法律状态公告日
法律状态信息
法律状态
2020-06-19
授权
授权
2017-06-23
实质审查的生效 IPC(主分类):G01C21/08 申请日:20170209
实质审查的生效
2017-05-31
公开
公开
技术领域
本发明涉及地磁导航和室内定位领域,特别涉及一种室内地磁基准图构建方法及其装置。
背景技术
地磁场一般可分为主磁场(Bm),异常场(Ba),其中,主磁场和异常场分别占地磁场总量组分的95%以上和4%以上。据相关资料介绍:主磁场源于地核,随时空变化缓慢且平稳,而磁场异常即使经过数月也很稳定,可以用来作为定位的依据。其基本的原理是行进中的载体实时采集地磁场的特征信息,然后利用各种信号处理的方法对数据进行各种干扰的预处理,将实时测量到的数据与已经存储的地磁图或者地磁模型进行比较,根据相应的准则判断实时采集的地磁信号与地磁图或地磁场模型中的最佳匹配结果,从而确定采集点与数据库中最接近的位置,实现载体的自主定位。
现有的室内定位方案具有以下缺陷:
1.现有的室内定位系统需要额外的基础设施建设。如室内GPS定位技术,需要大量的相关器;室内无线定位技术如Wi-Fi技术、超声波定位技术、红外线室内定位技术、射频识别技术、蓝牙技术、以及新型的超宽带技术等都需要额外信标的支持,很多情况下要事先知道信标的位置才能进行定位。
2.现有的室内定位系统获取定位信号所需的能耗较高。现有技术使用视频系统或其他传感器来获取定位信息,意味着传感器一直处于工作状态,能耗较高,在便携设备中不能进行长时间的定位工作。
3.现有定位设备成本较高。如室内GPS定位技术需要大量的相关器,定位成本很高;一些融合系统采用了距离传感器,气压传感器等器件摄像头等设备使得成本较高。
4.现有基准图构建方法精度不高。现有的地磁基准图构建方法有标准高斯过程回归、普通克里金插值等。这几种算法在,在走廊型(长度-宽度相差较大)场景中,插值效果不好且对于样本没有整体把握,优化效果较差。
5.现有的算法对数据不加区分的使用。冗杂的样本数据降低了地磁基准图构建算法的适用性,数据有效性不同,采用相同的处理方式就会造成算法优化效果不好。
发明内容
针对现有技术的不足,本发明提供一种室内地磁基准图构建方法及其装置;该方法
1.采用自回归分析方法,根据样本数据的有效性,将数据进行分别处理,避免了冗杂的样本数据对构建算法适用性的影响,算法优化效果较好;
2.采用协同克里金技术,提高基准图构建精度。改善现有算法在走廊型(长度-宽度相差较大)场景中的插值效果和优化效果;
该装置
1.采用基于地磁场的定位技术,避免了额外基础设施的部署。并且由于室内地磁场的特点,在采集一次可以在相当长一段时间内使用;
2.采用常见的地磁传感器,其耗电量是UA级别的,耗电量相对于其他室内定位终端要小得多,大大降低系统能耗,可以在便携设备中进行长时间的定位工作;
3.采用地磁传感器,在价格上比摄像头、惯性导航传感器等设备低很多,降低定位设备成本。
实现本发明目的的技术方案是:
一种室内地磁基准图构建方法,包含如下步骤:
1)AR模型(Auto Regressive Analysis Prediction Method,采用自回归分析方法),进行空间自相关性程度的计算,衡量数据间的相互依赖程度,对数据进行分组;
2)将已经分好类的数据中质量较差的一组,进行普通克里金插值算法(OrdinaryKriging Interpolation Algorithm),对于观测数据,两两计算距离与半方差,寻找一个拟合曲线拟合距离与半方差的关系,从而能根据任意距离计算出相应的半方差,得到最优系数,通过最大似然估计方法求出模型超参数;
3)将已经分好类的数据中质量较好的一组与较差的一组做残差,并加入一个待估参数,进行普通克里金插值方法,两计算距离与半方差,寻找一个拟合曲线拟合距离与半方差的关系,从而能根据任意距离计算出相应的半方差,得到最优系数,通过最大似然估计方法求出模型超参数;
4)采用协同克里金插值算法(Co-Kriging Interpolation Algorithm),将已经求出的两个普通克里金模型进行融合,得到最终的预测模型,使用最优系数对已知点的属性值进行加权求和,得到未知点的估计值,生成区域磁场基准图。
通过上述步骤就能构建室内地磁基准图,
步骤1)中,设置一组样本数据{Xt},长度为t,如式(1)建立回归分析方程,即回归分析预测模型,
其中,am为权值,et为t时刻的修正项,xt为t时刻的数据值;在AR模型中,序列{xt},当前值由序列{et}的当前值和序列{xt}的前一个长度为M的窗口内序列值决定,{am}可通过最小二乘法得到;检验回归预测模型、并计算预测误差;根据预测误差和检验指标将样本数据分为两类,其中可信度高的记为(Xb,yb),次之的记为(Xu,yu)。
步骤2)中,对于质量较差的观测数据(Xu,yu),根据式(1)和式(2)构建普通克里金模型,
其中x为空间坐标矢量,b通常是关于x的多项式,β、τ2和θ为未知参数。式(3)是空间相关函数,对应于常说的变差函数,其中r0通常是一个减函数,且θh控制着h维距离测量的相关度量。选定b和r0(t;θ)来构建相关函数,使用最大似然估计方法(MLE)来选择β、τ2和θ。
具体的求解β、τ2和θ,设
假设参数β、τ2和θ已知,那么克里金插值的预测结果如式(4),
其中方差函数σ2(x)是行向量,它的元素是σ2(x,xi),外部方差函数为∑,∑hi=σ2(xh,xi),B=b(xi),
步骤3)中,对于数据(Xb,yb-ρμu(Xb))构建普通克里金模型,需要声明ρ也最为克里金模型的参数与步骤2)相同。
步骤4)中,将步骤2)和步骤3)的输出结果,代入式(5)和式(6),可得最终的预测模型,根据预测模型即可得到磁场基准图。
其中的r(x)和R都是μu(x)和μs(x)的函数,形式如下,
一种室内地磁基准图构建装置,包括:磁场数据获取模块、磁场数据预处理模块、模型参数解算模块、基准图构建模块;
磁场数据获取模块、磁场数据预处理模块、模型参数解算模块和基准图构建模块依次连接组成。
磁场数据获取模块包括磁力计测量单元和磁力计标定单元,其中三轴磁力计测量传感器坐标系中的三轴磁场大小,磁力计标定单元用以对磁场信息进行标定并输出,磁力计测量单元和磁力计标定单元依次连接,是采集三轴地磁场特征信息数据,将数据进行校准后,供后面模块使用;
磁场数据预处理模块包括数据预分析单元和数据分类单元,数据预分析单元,通过判断数据的空间相关系数,分析磁场样本数据信息的可靠性;数据分类过程,根据数据的可靠性,将数据进行分类,并将结果输出到模型解算模块,其中数据预分析单元连接到数据分类单元,根据样本数据的质量,将数据分为两部分,其中可信度高的记为(Xb,yb),次之的记为(Xu,yu),得到数据预处理信息;
模型参数解算模块包括协同克里金解算单元、参数求解单元,协同克里金解算单元根据磁场数据获取模块输出的磁场信息,将磁场矢量旋转到二维平面坐标系中;然后分别对(Xu,yu)和(Xb,yb-ρμu(Xb))用协同克里金插值单元进行解算,分别记为
基准图构建模块由构建单元、存储单元和显示单元构成,构建单元根据磁场模型参数生成整个区域的磁场基准图,存储单元和显示单元对基准图分别进行存储和显示,其中构建单元、存储单元与显示单元依次连接,根据磁场模型参数建立磁场基准图;生成整个区域的磁场基准图,并进行存储。
有益效果:
本发明提供了一种室内地磁基准图构建方法及其装置,
该方法
1.采用自回归分析方法,根据样本数据的有效性,将数据进行分别处理,避免了冗杂的样本数据对构建算法适用性的影响,算法优化效果较好。
2.采用协同克里金技术,提高基准图构建精度,改善现有算法在走廊型(长度-宽度相差较大)场景中的插值效果和优化效果。
该装置
1.采用基于地磁场的定位技术,避免了额外基础设施的部署。并且由于室内地磁场的特点,在采集一次可以在相当长一段时间内使用。
2.采用常见的地磁传感器,其耗电量是UA级别的,耗电量相对于其他室内定位终端要小得多,大大降低系统能耗,可以在便携设备中进行长时间的定位工作。
3.采用地磁传感器,在价格上比摄像头、惯性导航传感器等设备低很多,降低定位设备成本。
附图说明
图1为室内地磁基准图构建装置的结构框图
图2为室内地磁基准图构建方法的流程图
具体实施方式
下面结合附图和实施例对本发明内容做进一步的阐述,但不是对本发明的限定。
实施例
一种室内地磁基准图构建方法,包含如下步骤:
1)AR模型(Auto Regressive Analysis Prediction Method,采用自回归分析方法),进行空间自相关性程度的计算,衡量数据间的相互依赖程度,对数据进行分组;
2)将已经分好类的数据中质量较差的一组,进行普通克里金插值算法(OrdinaryKriging Interpolation Algorithm),对于观测数据,两两计算距离与半方差,寻找一个拟合曲线拟合距离与半方差的关系,从而能根据任意距离计算出相应的半方差,得到最优系数,通过最大似然估计方法求出模型超参数;
3)将已经分好类的数据中质量较好的一组与较差的一组做残差,并加入一个待估参数,进行普通克里金插值方法,两计算距离与半方差,寻找一个拟合曲线拟合距离与半方差的关系,从而能根据任意距离计算出相应的半方差,得到最优系数,通过最大似然估计方法求出模型超参数;
4)采用协同克里金插值算法(Co-Kriging Interpolation Algorithm),将已经求出的两个普通克里金模型进行融合,得到最终的预测模型,使用最优系数对已知点的属性值进行加权求和,得到未知点的估计值,生成区域磁场基准图。
通过上述步骤就能构建室内地磁基准图,
步骤1)中,设置一组样本数据{Xt},长度为t,如式(1)建立回归分析方程,即回归分析预测模型,
其中,am为权值,et为t时刻的修正项,xt为t时刻的数据值;在AR模型中,序列{xt},当前值由序列{et}的当前值和序列{xt}的前一个长度为M的窗口内序列值决定,{am}可通过最小二乘法得到;检验回归预测模型、并计算预测误差;根据预测误差和检验指标将样本数据分为两类,其中可信度高的记为(Xb,yb),次之的记为(Xu,yu)。
步骤2)中,对于质量较差的观测数据(Xu,yu),根据式(1)和式(2)构建普通克里金模型,
其中x为空间坐标矢量,b通常是关于x的多项式,β、τ2和θ为未知参数。式(3)是空间相关函数,对应于常说的变差函数,其中r0通常是一个减函数,且θh控制着h维距离测量的相关度量。选定b和r0(t;θ)来构建相关函数,使用最大似然估计方法(MLE)来选择β、τ2和θ。
具体的求解β、τ2和θ,设
假设参数β、τ2和θ已知,那么克里金插值的预测结果如式(4),
其中方差函数σ2(x)是行向量,它的元素是σ2(x,xi),外部方差函数为Σ,Σhi=σ2(xh,xi),B=b(xi),
步骤3)中,对于数据(Xb,yb-ρμu(Xb))构建普通克里金模型,需要声明ρ也最为克里金模型的参数与步骤2)相同。
步骤4)中,将步骤2)和步骤3)的输出结果,代入式(5)和式(6),可得最终的预测模型,根据预测模型即可得到磁场基准图。
其中的r(x)和R都是μu(x)和μs(x)的函数,形式如下,
如图1所示:
一种室内地磁基准图构建装置,包括:磁场数据获取模块1、磁场数据预处理模块2、模型参数解算模块3、基准图构建模块4;它是由磁场数据获取模块1、磁场数据预处理模块2、模型参数解算模块3和基准图构建模块4依次连接组成。
磁场数据获取模块1包括:磁力计测量单元5、磁力计标定单元6,其中磁力计测量单元5测量传感器坐标系中的三轴磁场大小,磁力计标定单元6用以对磁场信息进行标定并输出。磁力计测量单元5和磁力计标定单元6依次连接;
磁场数据获取模块1的作用是采集三轴地磁场特征信息数据,将数据进行校准后,供后面模块使用。
磁场数据预处理模块2包括数据预分析单元7、数据分类单元8,数据预分析单元7通过判断数据的空间相关系数,分析磁场样本数据信息的可靠性;数据分类单元8,根据数据的可靠性,将数据进行分类,并将结果输出到模型解算模块。其中数据预分析单元7连接到数据分类单元8;
磁场数据预处理模块2的作用根据样本数据的质量,将数据分为两部分,其中可信度高的记为(Xb,yb),次之的记为(Xu,yu),得到数据预处理信息。
模型参数解算模块3包括协同克里金解算单元9、参数求解单元10,协同克里金解算单元9根据磁场数据获取模块输出的磁场信息,将磁场矢量旋转到二维平面坐标系中;然后分别对(Xu,yu)和(Xb,yb-ρμu(Xb))用克里金插值方法进行解算,分别记为
模型参数解算模块3的作用是根据磁场数据预处理信息,分别对(Xu,yu)和(Xb,yb-ρμu(Xb))用普通克里金插值算法进行建模,分别记为
基准图构建模块4由构建单元11、存储单元12和显示单元13构成,构建单元11根据磁场模型参数生成整个区域的磁场基准图,存储单元12和显示单元13对基准图分别进行存储和显示,其中构建单元11、存储单元12和显示单元13依次连接;
基准图构建模块4的作用根据磁场模型参数建立磁场基准图;生成整个区域的磁场基准图,并进行存储。
室内地磁基准图构建方法的流程图,如图2所示:
S101导入磁场数据
S102建立回归分析方程
S103检测预测模型计算预测误差
S104根据指标将数据分类
S105数据两两计算距离半方差
S106拟合距离与半方差的关系
S107根据任意距离计算出半方差
S108最大拟然估计模型组参数
S109融合两个普通克里金模型
S110最优系数对属性值加权求和
S111求解最终的预测模型参数
S112生产区域磁场基准图。
机译: 通过草稿图数据的构建坐标转换的空间信息构建系统及一种通过航空激光测量数据的滤波获取空间信息以构建更精确的三维空间信息系统的方法
机译: 基于稀疏的拓扑图的构建方法和装置,基于拓扑探索的移动机器人的稀疏的拓扑图构建方法和装置
机译: 基于稀疏的拓扑图的构建方法和装置,基于拓扑探索的移动机器人的稀疏的拓扑图构建方法和装置