一种基于无迹卡尔曼滤波的组合定位方法技术

一种基于无迹卡尔曼滤波的组合定位方法，属于室内定位以及可见光定位技术领域。包括：步骤1：系统初始化单元初始化循环计数值、设置工作模式布尔值和循环计数最大值，设置k＝1时刻组合定位初始坐标值，设置初始协方差；步骤2：惯性导航单元采集惯性导航运动参数，可见光定位单元解算可见光定位位置坐标；步骤3：滤波与解算单元设置UKF各方程与各参数，对载体的惯性运动数据和可见光定位数据进行融合滤波处理，得到滤波后的载体位置；步骤4：位置解算单元计算k时刻的组合定位位置坐标；步骤5：位置解算单元判断循环计数值是否已达循环计数最大值，并决定是否完成本方法。本方法有效减小了可见光定位误差，且可靠性、稳定性以及实用性更强。

【技术实现步骤摘要】
一种基于无迹卡尔曼滤波的组合定位方法
本专利技术涉及一种基于无迹卡尔曼滤波的组合定位方法，属于室内定位以及可见光定位

技术介绍
近年来，随着智能设备的飞速发展，基于位置的服务也随之迅速发展，个人对于位置服务精细化、准确化、无缝化的要求日益提高，室内定位技术的发展也随之成为新的关注点。但由于GPS等传统定位技术无法满足室内精细定位的需求，以可见光定位技术为代表的室内定位技术开始崭露头角。但可见光定位虽然以其精度高、成本低、易实现的特点倍受青睐，却容易受到多径反射、地图限制、信号遮挡等问题的影响，定位算法容易受到外界影响而极大地影响其短时定位精度，因此其实用性受到了极大限制。惯性导航利用定位目标载体(以下简称载体)所搭载的传感器所测得的运动加速度值和角速度值或磁偏角计算出载体运动的方向和距离，由载体初始位置推导出实时位置坐标信息。由于其工作模式完全自主，短时精度优良，具有与生俱来的抗干扰特性，可以和可见光导航系统形成良好的互补。本专利技术采用包括行人惯性导航技术(PDR)在内的惯性导航技术对可见光定位进行辅助定位，采用无迹卡尔曼滤波算法对可见光定位系统/惯性导航算法的数据进行融合，从而实现组合定位导航功能，其中无迹卡尔曼滤波缩写为UKF。实验表明，组合定位导航系统有效减小了可见光定位算法由于信号抖动、信号遮挡等外界干扰问题带来的误差，同时也极大地克服了纯惯性导航系统累积误差随时间增大的问题。整个系统既可以应用于机器人、AGV(AutomatedGuidedVehicle，自动导引运输车)等工业领域，也可以应用于行人导航等消费级电子产品领域目前，惯性导航与其它导航的融合算法常被应用于如GPS+惯性导航等室外导航领域。而在可见光定位配合惯性导航系统领域鲜有文章报道。与本专利技术相关的专利共两篇，下文分别对其进行剖析：(1)申请号CN201410067768.0，标题为基于惯性定位和VLC技术的室内混合定位系统及方法，主要解决了纯可见光定位系统的可靠性不高，无法在较为复杂的室内环境中应用的问题。该专利所述系统在接收器可以接收到LED直射光线的室内环境下，定位结果由VLC室内定位系统提供；当接收器进入到室内没有直射光线的阴影区域时，定位结果由惯性定位系统提供，其中惯性定位系统所需的初始位置，由VLC室内定位系统提供；(2)申请号CN201410831922.7，标题为基于手机惯性定位和VLC的室内混合定位系统及方法，它利用当前智能手机中集成的硬件设备实现了可见光定位与惯性导航系统的简单组合，同时简化了定位装置，也可以利用目标位置来实现位置相关信息的推送，具有一定的实用意义。该专利中所述的APP模块把从通信接口获取的编码信号强度和阈值进行比较，当编码信号强度大于阈值时，计算出多个LED相对强度关系，根据强度关系得到光传输的衰减距离，定位出VLC定位接收器中的光电探测器所在的基于多个LED光源的相对位置关系；当编码信号强度低于阈值时，把惯性定位数值作为定位值；以上专利虽然解决了在可见光信号受到遮挡情况下定位系统无法不间断工作的问题，但是由于其在工作时仅是单纯依赖是否接收到可见光信号作为选择不同定位系统的判据，因此无法解决可见光信号受到多径效应等干扰时的定位问题，也没有将惯性导航和可见光导航的定位数据进行深度融合。此外，由于行人在行走时加速度特征复杂多变，该系统惯性导航算法中采用的加速度积分来确定接收器移动距离的方法无法应用在行人定位领域。因此，可见光定位/惯性导航组合定位算法都具有很大的改进空间。本专利技术的目的即是致力于解决上述可见光定位/惯性导航组合定位算法的缺陷，提出基于无迹卡尔曼滤波的可见光定位/惯性导航组合定位算法。
技术实现思路
本专利技术旨在解决已有的可见光定位与惯性导航组合定位系统无法在多径干扰区域进行定位的缺陷，提出了一种基于无迹卡尔曼滤波的组合定位方法。本专利技术的技术方案为一种基于无迹卡尔曼滤波的组合定位方法，依托一种基于无迹卡尔曼滤波的组合定位系统，包括惯性导航单元、可见光定位单元、滤波与位置解算单元与系统初始化单元；一种基于无迹卡尔曼滤波的组合定位系统各单元的连接方式如下：惯性导航单元与可见光定位单元分别和滤波解算单元以及位置解算单元相连，连接方式包括但不限于串口及蓝牙为主的方式；系统初始化单元与位置解算单元相连；一种基于无迹卡尔曼滤波的组合定位系统的各模块功能如下：惯性导航单元用于采集惯性导航运动数据；可见光定位单元用于采集可见光定位信号并解算可见光定位位置坐标数据；系统初始化单元用于初始化循环计数值、设置工作模式布尔值和循环计数最大值；滤波解算单元用于设置无迹卡尔曼滤波器各方程与各参数，并使用无迹卡尔曼滤波算法进行滤波；位置解算单元对载体的惯性运动数据和可见光定位坐标数据进行融合处理，得到滤波后的载体位置；其中，无迹卡尔曼滤波算法，简称UKF算法；本专利技术所述一种基于无迹卡尔曼滤波的组合定位方法，包括以下步骤：步骤1：系统初始化单元初始化循环计数值、设置工作模式布尔值和循环计数最大值，设置k＝1时刻组合定位初始坐标值，设置初始协方差；其中，循环计数值记为k、循环计数最大值记为kmax、工作模式布尔值记为Bool；初始化k＝1；设置Bool值和kmax值，当Bool＝0时系统处于实时工作状态，kmax为无穷大值；Bool＝1时系统处于离线工作状态，kmax为一常数；设置第1时刻组合定位位置的初始坐标值为(m,n)，设置初始协方差P＝0；步骤2：惯性导航单元采集惯性导航运动参数，可见光定位单元解算可见光定位位置坐标，具体为：步骤2.1：惯性导航单元采集载体的惯性运动数据；其中，设当前时刻为k，所述载体的惯性运动数据根据本方法所应用的场景不同分为两种：若为AGV场景，则惯性运动数据包含k时刻的横轴方向加速度与纵轴方向加速度由于加速度数据容易受到外界环境的干扰，噪声较大，因此在进行下一个步骤之前需要对加速度数据进行低通滤波；若为行人导航场景，则惯性运动数据包含k-1时刻到k时刻的平均运动距离Sk与平均航向角θk；步骤2.2：可见光定位单元采集并计算载体的可见光定位数据；其中，可见光定位数据通过现有可见光定位算法进行计算；现有可见光定位算法主要包括但不限于基于RSS算法的可见光定位算法；依然假设当前时刻为k，则所述可见光定位数据记为Zk＝[XkYk]T；Xk、Yk分别为载体的可见光定位位置横纵坐标，符号T表示矩阵转置；步骤3：滤波与解算单元设置UKF各方程与各参数，对载体的惯性运动数据和可见光定位数据进行融合滤波处理，得到滤波后的载体位置；步骤3.1：设置无迹卡尔曼滤波器各方程包括滤波状态方程Xk＝f(Xk-1)与可见光定位观测方程Zk＝HXk；其中Xk为状态向量，Zk为观测向量，H为观测矩阵；设置无迹卡尔曼滤波器各参数包括根据系统所应用的场景而设置的系统噪声Qk、观测噪声R、状态向量Xk及观测向量Zk；其中，状态向量Xk包含有载体的惯性运动数据，观测向量Zk为可见光定位数据Zk＝[XkYk]T，Xk、Yk分别为载体的可见光定位位置横纵坐标；符号T表示矩阵转置；步骤3.2：计算预测估计值Xk+1/k；所述计算预测估计值的方法为：其中，加权系数n为状态向量维数，在本方法中根据实际场景确定向量维数n；λ为尺本文档来自技高网...

【技术保护点】
一种基于无迹卡尔曼滤波的组合定位方法，其特征在于：依托一种基于无迹卡尔曼滤波的组合定位系统，包括惯性导航单元、可见光定位单元、滤波与位置解算单元与系统初始化单元；一种基于无迹卡尔曼滤波的组合定位系统各单元的连接方式如下：惯性导航单元与可见光定位单元分别和滤波解算单元以及位置解算单元相连，连接方式包括但不限于串口及蓝牙为主的方式；系统初始化单元与位置解算单元相连；一种基于无迹卡尔曼滤波的组合定位系统的各模块功能如下：惯性导航单元用于采集惯性导航运动数据；可见光定位单元用于采集可见光定位信号并解算可见光定位位置坐标数据；系统初始化单元用于初始化循环计数值、设置工作模式布尔值和循环计数最大值；滤波解算单元用于设置无迹卡尔曼滤波器各方程与各参数，并使用无迹卡尔曼滤波算法进行滤波；位置解算单元对载体的惯性运动数据和可见光定位坐标数据进行融合处理，得到滤波后的载体位置；其中，无迹卡尔曼滤波算法，简称UKF算法。

【技术特征摘要】
1.一种基于无迹卡尔曼滤波的组合定位方法，其特征在于：依托一种基于无迹卡尔曼滤波的组合定位系统，包括惯性导航单元、可见光定位单元、滤波与位置解算单元与系统初始化单元；一种基于无迹卡尔曼滤波的组合定位系统各单元的连接方式如下：惯性导航单元与可见光定位单元分别和滤波解算单元以及位置解算单元相连，连接方式包括但不限于串口及蓝牙为主的方式；系统初始化单元与位置解算单元相连；一种基于无迹卡尔曼滤波的组合定位系统的各模块功能如下：惯性导航单元用于采集惯性导航运动数据；可见光定位单元用于采集可见光定位信号并解算可见光定位位置坐标数据；系统初始化单元用于初始化循环计数值、设置工作模式布尔值和循环计数最大值；滤波解算单元用于设置无迹卡尔曼滤波器各方程与各参数，并使用无迹卡尔曼滤波算法进行滤波；位置解算单元对载体的惯性运动数据和可见光定位坐标数据进行融合处理，得到滤波后的载体位置；其中，无迹卡尔曼滤波算法，简称UKF算法。2.根据权利要求1所述的一种基于无迹卡尔曼滤波的组合定位方法，其特征在于：包括以下步骤：步骤1：系统初始化单元初始化循环计数值、设置工作模式布尔值和循环计数最大值，设置k＝1时刻组合定位初始坐标值，设置初始协方差；步骤2：惯性导航单元采集惯性导航运动参数，可见光定位单元解算可见光定位位置坐标；步骤3：滤波与解算单元设置UKF各方程与各参数，对载体的惯性运动数据和可见光定位数据进行融合滤波处理，得到滤波后的载体位置；步骤4：位置解算单元计算k时刻的组合定位位置坐标；步骤5：位置解算单元判断循环计数值是否已经达到循环计数最大值，并决定是否完成本方法；至此，经过步骤1到步骤5，完成了一种基于无迹卡尔曼滤波的组合定位方法。3.根据权利要求2所述的一种基于无迹卡尔曼滤波的组合定位方法，其特征在于：步骤1中，循环计数值记为k、循环计数最大值记为kmax、工作模式布尔值记为Bool；初始化k＝1；设置Bool值和kmax值，当Bool＝0时系统处于实时工作状态，kmax为无穷大值；Bool＝1时系统处于离线工作状态，kmax为一常数；设置第1时刻组合定位位置的初始坐标值为(m,n)，设置初始协方差P＝0。4.根据权利要求2所述的一种基于无迹卡尔曼滤波的组合定位方法，其特征在于：步骤2，具体为：步骤2.1：惯性导航单元采集载体的惯性运动数据；其中，设当前时刻为k，所述载体的惯性运动数据根据本方法所应用的场景不同分为两种：若为AGV场景，则惯性运动数据包含k时刻的横轴方向加速度与纵轴方向加速度由于加速度数据容易受到外界环境的干扰，噪声较大，因此在进行下一个步骤之前需要对加速度数据进行低通滤波；若为行人导航场景，则惯性运动数据包含k-1时刻到k时刻的平均运动距离Sk与平均航向角θk；步骤2.2：可见光定位单元采集并计算载...

【专利技术属性】
技术研发人员：冯立辉，李志天，杨爱英，钱晨，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11