一种智能仓储管理系统室内高精度定位方法技术方案

技术编号:30788139 阅读:34 留言:0更新日期:2021-11-16 07:50
本发明专利技术公开了一种智能仓储管理系统室内高精度定位方法,包括以下步骤:S1、构建带距离标签的样本集,在智能仓储管理系统内部署室内位置预测模型,并采用带距离标签的样本集对室内位置预测模型进行训练,得到高精度室内位置预测模型;S2、根据高精度室内位置预测模型,通过距离计算出目标点的定位坐标;本发明专利技术解决了室内定位不准确的问题。室内定位不准确的问题。室内定位不准确的问题。

【技术实现步骤摘要】
一种智能仓储管理系统室内高精度定位方法


[0001]本专利技术涉及智能仓储定位
,具体涉及一种智能仓储管理系统室内高精度定位方法。

技术介绍

[0002]智能仓储是物流过程中的一个环节,它使用物联网、计算机信息系统集成和自动化技术来标准化、信息化、自动化工作流程。智能仓储管理既重效率更重效果,它通常构建统一的智能平台,提供综合的应用支撑和管理能力,从而保障各个环节数据输入的速度和准确性,保证企业能够及时的掌握库存的动态数据。通过智能仓储,企业可对库存货物的批次、保质期等信息进行管理,并能通过数据挖掘受益。
[0003]智能仓储的发展不仅离不开智能终端技术、自动驾驶技术和智能物联技术,更需要实时定位技术,特别是高精度的实时定位技术。目前,室外定位技术已比较成熟,主要依赖于GPS、北斗等卫星定位技术,它们已经被广泛应用于工农业生产、军事用途、城市生活导航与共享单车管理等领域。然而,尽管卫星定位在户外环境能够提供比较精准的定位,定位精度亦难以达到厘米级(10cm~30厘米),且在室内环境中,由于家具等的遮挡、阻碍等原因,全球卫星系统的信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能仓储管理系统室内高精度定位方法,其特征在于,包括以下步骤:S1、构建带距离标签的样本集,在智能仓储管理系统内部署室内位置预测模型,并采用带距离标签的样本集对室内位置预测模型进行训练,得到高精度室内位置预测模型;S2、根据高精度室内位置预测模型,通过距离计算出目标点的定位坐标。2.根据权利要求1所述的智能仓储管理系统室内高精度定位方法,其特征在于,所述步骤S1包括以下分步骤:S11、构建带距离标签的样本集;S12、将带距离标签的样本集划分为训练集、测试集和验证集;S13、在智能仓储管理系统内部署室内位置预测模型;S14、采用训练集、测试集和验证集对室内位置预测模型进行训练、测试和验证得到高精度室内位置预测模型。3.根据权利要求2所述的智能仓储管理系统室内高精度定位方法,其特征在于,所述步骤S11包括以下分步骤:S111、通过RFID读写器读取室内RSSI原始信号;S112、将RSSI原始信号发送至智能仓储管理系统中;S113、通过智能仓储管理系统将RSSI原始信号划分为N路,得到N路RSSI序列;S114、对N路RSSI序列均进行平滑滤波,得到N路滤波后的RSSI数据;S115、采用N路滤波后的RSSI数据对多通道高斯滤波器进行训练,得到训练完成的多通道高斯滤波器;S116、通过RFID读写器采集室内移动点与固定点间的RSSI原始数据,并同时记录下RSSI原始数据中每一个RSSI值的所对应的移动点与固定点间的距离;S117、将RSSI原始数据和每个RSSI值对应的距离发送至智能仓储管理系统中;S118、通过智能仓储管理系统中的训练完成的多通道高斯滤波器对RSSI原始数据进行高斯滤波,得到滤波RSSI值;S119、将距离标注在对应的滤波RSSI值上,得到带距离标签的样本集。4.根据权利要求1所述的智能仓储管理系统室内高精度定位方法,其特征在于,所述步骤S1中室内位置预测模型包括依次连接的第一LSTM层、第一DropOut层、第二LSTM层、第二DropOut层、第三LSTM层、第三DropOut层、第一Dense层、第二Dense层和激活层;所述第一LSTM层的输入维度为1,其输出维度为50;所述第一DropOut层、第二DropOut层和第三DropOut层的丢弃率均为0.2;所述第二LSTM层的输入维度为50,其输出维度为100;所述第三LSTM层的输入维度为100,其输出维度为200;所述第一Dense层的输出维度为100,其输入维度自动匹配;所述第二Dense层的输出维度为1,其输入维度自动匹配。5.根据权利要求1所述的智能仓储管理系统室内高精度定位方法,其特征在于,所述步骤S2包括以下分步骤:S21、根据带距离标签的样本集,构建已知坐标点集合;S22、将已知坐标点集合中的各已知坐标点对应的滤波RSSI值进行降序排列,得到排名前5的滤波RSSI值:RSSI1、RSSI2、RSSI3、RSSI4和RSSI5;S23、将排名前5的滤波RSSI值输入高精度室内位置预测模型,分别得到与目标点的5个预测距离:R1、R2、R3、R4和R5;
S24、在排名前5的滤波RSSI值对应的5个已知坐标点N1、N2、N3、N4和N5中任选3个不共线的已知坐标点N
l
、N
j
和N
k
,得到多个已知坐标子集S1~S
M
,每个已知坐标子集包含三个不共线的已知坐标点N
l
、N
j
和N
k
;S25、根据多个已知坐标子集S1~S
M
,构建已知坐标子集的集合S
N
={S1,S2,

,S
M
};S26、在集合S
N
={S1,S2,

【专利技术属性】
技术研发人员:陈健林锋唐志心陈从亮
申请(专利权)人:成都诚骏科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1