终端的惯性测量单元的定位方法、装置、设备和可读介质制造方法及图纸

本公开提供一种终端的惯性测量单元的定位方法、装置、设备和可读介质，其中，终端的惯性测量单元的定位方法包括：采集惯性测量单元的速度变化信息和空间变化信息；根据速度变化信息构建多个推断空间变化信息的任务；基于指定损失函数对多个任务的结果和空间变化信息进行训练，以确定最优位置变化模型的权重；将指定的速度变化信息确定为最优位置变化模型的输入，将指定空间变化信息为最优位置变化模型的输出，对最优位置变化模型进行训练。通过本公开实施例，训练后的最优位置变化模型提高了惯性测量单元的终端的惯性测量单元的定位精度。精度。精度。

【技术实现步骤摘要】
终端的惯性测量单元的定位方法、装置、设备和可读介质


[0001]本公开涉及定位
，具体而言，涉及一种终端的惯性测量单元的定位方法、装置、设备和可读介质。

技术介绍

[0002]目前，近年来，随着互联网技术的不断发展，众多新型移动设备如智能手机、可穿戴设备、无人机、移动机器人等产业也相应的收到了广泛追捧，基于位置的服务(LBS，Location Based Service)由于其潜在的社会价值和商业价值，受到了广泛的关注。
[0003]在相关技术中，终端的惯性导航是一种不借助外部信号的自主性导航。行人航位推算算法能在无信标条件下，通过加速度三轴加速度值和方向角感知终端在行进过程中的加速度和方向角，并利用这些数据对行走路线进行相对终端的惯性测量单元的定位，从而达到对终端进行终端的惯性测量单元的定位跟踪的目的。
[0004]但是，传统的终端航迹推算算法基于加速度阈值识别步数、通过参数调整步长，惯导累积误差大，终端的惯性测量单元的定位准确率不高。另外，基于步长步态标签训练后的AI惯导模型难以采集标签数据，不仅数据清洗难度大，而且终端的惯性测量单元的定位精度不理想。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本公开的目的在于提供一种终端的惯性测量单元的定位方法、装置、设备和可读介质，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的终端的惯性测量单元的定位可靠性差的问题。
[0007]根据本公开实施例的第一方面，提供一种终端的惯性测量单元的定位方法，包括：采集所述惯性测量单元的速度变化信息和空间变化信息；根据所述速度变化信息构建多个推断所述空间变化信息的任务；基于指定损失函数对多个所述任务的结果和所述空间变化信息进行训练，以确定最优位置变化模型的权重；将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练。
[0008]在本公开的一种示例性实施例中，所述速度变化信息包括加速度和角速度，所述空间变化信息包括位置变化和姿态变化，根据所述速度变化信息构建多个推断空间变化信息的任务包括：为所述位置变化和所述姿态变化设置对应的标签；根据所述加速度和所述位置变化的标签构建第一任务；根据所述角速度和所述姿态变化的标签构建第二任务。
[0009]在本公开的一种示例性实施例中，采用指定损失函数对多个所述任务的结果和所述空间变化信息进行训练，以确定最优位置变化模型的权重包括：对所述加速度进行重力换算后进行卷积计算；对所述角速度进行卷积计算；将两个卷积计算的结果进行串联并输
入至双向LSTM，以所述空间变化信息作为所述双向LSTM的输出，对所述双向LSTM进行训练；基于所述双向LSTM的训练结果确定所述定最优位置变化模型的权重。
[0010]在本公开的一种示例性实施例中，将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练包括：确定数组长度为采样频率的加速度和数组长度为所述采样频率的角速度为所述指定速度变化信息；根据所述指定速度变化信息和所述指定空间变化信息对所述最优位置变化模型进行训练。
[0011]在本公开的一种示例性实施例中，将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练包括：将指定的速度变化信息确定为所述最优位置变化模型的输入；确定指定采样频率对应的位置为所述指终端的惯性测量单元的定位置；将所述指终端的惯性测量单元的定位置和所述姿态变化确定为所述指定空间变化信息；将所述指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练。
[0012]在本公开的一种示例性实施例中，对所述加速度进行重力换算后进行卷积计算的表达式包括：Ax
’
＝Ax
‑
G(i)，G(i)＝a
×
G(i
‑
1)+(1
‑
a)
×
Ax；Ay
’
＝Ay
‑
G(i)，G(i)＝a
×
G(i
‑
1)+(1
‑
a)
×
Ay；Az
’
＝Az
‑
G(i)，G(i)＝a
×
G(i
‑
1)+(1
‑
a)
×
Az，所述a为预设系数，所述Ax为重力换算前的x轴加速度，所述Ay为重力换算前的y轴加速度，所述Az为重力换算前的z轴加速度，所述Ax
’
为重力换算后的x轴加速度，所述Ay
’
为重力换算后的y轴加速度，所述Az
’
为重力换算后的z轴加速度，所述G(i)为重力换算后的序列值，所述i为大于或等于1的正整数。
[0013]在本公开的一种示例性实施例中，所述指定损失函数的表达式包括：exp(
‑
log_vars(t1))
×
mae(pred(t1)
‑
true(t1)+log_vars(t1)+exp(
‑
log_vars(t2))
×
(1
‑
abs(batch_dot(y_true(t2)，y_pred(t2))))，其中，所述t1表征所述第一任务，所述t2表征第二任务，所述log_vars表征对数方差运算，所述mae表征绝对值均差运算，所述Batch_dot表征点积运算，所述abs表针绝对值运算，所述true(t1)表征所述t1的真值，所述y_true(t2)表征所述t2的真值，所述y_pred(t2)表征所述t2的预测值。
[0014]根据本公开实施例的第二方面，提供一种终端的惯性测量单元的定位装置，包括：采集模块，设置为采集所述惯性测量单元的速度变化信息和空间变化信息；构建模块，设置为根据所述速度变化信息构建多个推断所述空间变化信息的任务；训练模块，设置为基于指定损失函数对多个所述任务的结果和所述空间变化信息进行训练，以确定最优位置变化模型的权重；所述训练模块，设置为将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练。
[0015]根据本公开的第三方面，提供一种电子设备，包括：存储器；以及耦合到所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上述任意一项所述的方法。
[0016]根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述任意一项所述的终端的惯性测量单元的定位方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种终端的惯性测量单元的定位方法，其特征在于，包括：采集所述惯性测量单元的速度变化信息和空间变化信息；根据所述速度变化信息构建多个推断所述空间变化信息的任务；基于指定损失函数对多个所述任务的结果和所述空间变化信息进行训练，以确定最优位置变化模型的权重；将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练。2.如权利要求1所述的终端的惯性测量单元的定位方法，其特征在于，所述速度变化信息包括加速度和角速度，所述空间变化信息包括位置变化和姿态变化，根据所述速度变化信息构建多个推断空间变化信息的任务包括：为所述位置变化和所述姿态变化设置对应的标签；根据所述加速度和所述位置变化的标签构建第一任务；根据所述角速度和所述姿态变化的标签构建第二任务。3.如权利要求2所述的终端的惯性测量单元的定位方法，其特征在于，采用指定损失函数对多个所述任务的结果和所述空间变化信息进行训练，以确定最优位置变化模型的权重包括：对所述加速度进行重力换算后进行卷积计算；对所述角速度进行卷积计算；将两个卷积计算的结果进行串联并输入至双向LSTM，以所述空间变化信息作为所述双向LSTM的输出，对所述双向LSTM进行训练；基于所述双向LSTM的训练结果确定所述定最优位置变化模型的权重。4.如权利要求1所述的终端的惯性测量单元的定位方法，其特征在于，将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练包括：确定数组长度为采样频率的加速度和数组长度为所述采样频率的角速度为所述指定速度变化信息；根据所述指定速度变化信息和所述指定空间变化信息对所述最优位置变化模型进行训练。5.如权利要求1所述的终端的惯性测量单元的定位方法，其特征在于，将指定的速度变化信息确定为所述最优位置变化模型的输入，将指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练包括：将指定的速度变化信息确定为所述最优位置变化模型的输入；确定指定采样频率对应的位置为所述指终端的惯性测量单元的定位置；将所述指终端的惯性测量单元的定位置和所述姿态变化确定为所述指定空间变化信息；将所述指定空间变化信息为所述最优位置变化模型的输出，对所述最优位置变化模型进行训练。6.如权利要求3
‑
5中任一项所述的终端的惯性测量单元的定位方法，其特征在于，对所述加速度进行重力换算后进行卷积计算的表达式包括：
Ax
’
＝Ax
‑
G(i)，G(i)＝a
×
G(i
‑
1)+(1
‑
a)
×
Ax；Ay
’
＝Ay
‑
G(...

【专利技术属性】
技术研发人员：朱先飞，庞涛，梁宇杰，曹鹏，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：