一种障碍物遮挡场景下的UWB实时定位方法及系统技术方案

本发明专利技术公开了一种障碍物遮挡场景下的UWB实时定位方法及系统，方法包括：获取移动标签的实时信号强度和实时距离信息；通过预先拟合的无障碍物遮挡状态下信号强度与距离之间的非线性函数对所获取的实时信号强度和实时距离信息进行预处理；将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二分类网络模型；根据稀疏自编码器与Kmeans二分类网络模型的输出对移动标签进行定位。本发明专利技术有效提高UWB定位精度，保证动态环境中UWB定位的稳定性和可靠性。境中UWB定位的稳定性和可靠性。境中UWB定位的稳定性和可靠性。

【技术实现步骤摘要】
一种障碍物遮挡场景下的UWB实时定位方法及系统


[0001]本专利技术属于UWB定位
，具体涉及一种障碍物遮挡场景下的 UWB实时定位方法及系统。

技术介绍

[0002]随着科学技术的不断进步，移动机器人逐渐进入日常的生产生活，准确确定机器人的实时位置是移动机器人的一项关键技术。UWB(超宽频)定位技术是低成本实现位姿估计的重要方法之一，但由于依靠信号的直线传送对物体遮挡较为敏感，若引入遮挡后的信号数据将降低位置解算的精度。因此，有效解决动态遮挡场景下UWB定位问题是必要且困难的。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种障碍物遮挡场景下的UWB实时定位方法及系统，有效提高UWB定位精度，保证动态环境中UWB定位的稳定性和可靠性。
[0004]本专利技术提供了如下的技术方案：
[0005]第一方面，提供一种障碍物遮挡场景下的UWB实时定位方法，包括：
[0006]获取移动标签的实时信号强度和实时距离信息；
[0007]通过预先拟合的无障碍物遮挡状态下信号强度与距离之间的非线性函数对所获取的实时信号强度和实时距离信息进行预处理；
[0008]将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二分类网络模型；
[0009]根据稀疏自编码器与Kmeans二分类网络模型的输出对移动标签进行定位。
[0010]进一步的，所获取的实时信号强度和距离信息来自于不同方位信号基站同一时刻采集的信息。
[0011]进一步的，无障碍物遮挡状态下信号强度与距离之间非线性函数的拟合方法包括：在无障碍物遮挡状态下，使用单接收器在不同距离反复读取移动标签的信号强度和距离信息，根据读取的信号强度和距离信息拟合出关于信号强度与距离之间的高斯分布函数，即得无障碍物遮挡状态下信号强度与距离之间非线性函数；所述信号强度与距离之间的高斯分布函数为：
[0012][0013]式中，f(x)为信号强度，x为距离，σ为信号强度的标准差，μ为信号强度最大值所对应的距离。
[0014]进一步的，所述预处理包括：
[0015]根据无障碍物遮挡状态下信号强度与距离之间的非线性函数和所获取的实时距
离信息计算无障碍物遮挡状态下的理想信号强度；
[0016]将无障碍物遮挡状态下的理想信号强度与所获取的实时信号强度进行比较，去除超过阈值范围的实时信号强度数据。
[0017]进一步的，将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二分类网络模型，对预处理后的实时信号强度和实时距离信息进行分类，剔除障碍物遮挡下的干扰数据，输出无障碍物遮挡的有效数据。
[0018]进一步的，对移动标签进行定位的方法包括：
[0019]以无障碍物遮挡的有效数据对应的信号基站为圆点，以移动标签至该信号基站间的距离为半径作圆；
[0020]当无障碍物遮挡的有效数据的数量≥3个时，以多圆交点为移动标签的当前位置；
[0021]当无障碍物遮挡的有效数据的数量为2个时，以距离上一次定位位置近的圆交点为移动标签的当前位置；
[0022]当无障碍物遮挡的有效数据的数量＜2个时，采用移动标签上一次定位位置以及定位时产生的位移推测移动标签的当前位置。
[0023]进一步的，所述多圆交点采用最小二乘法计算获得。
[0024]第二方面，提供一种障碍物遮挡场景下的UWB实时定位系统，包括：
[0025]信息获取模块，用于获取移动标签的实时信号强度和实时距离信息；
[0026]预处理模块，用于通过预先拟合的无障碍物遮挡状态下信号强度与距离之间的非线性函数对所获取的实时信号强度和实时距离信息进行预处理；
[0027]定位模块，用于将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二分类网络模型，并根据稀疏自编码器与 Kmeans二分类网络模型的输出对移动标签进行定位。
[0028]第三方面，提供一种障碍物遮挡场景下的UWB实时定位装置，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
[0029]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]本专利技术通过预先拟合的无障碍物遮挡状态下信号强度与距离之间的非线性函数对所获取的实时信号强度和实时距离信息进行预处理，初步筛选去除障碍物遮挡条件下的实时信号强度和实时距离数据；通过稀疏自编码器与Kmeans二分类网络模型对剩余数据信息进行分类，进一步去除障碍物遮挡条件下的实时信号强度和实时距离数据，数据筛选成功率高，能够有效提高UWB定位精度，保证动态环境中UWB定位的稳定性和可靠性。
附图说明
[0032]图1是本专利技术实施例中障碍物遮挡场景下的UWB实时定位方法的流程示意图；
[0033]图2是本专利技术实施例中多信号基站UWB定位示意图；
[0034]图3是本专利技术实施例中行人遮挡场景下多信号基站UWB定位示意图；
[0035]图4是本专利技术实施例中障碍物遮挡场景下的UWB实时定位系统的结构示意图。
具体实施方式
[0036]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0037]实施例1
[0038]如图1所示，本实施例提供一种障碍物遮挡场景下的UWB实时定位方法，包括以下步骤：
[0039]步骤一、预先在无障碍物遮挡状态下，使用单接收器在不同距离反复读取移动标签的信号强度和距离信息，根据读取的信号强度和距离信息拟合出关于信号强度与距离之间的高斯分布函数，进而得到无障碍物遮挡状态下信号强度与距离之间的非线性函数；其中，所述信号强度与距离之间的高斯分布函数为：
[0040][0041]式中，f(x)为信号强度，x为距离，σ为信号强度的标准差，μ为信号强度最大值所对应的距离。
[0042]步骤二、预先构建稀疏自编码器与Kmeans二分类网络模型，并采用步骤一中无障碍物遮挡状态下读取的移动标签的信号强度和距离信息训练稀疏自编码器与Kmeans二分类网络模型。
[0043]步骤三、获取移动标签的实时信号强度和实时距离信息。
[0044]在移动标签所处工作区域的不同方位固定合适数量的信号基站，移动标签在工作区域内移动时以一定频率发送UWB信号，信号基站在不同方位同时接收UWB信号，获得实时信号强度和实时距离信息，其中，实时距离信息通过信号接受时间和信号传播速度计算获得。
[0045]以图2所示情况为例，A0、A1、A2为信号基站，T0为移动标签所在位置，移动标签在T0处发射出UWB载波信号，并被A0、A1、A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物遮挡场景下的UWB实时定位方法，其特征在于，包括：获取移动标签的实时信号强度和实时距离信息；通过预先拟合的无障碍物遮挡状态下信号强度与距离之间的非线性函数对所获取的实时信号强度和实时距离信息进行预处理；将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二分类网络模型；根据稀疏自编码器与Kmeans二分类网络模型的输出对移动标签进行定位。2.根据权利要求1所述的障碍物遮挡场景下的UWB实时定位方法，其特征在于，所获取的实时信号强度和距离信息来自于不同方位信号基站同一时刻采集的信息。3.根据权利要求1所述的障碍物遮挡场景下的UWB实时定位方法，其特征在于，无障碍物遮挡状态下信号强度与距离之间非线性函数的拟合方法包括：在无障碍物遮挡状态下，使用单接收器在不同距离反复读取移动标签的信号强度和距离信息，根据读取的信号强度和距离信息拟合出关于信号强度与距离之间的高斯分布函数，即得无障碍物遮挡状态下信号强度与距离之间非线性函数；所述信号强度与距离之间的高斯分布函数为：式中，f(x)为信号强度，x为距离，σ为信号强度的标准差，μ为信号强度最大值所对应的距离。4.根据权利要求1所述的障碍物遮挡场景下的UWB实时定位方法，其特征在于，所述预处理包括：根据无障碍物遮挡状态下信号强度与距离之间的非线性函数和所获取的实时距离信息计算无障碍物遮挡状态下的理想信号强度；将无障碍物遮挡状态下的理想信号强度与所获取的实时信号强度进行比较，去除超过阈值范围的实时信号强度数据。5.根据权利要求1所述的障碍物遮挡场景下的UWB实时定位方法，其特征在于，将预处理后的实时信号强度和实时距离信息输入预先训练的稀疏自编码器与Kmeans二...

【专利技术属性】
技术研发人员：徐孝彬，张磊，柳聪，王文，冉莹莹，谭治英，徐林森，骆敏舟，
申请(专利权)人：江苏省中以产业技术研究院，
类型：发明
国别省市：