的测试场地。在融合图中的每个融合图中,基于插值的磁图与2D占据栅格地图(OGM)的可遍历区域重叠。这些可遍历区域是对移动设备进行本地化的感兴趣区域,移动设备可以在可遍历区域中进行操作。在每个融合图中,阴影描绘了基于图13A和图13B中提供的相应的图例的磁场积分强度。黑点表示随机选择的路点(WP,即全局本地化起始位置),以及WP附近的黑线表示移动设备的地面真实轨迹。
如图13A和图13B所示,进行了广泛的模拟和真实世界的实验。在每个环境中随机选择二十个路点(WP)来进行全局本地化性能评估。对于每个WP的每种评估方法,进行了十次单独的随机测试。
通过与六种最先进的基于磁场的本地化和跟踪算法进行比较,对本地化系统160(或本地化模块126)或本地化方法(例如240)进行定量分析,即i):MSTSL 1421是基于多传感器的两步本地化;ii)k-NN 1423是众所周知的k-NN分类方法;iii)LocateMe 1425是具有1D磁场强度的原始动态时间规整(DTW)算法;iv)MagSequence 1427是具有3D磁场矢量的DTW算法;v)1-D PF 1431是基于粒子滤波(PF)的1-D磁场幅度本地化;vi)3D PF 1433是基于PF的3D磁场矢量本地化。
通过稳健性和准确性标准来对每种比较方法的全局本地化性能进行评估。首先,通过正确本地化率(CLR)来对鲁棒性进行估算,CLR表示成功案例占本地化案例总数的比例。根据经验限定3.0m的本地化误差阈值,以对每个WP中的本地化是否成功进行确定。特别地,如果其均方误差小于3.0m,则认为本地化成功;如果其均方误差等于或大于3.0m,则认为本地化失败。此外,均方平移误差的累积分布函数(CDF)用于对移动设备的整体本地化准确性进行评估。具体来说,采用平移误差的均方根(RMS)来对详细的移动设备精细本地化(即姿态跟踪)准确性进行评估。
图14A和图14B是示出通过正确的本地化率(CLR)分别估算的模拟工业仓库环境和真实办公室走廊环境的本地化鲁棒性的直方图1401、1403。由本地化系统(例如120、160)执行的方法(例如240)在模拟工业仓库环境中实现了100%的优异本地化成功率,在真实办公走廊中实现了95%的出色本地化成功率,从而证明了该方法的鲁棒性。图14C和图14D分别示出了模拟工业仓库环境和真实办公室走廊环境的整体本地化误差的CDF图1405、1407。对于2.0m以内的本地化误差,由本地化系统(例如160)或本地化模块126执行的方法(例如240)产生超过90百分位数的CDF,反映了较高的准确性,并且相对于前述的比较的最先进的方法i)至vi)具有优势。
对该方法(例如240)的精细本地化(即姿态跟踪)准确性进行了专门评估。图15A至图15C分别示出了描绘仓库环境中的三个随机选择的WP的精细本地化(即姿态跟踪)阶段中的定位误差的均方根(RMS)的图表1501、1503、1505。图15D至图15F分别示出了描绘走廊环境中的三个随机选择的WP的精细本地化(即姿态跟踪)阶段中的定位误差的均方根(RMS)的图表1507、1509、1511。为了图表的简单性和更好的可视化,在图15A至图15F中的每个图的图例中省去了每个单个跟踪点的RMS误差大于5米预定义的阈值的方法并用×标记。如图15A至图15F所示,容易观察到的是,根据各种实施方式的本地化系统160显示最准确和鲁棒的姿态跟踪性能,其中,平均定位误差分别在仓库环境中小于0.1m并且在走廊环境中小于0.3m。
总之,所进行的模拟和真实世界实验展示了多个磁力计传感器阵列(例如300)对周围磁场(AMF)数据进行测量并构建磁图的可行性和实用性。此外,还进行了大量的模拟和实际实验,以证明基于AMF的本地化(例如240)的鲁棒性和准确性。
商业应用
如本文所提到的,周围磁场(AMF)由于其无需基础设施、低成本和易于部署的特点而逐渐被广泛应用。根据本文所描述的各个实施方式的基于AMF的映射和本地化系统具有很高的实用价值,并且可以为各种相关商业应用提供重要帮助。此类商业应用可能包括但不限于:
·仓库自主机器人/自动导引车(AGV)/无人地面车(UGV)本地化与导航;
·集装箱海港自动化;
·在酒店/医院/交通中心/机场运行的智能服务机器人/安全机器人;
·多机器人/多AGV/多UGV协作任务。
虽然已经参考特定实施方式具体示出和描述了本发明,但是本领域技术人员应该理解,在不脱离由随附权利要求限定的本发明的精神和范围的情况下,可以在形式和细节上进行各种改变。因此,本发明的范围由随附权利要求来指示,并且因此旨在涵盖落入权利要求的等同物的含义和范围内的所有改变。
Claims (49)
1.一种传感器阵列,所述传感器阵列包括:
多个磁场传感器,多个所述磁场传感器被配置成基本上同时操作用于构建表示环境的磁图,其中,
每个磁场传感器被配置成对所述磁场传感器的定位处的周围磁场进行测量,所述定位处于所述环境内或者处于所述磁场传感器距所述环境的边缘边界的工作距离内;以及
每个磁场传感器被布置成与相邻的磁场传感器间隔开一距离,使得由所述磁场传感器和所述相邻的磁场传感器测得的相应的周围磁场被消歧。
2.根据权利要求1所述的传感器阵列,其中,多个所述磁场传感器包括以下中的至少一者:
多个磁力计传感器,
多个惯性测量单元,
多个数字罗盘,
多个磁阻传感器,
多个磁感应传感器,
多个霍尔效应传感器,或者
多个超导量子干涉设备。
3.根据权利要求1或2所述的传感器阵列,其中,多个所述磁场传感器以基本上规则的空间间隔布置。
4.根据权利要求1至3中的任一项所述的传感器阵列,其中,所述传感器阵列为q维传感器阵列,其中,q为1、2或3。
5.根据权利要求1至4中的任一项所述的传感器阵列,其中,多个所述磁场传感器被校准以获得有利于构建所述磁图的校准参数。
6.根据权利要求1至5中的任一项所述的传感器阵列,所述传感器阵列以可释放的方式与移动设备耦接,所述移动设备能够移动至所述定位。
7.一种系统,所述系统包括:
传感器阵列,所述传感器阵列被配置成提供对环境中的周围磁场的测量结果;
映射模块,所述映射模块被配置成:接收所述周围磁场,以及基于所接收到的所述周围磁场而对旋转不变的周围磁场矢量进行确定,以构建表示所述环境的磁图;以及
本地化模块,所述本地化模块被配置成:
基于由多个磁场传感器在一段时间内测得的周围磁场,根据所述磁图中的候选位置对所述移动设备的候选初始姿态进行推断,多个所述磁场传感器以可释放的方式与所述移动设备耦接,基于所述候选初始姿态和在所述一段时间内的所测得的所述周围磁场的变化,对所述移动设备的精细姿态进行推断,以及基于所述候选初始姿态的概率分布和所述精细姿态的概率分布来对联合概率分布进行评估,以对所述移动设备的特定姿态进行估计。
8.根据权利要求7所述的系统,其中,所述传感器阵列包括多个所述磁场传感器。
9.根据权利要求7或8所述的系统,其中,所述映射模块还被配置成:
对所述环境中的多个位置中的每个位置的坐标进行估计;
对每个位置处的所述旋转不变的周围磁场矢量进行收集;
基于所收集的所述旋转不变的周围磁场矢量,来对针对每个位置的周围磁场指纹进行确定;以及
针对多个所述位置中的多于一个位置,选择相应的周围磁场指纹以及将所述相应的周围磁场指纹中的每个周围磁场指纹与对应的坐标相关联。
10.根据权利要求9所述的系统,其中,
每个位置为栅格位置,并且所述坐标为2维栅格坐标;或者
每个位置为立方位置,并且所述坐标为3维立方坐标。
11.根据权利要求9或10所述的系统,所述系统还包括辅助传感器,所述辅助传感器与所述映射模块通信,所述辅助传感器被配置成提供用于建立所述坐标的测量结果。
12.根据权利要求11所述的系统,其中,所述辅助传感器包括GNSS/GPS接收器、LiDAR系统、或相机。
13.根据权利要求9至12中的任一项所述的系统,其中,所述周围磁场指纹包括旋转不变的周围磁场指纹。
14.根据权利要求9至13中的任一项所述的系统,其中,所述映射模块还被配置成:通过对每个位置内的所收集的所述旋转不变的周围磁场矢量进行平均,来对所述每个位置的所述周围磁场指纹进行确定。
15.根据权利要求9至14中的任一项所述的系统,其中,所述映射模块还被配置成:对所收集的所述旋转不变的周围磁场矢量中的一个与所收集的相邻的旋转不变的周围磁场矢量之间的至少一个空位进行填充。
16.根据权利要求15所述的系统,其中,所述映射模块还被配置成:通过对所收集的所述旋转不变的周围磁场矢量执行插值,来对所述至少一个空位进行填充。
17.根据权利要求9至14中的任一项所述的系统,其中,所述映射模块还被配置成:对所测得的周围磁场中的一个周围磁场与所测得的相邻的周围磁场之间的至少一个空位进行填充。
18.根据权利要求17所述的系统,其中,所述映射模块还被配置成:通过对所述测得的周围磁场执行插值,来对所述至少一个空位进行填充。
19.根据权利要求7至18中的任一项所述的系统,其中,所述本地化模块被配置成:通过基于用于粗略本地化的归一化常数、所述候选初始姿态的先验分布和用于粗略本地化的观测模型对所述候选初始姿态的概率分布进行计算,来对所述候选初始姿态进行推断。
20.根据权利要求19所述的系统,其中,所述候选初始姿态的所述先验分布是均匀分布。
21.根据权利要求19或20所述的系统,其中,通过p(z0|x0,MB)来表示用于粗略本地化的观测模型,其中,
z0表示在初始时间步长处多个所述磁场传感器的周围磁场观测值,
x0表示所述候选初始姿态,
MB表示所述磁图,
N表示用于本地化的所述磁场传感器的数目,
并且表示所测得的第i个磁场传感器的周围磁场数据,
并且表示关于所述第i个磁场传感器在所述磁图中的第k个候选位置处的对应的周围磁场数据,以及
为在初始时间步长处的所述第i个磁场传感器在所述第k个候选位置处的所测得的周围磁场数据的对角协方差矩阵,所述对角协方差矩阵的对角元素显示为方差和
22.根据权利要求7至21中的任一项所述的系统,所述系统还包括辅助本地化装置,所述辅助本地化装置与所述本地化模块通信,其中,所述辅助本地化装置被配置成:对根据所述磁图中的所述候选位置对所述移动设备的所述候选初始姿态的推断进行加速。
23.根据权利要求22所述的系统,其中,所述辅助本地化装置包括:基于激光的本地化装置、基于视觉的本地化装置、或基于GNSS/GPS的本地化装置。
24.根据权利要求7至23中的任一项所述的系统,其中,所述本地化模块被配置成:通过基于用于精细本地化化的归一常数、用于精细本地化的观测模型和用于精细本地化的运动模型对所述精细姿态的所述概率分布进行计算,来对所述移动设备的所述精细姿态进行推断。
25.根据权利要求24所述的系统,其中,用于精细本地化的所述观测模型从多维周围磁场序列匹配模块得到,所述多维周围磁场序列匹配模块用于将具有基本上相似的模式和幅度的两个时间序列的周围磁场序列对准。
26.根据权利要求25所述的系统,其中,所述多维周围磁场序列匹配模块被配置成:
对所述移动设备的定向进行估计,
将根据在所述一段时间内以预定的时间间隔测得的周围磁场和所估计的所述移动设备的定向而确定的旋转不变的周围磁场矢量作为所述两个时间序列的周围磁场序列中的一个周围磁场序列;
通过用于精细本地化的所述运动模型对所述两个时间序列的周围磁场序列中的在所述预定的时间间隔处且在所述磁图中的所述候选位置中的一个候选位置处的另一个周围磁场序列进行推导,以及
基于多元多维高斯分布通过利用所述两个时间序列的周围磁场序列以及所述两个时间序列的周围磁场序列在各自的所述候选位置处的正协方差来对用于精细本地化的所述观测模型进行推导。
27.根据权利要求26所述的系统,其中,所述多维周围磁场序列匹配模块被配置成:通过对多个所述磁场传感器的偏航角进行平均来对所述移动设备的定向进行估计,
其中,针对每个磁场传感器,所述偏航角表示基于周围磁场矢量而推断出的所述磁场传感器的定向,所述周围磁场矢量根据通过所述磁场传感器测得的所述周围磁场进行适配。
28.根据权利要求24至27中的任一项所述的系统,其中,所述用于精细本地化的运动模型是基于利用所推断出的精细姿态、所述候选初始姿态和用于精细本地化的控制输入而得到的概率分布的。
29.根据权利要求24至28中的任一项所述的系统,其中,用于精细本地化的所述观测模型由p(zt|xt,MB)表示,其中,
zt表示在时间步长t处的多个所述磁场传感器的周围磁场观测值,xt表示在时间步长t处的所述移动设备的所述特定姿态,
MB表示所述磁图,
N表示用于本地化的所述磁场传感器的数目,
并且表示所测得的第i个所述磁场传感器的周围磁场序列,
并且表示在时间t处所测得的旋转不变的3D周围磁场矢量,
并且表示根据用于精细本地化的第i个所述磁场传感器在第k个所述候选位置处的所述运动模型所推导出的对应的周围磁场序列,
并且表示在时间t处对应的旋转不变的3D周围磁场矢量,
并且为第i个所述磁场传感器在第k个所述候选位置处所测得的周围磁场的对角协方差矩阵序列,时间t处的所述对角协方差矩阵的对角元素显示为方差和
30.根据权利要求24至29中的任一项所述的系统,其中,所述本地化模块还被配置成:
基于时间步长t处的所述特定姿态和由用于精细本地化的所述运动模型提供的在所述时间步长t至所述时间步长t+1期间的数据,来对所述移动设备在时间步长t+1处的估计姿态进行计算;
基于所述估计姿态来在所述磁图中选择一区域;
按照基本上相似的模式和幅度,将对应于所选择的区域内的位置的第一时间序列的周围磁场序列同与根据所测得的周围磁场而确定的旋转不变的周围磁场矢量相关联的第二时间序列的周围磁场序列进行匹配,以对候选后续位置进行识别;以及
基于所识别出的候选后续位置来对后续姿态进行推断,从而使得能够对所述移动设备的姿态进行基本上连续的跟踪。
31.根据权利要求30所述的系统,其中,通过下式对所述移动设备在时间步长t+1处的后续姿态进行估计:
其中,R'包括所识别出的候选后续位置,
k对应于第k个候选后续位置,
zt表示在时间步长t处的多个所述磁场传感器的周围磁场观测值,
z1:t+1表示从时间步长1至时间步长t+1的多维周围磁场序列观测值,
表示基于时间步长t处的所述第k个候选后续位置的候选姿态,
表示基于时间步长t+1处的所述第k个候选后续位置的候选姿态,
u1:t+1为从时间步长1至时间步长t+1的控制输入,以及
MB为所述磁图。
32.根据权利要求7至31中的任一项所述的系统,其中,通过下式对所述移动设备在时间步长t处的特定姿态进行估计:
其中,R包括所选择的候选位置,
k对应于第k个候选位置,
z0表示在初始时间步长处的多个所述磁场传感器的周围磁场观测值,
z1:t表示从时间步长1至时间步长t的多维周围磁场序列观测值,
表示基于所述初始时间步长处的所述第k个候选位置的候选姿态,
表示基于时间步长t处的所述第k个候选位置的候选姿态,
u1:t是从时间步长1至时间步长t的控制输入,以及
MB为所述磁图。
33.一种系统,所述系统包括:
传感器阵列,所述传感器阵列被配置成提供对环境中的周围磁场的测量结果;以及
映射模块,所述映射模块被配置成:接收所述周围磁场;以及基于所接收到的周围磁场对旋转不变的周围磁场矢量进行确定,以构建表示所述环境的磁图。
34.一种系统,所述系统包括:
多个磁场传感器,多个所述磁场传感器以可释放的方式与移动设备耦接,其中,多个所述磁场传感器被配置成在一段时间内对周围磁场进行测量;以及
本地化模块,所述本地化模块被配置成:
基于所测得的周围磁场,根据磁图中的候选位置对所述移动设备的候选初始姿态进行推断,
基于所述候选初始姿态和在所述一段时间内的所测得的周围磁场的变化,对所述移动设备的精细姿态进行推断,以及
基于所述候选初始姿态的概率分布和所述精细姿态的概率分布来对联合概率分布进行评估,以对所述移动设备的特定姿态进行估计。
35.一种表示环境的磁图,所述磁图包括:针对所述环境中的多个位置中的每个位置而建立的坐标;以及在每个位置处的旋转不变的周围磁场指纹。
36.根据权利要求35所述的磁图,其中,
所述坐标为2维栅格坐标,并且所述磁图为2维磁图;或者
所述坐标为3维立方坐标,并且所述磁图为3维磁图。
37.根据权利要求35或36所述的磁图,其中,所述旋转不变的周围磁场指纹是基于旋转不变的周围磁场矢量而确定的,所述旋转不变的周围磁场矢量是根据在所述位置处测得的周围磁场而确定的。
38.一种用于对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定的方法,所述方法包括:
将由磁场传感器测得的处于环境内或者处于所述磁场传感器距所述环境的边缘边界的工作距离内的定位处的周围磁场适配为周围磁场矢量,其中,所述磁场传感器以可释放的方式与移动至所述定位的移动设备耦接;
基于所述周围磁场矢量,对所述磁场传感器的定向进行推断;以及
基于所述推断出的定向,将局部坐标系中的所述周围磁场矢量对准到全局坐标系,以生成所述旋转不变的周围磁场矢量,所述旋转不变的周围磁场矢量包括两个正交分量和所测得的周围磁场的积分强度。
39.根据权利要求38所述的方法,其中,所测得的周围磁场取决于所述磁传感器的定向,并且所测得的周围磁场表示为:
WRz(γ) Ry(θ) Rx(φ) Be+V
其中,Rz(γ)、Ry(θ)和Rx(φ)分别为偏航、俯仰、横滚中对应的旋转矩阵;
W和V分别为所述磁场传感器的软铁效应矩阵和硬铁效应偏移矢量;以及
在所述全局坐标系内,和为分别代表地理北、地理东和竖向向下方向上的磁场强度的正交分量,并且与所述地球重力场的单位矢量平行。
40.根据权利要求38或39所述的方法,其中,所述周围磁场矢量包括所述局部坐标系中的三个正交分量和所测得的周围磁场的积分强度,所述周围磁场矢量表示为:
其中,为x方向分量;
为y方向分量;
为z方向分量;以及
41.根据权利要求40所述的方法,其中,所述推断出的磁场传感器的定向由偏航角ψ表示,其中,
并且
ψ在0弧度与2π弧度之间的范围内,0弧度是相对于磁北的方向限定的。
42.根据权利要求40或41所述的方法,其中,所述旋转不变的周围磁场矢量的所述两个正交分量中的一个正交分量是与所述地球重力场的单位矢量平行的竖向分量,而所述旋转不变的周围磁场矢量的所述两个正交分量中的另一正交分量是与所述竖向分量正交的旋转不变的水平分量。
43.根据权利要求42所述的方法,其中,所述旋转不变的水平分量为并且所述竖向分量为
44.一种用于构建表示环境的磁图的方法,所述方法包括:
针对所述环境中的多个位置中的每个位置建立坐标;
收集每个位置处的旋转不变的周围磁场矢量,所述旋转不变的周围磁场矢量是根据在所述位置处测得的周围磁场而确定的;
基于所收集的旋转不变的周围磁场矢量,来对针对每个位置的周围磁场指纹进行确定;以及
针对多个位置中的多于一个位置,选择相应的周围磁场指纹,以及将所述相应的周围磁场指纹中的每个周围磁场指纹与对应的坐标相关联。
45.一种用于对移动设备进行本地化的方法,所述方法包括:
基于周围磁场执行粗略本地化,以根据磁图中的候选位置对所述移动设备的候选初始姿态进行推断,其中,所述周围磁场是由多个磁场传感器在一段时间内测得的,多个所述磁场传感器以可释放的方式与所述移动设备耦接;
基于所述候选初始姿态和在所述一段时间内的所测得的周围磁场的变化来执行精细本地化,以对所述移动设备的精细姿态进行推断;以及
基于所述候选初始姿态的概率分布和所述精细姿态的概率分布来对联合概率分布进行评估,以对所述移动设备的特定姿态进行估计。
46.根据权利要求45所述的方法,所述方法还包括:将辅助本地化方法应用于执行粗略本地化的步骤,以对根据所述磁图中的所述候选位置对所述移动设备的所述候选初始姿态的推断进行加速。
47.根据权利要求46所述的方法,其中,所述辅助本地化方法包括:基于激光的本地化方法、基于视觉的本地化方法、或基于GNSS/GPS的本地化方法。
48.根据权利要求45至47中的任一项所述的方法,所述方法还包括:通过基于候选后续位置对后续姿态进行递归地推断来执行对所述移动设备的姿态的基本上连续的跟踪,其中,通过下述操作对一个候选后续位置进行识别:
基于时间步长t处的所述特定姿态和由用于精细本地化的运动模型提供的在所述时间步长t至时间步长t+1期间的数据来对所述移动设备在时间步长t+1处的估计姿态进行计算;
基于所述估计姿态来在所述磁图中选择一区域;以及
按照基本上相似的模式和幅度,将对应于所选择的区域内的位置的第一时间序列的周围磁场序列同与根据所测得的周围磁场确定的所述旋转不变的周围磁场矢量相关联的第二时间序列的周围磁场序列进行匹配,以对所述候选后续位置进行识别。
49.一种计算机可读存储介质,所述计算机可读存储介质包括计算机可读指令,当所述计算机可读指令由计算机执行时,所述计算机可读指令能够操作以执行下述操作中的至少一者:
对用于构建环境的磁图的旋转不变的周围磁场矢量进行确定,所述计算机可读指令被配置成执行根据权利要求38至43中的任一项所述的方法;
对表示环境的磁图进行构建,所述计算机可读指令被配置成执行根据权利要求44所述的方法;或者
对移动设备进行本地化,所述计算机可读指令被配置成执行根据权利要求45至48中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SG10202110176U | 2021-09-15 | ||
SG10202110176U | 2021-09-15 | ||
PCT/SG2022/050657 WO2023043373A2 (en) | 2021-09-15 | 2022-09-15 | Sensor array, systems and methods for building a magnetic map, and for localizing a mobile device based on a magnetic map |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117980761A true CN117980761A (zh) | 2024-05-03 |
Family
ID=85603684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280062345.2A Pending CN117980761A (zh) | 2021-09-15 | 2022-09-15 | 传感器阵列、用于构建磁图的系统和方法、以及基于磁图对移动设备进行本地化的系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117980761A (zh) |
WO (1) | WO2023043373A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118408556A (zh) * | 2024-07-03 | 2024-07-30 | 北京理工大学前沿技术研究院 | 基于多磁传感器联合进行磁场匹配的方法、系统和设备 |
CN118408556B (zh) * | 2024-07-03 | 2024-10-01 | 北京理工大学前沿技术研究院 | 基于多磁传感器联合进行磁场匹配的方法、系统和设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117760414B (zh) * | 2024-02-22 | 2024-05-07 | 中国科学院空天信息创新研究院 | 一种基于手机pdr的面状磁场指纹库快速构建方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4680572B2 (ja) * | 2004-11-09 | 2011-05-11 | 株式会社日立製作所 | 磁界測定方法及び磁界測定システム |
CN105122075A (zh) * | 2013-03-12 | 2015-12-02 | 创光公司 | 磁场成像系统 |
US10168159B2 (en) * | 2015-09-24 | 2019-01-01 | Microsoft Technology Licensing, Llc | Magnetometer arrays for inertial navigation, mapping, and drift compensation |
CN107957725B (zh) * | 2017-11-17 | 2021-01-26 | 泉州装备制造研究所 | 一种基于单磁钉的高精度自动导引车定位定向装置及方法 |
CN112649004B (zh) * | 2020-12-16 | 2024-05-03 | 泉州装备制造研究所 | 一种基于空间多点磁场强度信息融合的磁定位方法 |
-
2022
- 2022-09-15 CN CN202280062345.2A patent/CN117980761A/zh active Pending
- 2022-09-15 WO PCT/SG2022/050657 patent/WO2023043373A2/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118408556A (zh) * | 2024-07-03 | 2024-07-30 | 北京理工大学前沿技术研究院 | 基于多磁传感器联合进行磁场匹配的方法、系统和设备 |
CN118408556B (zh) * | 2024-07-03 | 2024-10-01 | 北京理工大学前沿技术研究院 | 基于多磁传感器联合进行磁场匹配的方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023043373A2 (en) | 2023-03-23 |
WO2023043373A3 (en) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nieto et al. | Recursive scan-matching SLAM | |
Pei et al. | Optimal heading estimation based multidimensional particle filter for pedestrian indoor positioning | |
Gao et al. | Multi-story indoor floor plan reconstruction via mobile crowdsensing | |
Kümmerle et al. | Large scale graph-based SLAM using aerial images as prior information | |
Panahandeh et al. | Vision-aided inertial navigation based on ground plane feature detection | |
CN113052908B (zh) | 一种基于多传感器数据融合的移动机器人位姿估计算法 | |
CN103247225B (zh) | 即时定位与地图构建方法和设备 | |
Konecny et al. | Novel Point‐to‐Point Scan Matching Algorithm Based on Cross‐Correlation | |
Deng et al. | Global optical flow-based estimation of velocity for multicopters using monocular vision in GPS-denied environments | |
Hähnel | Mapping with mobile robots. | |
CN117980761A (zh) | 传感器阵列、用于构建磁图的系统和方法、以及基于磁图对移动设备进行本地化的系统和方法 | |
Lee et al. | Performance improvement of iterative closest point-based outdoor SLAM by rotation invariant descriptors of salient regions | |
Shoukat et al. | Cognitive robotics: Deep learning approaches for trajectory and motion control in complex environment | |
Kinnari et al. | LSVL: Large-scale season-invariant visual localization for UAVs | |
Gustafsson et al. | Navigation and tracking of road-bound vehicles | |
Wu et al. | Global localization in repetitive and ambiguous environments | |
Anousaki et al. | Simultaneous localization and map building of skid-steered robots | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
Tsai et al. | Cooperative SLAM using fuzzy Kalman filtering for a collaborative air-ground robotic system | |
Shmatko et al. | Estimation of rotation measurement error of objects using computer simulation | |
Lyu et al. | SPINS: A structure priors aided inertial navigation system | |
Kim et al. | Automatic multiple LiDAR calibration based on the plane features of structured environments | |
Liu et al. | Wi-Fi-aided magnetic field positioning with floor estimation in indoor multi-floor navigation services | |
Gao et al. | Indoor map construction via mobile crowdsensing | |
Nabbe et al. | Opportunistic use of vision to push back the path-planning horizon |
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 |