基于MEMS传感器和稀疏地标点的室内定位及优化方法技术

本发明专利技术公开了基于MEMS传感器和稀疏地标点的室内定位及优化方法，所述方法包括：基于惯性导航机械编排算法，计算目标物体的第一位置、第一速度和姿态信息；获取目标物体的若干约束信息，并根据若干所述约束信息得到目标物体的观测量和状态量；基于稀疏地标点的预设位置，计算第二位置以及预设位置与第二位置之间的第一距离；基于自适应无迹卡尔曼滤波算法，将若干所述约束信息、所述观测量、所述第一位置、所述第一速度、所述姿态信息、第二位置和所述第一距离进行融合，得到目标物体的融合观测量、融合状态量、融合位置和融合姿态信息；并基于预设的滤波算法，对所述融合位置和所述融合姿态信息进行误差优化计算，得到目标位置。得到目标位置。得到目标位置。

【技术实现步骤摘要】
基于MEMS传感器和稀疏地标点的室内定位及优化方法


[0001]本专利技术涉及定位
，尤其涉及的是基于MEMS传感器和稀疏地标点的室内定位及优化方法。

技术介绍

[0002]近年来，基于室内位置的服务因其在广泛的个性化服务中的潜在应用而变得越来越重要。越来越多的室内定位系统相继涌现，为解决室内定位难题提供了多样化的方案。而由于大众使用的移动终端硬件的局限性，一些高精度的室内定位系统无法被支持，实现低成本，高精度的室内定位困难。
[0003]因此，现有技术还有待改进和发展。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于MEMS传感器和稀疏地标点的室内定位及优化方法，旨在解决现有技术中一些高精度的室内定位系统无法被支持，实现低成本，高精度的室内定位困难的问题。
[0005]本专利技术解决问题所采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供一种基于MEMS传感器和稀疏地标点的室内定位及优化方法，其中，所述方法包括：
[0007]基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、目标物体的第一速度和目标物体的姿态信息；其中，所述姿态信息用于表征目标物体移动过程中产生的航向角、横滚角和俯仰角；
[0008]获取目标物体的若干约束信息，并根据若干所述约束信息得到目标物体的观测量和状态量；其中，所述约束信息用于表征目标物体的移动属性；所述观测量用于表征目标物体移动时形成的真实误差；所述状态量用于表征目标物体移动时估算的预测误差；
[0009]基于稀疏地标点的预设位置，计算目标物体的第二位置以及预设位置与所述第二位置之间的第一距离；
[0010]基于自适应无迹卡尔曼滤波算法，将若干所述约束信息、所述观测量、所述第一位置、所述第一速度、所述姿态信息、第二位置和所述第一距离进行融合，得到目标物体的融合观测量、融合状态量、融合位置和融合姿态信息；并将所述融合观测量和融合状态量反馈至基于惯性导航机械编排算法，通过MEMS传感器计算目标物体更新的第一位置、目标物体更新的第一速度和目标物体更新的姿态信息，同时基于预设的滤波算法，对所述融合位置和所述融合姿态信息进行误差优化计算，得到目标位置。
[0011]在一种实现方式中，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、目标物体的第一速度和目标物体的姿态信息包括：
[0012]获取MEMS传感器检测的运动矩阵和姿态矩阵，并将所述运动矩阵和所述姿态矩阵进行相乘，得到初始位置；
[0013]将所述初始位置进行微分运算，得到目标物体的第一位置；
[0014]获取MEMS传感器检测的第二速度、姿态矩阵、第一旋转速度、第二旋转速度、加速度向量和重力向量，并将所述第二速度、姿态矩阵、第一旋转速度、第二旋转速度、加速度向量和重力向量进行微分运算得到目标物体的第一速度；
[0015]获取MEMS传感器检测的第一旋转角速度和第二旋转角速度，并将所述姿态矩阵、所述第一旋转角速度和所述第二旋转角速度进行微分运算得到目标物体的姿态信息。
[0016]在一种实现方式中，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、第一速度和姿态信息之后包括：
[0017]基于所述第一位置、所述第一速度和所述姿态信息获取惯导误差向量。
[0018]在一种实现方式中，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、第一速度和姿态信息之后还包括：
[0019]获取第一参数误差、第二参数误差、第三参数误差和第四参数误差，并将所述第一参数误差、所述第二参数误差、所述第三参数误差和所述第四参数误差修正传感器的累积误差。
[0020]在一种实现方式中，若干所述约束信息具体为速度约束值、位置约束值、三维高度约束值和准静态磁场约束值；所述根据若干所述约束信息得到目标物体的观测量和状态量包括：
[0021]将所述速度约束值减去所述速度，得到速度观测量；
[0022]将所述位置约束值减去所述第一位置，得到二维位置观测量；
[0023]将所述二维位置观测量和所述三维高度约束值融合，得到三维位置观测量；
[0024]将所述准静态磁场约束值减去预设的磁场参考值，得到磁场观测量；
[0025]将所述速度观测量、所述三维位置观测量和所述磁场观测量融合得到目标物体的观测量；
[0026]基于所述观测量获取状态量。
[0027]在一种实现方式中，所述基于稀疏地标点的预设位置，计算目标物体的第二位置以及预设位置与所述第二位置之间的第一距离包括：
[0028]获取基站接收的第二距离；
[0029]获取基站接收的信号强度值，并将所述信号强度值映射为第三距离；
[0030]将所述第二距离和所述第三距离进行融合，得到第一距离；
[0031]获取预设的地标点位置，将所述地标点位置和所述第一距离进行动态时间规整匹配，得到目标物体的第二位置。
[0032]在一种实现方式中，所述基于预设的滤波算法，对所述融合位置和所述融合姿态信息进行误差优化计算，得到目标位置包括：
[0033]基于双向平滑滤波算法，对所述融合状态量进行反向滤波平滑，得到修正后的融合状态量；
[0034]基于修正后的融合状态量修正所述融合位置和所述融合姿态信息，得到目标位置。
[0035]在一种实现方式中，所述基于预设的滤波算法，对所述融合位置和所述融合姿态信息进行误差优化计算，得到目标位置还包括：
[0036]构建步长航向模型，基于所述步长航向模型构建所述融合状态量和所述融合观测量的代价函数；
[0037]基于梯度下降算法中的所述代价函数，通过所述融合观测量获取修正后的融合观测量获取修正后的融合状态量；
[0038]基于修正后的融合状态量修正所述融合位置和所述融合姿态信息，得到目标位置。
[0039]第二方面，本专利技术实施例还提供一种基于MEMS传感器和稀疏地标点的室内定位及优化装置，其中，所述装置包括：
[0040]目标物体的移动信息获取模块，用于基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、目标物体的第一速度和目标物体的姿态信息；其中，所述姿态信息用于表征目标物体移动过程中产生的航向角、横滚角和俯仰角；
[0041]目标物体的观测量和状态量获取模块，用于获取目标物体的若干约束信息，并根据若干所述约束信息得到目标物体的观测量和状态量；其中，所述约束信息用于表征目标物体的移动属性；所述观测量用于表征目标物体移动时形成的真实误差；所述状态量用于表征目标物体移动时估算的预测误差；
[0042]目标物体的第二位置和第一距离的获取模块，用于基于稀疏地标点的预设位置，计算目标物体的第二位置以及预设位置与所述第二位置之间的第一距离；
[0043]目标位置获取模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MEMS传感器和稀疏地标点的室内定位及优化方法，其特征在于，所述方法包括：基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、目标物体的第一速度和目标物体的姿态信息；其中，所述姿态信息用于表征目标物体移动过程中产生的航向角、横滚角和俯仰角；获取目标物体的若干约束信息，并根据若干所述约束信息得到目标物体的观测量和状态量；其中，所述约束信息用于表征目标物体的移动属性；所述观测量用于表征目标物体移动时形成的真实误差；所述状态量用于表征目标物体移动时估算的预测误差；基于稀疏地标点的预设位置，计算目标物体的第二位置以及预设位置与所述第二位置之间的第一距离；基于自适应无迹卡尔曼滤波算法，将若干所述约束信息、所述观测量、所述第一位置、所述第一速度、所述姿态信息、第二位置和所述第一距离进行融合，得到目标物体的融合观测量、融合状态量、融合位置和融合姿态信息；并将所述融合观测量和融合状态量反馈至基于惯性导航机械编排算法，通过MEMS传感器计算目标物体更新的第一位置、目标物体更新的第一速度和目标物体更新的姿态信息，同时基于预设的滤波算法，对所述融合位置和所述融合姿态信息进行误差优化计算，得到目标位置。2.根据权利要求1所述的基于MEMS传感器和稀疏地标点的室内定位及优化方法，其特征在于，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、目标物体的第一速度和目标物体的姿态信息包括：获取MEMS传感器检测的运动矩阵和姿态矩阵，并将所述运动矩阵和所述姿态矩阵进行相乘，得到初始位置；将所述初始位置进行微分运算，得到目标物体的第一位置；获取MEMS传感器检测的第二速度、姿态矩阵、第一旋转矩阵、第二旋转矩阵、加速度向量和重力向量，并将所述第二速度、姿态矩阵、第一旋转速度、第二旋转速度、加速度向量和重力向量进行微分运算得到目标物体的第一速度；获取MEMS传感器检测的第一旋转角速度和第二旋转角速度，并将所述姿态矩阵、所述第一旋转角速度和所述第二旋转角速度进行微分运算得到目标物体的姿态信息。3.根据权利要求1所述的基于MEMS传感器和稀疏地标点的室内定位及优化方法，其特征在于，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、第一速度和姿态信息之后包括：基于所述第一位置、所述第一速度和所述姿态信息获取惯导误差向量。4.根据权利要求3所述的基于MEMS传感器和稀疏地标点的室内定位及优化方法，其特征在于，所述基于惯性导航机械编排算法，通过MEMS传感器计算目标物体的第一位置、第一速度和姿态信息之后还包括：获取第一参数误差、第二参数误差、第三参数误差和第四参数误差，并将所述第一参数误差、所述第二参数误...

【专利技术属性】
技术研发人员：史文中，余跃，
申请(专利权)人：理大产学研基地深圳有限公司，
类型：发明
国别省市：